描述

AICPU add算子性能优化

fast path 负责 ≥99% 真实工作负载（深度学习里 Add 几乎都是 same-shape 或 scalar-bcast），通用 Eigen 路径只兜底多维非平凡 broadcast。

Compute
 ├─ NormalMathCheck + dtype permission check
 ├─ 显式 raw-rank ≤ 8 校验  (保持与原实现等价的失败语义)
 ├─ Bcast::GenerateBcastInfo
 ├─ 显式 output-shape 一致性校验
 ├─ [fast] 同形 shape  → AddSameShape
 ├─ [fast] scalar bcast → AddScalarBcast
 └─ [fallback] AddGenericBcast → 原 Eigen TensorMap broadcast 路径

Fast path 关键点：

• 裸指针 + __restrict__ + 定长循环 → 编译器自动 NEON/AVX 向量化 (对应 V / E)。
• 按 output bytes 阈值动态选择串行 / ParallelFor (对应 T / O10)：
  • kParallelBytesThresh = 192 KiB：基于 10 μs ParallelFor 固定调度开销 + ~8 GB/s 单核 add 带宽反推 ~160 KiB，取 20% 余量。
  • kBytesPerShard = 256 KiB：初版用 32 KiB 在 16 MiB 负载上产生 0.67× 回退（shard 数过多导致线程间抢带宽），调到 256 KiB 后恢复至 1.02×。
• __builtin_expect(rc != OK, 0) 标注冷分支，保持 C++17 合规（不使用 C++20 [[likely]]）。
• 全部 reinterpret_cast → PtrToPtr<void,T> 。

关联的Issue

issue #1522

测试

基于4线程进行测试：

文档更新

不涉及

类型标签

• Bug修复
• 新特性
• 性能优化
• 文档更新
• 其他，请描述：