Thanks for sending an requirement! Please fill in the following template to help quickly solve your problem.

一、背景信息 （必填）

在 Ascend 算子与性能样例体系中，需要为 HiFloat8（典型为 A8W8 权重量化）矩阵乘 提供一条 可编译、可运行、可对比 golden 的参考路径，与现有 matmul_recipes 中其它精度策略（如 FP16、MX 等）并列，便于开发者理解 tiling、kernel 调度与反量化标量在设备上的组织方式。
当前期望在 ops-samples / matmul_story / matmul_recipes 仓库内落地该能力，并以 examples/matmul_hifp8 作为端到端演示（含数据生成与校验脚本）。

二、价值/作用 （必填）

• 参考实现：为 HiFloat8 量化 MatMul 提供 host tiling、block 调度与 AscendC kernel 的完整串联示例，降低对接 CANN 样例时的学习成本。
• 可验证：配套 Python 脚本支持生成输入、golden 与 NPU 结果比对，便于回归与教学演示。
• 工程一致性：tiling 打印、平台信息与运行参数初始化遵循与其它 quant matmul 策略相同的 base 化组织方式，便于后续扩展更多 layout 或规模。
• 范围清晰：首版明确 单 batch、与 kernel 一致的内存/分块策略，避免文档与实现口径不一致。

三、设计方案 （必填）

3.1 使能方式

• 主要使能：ops-samples 内 matmul_recipes + matmul_hifp8 AscendC 样例；通过现有 CMake/编译链构建内核与 host 侧 tiling。

3.2 总体设计

3.2.1 算子支持的数据类型

• Activations / We：与 HiFloat8 场景一致的 8bit 量化矩阵乘（A8W8） 数据通路；输出侧配合 反量化标量（按设备 fixpipe 所需位模式组织，host 侧以安全、可移植方式构造 uint 位模式）。
• 精度与验证：以 CPU golden 为参照，样例脚本支持给定 M、N、K 及 transpose 组合的验证流程。

3.2.2 host侧设计

• Tiling：实现 A8W8 的 SWAT 类 tiling 策略；上下文初始化与 tiling 数据打印 复用统一的 Quant 矩阵乘 tiling base（与其它策略同源模式），保证字段含义与调试输出一致。
• Block 调度：实现量化 batch matmul 所需的 block 调度模板，模板形参仅保留与实际问题形状、transpose、负载模式相关的项，避免无效泛化。
• Host–Kernel 契约：通过专用 tiling 数据结构向 kernel 传递 基础块大小、L1 深度、quant 模式、bias 标志等 必要字段；首版契约按单 batch 定义（不在结构体中承载多 batch 偏移字段）。

3.2.3 kernel侧设计

• Kernel：AscendC 实现单 batch 量化矩阵乘主循环；与 host tiling 在 非“A 全载” 策略上 严格一致（tiling 决策与 kernel 模板匹配，避免策略分裂）。
• MMAD / Fixpipe：A8W8 专用 block 文件与头文件命名体现 quant matmul + HiFloat8 路径，并在 MMAD 聚合头中注册。
• 标量处理：反量化相关 float 到位模式的转换采用 标准允许的实现（如 memcpy 或工程 C++ 标准所支持的等价方式），避免严格别名与可移植性风险。

3.3 支持硬件

• 与 当前 matmul_recipes / matmul_hifp8 样例所声明的 Ascend 硬件代际 一致；具体 SoC 列表以样例 README 或编译说明为准

3.4 算子约束限制

• Batch：首版 仅支持 batch = 1（单 batch）；多 batch 作为后续需求评估。
• A 全载：首版 不提供 与 kernel 不一致的“A 全载” tiling 分支；tiling 与 kernel 统一采用同一套分块/载入语义。
• Transpose：数据脚本需支持用户指定 transA、transB；两者须同时给出或同时省略，省略时默认 transA=false、transB=true，避免半套参数产生歧义。
• 泛化：shape、对齐、是否有 bias 等以样例已覆盖组合为准；未在首版承诺任意维度或广播。
  💡 备注（选填）
• 文档与脚本说明建议使用 英文 描述参数与约束，便于开源侧阅读。
• 验收建议：至少包含 matmul_hifp8 TT/TC 等样例入口的编译与 golden 比对通过记录。