PTO 虚拟指令集开发导航：CANN pto-isa 全量指令分类、接口约定与开发实践指南-育师

PTO 虚拟指令集开发导航：CANN pto-isa 全量指令分类、接口约定与开发实践指南

【免费下载链接】pto-isaParallel Tile Operation (PTO) is a virtual instruction set architecture designed by Ascend CANN, focusing on tile-level operations. This repository offers high-performance, cross-platform tile operations across Ascend platforms.项目地址: https://gitcode.com/cann/pto-isa

导读

本文是 CANN pto-isa 仓库中 PTO（Parallel Tile Operation）虚拟指令集的开发导航指南。PTO 是 Ascend CANN 定义的面向 Tile 块级编程的虚拟指令集架构，本仓提供 124 条 Tile 指令及一套片间通信扩展指令。文章以 docs/menu_ops_development.md 的操作菜单为骨架，完整梳理全部指令的分类体系、接口组织形式（头文件/库文件）、通用操作数约定（Tile、GlobalTensor、有效区域、事件同步），并结合逐指令参考文档与仓库源码给出从"查文档"到"写 Kernel"的完整路径。读完本文，你将能够按功能类别快速定位所需 PTO 指令、读懂任何一条指令参考页、理解 Auto/Manual 两种放置模式与多后端选择机制，并掌握已废弃接口的迁移方法。

一、PTO 指令集全景：124 条指令与三类命名前缀

根据 PTO-ISA-Header-and-Library-Description.md，PTO 全称 Parallel Tile Operation，即并行 Tile 操作，是 Ascend CANN 定义的面向 Tile 编程的虚拟指令集架构，本仓共提供124 条 Tile 指令，其中包含一套片间通信扩展指令。这些指令覆盖逐元素计算、归约、广播、矩阵乘与 GEMV、数据搬运、类型转换、布局变换、排序、Union 计算等计算与变换场景，以及同步、资源配置等系统控制场景，可供上层框架、算子实现与编译工具链统一调用。

PTO 指令统一采用 Tile 块级抽象，命名风格为"指令类别前缀 + 计算名称"，整体首字母大写，采用 PascalCase 风格：

前缀	含义	典型指令
`T`	面向 Tile 对象的操作（绝大多数指令）	`TADD`、`TMUL`、`TMATMUL`、`TGEMV`、`TLOAD`、`TSTORE`、`TMOV`、`TGATHER`、`TSCATTER`、`TCVT`
`M`	不规则访存（memory），Gather/Scatter	`MGATHER`、`MSCATTER`
`SYNCALL`	跨核同步屏障	`SYNCALL`

操作菜单文档 docs/menu_ops_development.md 将全部指令组织为 11 大类：头文件和库文件说明、逐元素双目运算、逐元素单目运算、逐元素算术与超越函数、逐元素与标量运算、归约运算、广播运算、矩阵运算、数据搬运与访存、复杂变换计算、系统与控制，外加独立的通信章节。全量指令索引还可参考 docs/PTOISA_zh.md，逐指令参考文档则位于 docs/isa/，通信指令位于 docs/isa/comm/。

二、接口组织：唯一入口头文件与多后端自动选择

2.1 头文件布局

PTO 接口的头文件位于 CANN 安装目录下的<arch>-linux/include/子目录中，例如${INSTALL_DIR}/aarch64-linux/include/pto/pto-inst.hpp。${INSTALL_DIR}为 CANN 软件安装路径，以 root 用户安装为例，默认路径为/usr/local/Ascend/cann。

pto/pto-inst.hpp是 PTO 指令集架构的唯一对外统一入口头文件，上层只需包含pto/pto-inst.hpp即可获得全部公开接口，无需逐个包含子头文件。该头文件按职责聚合以下模块：

