TileXR-SHMEM Abstractions

导言

TileXR 和 cann/shmem 都涉及昇腾设备间通信，但它们封装的不是同一层对象。TileXR 面向通信器、共享窗口和融合算子；cann/shmem 面向 PE、对称堆与单边通信原语。把二者简单画成一条“TileXR 调 SHMEM”的直线，会掩盖 TileXR 三个实际 MC2 算子的不同通信路径，也会忽略其固定 SHMEM fork 与 cann/shmem main 之间尚未闭合的 ABI。

本文只依据三个固定源码状态：TileXR 46c58f3d、它的 SHMEM gitlink b79bda38、cann/shmem main 382afa08。没有 Ascend 硬件与完整 CANN 构建验证，因此“源码存在”“设计意图”和“可编译运行”会严格分开。

核心结论¶

先把两层的职责压缩成一句话：

TileXR 封装怎样组织一次算子通信：rank/topology、IPC 共享窗口、设备侧 CommArgs、flag 同步，以及 AllGather 与计算融合的 kernel/tiling。
cann/shmem 封装怎样访问另一个 PE 的对称内存：初始化、对称堆、team、RMA/AMO、signal/wait、quiet/fence、barrier/sync，以及 MTE、SDMA、RDMA、UDMA 的路由与资源生命周期。

两者当前不能合并成一层：

TileXR 的独立 all_gather 使用自己的 peerMems + SyncCollectives；all_gather_add 与 all_gather_matmul 使用 HCCL/MC2。固定树的 src/mc2 中没有 shmem 或 UDMA 调用。
TileXR 的 gitlink 指向 LingquLab/shmem b79bda38，并非 cann/shmem main 382afa08。
TileXR InitUDMA 调用自定义 aclshmemx_get_udma_info；该符号在固定 fork 和 cann/shmem main 的 include/、src/ 中都不存在。
TileXR 的 tilexr_udma.h 还引用不存在的头文件、CommArgs 不存在的字段和 SHMEM 不存在的 C++ namespace API。它只能算未接通的 AICore 内联适配草案，不能作为“当前直接兼容”的证据。

不要混成同一层

TileXR 的算子通信契约与 SHMEM 的对称内存契约可以在设计上组合，但固定源码没有证明这种组合已经闭合。下图中的虚线表示“意图或依赖声明”，不是已验证调用链。

TileXR 与 SHMEM 分层设计和类图 — 自绘技术图：上半部区分 TileXR public API、runtime 与其固定 SHMEM fork；下半部给出 `TileXRCommPtr`、`TileXRComm`、`CommArgs` 和设备侧 UDMA 门面的对象关系。紫色虚线表示固定依赖或消费关系，不代表与 cann/shmem main 的 ABI 已闭合。

TileXR：算子层封装¶

通信器与设备描述块¶

TileXRComm 是 host 侧资源管理中心。它不可复制，持有 global/local rank、socket exchange、通信窗口、host/device 两份 CommArgs 和 UDMA 相关指针。普通初始化链为：

TileXRComm::Init
  → GetDev
  → InitCommon
  → InitCommMem
  → InitUDMA
  → SyncCommArgs

GetDev 收集设备 ID 并推导 local rank；InitCommon 把芯片与 topology 能力编码进 extraFlag；InitCommMem 为每个 rank 分配本地 HBM 窗口、交换 IPC 信息并打开 peer mapping；最后把下面的 POD 描述块复制到 device。源码还显示两个边界：PCIe topology 只接受不超过两卡，thread init 明确跳过 UDMA。¹

