算子目录

每个算子家族一行。每个名字都链到 API 参考看签名 —— 本页为何不重复它们，见 算子。

怎么读这些表： 可达列给出能用的最短拼法。pl. 表示该名字不带限定即可访问；pl.tile. / pl.tensor. 表示该算子是分层级的。标 (t) 的名字是为方便而重新导出到顶层的 tile 专属算子 —— pl.load 就是 pl.tile.load，不是派发器。

创建

算子	可达	作用
create_tensor	pl.	分配 DDR 张量。manual_dep=True 让它在整个生命周期退出依赖跟踪
create_tile	pl. (t)	分配片上缓冲区
create_l1	pl. (t)	显式在 L1 上分配
full	pl.	用常量填充的张量
arange	pl.	连续整数（tensor.ci）
random	pl.	随机填充的张量
tri	pl. (t)	下三角或上三角掩码 tile；upper= 选边、diagonal= 平移，且只写有效区
const	pl.	带显式 dtype 的字面量 —— 见 编译期指令
array.create	pl.array.	分配核内数组

数据搬运

算子	可达	作用
load	pl. (t)	DDR → Vec（默认）或 Mat，经由 target_memory=
store	pl. (t)	片上 → DDR
move	pl. (t)	片上 → 片上；进入 Left / Right / Bias 的唯一途径
reserve_buffer	pl.	预留跨核缓冲区
import_peer_buffer	pl.	引用对端核的缓冲区

哪些搬运合法见 内存与数据搬运。

逐元素算术

算子	可达	作用
add sub mul div	pl.	二元算术；右侧给 Python 数字会选中标量操作数形式
neg abs recip	pl.	取负、绝对值、倒数；FP16/FP32 倒数设置 high_precision=True 时会在 A5 上选择速度较慢、精度较高的 PTO 路径
rem rems fmod fmods	pl.	floor 取余（rem*）与截断取余（fmod*）。Tensor 操作数的 shape 和 dtype 必须一致；tile-tile 操作数的物理 shape 与 valid shape 必须一致。A2/A3 的 rem* 支持 FP32/INT32，fmod* 仅支持 FP32；A2/A3 INT32 rem* 的每个 source/scalar 值必须位于 PTO-ISA 闭区间 [-2^24, 2^24]。A2/A3 scalar 形式的 valid extent 必须可证明为正。Tile rem / rems 的 scratch 物理容量和有效容量都必须可证明足够（分别为两行 / 一行并覆盖全部 source 列），且在 A2/A3 上不得与仍存活的 source 重叠。A5 接受更宽的前端 dtype 集合。high_precision=True 仅适用于 FP32 tile-tile（A5 定义，A2/A3 接受但忽略）
addc subc addsc subsc	pl. (t)	带进位操作数的三输入加 / 减
part_add part_mul part_max part_min	pl.	分段算术

数学

算子	可达	作用
exp log	pl.	指数、自然对数
sqrt rsqrt	pl.	平方根；倒数平方根。high_precision= 只作用于张量路径，传给 Tile 会抛异常 —— tile 级的精度由是否传入 scratch tile 决定：pl.tile.rsqrt(src, tmp)
sin cos	pl.	三角函数

比较与选择

算子	可达	作用
cmp cmps	pl.	比较两个操作数 / 操作数与标量
maximum minimum	pl.	两个操作数的逐元素最大 / 最小
maximums minimums	pl. (t)	与标量的逐元素最大 / 最小
max min	pl. (t)	两个标量取最大 / 最小 —— 不是 tile 规约。规约 tile 请用 row_max / col_max（以及对应的 min 形式）
sel sels	pl. (t)	按掩码选择，张量与标量形式

激活

算子	可达	作用
relu	pl. (t)	修正线性
prelu lrelu	pl. (t)	参数化 / 泄漏修正线性

位运算

算子	可达	作用
and_ or_ xor not_	pl.	位逻辑
ands ors xors	pl.	与标量的位逻辑
shl shr	pl.	左移 / 右移
shls shrs	pl.	按标量位数移位

规约

行规约折叠最后一个轴；列规约折叠第一个轴。

算子	可达	作用
row_sum row_prod row_max row_min	pl.	沿行规约
col_sum col_prod col_max col_min	pl.	沿列规约
row_argmax row_argmin	pl.	行极值的下标
col_argmax col_argmin	pl.	列极值的下标

若干规约接受 tmp_tile 参数。传入它会改变规约策略（二叉树 vs 顺序），从而改变浮点结合顺序 —— 结果是在容差内有差异，而不是错误。对部分有效 tile 的规约取决于填充值，见 内存 § 有效形状。

