049、从Linalg到Vector的循环分块与向量化

049、从Linalg到Vector的循环分块与向量化一个让我熬夜三天的bug去年调一个AI加速器后端，模型跑在自研NPU上，精度死活不对。单算子测试全绿，一上网络就崩。折腾三天，最后发现是Linalg到Vector的lowering阶段，循环分块参数传错了——外层循环的tile size和内层向量化宽度没对齐，导致内存访问越界，写坏了相邻tensor的padding区域。这种问题，光看IR很难发现。Linalg的IR里一切看起来都那么规整，等降到Vector dialect，循环结构一变，边界条件就炸了。从那以后，我对这个lowering路径就格外敏感。Linalg的“优雅”与Vector的“粗暴”Linalg dialect的设计哲学是“结构化算子”——一个linalg.generic就把整个计算语义表达清楚了，循环结构、访存模式都隐含在索引映射里。比如一个矩阵乘法：%result = linalg.generic { indexing_maps = [affine_map(i,j,k) - (i,k), affine_map(i,j,k) - (k,j), affine_map(i,j,k) - (i,j)], iterator_types = [