Tile 类型系统与公共工具：定义 Tile 对象、内存与缓冲区管理、常量、Kernel 元信息及通用工具。
指令 API 声明：定义 124 条 Tile 指令的统一声明，每条指令提供 Auto 自动放置与 Manual 手动放置两种形式，覆盖逐元素计算、归约、广播、矩阵乘与 GEMV、数据搬运、类型转换、布局变换、排序、Union 计算、同步、资源配置与片间通信等接口。
多后端自动选择：依据编译期宏自动选择实现后端——定义__CPU_SIM时启用 CPU 仿真后端，定义__COSTMODEL时启用 A2/A3 CostModel 后端，定义__CCE_AICORE__时启用 NPU 真机后端，并按 SoC 代际 A2/A3、A5、Kirin 等划分实现。
片间通信指令库：定义 NPU 间点对点通信、信号同步与集合通信接口，含同步与异步两套接口。

在仓库源码中，指令内建接口的权威声明位于 include/pto/common/pto_instr.hpp，通信指令的权威声明位于 include/pto/comm/pto_comm_inst.hpp，通信相关类型定义位于 include/pto/comm/comm_types.hpp。

2.2 库文件：header-only 纯头文件模板库

PTO-ISA 为header-only 纯头文件模板库，指令实现以模板与内联形式在编译期展开进上层 Kernel，无需单独链接.so文件。其编译期依赖 BiSheng 编译器bisheng-compiler将含 PTO 指令的 Kernel 编译为设备代码；运行期依赖 CANN Runtime 库libruntime.so提供设备执行环境。

三、指令分类详解（对照操作菜单）

以下按照 docs/menu_ops_development.md 的分类结构逐一展开，括号内给出对应的逐指令参考页链接。

3.1 逐元素双目运算（Tile-Tile）

算术运算（docs/menu/arithmetic_zh.md）：

指令	语义	参考
`TADD`	两个 Tile 的逐元素加法	TADD
`TSUB`	两个 Tile 的逐元素减法	TSUB
`TMUL`	两个 Tile 的逐元素乘法	TMUL
`TMAX`	两个 Tile 的逐元素最大值	TMAX
`TMIN`	两个 Tile 的逐元素最小值	TMIN

此外 ISA 参考目录还收录TMADD（三元运算src0 * dst + src1）、TMULA（src0 * src1 + dst）等融合形式，见 docs/isa/README.md。

逻辑运算（docs/menu/binary_logic_zh.md）：

指令	语义	参考
`TAND`	逐元素按位与	TAND
`TOR`	逐元素按位或	TOR
`TXOR`	逐元素按位异或	TXOR
`TSHL`	逐元素左移	TSHL
`TSHR`	逐元素右移	TSHR
`TCMP`	比较两个 Tile 并写入打包的谓词掩码	TCMP
`TSEL`	用掩码 Tile 在两个 Tile 间逐元素选择	TSEL

3.2 逐元素单目运算

指令	语义	参考
`TABS`	逐元素绝对值	TABS
`TNOT`	逐元素按位取反	TNOT
`TNEG`	逐元素取负	TNEG
`TRELU`	逐元素 ReLU	TRELU

3.3 逐元素算术与超越函数

指令	语义	参考
`TDIV`	两个 Tile 的逐元素除法	TDIV
`TREM`	余数（符号与除数相同）	TREM
`TSQRT`	逐元素平方根	TSQRT
`TLOG`	逐元素自然对数	TLOG
`TRECIP`	逐元素倒数	TRECIP
`TEXP`	逐元素指数	TEXP
`TRSQRT`	逐元素倒数平方根	TRSQRT

3.4 逐元素与标量运算（Tile-Scalar / Tile-Immediate）

算术运算（docs/menu/scalar_arithmetic_zh.md）：

指令	语义	参考
`TADDS`	Tile 与标量逐元素加法	TADDS
`TAXPY`	原位缩放累加：`dst = scalar * src0 + dst`	TAXPY
`TSUBS`	从 Tile 逐元素减标量	TSUBS
`TMULS`	Tile 与标量逐元素乘法	TMULS
`TDIVS`	与标量逐元素除法（Tile/标量或标量/Tile）	TDIVS
`TMINS`	Tile 与标量逐元素最小值	TMINS
`TMAXS`	Tile 与标量逐元素最大值	TMAXS
`TREMS`	与标量的余数：`remainder(src, scalar)`	TREMS

