融合范围与收益分析
判定融合单元：哪些计算该被融进同一个 kernel、边界画在哪、这样融值不值。本技能只出判定与建议，
不动实现——实现侧（写 pattern / 写 kernel）与选点派活分别由上游调度与实现技能承接。
输入
| 输入 | 内容 | 用途 |
|---|
| 模型代码 | forward / 模块定义（含被封装成同一函数的算子） | 规则 1：函数边界即候选组 |
| 算子执行序 | kernel_details.csv：Name、Start Time(us)、Duration(us)、Task Type | 邻接链、区域切分、Σ 耗时核算 |
| 计算单元利用率 | 同目录含 PipeUtilization 列的文件（op_summary_*.csv 为权威来源）：*_vec_ratio、*_mac_ratio、*_mte2_ratio、*_mte3_ratio、cube_utilization(%)（判型所需的四族 ratio 缺列或全 N/A 即判采集不合格，先补采：先用 ../profiling-collect/scripts/check_output.py 判该次采集不合格，再按其提示带 --task-time=l1 --aic-mode=task-based --aic-metrics=PipeUtilization 重采）；memory_bound 是可算字段（按下方公式现算），不是必备列——真实 CANN 导出常不含该列 | 判型：这条链的收益来自哪一类 |
判定链
1 切边界：按融合单元构造规则（函数边界 → 锚点分区 → Cube 首算子包裹 → 迭代）
2 判型 ：用单元利用率判「收益来自哪一类」——向量饱和 / MTE 饱和 / 向量约束单 pass
3 估收益：带宽下限 → 区域占比 → 天花板法 → 与本地板比 → Amdahl 传导校验
4 出结论：融合机会点清单（含否决理由）+ 收益量级 + 交付输入
融合单元构造规则（结构侧）
| # | 规则 | 终止 / 否决 |
|---|
| 1 | 函数边界即候选组：模型代码里定义在同一函数内的算子一般可融（norm、rope） | 跨函数默认不同组，除非执行序证明邻接 |
| 2 | 注意力族禁融：注意力算子族及其全部变体（稀疏 / 量化 / 分块…，如 FA 及其变种）既不能被吸收，也不能被跨越 | 硬锚点 |
| 2b | 通信不是硬锚点：先按 Task Type == COMMUNICATION 认出通信算子，再按通信与计算的重叠率、launch 前后依赖判「是否真把计算序切断」；并发则不构成边界（Stream ID 为 N/A 时该判据不适用，不得据此下结论） | 串行依赖（重叠≈0 且有依赖）才是边界 |
| 3 | 锚点分区：以 norm / rope / FA 为分界把执行序切区；区域内全为 Vec 时优先试融 | 区内出现 Cube ⇒ 转规则 4 |
| 4a | 隐藏型：Vec 总量 < Cube 时，Cube 作首算子向后包裹 Vec | ① Σvec ≥ Cube ② 遇到下一个 Cube |
| 4b | 搬运消除型：小 Cube + 大 Vec（Σvec ≥ Cube）仍可融——只要代码或 profiling 证明输入输出关联（shape+dtype 接得上），收益即来自减少中间态 GM 往返；不得用"cube 小"一票否决 | 无邻接证据（I/O 接不上）才是否决理由 |
| 4c | 不做跨双 Cube 的复杂融合：cube+vec+vec+cube 且中间 Vec 段 < 两侧 Cube 时，按 4a/4b 分别处理两侧或不动 | 结构复杂度判据 |
| 5 | 迭代融合：一轮之后，纯 vector 的融合单元之间再走一次规则 3/4 | 收敛接收益侧（地板先行 / 0.5% 阈值 / 与图开销对抵） |
| MLP / MoE | 以矩阵乘族（MatMul / BatchMatMul / GroupedMatmul）为界分区，Cube 作首算子 | 该段已由单个融合算子承载时，按规则 6 先确认其是否生效 |
规则 4 的判读口径：事前用执行序各算子 Duration 求和判定，事后用 *_mac_ratio vs *_vec_ratio 复核。
