在提交新问题之前，请确保您已经在社区中搜索过相关问题，并使用了社区中提供的资源/工具后，仍未找到满意的解决方式。

⚠️ 安全信息提醒：请仔细检查提供的文本内容，确保其不包含敏感数据信息，包括但不限于：

• API 令牌或密钥
• 密码或身份验证凭证
• 私有网址或接口地址
• 个人或机密数据
• ...

在分享配置信息或代码示例时，请将敏感信息脱敏处理，或使用 <TOKEN> 等占位符替代原有内容。

环境信息

硬件：Atlas 800T A3（IT22HMDA_2_S，Ascend910_9382，HBM 64GB/芯片）

软件：CANN 9.1.0 + TorchNPU 26.1.0（torch 2.9.0 / torch_npu 2.9.0.post6）

模型：torchvision resnet50，输入 (32, 3, 224, 224)

🐛 问题描述

现象：

正确性 allclose = True，但性能严重劣化；

Eager 稳态：13.87 ms/iter；

Compiled 稳态：306.13 ms/iter；

稳态加速比：0.045x（慢约 22 倍）。

复现步骤：
bash

cd /workspace/scripts/task2
python3 backends/triton_backend.py 2>&1 | tee logs/triton_backend.log

日志证据：
text

============================================================
[性能]

Eager 稳态 : 13.83 ms/iter
Compiled 首次 : 305.31 ms（含编译，冷态口径）
Compiled 稳态 : 305.87 ms/iter
稳态加速比 : 0.045x (Eager/Compiled)

影响：

CNN 类模型上 Triton 后端默认路径性能严重劣化，torch.compile 不仅没加速，反而慢 22 倍；

所有 GuardFilter 示例（gf1~gf6）走的都是默认 Triton 后端，加速比全部落在 0.045x~0.046x，说明 GuardFilter 只影响前端重编译行为，不改变后端性能。

建议排查方向：

对比 Triton 生成的 kernel 与 Eager 的算子实现，确认是否有算子回退到低效路径；

检查编译产物是否有效利用 NPU cube/vector 单元；

对比同版本下 DVM（1.035x）、TorchAir-GE（1.172x）正常加速的后端，定位 Triton 路径的差异。<a href="https://gitcode.com/user-attachments/files/7404318/2776ecb5dc8647d9a4812757129c7042.png" target="_blank">2776ecb5dc8647d9a4812757129c7042.png</a>

欢迎加入社区，感谢您对社区的贡献 🎉!