Ascend C 算子优化实践

这里整理 Ascend C 算子开发中的优化方法、代码示例和实验对照。内容来自昇腾 AI 创新大赛——算子挑战赛 S9 赛季的开发实践，实验环境主要为 Ascend 910B4、CANN 8.5.0。

文章面向已经接触 Ascend C 的开发者。每篇独立交代赛题要求和实验背景，再讨论地址布局、分核、UB 分配、流水及测量结果。成功和未获得收益的尝试都会保留，方便判断一种方法在什么条件下值得采用。

文章目录

文章	主要内容	配套材料
Ascend C 算子优化入门：数据搬运、分核与 Tiling	以 Concat 为例，从地址关系推导任务划分、缓冲区容量和流水设计	布局示例 · 分核与容量示例 · 实验数据

后续计划讨论实现方案的切换，以及 Concat 的 UB 生命周期复用与分组优化。完成的正文会加入上表。

运行示例

示例只使用 Python 标准库，Python 3.10 及以上版本即可运行，不需要 NPU 或 CANN。它们用于检查文章中的地址关系与容量计算，不模拟设备流水，也不测量算子性能。

git clone https://github.com/Gemo555/ascend-c-optimization-notes.git
cd ascend-c-optimization-notes
python examples/concat_layout.py
python examples/tiling_budget.py
python benchmarks/concat-grouping/recompute.py

仓库的完整检查入口：

python scripts/check_repository.py

该命令运行示例、复算历史数据，并检查 Markdown 本地文件链接。推送和 Pull Request 会触发同样的 GitHub Actions 检查。

数据与复现范围

Concat 分组实验提供四次完整运行的计时摘录与汇总，可以复算正文的中位数和耗时合计。这些是 2026 年 9 月的本地历史测量，不是新的赛事平台成绩。仓库未包含原实验的完整算子工程和输入集，因此不能据此重跑并复现相同的绝对耗时。

文章正文、可运行示例和历史测量分别保存在 articles/、examples/ 和 benchmarks/。代码中的合成输入会明确标注，不作为真实设备实验数据。

反馈与修订

发现公式、代码或结论有问题，可以提交 Issue 或 Pull Request。反馈实验差异时，请附上芯片、CANN 版本、输入配置、计时方法，以及能够触发问题的最小示例。具体约定见 CONTRIBUTING.md。

AI 参与了原项目的代码实现、实验分析与文章整理。文中的性能结论以保留的代码和实验记录为依据。