| optimize the performace of aicpu ClipByValueV2 operator
Co-authored-by: ZhaiPeiChao<zhaipeichao@huawei.com>
# message auto-generated for no-merge-commit merge:
!2460 merge clip_by_value_v2 into master
optimize the performace of aicpu ClipByValueV2 operator
Created-by: ZhaiPeiChao
Commit-by: ZhaiPeiChao
Merged-by: cann-robot
Description: ## 描述
<!--在这里详细描述你的改动，包括改动的原因和所采取的方法。-->
本 PR 对 AICPU 的 ClipByValueV2 算子进行了全面的性能优化，通过重构核心计算逻辑、优化并行调度策略、分离标量/逐元素边界处理路径，显著提升了算子执行效率。
### 主要改动
1. **核心计算函数重构**: 将原有的函数指针调用模式重构为专用的内联函数（ClampScalar、ClampComplex），使用 if constexpr 和类型特征在编译期选择最优路径，消除了运行时开销。
2. **并行调度优化**: 将并行阈值从基于元素数量（256K/32K）改为基于字节数（200KB/40KB），新增统一的 DispatchParallel 调度函数，优化小数据量的串行回退策略。
3. **分支路径分离**: 区分标量边界和逐元素边界两种场景，为每种场景提供专用的 kernel 函数（KernelScalarBound、KernelElemBound 等），标量场景预加载边界值到寄存器。
4. **编译器优化提示**: 大量使用 __attribute__((always_inline))、__attribute__((hot))、__restrict__、__builtin_expect 等编译器提示，优化指令级并行和分支预测。
5. **类型分发重构**: 将 std::map 函数指针分发改为 switch-case 结构，利用编译器优化和更紧凑的代码布局。
## 关联的Issue
<!-- 如果这个PR是为了解决特定的Issue，请在这里提供Issue链接。-->
<!-- 如果这个PR是为了解决特定的问题单，请在这里描述问题单单号。-->
issue [#1380](https://gitcode.com/cann/ops-math/issues/1380)
## 测试
<!--描述进行了哪些测试来验证你的改动。包括但不限于二级冒烟、算子泛化等。-->
- 高频 fp32 scalar-bounds 中等规模（64K）：**T=4 7.5× / T=6 5.7×**；
- 整型 elem-bounds（1M int32）：**T=6 1.37×**；
- int8 scalar-bounds：**T=1 1.29× / T=4 1.22×**；
- 单线程普遍：**1.1–1.4×**（向量化 + 分支外提）；
- 大张量 DRAM 带宽饱和场景：0.93–0.97×（噪声范围）。
### T=1（单线程，反映纯算法/访存/向量化收益）
| case | old(ms) | new(ms) | speedup | old(GB/s) | new(GB/s) | equal |
|---|---:|---:|---:|---:|---:|:---:|
| fp32 small 1K scalar-bounds | 0.0130 | 0.0110 | 1.18× | 0.60 | 0.71 | Y |
| fp32 small 1K elem-bounds | 0.0120 | 0.0130 | 0.92× | 1.30 | 1.20 | Y |
| fp32 64K scalar-bounds | 0.4419 | 0.3173 | **1.39×** | 1.19 | 1.65 | Y |
| fp32 256K elem-bounds | 2.1340 | 2.2015 | 0.97× | 1.96 | 1.91 | Y |
| int32 256K scalar-bounds | 0.9320 | 0.8534 | 1.09× | 2.25 | 2.46 | Y |
| int32 1M elem-bounds | 8.7056 | 7.8415 | **1.11×** | 1.93 | 2.14 | Y |
| int8 1M scalar-bounds | 2.2670 | 1.7555 | **1.29×** | 0.92 | 1.19 | Y |
| fp32 16M elem-bounds | 162.6 | 175.2 | 0.93× | 1.65 | 1.53 | Y |
### T=4
| case | old(ms) | new(ms) | speedup | new(GB/s) | equal |
|---|---:|---:|---:|---:|:---:|
| fp32 64K scalar-bounds | 0.4513 | 0.0600 | **7.52×** | 27.3 | Y |
| fp32 256K elem-bounds | 2.1500 | 1.6860 | **1.28×** | 2.49 | Y |
| int32 1M elem-bounds | 8.6700 | 8.4860 | 1.02× | 1.98 | Y |
| int8 1M scalar-bounds | 2.2500 | 1.8450 | **1.22×** | 1.13 | Y |
### T=6
| case | old(ms) | new(ms) | speedup | new(GB/s) | equal |
|---|---:|---:|---:|---:|:---:|
| fp32 64K scalar-bounds | 0.4450 | 0.0776 | **5.73×** | 21.1 | Y |
| int32 1M elem-bounds | 8.6820 | 6.3410 | **1.37×** | 2.65 | Y |
| int8 1M scalar-bounds | 2.2700 | 1.9800 | 1.15× | 1.06 | Y |
## 文档更新
<!--如果这个PR包含文档的更新，请在这里指出。例如：更新了README.md文件。-->
不涉及
## 类型标签
<!-- [x] 表示选中 -->
- [ ] Bug修复
- [ ] 新特性
- [x] 性能优化
- [ ] 文档更新
- [ ] 其他，请描述：
See merge request: cann/ops-math!2460 | 25 天前 |