广播与展开

算子	可达	作用
row_expand col_expand	pl.	把被规约的轴广播回全宽
row_expand_add row_expand_sub row_expand_mul	pl.	广播与算术融合
row_expand_div row_expand_max row_expand_min	pl.	广播与除法、取最大、取最小融合
col_expand_add col_expand_sub col_expand_mul	pl.	按列的对应形式
col_expand_div col_expand_max col_expand_min	pl.	按列的除法、取最大、取最小
row_expand_expdif col_expand_expdif	pl.	与 exp(x - m) 融合的广播 —— softmax 的核心
expand_clone expands	pl.	把一个值广播到某个形状
fillpad fillpad_expand	pl.	填充无效区；可在同一步里广播

形状与布局

算子	可达	作用
reshape	pl.	重新解释维度
transpose	pl.	转置
slice	pl.	子区域；也可写作 A[0:16, :]
concat	pl.	沿轴拼接
assemble	pl.	把子区域写回；也可写作 dst[i:i+16] = src
reinterpret_view	pl.	不搬数据的重新解释
set_validshape	pl.	声明 tile 的有效区域
cast	pl.	转换 dtype —— 可能展开成多跳链，见 LegalizeTileCast
dim	pl.	张量的运行期维度
read write	pl.	元素访问

量化

算子	可达	作用
quant_mx	pl. (t)	Ascend950 MXFP8 block-32 动态量化，生成 FP8E4M3FN 数据及 FP8E8M0 scale（group_axis 对齐 PTOAS grpAxis）。本版本不含 MXFP4 quant。可在同一 InCore mixed task 内通过 data+scale 的直接 V2C 传输供 matmul_mx 使用（见 类型）
tmov_x2zz	pl. (t)	Ascend950 指数 X-to-ZZ 布局转换（UINT8）。tmp 为只写 workspace；axis1 需 dst_rows/dst_cols 指定 ZZ [M,G]（相对 TQUANT 扁平 exp）。通常由 quant_mx 降级使用，而非直接调用

线性代数

算子	可达	作用
matmul	pl.	矩阵乘；a_trans= / b_trans= 用来替代 DN 注解转置操作数
matmul_acc	pl.	乘累加进已有的 Acc tile
matmul_bias	pl. (t)	带 bias 操作数的乘法
batch_matmul	pl. (t)	批量矩阵乘，只接受 tile 操作数。张量请调 pl.matmul —— rank > 2 会在降级时派发到 tile.batch_matmul
gemv gemv_acc gemv_bias	pl. (t)	矩阵-向量形式
matmul_mx matmul_mx_acc matmul_mx_bias	pl. (t)	A5 MX 块缩放矩阵乘 —— 进入算子的两块 data tile 必须为 FP8E4M3FN；支持的 FP4 输入形式仅为 FP4×FP8，且左侧 FP4 必须先显式 cast 为 FP8；不支持原生 FP4×FP4

分阶段 GEMV 累加通过 pl.AccPhase 选择生产者阶段。以 pl.AccPhase.Final 结束的生产者必须与使用 pl.STPhase.Final 的 store 配对：

其中 lhs0、rhs0、lhs1 和 rhs1 是预加载的 tile，output 是目标 tensor。

partial = pl.tile.gemv(lhs0, rhs0, acc_phase=pl.AccPhase.Partial)
final = pl.tile.gemv_acc(partial, lhs1, rhs1, acc_phase=pl.AccPhase.Final)
pl.store(final, [0, 0], output, st_phase=pl.STPhase.Final)

Gather、Scatter、排序

算子	可达	作用
gather gather_row	pl.	按索引 gather
paged_gather	pl.	跨分页布局 gather
gatherb	pl. (t)	按 UINT32 字节偏移 gather 32 字节块；一列偏移展开成 32 / sizeof(output_dtype) 个元素
mgather	pl. (t)	按索引 tile 从 DDR 张量 gather 行，带 coalesce= 与 gather_oob= 策略
scatter scatter_update	pl.	按索引 scatter；原地更新
mscatter	pl. (t)	带掩码的 scatter
sort32 mrgsort	pl.	对 32 元素组排序；归并已排序段

Block 身份

算子	可达	作用
get_block_idx	pl.	pl.spmd 下本 block 的索引
get_block_num	pl.	block 总数
get_subblock_idx	pl.	pl.split_aiv 下的 AIV lane 索引