逻辑运算（docs/menu/scalar_logic_zh.md）：

指令	语义	参考
`TANDS`	Tile 与标量逐元素按位与	TANDS
`TORS`	Tile 与标量逐元素按位或	TORS
`TXORS`	Tile 与标量逐元素按位异或	TXORS
`TCMPS`	Tile 与标量比较并写入逐元素比较结果	TCMPS
`TSELS`	用掩码 Tile 在源 Tile 与标量间选择	TSELS
`TSHLS`	Tile 按标量左移	TSHLS
`TSHRS`	Tile 按标量右移	TSHRS

3.5 归约运算（轴归约）

归约为一列（逐行归约）（docs/menu/reduce_to_col_zh.md）：

指令	语义	参考
`TROWSUM`	对每行跨列求和	TROWSUM
`TROWPROD`	对每行跨列求积	TROWPROD
`TROWMAX`	每行最大值	TROWMAX
`TROWMIN`	每行最小值	TROWMIN
`TROWARGMAX`	每行最大值对应列索引	TROWARGMAX
`TROWARGMIN`	每行最小值对应列索引	TROWARGMIN

归约为一行（逐列归约）（docs/menu/reduce_to_row_zh.md）：

指令	语义	参考
`TCOLSUM`	对每列跨行求和	TCOLSUM
`TCOLPROD`	对每列跨行求积	TCOLPROD
`TCOLMAX`	每列最大值	TCOLMAX
`TCOLMIN`	每列最小值	TCOLMIN
`TCOLARGMAX`	每列最大值对应行索引（值+行索引）	TCOLARGMAX
`TCOLARGMIN`	每列最小值对应行索引（值+行索引）	TCOLARGMIN

3.6 广播运算（轴扩展）

按行广播（docs/menu/broadcast_row_zh.md）：

指令	语义	参考
`TROWEXPAND`	将每个源行首元素广播到目标行	TROWEXPAND
`TROWEXPANDADD`	行广播加法（加每行标量向量）	TROWEXPANDADD
`TROWEXPANDSUB`	行广播减法	TROWEXPANDSUB
`TROWEXPANDMUL`	行广播乘法	TROWEXPANDMUL
`TROWEXPANDDIV`	行广播除法	TROWEXPANDDIV
`TROWEXPANDMAX`	行广播最大值	TROWEXPANDMAX
`TROWEXPANDMIN`	行广播最小值	TROWEXPANDMIN
`TROWEXPANDEXPDIF`	行指数差：`exp(src0 - src1)`	TROWEXPANDEXPDIF

按列广播（docs/menu/broadcast_col_zh.md）：

指令	语义	参考
`TCOLEXPAND`	将每个源列首元素广播到目标列	TCOLEXPAND
`TCOLEXPANDADD`	列广播加法	TCOLEXPANDADD
`TCOLEXPANDSUB`	列广播减法	TCOLEXPANDSUB
`TCOLEXPANDMUL`	列广播乘法	TCOLEXPANDMUL
`TCOLEXPANDDIV`	列广播除法	TCOLEXPANDDIV
`TCOLEXPANDMAX`	列广播最大值	TCOLEXPANDMAX
`TCOLEXPANDMIN`	列广播最小值	TCOLEXPANDMIN
`TCOLEXPANDEXPDIF`	列指数差：`exp(src0 - src1)`	TCOLEXPANDEXPDIF