详细判据、失效信号与已证伪对照见 references/fusion-unit-method.md。
判型与收益（收益侧）
判型主指标是官方公式定义的 memory_bound = mte2_ratio / max(mac_ratio, vec_ratio)（可算字段，
真实导出常不含该列，按四族 ratio 现算即可；<1 无内存瓶颈；>1 内存受限）：
| 判型 | 观测量 | 融合是否值得 |
|---|
| MTE 饱和 | memory_bound > 1、*_mte2/mte3_ratio 高、vec_ratio ≈ 0 | 值得——融合的价值就是减少/合并搬运 |
| 向量饱和 | vec_ratio 高、mte2_ratio ≈ 0、memory_bound < 1 | 不值得——"喂更少数据 / 融更多东西"不会移动它 |
| 向量约束的单 pass | vec_ratio 高但内存余量充足 | 值得，但收益上限在向量侧 |
方法单点在 references/fusion-benefit-method.md（两级口径：L0 搬运消除上界（初筛）/ L1 理论锚定（下结论））；
L1 的理论列由本技能自产的 scripts/theory_columns.py 计算（逐算子「字节 ÷ 实测有效带宽、FLOPs ÷ 实测峰值算力」，
峰值参数由使用者给出、缺参数拒算；峰值可用 scripts/perf_probe.py 实测，其口径自检不通过即 fail-closed 拒出），
只在关键流（critical stream）上核算，且 duration_over_theoretical ≈ 1 的成员不计入可回收量。
阈值与噪声地板只引用 ../perf-gate/SKILL.md，本技能不另立一套。
事后复核（实测收益打平或为负）：本技能的另一半职责，方法在
references/fusion-benefit-method.md §10（关键流核对 → 等功忙计数对照 → 判决 → 升级）。
总纪律：在完成等功对照之前，"融合打平/为负"不是结论，不得据此关闭该项。
判决落在"缺陷在融合核自身"（等功下核芯忙计数高于被替换算子）或"epilogue 写法缺陷"时，
必须升级 ../operator-dev/SKILL.md 深入分析，并一并给出重算后的可操作上界。
与相邻技能的关系
| 方向 | 技能 | 接口 |
|---|
| 上游（候选与数据） | ../profiling-analyze/SKILL.md | 它在 Layer 3c 出融合机会候选，本技能接候选做结构侧边界与收益判定（辅助关系） |
| 可选调用方（实现前评估，非门禁） | ../operator-dev/SKILL.md | 它可在用户输入下直接实现算子；需要收益评估时可选调用本技能（不强制、不设编号门槛） |
| 阶段编排（L2） | ../model-auto-optimization/workflows/optimization-flow.md | 其 S1 在「识别机会点」后、「收益分析」前调用本技能；未登记进交付件的机会点不得进入收益分析与迭代表 |
| 可行性快验（上游） | ../dummy-run/SKILL.md | 它把「融合可行性结论（可行/不可行 + 原因）」交本技能做范围与收益判定 |
| 选点与派活 | ../dit-perf-opt/SKILL.md | 本技能只给机会点与收益结论；是否纳入、排 top、派给谁由它决定 |
| 下发削减的分工 | ../dit-perf-opt/SKILL.md | 融合 kernel 是减少下发次数的手段之一，归本技能（规则 5 迭代融合即此意）；非融合的下发削减（减少 program 数、上提重复 host 准备、消除动态形状回读）归它，见其 references/host-dispatch-dimension.md |
不做什么
- 不做采纳与选点（不排序、不裁决、不派活）；
- 不做采集与瓶颈定位（这两步属 profiling 采集与分析管道）；
- 不写 kernel、不写 pattern、不做使能与并行选型；
- 不定义验收标准（等价性引
../accuracy-gate/SKILL.md，性能入库引 ../perf-gate/SKILL.md）。
交付件（强制）
本技能必须交付一张表，且交付前必须过门禁；未交付 = 本环节未完成。
