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

一、背景信息 （必填）

blaze模板支持TT量化场景streamK
gemm blaze模板 TT量化场景支持StreamK性能优化

二、价值/作用 （必填）

解决小M、N大K场景核利用率可能不足的问题，提高该场景下的性能表现

三、设计方案 （必填）

整体流程

Device 侧按照以下模块组织：

Policy
  -> Kernel
  -> BlockScheduler
  -> BlockMmad
  -> BlockEpilogue

• Policy 选择 QBMM per-tensor StreamK 调度类型。
• Kernel 负责组装各模块，并完成 AIC/AIV 分流和同步。
• BlockScheduler 复用已有 StreamK block 映射和 K 维切分逻辑。
• BlockMmad 在 AIC 上完成各个 K 分片的矩阵计算。
• BlockEpilogue 在 AIV 上归约 workspace partial，并在 UB 上完成 Vector 反量化和后处理。

Policy

新增 KernelQbmmPertensorMultiBlockStreamK 调度类型，并为 MatmulWithScaleFixpipeQuant 增加可配置的 ScheduleType。

通过独立 ScheduleType 将普通 Fixpipe QBMM、MX StreamK 和 per-tensor StreamK 的模板实例区分开，防止 Kernel、MMAD 和 Epilogue 发生错误组合。

Kernel

新增 kernel_qbmm_pertensor_streamk.h，实现 QBMM per-tensor StreamK 对应的 GemmUniversal 特化。

Kernel 主要完成：

• 组装 BlockMmad、BlockEpilogue 和 BlockScheduler。
• AIC 根据 Scheduler 返回的 block 信息执行 DP tile 或 StreamK K 分片。
• DP block 通过 Fixpipe 反量化并直接写入最终输出。
• StreamK block 将未反量化的 raw accumulator partial 写入 workspace。
• AIC 完成后通过 CrossCore 同步通知 AIV。
• AIV 等待 AIC 完成后，执行 workspace reduce 和 Vector 后处理。

BlockScheduler

直接复用已有 BlockSchedulerMatmulStreamK，不修改原有 StreamK 切块策略。

Scheduler 负责：

• M/N tile 划分。
• DP block 和 StreamK block 映射。
• K 分片编号和当前分片长度计算。
• 尾块 StreamK 调度。

BlockMmad

扩展 block_mmad_a8w8_fixpipe_quant.h，使已有 QBMM BlockMmad 支持 per-tensor StreamK ScheduleType。

主要修改包括：

• 根据当前 StreamK 分片长度更新 K 循环。
• DP block 保留原有 Fixpipe 反量化输出路径。
• StreamK block 不进行 Fixpipe 反量化，将 raw partial 写入 workspace。
• 根据量化组合决定 bias 在 MMAD 中累加，还是交给 AIV Epilogue 处理。
• 同一个输出 tile 的 bias 只在第一个 K 分片中累加，避免重复累加。

int32 bias，以及 FP8 整数编码 scale 对应的 fp32 bias，在 MMAD 累加域处理。

BlockEpilogue

新增 block_epilogue_qbmm_pertensor_streamk.h，实现专用 AIV 后处理：

1. 从 workspace 读取同一输出 tile 的多个 K 分片 partial。
2. 在 UB 中完成 split-K reduce。
3. 应用 X2 per-tensor scale。
4. 根据量化模式应用可选 X1 per-tensor scale。
5. 累加需要在反量化后处理的 bias。
6. 转换为 fp16、bf16 或 fp32，并写回最终输出。

反量化全部在 UB 上由 Vector 完成，不使用 Fixpipe 随路反量化处理 StreamK partial。

Scale 和 Bias 顺序

支持两类 bias 处理顺序：

反量化前 bias：
(raw accumulator + bias) * scale

反量化后 bias：
raw accumulator * x2Scale * optional x1Scale + bias

对于反量化后 bias，Host Tiling 仅允许全 StreamK 调度，确保所有输出 tile 都经过 AIV Epilogue。

💡 备注（选填）