变更摘要

本 PR 主要面向 NPU Inductor 的动态图优化端到端能力，新增了三类图改写 pass：grouped_matmul_fusion_pass、multi_slice_concat_pass 与 stack_sum_to_add_chain_pass，将多个小 GEMM、多段列切片拼接、以及 stack+sum 等模式折叠为更少的内核调用；同时新增 npu_ext::multi_slice_concat 的 Triton 模板与 lowering 实现，并引入相应配置开关与注册机制。改动还包括 check_op_util.py 中的匹配辅助函数，以及三个 pass 的完整单元测试与编译端到端测试。

主要改动

• 新增三项图优化 pass 及配套测试: 在 ascend_graph_pass.py 中提供 grouped_matmul_fusion_pass、multi_slice_concat_pass、stack_sum_to_add_chain_pass，分别将独立小矩阵乘合并为 npu_grouped_matmul、将固定偏移列切片拼接改写为 multi_slice_concat、将 stack+sum 改写为加法链；并新增 test_grouped_matmul_pass.py、test_multi_slice_concat_pass.py、test_stack_sum_pass.py 覆盖静态/动态 shape、拒绝条件与数值一致性。
• 新增 multi_slice_concat 内核 lowering: 在 kernel/multi_slice_concat.py 中实现 _register_npu_inductor_multi_slice_concat，基于 NPUTritonTemplate 按段计划生成 kernel 源码、按计划缓存模板、去重同 buffer 输入并在失败时回退到逐段拷贝，同时在 kernel/__init__.py 和 torch_npu/_inductor/__init__.py 中按 enable_multi_slice_concat 开关完成导入与注册。
• 新增配置项控制优化行为: 在 config.py 中新增 _parse_int_env 及 stack_sum_add_chain_max_inputs、enable_multi_slice_concat、multi_slice_concat_max_segments/max_sources/max_masks、enable_grouped_matmul_fusion、grouped_matmul_min_groups/max_groups_per_call/max_rows 等环境变量，用于限制各 pass 的分组规模、源/掩码数量等上限。
• 扩展默认关闭 pass 注册机制: 在 register_custom_pass.py 中将 multi_slice_concat_pass 和 grouped_matmul_fusion_pass 纳入 DEFAULT_SHUT_DOWN_PASSES，使其在未开启 enable_multi_slice_concat 或 enable_grouped_matmul_fusion 时不会被注册执行。
• 新增图匹配辅助工具: 在 check_op_util.py 中新增 is_single_user 和 normalize_dim，用于判定节点是否仅有一个消费者，以及将可能为负的维度规范到有效范围，供各 pass 在匹配与拒绝条件判断中使用。

openLiBing可接管PR, PR详情链接:
https://www.openlibing.com/apps/transitionPrDetail?owner=Ascend&repo=pytorch&number=44486&platform=gitcode&codeHostingPlatformFlag=gitcode

代码审查

✅ 未发现问题

/approve