- 路径：
{run_results_dir}/fusion_scope.md（会话产物，不入库）
- 结构：口径声明（数据 / 规则版本 / 收益模型 /
[探索] 或验收态）→ 汇总（每个 block 融合前后算子数、降幅、块内收益合计）→ 表 1 融合单元与收益 → 表 2 递进融合建议
- 列（顺序固定，两表一致）：
序号 | 融合kernel名 | 融合kernel明细 | 次数 | 收益预期 | 是否建议融合 | 说明
- 明细 = 成员算子名（取列表中的
_ 尾段）以 k1+k2+… 连接，每 5 个换行；
- 次数 = 该形态在块内出现次数；收益预期 = 块内总收益（表 2 为增量），形如
a%-b% 或 0%；
- 列内容只放该列内容：括号说明、"须按…确认"、规则名、成员数等一律写进「说明」列；
- 建议列只表达是否建议融合；递进/迭代融合放表 2，不塞进表 1。
- 只列「建议融合」行（不建议项不展示，避免噪声）；超长单元（>5 成员）在说明列标「建议分阶段融合」。
- 门禁：
python scripts/check_fusion_scope.py --file {run_results_dir}/fusion_scope.md
（逐列校验列内容洁净；退出码 0/1/2；自带 --selftest 负样本回归，pre-commit 已挂钩）
- 调用方检测（只落在编排与选点链）：
profiling-analyze 交棒须带候选清单；dit-perf-opt 未在交付表登记的机会点不得选点；
实现类技能（如 operator-dev）在用户输入下可直接实现算子，不受本交付件门禁约束——本技能对它们只是可选的收益评估来源。
Reference Files
references/fusion-unit-method.md — 加载时机: 要判定融合单元的边界（候选分组、锚点、Cube 首算子、迭代再融、MLP/MoE 分区）时references/fusion-benefit-method.md — 加载时机: 要判定某条链或某个融合单元值不值得做（判型、收益上界、地板先行、传导校验）时references/fusion-candidate-identification.md — 加载时机: 开始找融合点之前（候选来源、两个候选是否争同一 seam、profile 三类误判的排除、候选的预注册与 L1/L2 分级、绕行的可删除性）与 profile 归因出现「看不到的成本」时（逐算子视图里为零、wall 却明显）读它
路由判据（何时读候选识别文件）：① 在动手找融合点、或接收上游候选清单之前——先用它筛掉"争同一处 seam"的候选（竞争者的收益不可相加），再进 fusion-unit-method.md 定边界；
② profile 归因出现"看不到的成本"或"名字还在但不像被调用"时——先按它的三类误判排除法判真假，再决定是否立单元；
③ 给候选排收益 / 写交付表之前——按其判定法做站点重叠分析，并把旁路型闸门"是否静默丢功能"用 OFF/ON 逐位对比收口。
候选争用同一站点：禁止把单项收益相加
规则：若候选 A 的融合会"吃掉"候选 B 所优化的算子，则 B 在 A 打开后只剩残余价值——必须按组合实测，
不允许把各项的独立测量值相加。
实测（单卡、生产形状、ABBA）：收益不可按各项独立值外推。
机理：某候选合并了层间边界后，直接删掉了其余候选的绝大多数目标站点 ⇒ 后者只剩独立价值的
个位数百分点（本组合观测，须本地重测；读数见会话产物归档 {run_results_dir}/archive/）。
执行：候选清单先做站点重叠分析（谁删掉谁的目标算子）；重叠者必须按组合测量，并在表里写清
"该项在组合 X 下的残值"，而不是并列各自的独立值。
维护与更新
判型字段与采集前置变化、出现新的锚点（新算子族/新框架结构）、或上游序列变化（量化/并行后重审）时，
更新本节与两份 references 并复核失效信号；外部事实（框架 / 版本专有的算子名与前提）须标注来源，
仓内无证据的不得写成已验证结论。本技能只承载可迁移的判据与辨识方法：设备 / 模型 / 版本的实测读数、
代际常量与个案细节留在会话产物与对应 case 记录，不写进 skill，也不内置任何设备代际的绝对阈值。