3.7 矩阵运算

矩阵乘矩阵（docs/menu/matmul_mat_zh.md）：

指令	语义	参考
`TMATMUL`	矩阵乘（GEMM），生成累加器/输出 Tile	TMATMUL
`TMATMUL_BIAS`	矩阵乘加偏置	TMATMUL_BIAS
`TMATMUL_ACC`	带累加器输入的矩阵乘（融合累加）	TMATMUL_ACC
`TMATMUL_MX`	带缩放 Tile 的混合精度/量化矩阵乘	TMATMUL_MX

矩阵乘向量（docs/menu/matmul_vec_zh.md）：

指令	语义	参考
`TGEMV`	通用矩阵-向量乘法，生成累加器/输出 Tile	TGEMV
`TGEMV_BIAS`	GEMV 加偏置	TGEMV_BIAS
`TGEMV_ACC`	带显式累加器输入/输出 Tile 的 GEMV	TGEMV_ACC
`TGEMV_MX`	带缩放 Tile 的混合精度 GEMV	TGEMV_MX

3.8 数据搬运与访存

规则访存（docs/menu/regular_access_zh.md）：

指令	语义	参考
`TLOAD`	从 GlobalTensor（GM）加载数据到 Tile	TLOAD
`TSTORE`	从 Tile 存储数据到 GlobalTensor（GM），可选原子写或量化参数	TSTORE
`TPREFETCH`	从全局内存预取到 Tile 本地缓存/缓冲区（提示）	TPREFETCH

不规则访存（docs/menu/irregular_access_zh.md）：

指令	语义	参考
`MGATHER`	用逐元素索引从 GM 收集加载到 Tile	MGATHER
`MSCATTER`	用逐元素索引将 Tile 元素散播存储到 GM	MSCATTER

3.9 复杂变换计算

初始化（docs/menu/init_zh.md）：

指令	语义	参考
`TEXPANDS`	将标量广播到目标 Tile	TEXPANDS
`TCI`	生成连续整数序列到目标 Tile	TCI
`TTRI`	生成三角（下/上）掩码 Tile	TTRI
`TRANDOM`	用计数器密码算法在目标 Tile 生成随机数	TRANDOM
`TFILLPAD`	复制 Tile 并在有效区域外以编译期填充值填充	TFILLPAD

数据类型转换（docs/menu/cast_zh.md）：

指令	语义	参考
`TCVT`	带指定舍入模式的逐元素类型转换	TCVT
`TQUANT`	量化 Tile（如 FP32 → FP8），生成指数/缩放/最大值输出	TQUANT
`TDEQUANT`	仿射反量化（S8/S16 → FP32）：`dst = (src - offset) * scale`	TDEQUANT

布局变换（docs/menu/layout_zh.md）：

指令	语义	参考
`TEXTRACT`	从源 Tile 提取子 Tile	TEXTRACT
`TINSERT`	在`(indexRow, indexCol)`偏移处插入子 Tile	TINSERT
`TGATHER`	用索引 Tile 或编译期掩码模式收集/选择元素	TGATHER
`TSCATTER`	用逐元素行索引将源 Tile 行散播到目标 Tile	TSCATTER
`TCONCAT`	沿列维度水平拼接两个 Tile	TCONCAT
`TTRANS`	转置（使用实现定义的临时 Tile）	TTRANS
`TIMG2COL`	类卷积工作负载的图像到列变换	TIMG2COL
`TMOV`	Tile 间移动/复制，可选应用实现定义的转换模式	TMOV
`TGATHERB`	使用字节偏移量收集元素	TGATHERB
`TDEINTERLEAVE`	反交织为偶数/奇数元素流（TINTERLEAVE 的逆）	TDEINTERLEAVE
`TINTERLEAVE`	交织两个源 Tile 为交替偶/奇流，拆分为两个目标半部分	TINTERLEAVE
`TRESHAPE`	将 Tile 重新解释为另一种类型/形状，保留底层字节	TRESHAPE

