适用场景：Embedding 查表、稀疏 attention、ROI Align 等不规则访问。寄存器之间的数据拷贝，配合 mask 可做 lane 选择。（950PR 都是 8 个 Block 拼成 256B）。按寄存器中的 index 从 UB 取散列数据，用于输出长度非对齐或需要紧凑存储的场景，必须配。

适用场景：Embedding 查表、稀疏 attention、ROI Align 等不规则访问。寄存器之间的数据拷贝，配合 mask 可做 lane 选择。（950PR 都是 8 个 Block 拼成 256B）。按寄存器中的 index 从 UB 取散列数据，用于输出长度非对齐或需要紧凑存储的场景，必须配。

Reg API（寄存器级向量计算 API）是 Ascend C 在 CANN v9.0.0 引入的的编程接口，对应硬件 SIMD Vector Core 内部的（Vector Function Register）文件。所有 Reg API 都位于命名空间，使用修饰。与传统基础 API（DataCopy__aicore__MaskReg。

Reg API（寄存器级向量计算 API）是 Ascend C 在 CANN v9.0.0 引入的的编程接口，对应硬件 SIMD Vector Core 内部的（Vector Function Register）文件。所有 Reg API 都位于命名空间，使用修饰。与传统基础 API（DataCopy__aicore__MaskReg。

Reg API（寄存器级向量计算 API）是 Ascend C 在 CANN v9.0.0 引入的的编程接口，对应硬件 SIMD Vector Core 内部的（Vector Function Register）文件。所有 Reg API 都位于命名空间，使用修饰。与传统基础 API（DataCopy__aicore__MaskReg。

数据搬运高性能实现的核心五原则大分块：单次搬运 ≥ 128KB，充分利用 GM 带宽主维对齐：主搬运维度被 TILE_N 整除，连续字节数 ≥ 512B（A2/A3）/ 128B（950PR）分片复用 L2Cache：重复访问数据先分片（< 128MB），片内连续多次访问多核错开访问：按 blockIdx 轮转 GM 分片顺序，规避同地址冲突搬运/计算重叠：Double Buffer + 轻量 S

数据搬运高性能实现的核心五原则大分块：单次搬运 ≥ 128KB，充分利用 GM 带宽主维对齐：主搬运维度被 TILE_N 整除，连续字节数 ≥ 512B（A2/A3）/ 128B（950PR）分片复用 L2Cache：重复访问数据先分片（< 128MB），片内连续多次访问多核错开访问：按 blockIdx 轮转 GM 分片顺序，规避同地址冲突搬运/计算重叠：Double Buffer + 轻量 S

是 AICore 中 MTE2（Memory Transfer Engine 2）模块提供的硬件 DMA 指令，用于在 OUT（DDR/L2-cache）与 UB（Unified Buffer）之间执行。它将传统 DMA 的"一维搬运"扩展为"5 维循环 + 5 维独立 stride"的通用形式，使得 transpose、broadcast、reshape+broadcast_pad、as_str

是 AICore 中 MTE2（Memory Transfer Engine 2）模块提供的硬件 DMA 指令，用于在 OUT（DDR/L2-cache）与 UB（Unified Buffer）之间执行。它将传统 DMA 的"一维搬运"扩展为"5 维循环 + 5 维独立 stride"的通用形式，使得 transpose、broadcast、reshape+broadcast_pad、as_str

│ basic_api 接口层次 ││ ││ │ • LocalTensor 级别的 API │ ││ │ • 自动流水线管理 │ ││ │ • 自动同步 │ ││ │ → 适合绝大多数算子开发 │ ││ │ ││ ▼ ││ Layer 2: 寄存器计算接口 (reg_api/) ││ │ • 寄存器级别的 API │ ││ │ • 手动流水线管理 │ ││ │ • 手动同步 │ ││ │ → 适