What type of PR is this?

/kind feature

What does this PR do / why do we need it:

为 HyperParallel 接入 Matrix Computation & Communication通算融合算子的分布式调度逻辑，包含：

• mindspore.ops.all_gather_matmul（AllGatherMatmul）
• mindspore.ops.matmul_reduce_scatter（MatmulReduceScatter）

CANN MC2 算子在内核内部自行完成 AllGather / ReduceScatter 通信，不需要 HyperParallel 插入额外通信原语。HyperParallel 的作用是：

1. DTensor 输入解包：通过 preprocess() 的 to_local() 提取本地 tensor 后再传给 CANN。
2. 输出 DTensor Layout 推断：通过 infer_layout() 基于输入分片方式推断输出 tensor 的分布状态，使下游算子能正确组合分布式计算图。

AllGatherMatmul

输出 layout 推断：

• output dim 0 (m)：始终 Replicate（-1），因 AllGather 消耗了 m 维分片
• output dim 1 (n)：继承 x2 的 n 维 placement
• k 被切分时，output 带 Partial(sum)（与 LinearDistributedOp contract_dim 分片语义一致）
• gather_output=False 时 gather_out layout 强制全 Replicate，避免空 tensor 的维度越界

MatmulReduceScatter

输出 layout 推断：

• output dim 0 (m)：ReduceScatter 将 k 的 TP 分片转化为 m 分片；若 x1 m 维有 DP 分片则联合分片（tuple tensor_map）
• output dim 1 (n)：继承 x2 的 n 维 placement
• 无 Partial 状态：CANN ReduceScatter 已在内部完成 k 方向的 sum reduce + m 方向 scatter

测试覆盖

Which issue(s) this PR fixes:

Fixes #152

Test Plan and Test result：What scenarios were tested, and what were the verification results（Function, performance, reliability, etc.）：

UT（单元测试）

• tests/ut/core/shard/ops/test_parallel_all_gather_matmul.py — 15 cases，覆盖参数归一化、YAML 注册、infer_layout（replicate/shard/trans_x2/2D-mesh/k 分片带 Partial）、错误处理（Partial 输入、k-placement 不匹配、m 维多 mesh 联合分片）
• tests/ut/core/shard/ops/test_parallel_matmul_reduce_scatter.py — 12 cases，覆盖参数归一化、YAML 注册、infer_layout（TP/DP+TP/n-shard/trans_x2/联合 tuple m 分片）、错误处理（Partial 输入、k Replicate、k layout 不一致）

ST（系统测试 - distributed, MindSpore）

• tests/mindspore/st/shard/ops/test_all_gather_matmul_shard_in_python.py — 3 组：group1（4×2 卡）、group2（2×4 卡，含 k 分片场景）、group3（1×8 卡，mnk 三轴全切）
• tests/mindspore/st/shard/ops/test_matmul_reduce_scatter_shard_in_python.py — 3 组：group1（3×2 卡）、group2（1×4 卡）、group3（1×8 卡，mnk 三轴全切）

验证结果

• 所有 27 条 UT 通过（mock 平台，无 GPU/NPU 依赖）
• 所有 AGM group1/group2 ST 在 Ascend NPU 上通过（float16 精度，atol/rtol 满足）
• k 分片场景使用 float32 numpy 参考值，atol=0.1/rtol=0.02（与 MRS 一致，因 CANN 跨 rank partial sum 累加顺序与单次全 k matmul 路径不同）
• pylint 通过

Self-checklist:（请自检，在[ ]内打上x，我们将检视你的完成情况，否则会导致pr无法合入）

• 设计：PR对应的方案是否已经经过Maintainer评审，方案检视意见是否均已答复并完成方案修改
• 测试：PR中的代码是否已有UT/ST测试用例进行充分的覆盖，新增测试用例是否随本PR一并上库或已经上库
• 验证：PR描述信息中是否已包含对该PR对应的Feature、Refactor、Bugfix的预期目标达成情况的详细验证结果描述
• 接口：是否涉及对外接口变更，相应变更已得到接口评审组织的通过，API对应的注释信息已经刷新正确
• 文档：是否涉及官网文档修改，如果涉及请及时提交资料到Doc仓