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

Backgroud（背景信息）

当前 A2/A3 上 Addmm、Baddbmm 和 AddmmWeightNz 在 bias shape 与矩阵乘输出 shape 不一致时，部分场景无法直接使用 GemmV3：
broadcast bias 会回退到 MatMul/BatchMatMul、Muls、Axpy 等小算子拼接通路，增加 Kernel Launch 和中间结果读写开销。
AddmmWeightNz 在 cubeMathType=USE_FP32_ADD 时会被转换为 KEEP_DTYPE，无法使用 GemmV3 的 FP32 中间累加能力。
GemmV3 缉少部分 ND×ND、ND×NZ 类型声明及 A2/A3 binary 配置，导致接口即使完成路由，也可能无法找到对应 Kernel。
GemmV3 Kernel 原有 bias 处理要求 bias shape 与输出完全一致，不能在 Kernel 内完成 N、M、scalar 和 per-batch scalar broadcast。
新需求是在 A2/A3（DAV_2201）上扩展 GemmV3 对 broadcast bias 的支持，并完成 Addmm、Baddbmm、AddmmWeightNz 等 ACLNN 接口适配，使矩阵乘、alpha/beta 缩放和 bias broadcast 能够在一个 GemmV3 Kernel 中完成。

Origin（信息来源）

用户诉求

Benefit / Necessity （价值/作用）

1. 减少小算子拼接开销
   将以下计算：
   PPMatMul/BatchMatMul + Muls + Axpy
   融合为：
   GemmV3(A, B, bias, alpha, beta)
   可以减少：
   Kernel Launch 次数；
   矩阵乘中间结果的GM落盘和重新读取；
   Muls、Axpy 等小算子的调度开销；
   broadcast bias 的额外展开和数据搬运。

Design（设计方案）