当前PR是否有AI参与

是。本 PR 的样例代码编写与仓内适配由 AI 辅助完成（平台：CANNBot / opencode，模型：GLM）。两个算子的内核设计、tiling 策略与性能调优为人工完成，AI 参与了代码落地、编码规范整改、测试与文档整理，全部改动已经过 133 个 NPU 精度用例回归验证。

PR功能描述 / 为什么需要这个合入

新增两个矩阵乘样例，补齐 samples/matmul/ 家族的调度与量化覆盖：

1. matmul_streamk（Stream-K / DPSK 矩阵乘，A16W16） — samples/matmul/matmul/matmul_streamk.py

• matmul_streamk()：C[M,N] = A[M,K] @ B[K,N]，float16/bfloat16，transpose_a=False、transpose_b=False
• DP + SK 混合调度：DP tiles 各 AIC 核独立计算完整 K 维直写输出 GM；SK tiles 按 K 维 split 写入 workspace，AIV 做 fp32 累加 reduce；纯 DP 路径启用 slide window + 行反转提升 L2 命中率
• host 侧 tiling 按平台容量（get_mem_size）自适应推导 tile / 缓冲深度 / L2 cache 策略
• 性能对比 CANN 包内置 torch_npu matmul：100 个纯 SK 用例（小 MN 大 K）geomean 0.968，小 M+N 场景最高 1.22x
• 补齐 samples/matmul/matmul/README.md 已预埋的 Stream-K 文档章节

2. quant_batch_matmul_mxa8w4（混合量化矩阵乘，MXFP8 激活 × MXFP4 权重） — samples/matmul/quant_matmul/quant_batch_matmul_mxa8w4.py

• matmul_mix_quant()：C[M,N] = (A·sa)[M,K] @ (B·sb)[N,K]^T + bias，A 为 fp8 e4m3 + E8M0 paired-scale，B 为 uint8 打包 fp4 e2m1 + E8M0 paired-scale，输出 float16
• AIV 权重 prologue 将 fp4→fp8 做纯位置换转换（2^-6 因子由 fixpipe deq_scale=64 与 host 侧 bias/64 补偿），经 CrossCore 通道交接到 AIC MX matmul
• K 为 32 的倍数且无上限（片上 K 状态全部窗化），M/N/K 尾块由引擎在搬运途中补零
• 性能对比 CANN 内置 aclnnQuantMatmulV5：100 形状 geomean 1.170，76/100 领先，小形状（K ≤ 1024）最高 2.28x

附属更新：两个样例的 pytest 精度测试（82 + 51 用例）、figures/ 性能对比图、根 README 算子表与目录说明、CHANGELOG 条目。

该PR关联的issue

fixes #（暂无关联 issue）

希望检视人员了解

• 两个样例基于 cannbotdsl 0.6.0 显式 Channel API（produce/consume），为本仓首批 0.6.0 风格样例；仓内存量样例仍为隐式风格，待后续整体迁移
• codecheck 遗留说明：MixQuantKernel.__call__ 与 _MixQuantLauncher.run 保留 6 参数 GM 操作数列表——已实测验证 cannbotdsl 内核绑定仅接受 Tensor/标量载体，张量结构体打包会被 ST101_UNSUPPORTED_DYNAMIC_ARGUMENT 拒绝，该签名无法收敛到 6 参数以下（约束已注释在 launcher 上）

改动类型 / Change Type

• Bug 修复 / Bug Fix
• 新功能 / New Feature
• 性能优化 / Performance
• 代码重构 / Refactoring
• 文档更新 / Documentation
• 测试相关 / Test
• 其它 / Other

测试信息 / Testing

本地环境：Ascend 950PR（NPU ARCH 3510）+ cannbotdsl 0.6.0 + CANN 9.2.0，命令：

pytest test/matmul/matmul/test_matmul_streamk.py -v                    # 82 用例
pytest test/matmul/quant_matmul/test_quant_batch_matmul_mxa8w4.py -v   # 51 用例

结果：133/133 全部通过（0 失败），覆盖 DP/SK 混合调度、非对齐尺寸、极端形状、尾块/多窗/深环、bias 场景与输入校验；ruff 检查与 OAT 合规检查通过。

• 单元测试通过 / UT passed
• 集成测试通过 / ST passed
• 人工验证通过 / Manual verified

检查清单 / Checklist

• 代码符合规范 / Code follows style guide
• 测试添加并通过 / Tests added and passed
• 文档已更新 / Docs updated if needed
• 无硬编码敏感信息 / No secrets hardcoded
• 提交信息符合规范 / Commit message follows convention