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

Backgroud（背景信息）

一、背景信息（必填）

使用AscendC对TBE实现的Sleep算子进行重构，完成开源仓算子贡献。旨在将传统的TBE算子迁移至AscendC架构并适配aclnn接口，解决了原TBE算子在昇腾Atlas 800I/T A2硬件上的适配问题，提升了算子的时序控制精度与代码可维护性。

二、价值/作用（必填）

Sleep算子的主要功能是在AI Core上实现精确的延时等待，通过忙等待（busy-spin）方式轮询硬件计数器SYS_CNT来实现纳秒级的时序控制。在性能测试、时序同步、流水线调度等场景中，精确的延时控制是一种基础且关键的操作，广泛应用于性能基准测试、多流同步、硬件行为验证等场景。AscendC的重构替代了原有基于软件定时器或外部控制的延时方案，直接利用硬件计数器SYS_CNT实现高精度延时，大幅提升了延时精度与执行效率。

三、设计方案（必填）

整体设计思路是通过Host侧接收用户输入的cycles参数，并根据硬件平台特性（SYS_CNT频率与循环开销）进行周期数转换，然后传递给Kernel侧。Kernel侧采用忙等待策略，通过不断读取硬件计数器SYS_CNT并与目标值比较，实现精确的延时等待。

3.1 使能方式（涉及哪些框架：如Aclnn直调、Pytorch训练等）

Aclnn直调

3.2 总体设计

3.2.1 算子支持的数据类型

不涉及张量数据类型，仅处理int64_t类型的cycles参数（表示SYS_CNT硬件时钟周期数）

3.2.2 host侧设计

Host侧主要负责接收用户输入的cycles参数，并根据硬件平台特性进行周期数转换与Tiling参数配置：

1. 周期数转换策略：用户输入的cycles表示期望的延时周期数，Host侧通过SCALE系数（$SCALE = 50e6 / 1.65e9 \approx 1/33$）将其转换为实际需要的SYS_CNT ticks。该系数通过实测获得，反映了do-while循环每次迭代的平均开销（包括GetSystemCycle()调用、比较、分支等指令）。

2. Tiling参数配置：将转换后的kernelCycles通过TilingData结构传递给Kernel侧。设置BlockDim为1（单核执行），TilingKey为固定值（SLEEP_TPL_SCH_MODE）。

3. 边界处理：当转换后的kernelCycles小于1时，强制设为1，确保至少执行一次循环检查；当用户输入cycles ≤ 0时，kernelCycles设为0，Kernel侧直接跳过等待。

3.2.3 kernel侧设计

Kernel侧采用忙等待策略，直接利用硬件计数器实现精确延时：

1. Init阶段：获取Tiling参数，读取kernelCycles值。

2. Process阶段：

   • 计数器初始化：调用AscendC::GetSystemCycle()获取当前SYS_CNT值作为起始时间戳。
   • 目标计算：计算目标时间戳 $target = start + cycles$。
   • 忙等待循环：使用do-while循环不断调用GetSystemCycle()读取当前计数器值，并与target比较，直到当前值 ≥ target时退出循环。
   • 优化策略：采用"预计算目标值"策略（$target = start + cycles$）而非"计算已流逝时间"策略（$elapsed = current - start$），每次循环节省2条指令，提升约10%的循环效率。

3.3 支持硬件

Atlas 800I/T A2 训练系列产品、Atlas 800I/T A2 推理系列产品

3.4 算子约束限制

1. 参数约束：cycles参数必须为int64_t类型，表示SYS_CNT硬件时钟周期数。负值或零值将被视为无延时。
2. 精度约束：实际延时精度受循环开销影响，SCALE系数（约1/33）基于Ascend 910B3平台实测，不同硬件平台可能需要重新校准。
3. 性能约束：忙等待策略会占用AI Core计算资源，不适合长时间延时（建议cycles < 1e9，即约600ms）。
4. 硬件依赖：依赖SYS_CNT硬件计数器，仅支持Atlas 800I/T A2系列硬件。
5. 单核执行：当前实现为单核执行（BlockDim=1），不支持多核并行。

备注（选填）

• SYS_CNT频率：Ascend 910B3平台为1650 MHz，即每秒1.65e9次计数。
• 墙钟时间计算：$WallTime = cycles / 1.65e9$ 秒。
• SCALE系数测量方法：运行已知cycles的kernel，通过GetSystemCycle()测量实际流逝的SYS_CNT ticks，计算比值 $elapsed\_ticks / user\_cycles \approx 1/33$。
• 与CUDA对比：语义类似CUDA的clock64()spin kernel，但使用硬件计数器而非软件定时器。

Origin（信息来源）

社区任务

Benefit / Necessity （价值/作用）

Design（设计方案）