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

一、 需求背景

1.1 需求来源

通过社区任务完成开源仓算子贡献的需求，补充完善 Ascend C 算子库，为现有的 aclnnAngleV2 算子增加对 bfloat16 (bf16) 数据类型的支持。

1.2 背景介绍

Angle 算子主要用于计算复数的辐角（相位角）或实数的角度。对于实数输入，当 $x < 0$ 时，其角度为 $\pi$；当 $x \ge 0$ 时，其角度为 $0$。当前 aclnnAngleV2 算子已支持多种数据类型，但缺少对 bf16 的支持。需要在原有代码框架下进行再开发，补齐 bf16 功能。

1.2.1 TBE 算子现状分析

• 说明：在系统的 TBE 算子库中，未找到对应 AngleV2 的 TBE 源码。因此，本设计文档不涉及 TBE 侧的实现逻辑对比，也无需提供 TBE 侧的实现流程图。
• 算子的核心逻辑基于 Ascend C 现有实现进行拓展。

1.2.2 核心计算逻辑分析

针对 bf16 这种实数数据类型，其数学计算公式如下：
$y = \begin{cases} \pi, & \text{if } x < 0 \\ 0, & \text{if } x \ge 0 \end{cases}$

在硬件实现上，由于是对 element-wise 张量进行处理，可以通过向量比较指令（如 Cmp）生成掩码（Mask），再结合向量选择或数学运算（如乘以 $\pi$）得出最终结果。

二、 需求分析

2.1 外部组件依赖

不涉及。

2.2 内部适配模块

适配 aclnn 接口调用框架，修改 Host 侧代码以分发 bf16 类型，并修改 Kernel 侧代码以实例化 bf16 相关的计算逻辑。

2.3 需求模块设计

2.3.1 Ascend C 算子原型

根据框架侧定义，算子原型如下：

名称	类别	数据类型	format	shape
x	输入	float16, float32, complex64, bool, uint8, int8, int16, int32, int64, bf16	ND	all
y	输出	float16, float32, float32, float32, float32, float32, float32, float32, float32, bf16	ND	all

2.3.2 Ascend C 算子相关约束

1. bf16 输入对应的输出类型严格为 bf16。
2. 算子需满足泛化数据场景的支持，输入 Shape 无强限制，作为一维向量处理。

三、 需求详细设计

3.1 使能方式

上层框架	涉及的框架勾选
TF训练/推理
Pytorch训练/推理
ATC推理
Aclnn直调	✅
OPAT调优
SGAT子图切分

3.2 需求总体设计

3.2.1 Host侧设计

3.2.1.1 分核策略
采取均分满核策略。由于计算逻辑属于 element-wise 纯向量操作，将输入张量 x 的所有元素视作 1D 数据展开。根据 x 的元素总数与硬件可用核心数（coreNum）进行切分，无法整除的部分通过尾块分配策略优先分配给前置大核。

3.2.1.2 数据分块和内存优化策略

• 空间复用：开启 DOUBLE_BUFFER 进行双缓冲流水线设计，隐藏 MTE2 和 MTE3 的访存开销。
• UB（Unified Buffer）空间主要划分为 x 的输入缓冲、y 的输出缓冲以及用于存放 $\pi$ 常量的辅助标量/向量空间。

3.2.1.3 tilingKey规划策略
当前计算无复杂属性导致的静态分支，可以复用已有的 Tiling 结构，确保 bf16 类型的单元素位宽（2 Bytes）正确参与 tileDataNum 的计算即可。

3.2.2 Kernel侧设计

3.2.2.1 kernel侧实现描述

• Init：接收 Host 侧下发的 Tiling 数据，初始化 TPipe，分配 VECIN、VECOUT 的 TQue，并申请计算所需的临时 TBuf（若向量比较指令需要临时掩码空间）。
• Process：
  1. CopyIn：使用 DataCopy 将 bf16 数据从 Global Memory 搬运至 Local Memory。
  2. Compute：对于 bf16 类型，若硬件原生支持 bf16 的向量比较指令，则直接比较 $x < 0$；若当前架构 API 对 bf16 存在局限，可通过 Cast 指令先转换为 float32 进行掩码计算和赋值，完成后再 Cast 回 bf16。结合常数 $\pi$ ($3.1415926$) 计算得出 y。
  3. CopyOut：将计算结果 y 从 Local Memory 搬运至 Global Memory。

3.2.2.2 Ascend C 实现流程图

以下为 Ascend C 侧算子执行流程图：

3.3 支持硬件

• Atlas A2 训练系列产品
• Atlas A3 系列产品

3.4 算子约束限制

• 输入 x 和输出 y 的 Shape 必须严格保持一致。
• 考虑到内存对齐要求，每次搬运的数据长度必须满足 32 Bytes（对于 bf16 为 16 个元素）的整数倍。

四、 特性交叉分析

不涉及。

五、 可维可测分析

5.1 精度标准/性能标准

验收标准	描述	来源
精度标准	算子计算精度需满足 AscendOpTest 工具默认阈值。	任务书要求
性能标准	bf16 性能需和 fp16 数据类型持平。	任务书要求

5.2 兼容性分析

本需求为在现有 aclnnAngleV2 算子中追加类型支持，不破坏原有接口签名与调用规范。原有针对 float16、float32 等数据类型的逻辑均保持不动，对上层框架及现有业务完全向后兼容。

💡 备注（选填）