跨核传输

混合 kernel 的接口 —— AIC 与 AIV 在同一个 InCore 函数内协作。

算子	可达	作用
tpush_to_aiv tpush_to_aic	pl.	把一块 tile 推给对端核
tpop_from_aic tpop_from_aiv	pl.	弹出对端推来的 tile
tfree_to_aic tfree_to_aiv	pl.	把弹出的 slot 释放回生产者
aic_initialize_pipe aiv_initialize_pipe	pl.	建立跨核管道
aiv_shard aic_gather	pl.	在 AIV lane 间分片 / 在 AIC 上聚回
AUTO	pl.	由编译器选择管道参数的哨兵值

push 与 pop 必须配对，且每次 pop 都必须有对应的 tfree。用法见 混合 kernel 教程；机制见 TPUSH/TPOP 与 ExpandMixedKernel。

任务与依赖

算子	可达	作用
submit spmd_submit	pl.	派发 kernel 并捕获其生产者 TaskId
deps=	pl.at、内联捕获形式 pl.spmd	添加严格 TaskId 依赖；deferred waiter 使用同一条依赖路径
no_dep	pl.	让单个任务的单个实参退出依赖跟踪
dump_tag	pl.	标记张量做选择性 dump

见 作用域与放置。

数组

算子	可达	作用
array.create	pl.array.	分配
array.get_element	pl.array.	读取；也可写作 arr[i]
array.update_element	pl.array.	函数式更新；也可写作 arr[i] = v

分布式

pypto.language.distributed（约定简写 pld）承载集合通信与远程原语。完整参考见分布式编程；教程见distributed/00-model.md。

功能矩阵

操作	API	模式	ReduceOp	Atomic	支持的 dtype	说明
AllReduce	pld.tensor.allreduce	mesh（InCore + HOST），ring（InCore + HOST）	Sum、Max、Min、Prod（mesh）；仅 Sum（HOST ring）	—	FP16、FP32（mesh；编译期硬性检查）；HOST ring：仅 FP32（4 字节）	Mesh: 每步 O(N) 远程流量。Ring: 每步 O(N/P) 远程流量，2(P-1) 步。
AllGather	pld.tensor.allgather	—	—	—	仅 FP32（HOST builtin）；任意 GM dtype（InCore）	推式。输入和 target 必须是不同的 buffer。
ReduceScatter	pld.tensor.reduce_scatter	—	Sum、Max、Min、Prod（InCore）；仅 Sum（HOST builtin）	—	仅 FP32（HOST builtin）；任意 GM dtype（InCore）	每个 rank 在调用前将全部 NR 个数据块写入。
Broadcast	pld.tensor.broadcast	—	—	—	仅 FP32（HOST builtin）；任意 GM dtype（InCore）	Root 在调用前将数据写入。
All-to-All	pld.tensor.all_to_all	—	—	—	仅 FP32（HOST builtin）；任意 GM dtype（InCore）	个性化交换。输入和 target 必须是不同的 buffer。
Barrier	pld.tensor.barrier	—	—	—	—	Signal 为 INT32，每次调用单次使用。
Put	pld.tensor.put	—	—	None_ / Add	所有 GM dtype	dst 必须是 window-bound。支持分块和流水线 staging。
Get	pld.tensor.get	—	—	—	所有 GM dtype	src 必须是 window-bound。支持分块和流水线 staging。
Notify	pld.system.notify	AtomicAdd / Set	—	—	—	仅副作用的信号投递。
Wait	pld.system.wait	Eq / Ge	—	—	—	仅副作用的信号阻塞。
Deferred Wait	pld.system.defer_wait	仅 Ge	—	—	INT32 signal	注册单调 counter 条件而不让 AIV 自旋；Simpler 保持普通 waiter TaskId 未完成，后续工作使用普通 deps=[wait_tid]。
Remote Load	pld.tile.remote_load	—	—	—	任意（tile）	Tile 级跨 rank 加载。
Remote Store	pld.tile.remote_store	—	—	—	任意（tile）	Tile 级跨 rank 写入。

配套示例

每类算子一个可运行文件，供表格条目不够用时查阅：

类别	示例
逐元素算术	examples/beginner/02_elementwise.py
标量操作数	examples/beginner/03_scalar_ops.py
激活函数	examples/beginner/04_activation.py
Matmul	examples/beginner/05_matmul.py
拼接 / assemble	examples/beginner/06_concat.py、examples/intermediate/05_assemble.py
规约	examples/intermediate/02_softmax.py、examples/intermediate/03_normalization.py
跨核搬运	examples/advanced/03_mixed_kernel.py
任务与依赖	examples/intermediate/07_task_graph.py

See Also

• 选择命名空间 —— 这些拼法该用哪一个。
• IR 算子 —— 这些名字背后的注册表。
• PTOAS 算子状态 —— 各后端的支持情况。