一句话让Agent变成昇腾专家，不必再找人问了。评测入口：
（To Agent）请按这个开源仓接入昇腾图谱 https://gitcode.com/agent0/kg-tools

在 950（A5，DAV_3510）上做 Vector 算子优化，"指令双发"是绕不开的概念。常见疑问：双发到底在哪个层面并行？SIMD 和 SIMT 是不是都能双发？为什么我写的循环双发不起来？

一、双发的两个前提

指令双发指处理器在同一时钟周期内向执行单元同时发射两条指令。成立条件只有两个：两条指令之间没有数据依赖（后一条不消费前一条的结果）；硬件有足够的执行资源。这是指令级并行，与多核/多线程无关。

架构侧事实（源自 950 白皮书 §3/§4.1.2/§4.1.3 的归纳）：950 的 SIMD-RegBase 支持乱序（OOO）指令双发；950PR Vector 算力按"基准 × 双发 2"推导（Server 54T / PCIE 47T），但并非所有 Vector 指令都支持双发。对比之下 SIMT 是顺序单发射（in-order, single-issue），靠 4 个 Warp Scheduler 做线程级并行——所以"SIMT 不能靠双发提速"是设计使然，不是缺陷。

二、依赖链如何杀死双发

官方文档的典型反例：循环内 LoadAlign→Adds→Mul→StoreAlign 四条指令首尾相依，16 次循环进执行队列后深度为 64，循环内指令无法双发；展开后无依赖的 LoadAlign_0 与 LoadAlign_1 具备并发资格，硬件乱序选取其中 2 条执行。

优化手法（按官方口径）：

1. 合理拆分 VF 循环：把过长的依赖链拆成两段，中间结果经 UB 换手，让每段队列里出现足量无依赖指令。
2. 循环展开：手动展开（可控、能处理 src/dst 寄存器复用）或 #pragma unroll N（代码简单，但寄存器复用场景无法展开）。注意寄存器上限——Softmax 样例中外层 ×2 展开约用 6-8 个 RegTensor，仍远离 32 上限；超限会性能劣化甚至非预期行为。
3. 消除跨行依赖：相邻行数据天然无依赖，两行交错发射即可填满执行队列。Softmax 样例 Case 2→Case 3 仅做外层展开，3413→2197 cycles（+35.6%）；叠加融合指令与主尾块模式后 Case 5 到 1785 cycles（Case 0 基线 44113）。

三、排查：双发没生效

• 看 IPC：框选流水图 RVECEX 微指令数除以周期数，理论上限 2.0，1.4 以上通常已是较好实现。
• 循环体内指令全部首尾相依 → 拆循环或展开。
• 展开后反而变慢 → 寄存器溢出，回退展开倍数。
• 跨流水混序：Scalar/MTE/VEC 各流水默认并发，代码书写顺序不等于可见顺序，需按内存一致性文档插同步后再谈双发。

昇腾知识图谱如何检索示例

• 检索主题: 昇腾 950 双发 SIMD：一条指令同时发射的原理与流水约束
• 检索关键词: [“950 双发 SIMD 指令 同时 发射 流水”, “SIMD SIMT 不能 并行 流水”, “指令双发优化 dual issue 依赖链 执行队列”]
• 内容节点: [“cannbotskills_ops_npuarch_references_npuhardwareparams_simd_regbase_ooo_指令双发”, “ascdevkit_docs_zh_guide_operatorpractice_simdoperatoroptimization_vectorcompute_vfoptimization_dualissueoptimization_指令双发”, “ascdevkit_examples_01simdcppapi_05bestpractices_02regcompute_softmaxhighperformance_readme_两条流水线可以同时发射”, “ascdevkit_docs_zh_guide_programmingguide_advancedprogramming_memorymodel_memoryconsistencypart0001_发射其他流水指令”]
• 召回情况: top1 “NPU 硬件参数真值参考” score 0.9006；指令双发优化专文经改写 query 命中 score 0.9449