端侧AI工具链原理(08)：编译器与硬件

写完这篇，我脑子里一直回着一句话：AI 编译器落到硬件，真不是把算子名字换成指令名那么简单。

光一个矩阵乘法，就得拆成 Tile、排好 DMA、算好边界。搬数据、等同步、做量化，全得卡进时间线里。要是只盯着计算单元，硬件吞吐再大也只能干等。

后端一般三条路：直接生成指令、调预写好的 Kernel，或者两边混着来。端侧 NPU 最爱用混合模式——主计算调库，搬运和同步靠代码生成。成熟的后端都懂取舍：高频稳定的 Shape 交给手写 Kernel，长尾和新算子交给生成器。

最扎心的是验证。别把所有问题都攒到整网真机里去撞。从 IR 语义、指令模拟到逐条比对，一层层放行。真机偶发报错时，先查模拟器没覆盖到的异步时序，靠加 Sleep 硬压根本不叫修复。

说到底，这份计划能不能稳稳交给 Runtime，全看细节闭环没。