排序（docs/menu/sort_zh.md）：

指令	语义	参考
`TSORT32`	对每 32 元素块连同`idx`条目排序，输出排序后的 value-index 对	TSORT32
`TMRGSORT`	多个已排序列表的归并排序（实现定义的元素格式和布局）	TMRGSORT
`THISTOGRAM`	逐字节直方图（256 桶），可级联高位字节过滤（基数排序桶计数原语）	THISTOGRAM

Union 计算（docs/menu/union_zh.md）：

指令	语义	参考
`TPARTADD`	部分逐元素加法（有效区域不匹配时实现定义）	TPARTADD
`TPARTMUL`	部分逐元素乘法	TPARTMUL
`TPARTMAX`	部分逐元素最大值	TPARTMAX
`TPARTMIN`	部分逐元素最小值	TPARTMIN
`TPARTARGMAX`	部分最大值选择并返回对应索引（argmax）	TPARTARGMAX
`TPARTARGMIN`	部分最小值选择并返回对应索引（argmin）	TPARTARGMIN

3.10 系统与控制

调试（docs/menu/debug_zh.md）：

指令	语义	参考
`TASSIGN`	将 Tile 对象绑定到实现定义的片上地址（Manual 手动放置）	TASSIGN
`TPRINT`	调试/打印 Tile 中的元素（实现定义）	TPRINT

CV 通信（Cube-Vector 核间通信）（docs/menu/cv_comm_zh.md）：

指令	语义	参考
`TPUSH`	将生产者 Tile 推入 TPipe FIFO，用于 Cube-Vector 通信	TPUSH
`TPOP`	从 TPipe FIFO 弹出消费者 Tile/GlobalTensor	TPOP
`TALLOC`	将 TPipe FIFO 槽位分配为 GlobalTensor 视图	TALLOC
`TFREE`	释放 TPipe FIFO 空间（部分目标上对 TileData TPOP 流程为空操作）	TFREE

同步（docs/menu/sync_zh.md）：

指令	语义	参考
`SYNCALL`	跨核同步屏障（硬件 FFTS 或软件 GM 轮询）	SYNCALL

3.11 通信（片间通信扩展指令）

同步通信（docs/menu/sync_comm_zh.md）：

指令	语义	参考
`TPUT`	远程写：本地数据传输到远端 NPU 内存（GM → UB → GM）	TPUT
`TGET`	远程读：远端 NPU 数据读取到本地（GM → UB → GM）	TGET
`TBROADCAST`	将当前 NPU 数据广播到所有 rank	TBROADCAST
`TREDUCE`	从所有 rank 收集数据并逐元素归约到本地	TREDUCE
`TNOTIFY`	向远端 NPU 发送标志通知	TNOTIFY
`TWAIT`	阻塞等待，直到信号满足比较条件	TWAIT
`TTEST`	非阻塞检测信号是否满足比较条件	TTEST

异步通信（docs/menu/async_comm_zh.md）：

指令	语义	参考
`TPUT_ASYNC`	异步远程写（本地 GM → DMA 引擎 → 远端 GM）	TPUT_ASYNC
`TPUT_ASYNC_NOTIFY`	远程写并更新远端`int32_t`signal	TPUT_ASYNC_NOTIFY
`TGET_ASYNC`	异步远程读（远端 GM → DMA 引擎 → 本地 GM）	TGET_ASYNC

四、通用约定：操作数、形状与有效区域

docs/isa/conventions_zh.md 定义了所有指令参考页共用的术语与写法，并与 include/pto/common/pto_instr.hpp 中的 C++ 内建接口保持一致：

Tile：片上二维操作数对象（如pto::Tile<...>），大量指令以 Tile 为输入/输出，并通过GetValidRow()/GetValidCol()使用 Tile 的有效区域。
GM（全局内存）：通过pto::GlobalTensor<...>访问的片外内存视图。
标量 / 立即数：主机侧标量值，或在*S/*C等变体中编码的立即数参数。

