背景

在 9.2.0-beta.2 上复现用户场景 [4096,64640] fp32、dim≈1、index[4096,1]（每行仅一个 scatter 元素、include_self=true、reduce=add）出现性能回退：总耗时 21603us，其中 ScatterElementsV2 19855us（回退前基线约 1.8ms）。!10043 通过整体回退 #6460/#6624/#7736/#8714 验证性能可恢复，但同时移除了 min/max/mean 等新功能。本 PR 定位到真正的热点并做正向修复，保留上述 4 个 PR 的功能。

根因

该簿记机制由 #6460（Add min, max, and mean modes to the scatter_reduce operator, d382188b4）引入：该 PR 把 arch22 legacy 内核从单一 MODE 模板的 add 实现重写为通用的运行时 mode reduce 内核，新增 countLocal/InitHitCount/ReduceValue 以支持 min/max/mean 与 include_self=false 语义，同时把原先直接累加的 add 路径也并入了 hit-count 路径。重写后的内核：

• ProcessSmall/ProcessScatter 每个 chunk 先调用 InitHitCount(inputAlign)，按对齐后的整行宽度把 countLocal 清零；
• ScatterSetValue 对每次 scatter 都执行 countLocal.GetValue/SetValue。

宽行（64640）+ 每行只有 1 个元素需要更新的场景下，countLocal 的全量初始化/维护 O(row×chunk) 成为绝对热点。而 hit count 仅在以下场景必需：

1. include_self=false：需要区分“首次命中直接写 update”与后续累加；
2. mean：需要命中次数做除法。

include_self=true 的 add/mul/min/max 每个位置都有确定初值 self、命中同权归约，结果与“第几次命中”无关，计数是纯写不读的死开销。另外同批 #6624 仅放宽 host 侧 cache-op xDim1 保护（扩大暴露面），#7736（AICPU 拦截新 mode）与 #8714（文档）与本热点无直接关系。性能劣化本质不是新增 min/max/mean 功能的固有代价，而是通用化把 include_self=true 的 sum 也并入了 hit-count 内核，因此可以按本 PR 方式正向修复，无需整体回退。

修改

index/scatter_elements_v2/op_kernel/scatter_elements_v2.h（两个 commit，共 ~35 行变更）

1. 066f2db35：InitHitCount/ScatterSetValue 仅在 NeedHitCount() 为真时读写 count；fp32 的 include_self=true add/mul/min/max 不再做整行清零与逐命中计数，count buffer 也改为按需分配。
2. 5adb7d38b：把 IsCastFloat（fp32 中间累加开关）从 NeedHitCount 中解耦。fp16/bf16 归约仍走 fp32 中间累加 + CAST_RINT 单次写回（精度行为不变），但 include_self=true 的 add/mul/min/max 同样跳过计数。

最终逻辑：

• NeedHitCount = isReduceMode && (includeSelf == 0 || mode == MEAN)；
• IsCastFloat = 低精度 dtype && isReduceMode（与计数无关）。

仅影响 legacy kernel 内部簿记与 buffer 分配，不改 tiling、接口与运算语义。

验证（910B 实机 ATK，同 [4096,64640]/每行 1 命中场景）

性能（performance_device，--performance_data 300,100,80）

fp16 数据说明：#6460 的计数簿记同样拖累 fp16/bf16 原 add 路径（保留计数时 21.2ms），本次一并修复。

正确性

• 仓库自带 atk_aclnnScatterReduce.json 29/29 Pass（fp32 sum、include_self=true）；
• fp32 大 shape accuracy md5 比对 Pass；
• fp16 大 shape accuracy（CPU golden，single_bm）Pass；
• fp16 同输入下“保留计数版本 vs 本 PR”输出 md5 完全一致（逐位相同），证明删除计数不改变任何结果；
• include_self=false、mean、mul/min/max 分支经代码核对仍完整走原 hit-count/cast 路径，不受本次收紧影响；min/max/mean/include_self=false 等扩展模式受 upstream 既有 aclnnScatterReduce host 参数检查限制（仅支持 float32+sum+include_self=true）无法经该接口直测。

相关：!10043（回退验证，证明性能问题成立）；本 PR 为正向修复方案，可替代整体回退。