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

Backgroud（背景信息）

Quantize 算子在本仓当前仅覆盖 ascend950：

• kernel 入口 quant/quantize/op_kernel/quantize_apt.cpp 只 #include arch35/*_regbase.h，并以 __NPU_ARCH__ == 3510 守护；
• host tiling 仅存在于 quant/quantize/op_host/arch35/；
• 二进制配置仅有 quant/quantize/op_host/config/ascend950/；
• AICore().AddConfig 也只声明了 ascend950。

因此在 ascend910b（Atlas A2 / DAV_2201） 上没有可用的 Quantize kernel。与此同时，Quantize 在 CANN 9.0.0
部署包中对所有 SoC 均未部署 builtin（aic-*-ops-info-*.json 中查无此 OpType）。两者叠加的结果是：在 910b 上
既没有开源实现、也没有内置实现可回退，aclnnQuantize 无法落到实际 kernel。

需求：为 Quantize 补齐 ascend910b 的原生 AscendC 实现（DAV_2201 标准编程模型，非 regbase 路径），
使其在 910b 上能通过既有的 aclnnQuantize 两段式接口正常调用，行为与 ascend950 侧保持一致。

Origin（信息来源）

基础软件Agent算子迁移

Benefit / Necessity （价值/作用）

• 量化是 LLM / CV 推理的基础算子，而 Atlas A2（910b）是当前主力训练与推理硬件。Quantize 在该平台缺失，
  会导致依赖它的量化子图无法下沉为单算子调用。
• 消除上层的 SoC 分支：补齐后 910b 与 950 共用同一 OpType (Quantize) 与同一 aclnnQuantize 两段式接口，
  调用方无需按芯片做条件分支或退化实现。
• 典型应用场景：per-tensor / per-channel 的权重与激活量化（INT8 / UINT8 / INT32 输出），
  例如 W8A8 推理的量化节点、量化感知训练前向的 quantize 节点。

Design（设计方案）

落点：experimental/quant/quantize/（新增算子按仓库约定先落 experimental/）。复用源算子 SoC 无关的
aclnn / L0 接口层，仅补 910b 的 kernel + tiling + 配置。

计算语义：y = saturate_cast_to(dtype)( round( x / scales + zero_points ) )，
固定 RoundMode = round-to-nearest、DivMode = div、SqrtMode = none。

kernel（op_kernel/quantize.{cpp,h}，DAV_2201 标准编程模型）：统一 fp32 计算路径，避免 dtype 笛卡尔积膨胀：

x (DTYPE_X)  ->  fp32                  # Cast；x 本身为 fp32 时直通
fp32         ->  Muls(1 / scale)       # 标量倒数：per-tensor 取一次；per-channel 逐输出行取
fp32         ->  Adds(zero_points)     # zero_points 缺省时跳过该步
fp32         ->  DTYPE_Y               # 饱和 CastOut：int32 直接 rint；
                                       # int8/uint8 走 fp32 -> int32 -> half -> int8/uint8 饱和阶梯

tiling（op_host/quantize_tiling.{cpp,h}）：两条 tiling key —
per-tensor（按元素做多核切分）与 per-channel（按输出行切分，行内共享同一组 scale / zero_points）；
UB 侧按 baseLen 切分并开 double buffer。

def：op_host/quantize_def.cpp 增加 AICore().AddConfig("ascend910b")；沿用同一 OpType Quantize。

接口：交付可解析、可调用的 aclnnQuantizeGetWorkspaceSize / aclnnQuantize。

关键实现点（易踩坑）：kernel 二进制按 (x, scales, y) 的 dtype 组合去重分发，
而可选输入 zero_points 的 dtype 不在分发键内。因此 zero_points 必须按其运行时真实 dtype 读取
（dtype 码由 tiling 携带），不能依赖 kernel 的编译期占位类型 —— 否则 INT32 的 zero_points 会被分发到
以 INT8 编译的二进制、并以 1 字节步长误读；该错误在 per-channel（索引 > 0）下会取到错误字节，
而在 per-tensor（索引 0）下因低字节恰好正确而不易暴露。

支持范围（首版）：

• 模式：per-tensor、per-channel（axis 语义）；
• dtype：x ∈ {FLOAT, FLOAT16, BFLOAT16}、scales ∈ {FLOAT, BFLOAT16}、
  zero_points ∈ {INT8, UINT8, INT32, BFLOAT16, 缺省}、y ∈ {INT8, UINT8, INT32}；
• 属性：dtype（必选）、axis（可选，默认 1）。

暂不支持（后续扩展）：fp8 输出（HIFLOAT8 / FLOAT8_E5M2 / FLOAT8_E4M3FN —— ascend910b 无 fp8 能力）、
per-head、per-channel-nddma、FP32 zero_points。

验收方式：

• UT：tests/ut/op_host（tiling + infershape）、tests/ut/op_api（aclnn dtype 与错误码矩阵）、
  tests/ut/op_kernel（ICPU_RUN_KF 对 numpy golden）；
• ST：tests/st/aclnnQuantize/ ATK 用例集，判据 stand_quantize（|diff| <= 1），对 CPU golden
  saturate_cast_to_y(rint(x / scales + zero_points))，覆盖 per-tensor / per-channel、三种 x dtype、
  三种输出 dtype、饱和边界与空 tensor。