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

Backgroud（背景信息）

1. MatMul 在 3510 上FP32场景sk与basic模板均支持单核切k，但单核切K使用的是固定切K基本块1024，无法适应K轴变化做到动态调整切K基本块大小。目前部分case的精度无法达到三方精度标准，需要对FP32场景的matmul计算进行精度优化。
2. BMM的单核切K模板只支持基础api，需切换到tensorapi，同时需优化动态单核切K的基准
3. TBMM算子在FP32场景存在大数吃小数的精度问题，需单核切k切且切换到tensorapi版本

Origin（信息来源）

cube算子团队

Benefit / Necessity （价值/作用）

提升Matmul算子FP2场景的精度

Design（设计方案）

L0C累加位宽与atomic累加位宽存在差距

综合考虑性能精度，splitSingleCoreKBase大小为：
outer_cnt / innerr_cnt <= 24
innerr_cnt = splitSingleCoreKBase/8
out_cnt = K/splitSingleCoreKBase

推导出：
(K/splitSingleCoreKBase) / (splitSingleCoreKBase/8) <= 24 => splitSingleCoreKBase >= sqrt(K/3)
splitSingleCoreKBase 满足最小16对齐