🐛 问题描述

开启 TORCHINDUCTOR_NPU_FAST_LAUNCH=1 后，稳定的 planned Fast Launch 已能够绕过原 Triton Python launcher，但每次 kernel 调用仍存在以下重复 Host 工作：

1. 稳态仍进入 BoundFastLaunch，重复经过 _call_direct；
2. 每次通过 _canonical_args 和 _build_runtime_launch_args 重新追加已经稳定的 runtime block；
3. 即使 grid 为常量，也会重复执行 Python grid resolver、合法性校验和 Block Num 计算；
4. C++ 每次重新清零 packed buffer，并重复写入 FFTS pointer、固定 scalar、runtime block 和静态 grid；
5. 已经准备好的 launch callable 仍被包装成通用零输入、零输出 OpCommand，进入 COMPILE_AND_EXECUTE 路径。

欢迎加入社区，感谢您对社区的贡献 🎉!