C++ 编程模型请参考 docs/coding/Tile_zh.md、docs/coding/GlobalTensor_zh.md、docs/coding/Scalar_zh.md。

物理形状与有效形状：Rows/Cols描述 Tile 的物理存储形状；GetValidRow()/GetValidCol()描述参与计算的有效区域，修改有效形状不改变物理步长。对于非分形 Tile，元素(i, j)的偏移（元素为单位）为i * RowStride + j * ColStride：RowMajor 步长为(Cols, 1)，ColMajor 步长为(1, Rows)。例如 A5 上int64_t/uint64_t的 RowMajor 输出物理形状为[64,4]、有效形状为[64,1]时，物理行步长仍为 4 个元素（32 字节），行归约结果位于偏移0, 4, 8, ...。

有效区域语义：指令页中"对有效区域内的每个元素(i, j)"默认指valid_row = dst.GetValidRow()、valid_col = dst.GetValidCol()；数学语义仅对0 <= i < valid_row且0 <= j < valid_col的dst[i, j]定义；有效区域之外元素的值为未指定（不要假设一定清零或保持不变）。

事件与同步：某些指令序列需要建立内存与向量流水线之间的顺序关系，示例中的事件（如set_flag(...)/wait_flag(...)）用于表达后端需要满足的顺序约束；在需要显式同步的场景使用 event synchronization 建立阶段间顺序。事件模型参考 docs/coding/Event_zh.md。

五、指令参考页结构拆解：以 TADD 为例

每一条指令在 docs/isa/ 下都有独立参考页，结构统一为：指令示意图 → 简介 → 数学语义 → 汇编语法 → IR（Level 1 / Level 2）→ C++ 内建接口 → 约束 → 示例。以 TADD 为例：

汇编语法（同步形式）：

%dst = tadd %src0, %src1 : !pto.tile<...>

IR Level 1（SSA）：

%dst = pto.tadd %src0, %src1 : (!pto.tile<...>, !pto.tile<...>) -> !pto.tile<...>

IR Level 2（DPS）：

pto.tadd ins(%src0, %src1 : !pto.tile_buf<...>, !pto.tile_buf<...>) outs(%dst : !pto.tile_buf<...>)

C++ 内建接口：

template <typename TileDataDst, typename TileDataSrc0, typename TileDataSrc1, typename... WaitEvents> PTO_INST RecordEvent TADD(TileDataDst &dst, TileDataSrc0 &src0, TileDataSrc1 &src1, WaitEvents &... events);

约束（体现多后端差异）：

Atlas A2/A3 训练与推理系列：dst、src0、src1数据类型必须相同，且为int32_t、int16_t、half、float之一；布局均为行主序。
Ascend 950PR / 950DT：数据类型必须相同，支持int32_t、uint32_t、int64_t、uint64_t、float、int16_t、uint16_t、half、bfloat16_t、uint8_t、int8_t；布局均为行主序。
CPU_SIM：三个操作数数据类型必须相同，不额外限制行主序，各操作数按自身布局与物理形状计算地址。
有效区域：使用dst.GetValidRow()/dst.GetValidCol()作为迭代域；A2A3、A5 与 CPU_SIM 均要求三者的运行时有效行列数完全相同，不匹配触发断言失败。

示例（Auto 模式，混用静态/动态有效形状）：

#include <pto/pto-inst.hpp> using namespace pto; void example_mixed_valid_shape() { using DynamicTile = Tile<TileType::Vec, int32_t, 16, 16, BLayout::RowMajor, -1, -1>; using StaticTile = Tile<TileType::Vec, int32_t, 16, 16, BLayout::RowMajor, 16, 16>; DynamicTile dst(16, 16), src1(16, 16); StaticTile src0; TADD(dst, src0, src1); }

