【合入来源】

如有社区issue，请关联issue链接
请勿携带内部流程信息（需求链接、问题单、内部issue等）

• 需求
• 问题单
• issue/工单
• 重构优化
• 资料更新

【修改方案】

1. 对齐 CUDA Copy.cu 的 mixed-dtype 异步 Host/Device 拷贝策略，调整 NPU OpApi 路径。

当 non_blocking=True 且 Host/Device dtype 不一致时，将可由 aclnnCast 支持的 dtype 转换前移到 NPU Device 侧完成，避免因 CPU 侧 dtype cast 产生非 pinned 临时 Tensor，导致 H2D/D2H 退化为同步拷贝。non_blocking=False 与同 dtype fast path 保持原有逻辑。

• torch_npu/csrc/aten/ops/op_api/CopyKernelOpApi.cpp
  • H2D：先申请源 dtype 的 NPU temporary，将 pinned/已注册 CPU 数据按源 dtype 执行同 dtype H2D 拷贝，再通过 aclnnCast 转为目标 dtype 并写回目标 Tensor。
  • D2H：先在 NPU 侧通过 custom_ops::_npu_dtype_cast 转为目标 dtype，再执行同 dtype D2H 拷贝到 CPU 目标。
  • D2H cast 前补充 NpuUtils::check_match(&src) 判断；当 NPU 源 Tensor 是非连续 view 或 metadata 不满足 OpApi 要求时，先通过 NpuUtils::format_contiguous(src) 规范化输入，避免 aclnnCast 直接处理不匹配的 view。
  • 新增 cast_dtype_out_baseformat_opapi，封装 aclnnCast out 路径，用于 H2D mixed-dtype async 路径中将 NPU temporary 转换并写入目标 Tensor。
  • 新增 should_fallback_to_cpu_cast：在 A2 及之后产品上，对 aclnnCast 不支持的 dtype 组合保留原 CPU cast 路径，避免 unsupported dtype 走设备侧 cast 失败。

2. 补充 Tensor.copy_ mixed-dtype 功能、异步行为与 fallback 测试。

• test/test_copy_.py
  • 覆盖 pinned CPU → NPU、NPU → pinned CPU 的 mixed-dtype copy_(non_blocking=True)。
  • 覆盖 int32 -> float32、int64 -> float32、float16 -> float32、float32 -> float16、complex64 <-> complex128 等基础转换组合。
  • 扩展同步/异步结果一致性用例，覆盖 bool、int8、int16、uint16、int64、float16、bfloat16、float32、complex dtype，并包含负数、边界值、小数和复数数据。
  • 通过 gate_stream 上的矩阵乘任务阻塞 copy_stream，再使用 done_event.query() 验证 copy_ 返回时没有同步等待异步拷贝完成。
  • 补充非连续 NPU 目标、非连续 CPU pinned 目标、非连续 NPU 源、broadcast 源、带 storage offset 的 pinned CPU slice，以及连续 mixed-dtype 异步拷贝下 temporary 生命周期测试。
  • 非连续 NPU 源用例覆盖 D2H mixed-dtype 场景，验证 _npu_dtype_cast 前的 format_contiguous 保护逻辑。
  • 补充 float8_e5m2、float8_e4m3fn、complex32 等 aclnnCast unsupported dtype 的 CPU cast fallback 正确性测试。
  • 保留 non_blocking=False 的 H2D/D2H mixed-dtype 结果正确性回归测试。
  • mixed-dtype 相关用例限定在 Ascend910B、Ascend910_93、Ascend950 上执行。

3. 补充 Tensor.to mixed-dtype 跨设备测试。

• test/npu/test_npu.py
  • 新增 test_to_non_blocking_different_dtype，覆盖 CPU ↔ NPU、non_blocking=True/False 的跨设备 dtype 转换。
  • 验证 int32 -> float32 转换结果正确性。
  • 验证 D2H 且 non_blocking=True 时输出 Tensor 保持 pinned-memory 属性。
  • 用例限定在 Ascend910B、Ascend910_93、Ascend950 上执行。

【资料变更】

不涉及

【接口变更】

不涉及

【功能验证】

【CheckList】

PR提交人对以下CheckList自检项进行全量自检，自检通过或不涉及，均修改 [ ] 为 [x]

• 代码注释完备，正确记录错误日志
• 代码实现进行了返回值、空指针等校验
• PR标题正确使用类型标签，如：feat、fix、refactor、docs、test等
• PR持续集成流水线（CI）执行通过，代码检查无异常