Description

为 Ascend 910B3 (dav-2201) 实现原生 ScatterAdd kernel，替换原有的 CPU 回退路径（D2H → CPU ScatterAdd → H2D）。

参照 CUDA 实现 src/array/cuda/segment_reduce.cuh:54 的 ScatterAddKernel，采用 AscendC MemBase 范式实现。

修改功能

将 ScatterAddDispatch（src/array/kernel.cc）中 Ascend 设备的调度路径从 CPU 回退改为原生 NPU kernel 调用（ATEN_XPU_SWITCH_CUDA_ASCEND），与仓内 SegmentReduce/SpMM/SDDMM 等 Ascend 算子的 dispatch 范式一致。

适配算子

ScatterAdd（scatter add on first dimension）

• 数学语义：out[idx[i], *] += feat[i, *]
• 累加方式：add（仅支持加法累加，不支持 max/min 等其他 reduce op）
• kernel 不清零 out，由调用方预清零（F.zeros），与 CUDA/CPU 实现一致

支持的数据类型

实现方案

• 架构：SIMD / MemBase，参照 segment_reduce_sum_kernel.cpp
• 累加策略：SetAtomicAdd<float>() + DataCopyPad UB→GM 原子累加（与 CUDA atomicAdd 语义一致）
• 多核切分：按 N（feat 行数）切分，blockDim = min(N, 40)
• 同步机制：idx 预搬 UB + SetFlag/WaitFlag<MTE2_MTE3> 事件同步 + PipeBarrier 多队列汇聚 + SetAtomicNone 复位

验收结果

Checklist

• The PR title starts with [$CATEGORY]
• All changes have test coverage
• Code is well-documented
• To the best of my knowledge, examples are either not affected by this change, or have been fixed to be compatible with this change

Changes

• src/array/kernel.cc：ScatterAddDispatch 从 CPU 回退改为原生 NPU 调用（ATEN_XPU_SWITCH_CUDA_ASCEND）
• src/array/ascend/scatter_add_kernel.cpp：AscendC device kernel（SetAtomicAdd + DataCopyPad UB→GM）
• src/array/ascend/scatter_add.cc：host launcher + 6 个模板特化（int32/int64 × float32 实装，half/bf16/double LOG(FATAL) 占位）
• tests/ascend/：黑盒 40 条 + 白盒 6 条 + golden + 精度断言 + 性能采集框架
• docs/ascend/operators/scatter_add.md：算子文档