由此可见，阅读任何指令时只需关注四件事：数学语义（做什么）、汇编/IR 形式（怎么编译）、C++ 接口与约束（怎么写、支持哪些类型与后端）、示例（直接可运行）。

六、已废弃接口与迁移指南

docs/isa/README.md 声明：自PTO ISA v9.2.0起，以下旧指令接口不再对外暴露，兼容窗口关闭，不再保留公共包装：

TADDC、TAddDeqRelu、TADDReluConv、TADDSC、TFUSEDMULADDRELU、TGET_SCALE_ADDR、TPairReduceSum、TSUBC、TSUBRELU、TSUBRELUCONV、TSUBSC、TSUBVIEW、TSYNC。

迁移要点：

TSYNC(events...)改用普通基于事件的排序：将事件对象传给消费指令，或在消费前显式调用WaitAllEvents(events...)。
TSUBVIEW无公共 ISA 替代；仓库内部实现可使用pto::detail::PtoSubTileView作为内部辅助，外部代码应通过受支持的 Tile 构造与公共数据搬运 API 表达数据视图。
三元/标量融合算术形式改用对应原语序列，如TADD、TSUB、TADDS、TSUBS、TMUL、TMADD、TRELU。
融合乘加接口更名：TFUSEDMULADD→TMADD，TMULADDDST→TMULA。
融合 add/ReLU/convert 或 add/dequant/ReLU 形式拆分为显式的算术、转换/反量化与TRELU步骤。
TPairReduceSum改用与目标布局匹配的行/列归约原语。
不要调用TGET_SCALE_ADDR；AUTO 模式 MX 测试中，应在调用 MX 矩阵乘原语前于测试代码内从数据 Tile 绑定 scale Tile 地址。

七、从文档导航到实际开发：仓库配套资源

菜单文档的价值在于"按功能找指令"，而实际开发还需结合仓库配套资源：

权威声明：所有指令的 C++ 内建接口以 include/pto/common/pto_instr.hpp 为权威来源；通信指令见 include/pto/comm/pto_comm_inst.hpp 与 include/pto/comm/comm_types.hpp。公共包含头统一为pto/pto-inst.hpp。
手动（Manual）算子示例：kernels/manual/a5/ 与 kernels/manual/a2a3/ 存放手写 Tile Kernel 示例，演示TLOAD/TSTORE/TMATMUL等指令的完整使用与 CMake 构建脚本。
自动（Auto）模式示例：kernels/automode/a5/ 与 demos/auto_mode/ 演示 Auto 放置模式；demos/baseline/add/ 提供最小可运行的算子扩展（op_extension + test）样例。
CPU 仿真与调试：定义__CPU_SIM可启用 CPU 仿真后端，tests/cpu/st/ 下有大量可对照的 CPU 侧测试；CPU 仿真原理见 docs/coding/cpu_sim_zh.md。
测试验证：真机指令测试见 tests/npu/a5/（含每类指令的用例），批量运行入口为 tests/run_st.sh 与 tests/run_cpu_tests.sh。
编程模型文档：完整了解 Tile 生命周期、GlobalTensor 访存、多核编程与性能优化，可继续阅读 docs/coding/README_zh.md 下的 ProgrammingModel_zh.md、Tile_zh.md、GlobalTensor_zh.md、multi-core-programming_zh.md 等。

八、总结

PTO 虚拟指令集以 Tile 为统一抽象，通过T（计算与搬运）、M（不规则访存）、SYNCALL（跨核同步）三类前缀组织 124 条指令，覆盖从逐元素运算、归约广播、矩阵乘到数据搬运、布局变换、类型转换、排序、Union、系统控制与片间通信的完整算子开发场景。以 docs/menu_ops_development.md 为导航入口，配合 docs/isa/ 逐指令参考、docs/isa/conventions_zh.md 通用约定与 include/pto/common/pto_instr.hpp 权威声明，开发者可以快速定位、理解并使用任意 PTO 指令；结合 kernels/ 示例与 tests/ 测试，即可完成从指令选型到 Kernel 编写、仿真验证与真机跑测的完整开发闭环。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考