@condfuse_3 @fullt

@ rueenov11 看下是否测试方法有误。 库上现有950 SPMM 之前测试能达到1.0x A100。

@gcw_DmEcQNNx
感谢反馈。
已上库版本此前按整体平均性能比进行验收，整体平均性能比超过 1.0，满足当时的整体验收口径。历史结果中仍存在部分性能未通过的 case，尤其需要关注宽 N、低 nnz 场景。附件中为之前验收的结果。
c2fe0e6c047f4098b86513e3ef74919e.csv
验收主口径确认为一次 torch.sparse.addmm 内全部 NPU kernel 之和的中位数。
P-01 宽 N、低 nnz 场景是否需要 Cube/Vector 融合或调整 tiling，应以实际 profiling 结果为依据：请先补充行 nnz 分布、N/tile 切分、实际活跃核数和访存指标。
请针对性能未通过的 case 补充以下信息：

• 每行 nnz 的分布：min/P50/P90/P99/max、零行数，以及直方图或离散程度；
• N 与 tile 的切分方式：N/tile、行 tile、总 tile 数，以及各 tile 的实际工作量；
• 实际启动核数、活跃核数、每核处理的行数或 nnz，避免仅提供理论核数；
• profiler 时间线：预热和重复次数、各 kernel 时长、预处理/格式转换耗时、主 kernel 时间占比，以及带宽和核利用率指标。
  上述信息可用于区分是 tile 数不足或负载不均导致的并行度问题，还是数据访问效率不足导致的访存瓶颈，并据此确定后续优化方向。

感谢确认验收主口径为一次 torch.sparse.addmm 内全部 NPU kernel 之和的中位数。

本帖 2026-08-18 所述 P-01 ~0.48×（~180μs）为早期 SIMT 基线；当前冻结 tip 50571b9 上已按 #166 口径复测通过：

【P-01 真 Cora · #166】PyG Planetoid Cora（2708×2708，nnz=10556；无额外 self-loop/对称化；coalesce；row-asc；I32 base0）

• 环境：Ascend 950PR hidevlab，Release build，CANN 9.1.0，torch 2.10.0+cpu / torch_npu 2.10.0.post4
• 命令：python3 -u python/ops_sparse/p01_bench.py --profile --input cora
• Profiler：warmup=10 / active=30；op_statistic.csv 仅 spmm_custom_fp32（AI_VECTOR_CORE，Count=30）
• kernel_total_us=35.033，GPU 基准 87.040μs，kernel_ratio_vs_gpu=2.485（≥2.0×）
• 分列报告：https://docs.qq.com/doc/DV2hqbWFueFp4aU1E
• #166 已关闭

【与官方口径对齐说明】

• 单次 addmm 设备侧仅见 spmm_custom_fp32 主 kernel（无额外 preprocess/format 设备 kernel 计入同次调用）
• p01_bench 已补充输出 all_npu_kernels_sum_median_us 与 event median 对照（feat/spmm-950-c64）

【未过 case】官方 fp32 12/25 未达、P-02/P-03 未达/未起跑：自测报告 §6 已给出 B 重用墙实测论证（L2 跨核不可用 × DMA 甜点 × SIMT 封顶），非测试方法错误。若验收侧仍需对具体未过 case 按贵方清单补 profiling（行 nnz 分布、tile 切分、活跃核数、profiler 时间线），我们可在 hidevlab 按 case 补采后更新本帖。

设计 v1.1 已合入 competitions master（#1117）；代码 feat/spmm-950-c64 @ 50571b9，待任务页验收通过后提 ops-sparse 上游 PR。

感谢反馈，当前issue问题已解决，此issue关闭。若后续还有相关的问题，可以重新开启issue，提供相关的环境和报错信息来提问。