一、背景信息 （必填）

aclnnDivs（self 为 tensor、other 为标量的 TrueDiv 路径）在 Ascend950（DAV_3510，RegBase）上，当 out 与 self 同为 bf16/fp16 时，host 侧实现会插入一次冗余的 Cast(self -> fp32)，导致算子图上多出 2 个 kernel（正向 Cast 与反向 Cast）。

二、价值/作用 （必填）

• 减少算子下发 kernel 数（3 -> 1），降低小 shape（如 (61,1)）场景下的 kernel launch 开销；
• 减少一次 fp32 中间张量的 GM 读写往返，降低访存；
• 数值逐位不变，无精度风险。

三、设计方案 （必填）

3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）

Aclnn 直调（aclnnDivs / aclnnInplaceDivs）。

3.2 总体设计

3.2.1 算子支持的数据类型

self: bf16/fp16/fp32；other: fp16/bf16/fp32/double；out: 与 self 同 dtype（本次优化生效范围）。

3.2.2 host侧设计

在 aclnnDivsGetWorkspaceSize 的倒数乘（Muls）分支中，当 canUseMuls 且 out->GetDataType() == self->GetDataType() 时，跳过 Cast(self -> promoteType)，直接以 self 的原 dtype 调用 Muls：

const bool canSkipCast = canUseMuls && out->GetDataType() == self->GetDataType();
auto selfCasted = canSkipCast ? selfContiguous
                              : l0op::Cast(selfContiguous, promoteType, uniqueExecutor.get());

依据：Muls 的 bf16/fp16 kernel 内部本身即 bf16/fp16 -> fp32 -> CAST_RINT 回写（见 muls_dag.h 的 MulsOp），与 Cast(self->fp32) + Muls(fp32) 逐位等价。

约束：out 与 self 不同 dtype 时不可跳过，否则会引入二次舍入，或提前丢范围/精度。

3.2.3 kernel侧设计

无 kernel 改动，仅 host 侧图优化。

3.3 支持硬件

Ascend950（DAV_3510）。

3.4 算子约束限制

仅当 canUseMuls（RegBase 且 self/other 为支持的浮点类型）且 out 与 self 同 dtype 时生效；其余路径行为不变。

💡 备注（选填）

配套 PR：https://gitcode.com/cann/ops-math/merge_requests/5957