Background（背景信息）

aclblasAxpyEx 实现 BLAS Level-1 AXPY 操作 y := alpha*x + y 的扩展版本，支持多 dtype 数据类型，是线性代数与科学计算中最基础的向量运算之一。

数学定义

y[j] = alpha * x[i] + y[j]    for k = 0, 1, ..., n-1

其中：
  i = ix_0 + k * incx
  j = iy_0 + k * incy
  ix_0 = (incx >= 0) ? 0 : (1 - n) * incx
  iy_0 = (incy >= 0) ? 0 : (1 - n) * incy

• incx/incy 为元素间隔（非字节），支持负值反向遍历（BLAS 标准语义）。
• alpha 为标量乘数（FP32），可在 Host 或 Device 内存。
• 当 xType != ACL_FLOAT 或 yType != ACL_FLOAT 时，计算过程先将元素 Cast 到 FP32，完成 alpha * x + y 运算后，再将结果 Cast 回 yType 写回。

接口签名

aclblasStatus_t aclblasAxpyEx(
    aclblasHandle_t handle,
    int n,
    const void* alpha,
    aclDataType alphaType,
    const void* x,
    aclDataType xType,
    int incx,
    void* y,
    aclDataType yType,
    int incy,
    aclDataType executionType);

支持数据类型

参数	合法取值
alphaType	ACL_FLOAT（固定）
xType	ACL_FLOAT16、ACL_BF16、ACL_FLOAT
yType	ACL_FLOAT16、ACL_BF16、ACL_FLOAT
executionType	ACL_FLOAT（固定）

约束：初始版本要求 xType == yType，若 xType != yType 返回 ACLBLAS_STATUS_NOT_SUPPORTED。

参数约束

条件	返回值
handle == nullptr	ACLBLAS_STATUS_HANDLE_IS_NULLPTR
n < 0	ACLBLAS_STATUS_INVALID_VALUE
n == 0	ACLBLAS_STATUS_SUCCESS（no-op）
n > 0 && alpha/x/y == nullptr	ACLBLAS_STATUS_INVALID_VALUE
incx == 0 或 incy == 0	ACLBLAS_STATUS_INVALID_VALUE
alphaType != ACL_FLOAT	ACLBLAS_STATUS_NOT_SUPPORTED
executionType != ACL_FLOAT	ACLBLAS_STATUS_NOT_SUPPORTED
xType/yType ∉ {ACL_FLOAT16, ACL_BF16, ACL_FLOAT}	ACLBLAS_STATUS_NOT_SUPPORTED
xType != yType	ACLBLAS_STATUS_NOT_SUPPORTED

精度标准

采用 MERE_MARE（最大相对误差 + 最大绝对相对误差）模式：

dtype	mereThreshold	mareMultiplier
ACL_FLOAT (FP32)	2^-13（≈1.22e-4）	10.0
ACL_FLOAT16 (FP16)	2^-10（≈9.77e-4）	10.0
ACL_BF16	2^-7（≈7.81e-3）	10.0

目标芯片与架构

项目	内容
目标芯片	ascend950
目标架构	arch35（DAV_3510）
CANN 版本	9.0.0-beta.2

Workspace 需求

不需要额外 workspace。所有中间计算在 UB（Unified Buffer）中完成。

Origin（信息来源）

cann 开发者

Benefit / Necessity （价值/作用）

AXPY（y = alpha*x + y）是 BLAS Level-1 标准向量运算，广泛应用于线性代数、科学计算、迭代求解器（如共轭梯度法）、神经网络训练中的梯度更新等场景。

aclblasAxpyEx 作为 AXPY 的扩展版本，提供以下价值：

1. 多 dtype 支持：支持 FP16/BF16/FP32 三种数据类型，满足不同精度与显存占用需求。FP16/BF16 适用于低精度场景，FP32 适用于高精度场景。
2. BLAS 标准步长语义：支持 incx/incy 正负步长，覆盖连续访问与跨步访问两种内存布局，兼容标准 BLAS 调用模式。
3. alpha Host/Device 双路径：alpha 标量可位于 Host 或 Device 内存，通过 aclrtPointerGetAttributes 动态判断，适配不同调用场景。
4. Ex 接口风格：与仓内其他 Ex 算子保持一致的接口风格（alphaType/xType/executionType 参数），便于统一封装与调用。

Design（设计方案）

编程模型

采用 SIMD（连续路径）+ SIMT（跨步路径）双路径架构：

• 连续路径（incx==1 && incy==1）：SIMD 编程模型，使用 DataCopy/DataCopyPad 搬运 x/y 向量到 UB，Axpy/Cast 向量 API 计算，多核均分元素。FP16/BF16 使用 SIMD VF RegBase 在寄存器内完成 UNPACK→Cast→Muls+Add→Cast→PACK，中间值不落 UB。
• 跨步路径（incx!=1 或 incy!=1）：SIMT 编程模型，__simt_vf__ 修饰计算函数，asc_vf_call 启动线程级并行，直接 GM 读写，块级连续+线程级交错混合分布。

Tiling 策略

• 多核切分：连续路径自适应核数（MIN_ELEMS_PER_CORE=1024），按 perCoreN 均分，尾核处理 remainder；跨步路径 nthreads 向下对齐，消除空闲核。
• UB 切分：
  • FP32 路径：xBuf + yBuf = 8 B/elem。
  • FP16/BF16 路径：xBuf + yBuf = 4 B/elem（VF 寄存器内 Cast，无需 midBuf）。
• TilingData 结构：无数组（R4 合规），incx/incy 保留符号支持负步长，startOffsetX/startOffsetY 在 Host 侧预计算。

Kernel 设计

• FP32 路径：DataCopy x/y → Axpy(y, x, alpha, count) → DataCopy y。
• FP16/BF16 路径：DataCopy x/y → VF（UNPACK→Cast→Muls+Add→Cast→PACK）→ DataCopy y。
• SIMT 路径：线程直接 GM 读写，块级连续+线程级交错分布，FP32 直接计算，FP16/BF16 用 static_cast<float> 中转。
• 多 dtype 分发：以 xType 为 key，if/else if/else 实例化不同模板参数的 Kernel。

Host 设计

• 参数校验顺序：handle → n → dtype 合法组合 → 指针非空 → incx/incy 非零。
• alpha 内存位置判断：aclrtPointerGetAttributes 动态判断 Host/Device，通过 TilingData.alphaIsDevice 标志传递。
• 异步 launch：<<<>>> 异步启动 Kernel，launch 后直接返回，不调用 aclrtSynchronizeStream。

参考算子

• scalex（arch35）：Ex 接口风格、多 dtype Cast 逻辑、alpha Host/Device 判断、SIMD+SIMT 双路径架构、TilingData 结构设计。
• saxpy（arch35）：AXPY 操作语义、Axpy() API 用法、SIMT 跨步模式、双向量 UB Buffer 规划。