struct CommArgs {
    int rank = 0;           // attr rank_id, global rank
    int localRank = -1;
    int rankSize = 0; // global rank size
    int localRankSize = -1;  // 此参数是指fullmesh互联的卡数
    uint32_t extraFlag = 0; // 32 bit map，具体每一位的含义就在此文件正上方
    GM_ADDR peerMems[TILEXR_MAX_RANK_SIZE] = {}; // 传入初始化获得的buff，所有allreduce都是同一个参数
    /**
     * @param sendCountMatrix 大小是rankSize*rankSize的一维数组
     * eg: sendCountMatrix[1] 的数值，对应二维数组的[0][1]，表示 卡0 要给 卡1 发送的数据个数
     */
    int64_t sendCountMatrix[TILEXR_MAX_RANK_SIZE * TILEXR_MAX_RANK_SIZE] = {}; // for all2allv
    int64_t dfx[DFX_COUNT] = {};
    GM_ADDR dumpAddr = nullptr;
    int32_t magics[TILEXR_MAX_RANK_SIZE] = {0};
    uint64_t fftsVal = 0;
    GM_ADDR udmaInfoPtr = nullptr;  // device-side ACLSHMEMAIVUDMAInfo*; nullptr 表示 UDMA 不可用
};

源码：TileXR 46c58f3d，src/include/comm_args.h:85-102，CommArgs。²

这个结构说明 TileXR 暴露给 kernel 的核心不是“SHMEM handle”，而是拓扑元数据、peer window 地址和同步/调试状态的扁平描述块。默认窗口由 200 MiB 数据区与 4 MiB flag 区组成，每 rank 204 MiB；peerMems 固定容量对应最大 128 ranks。³

资源回收的意图是关闭 peer IPC mapping、释放本地窗口、host/device CommArgs 并终结可选 SHMEM 实例。但固定代码的 UDMA ownership 协议存在静态矛盾：wrapper destroy 会 finalize 并 aclrtFree(commArgs->udmaInfoPtr)，TileXRComm 析构又根据成员 udmaInfoDev_ finalize；同时公开头声明 LcclCommDestroy，实现定义的是 TileXRCommDestroy。没有链接产物和运行日志，本文不推断具体故障，只把它列为待修 ABI/生命周期缺口。⁴

三个实际算子，不是一个 transport¶

固定 revision 中能从目录、host API 与 kernel 共同确认的 MC2 算子只有三个：

算子	用户 API	实际通信对象	计算关系
`all_gather`	`aclnnAllGatherGetWorkspaceSize` + `aclnnAllGather`	`CommArgs.peerMems`、IPC 共享窗口、`SyncCollectives`	纯 AllGather
`all_gather_add`	`aclnnAllGatherAddGetWorkspaceSize` + `aclnnAllGatherAdd`	`Hccl<HCCL_SERVER_TYPE_AICPU>`	AllGather 后逐轮 Add
`all_gather_matmul`	`aclnnAllGatherMatmulGetWorkspaceSize` + `aclnnAllGatherMatmul`	HCCL tiled AllGather	AllGather 与 Matmul 流水融合

三者都采用 ACLNN 的 workspace/executor 两阶段 host API，但 kernel 内部不是同一种通信实现。TileXRType 枚举还列出更多 collective/fused 名称，枚举不能当成交付算子集。⁵

独立 all_gather 的 host wrapper 取出 device CommArgs pointer，tiling 将它写入 commDataPtr。kernel 初始化时读取 local rank 与 peerMems，为每个 peer 计算 ping-pong window 地址，再初始化 SyncCollectives。一次核心搬运是：输入写入本 rank 的共享窗口，写 flag 并等待目标 rank，最后从目标窗口拷到输出。

// step1：拷贝input至共享内存
shareGm.SetGlobalBuffer((__gm__ T*)(shareAddrs[rankId] + baseOffsetSize) + offsetToShare, countToShare);
if (countToShare > 0) {
    CopyGM2GM(shareGm, inputAGM, countToShare);
}

// 卡内同步，确保数据已拷贝至共享内存
sync.SetInnerFlag(magic, STEP1);  // 当前rank当前核的数据搬运已完成
sync.WaitRankInnerFlag(magic, STEP1, blockRank);  // 等待目标rank的数据全部搬运完成
// step2：拷贝共享内存至output
// if (rankId == 1 && blockIdx == 0) {
//     AscendC::DumpTensor(shareGm[0], 6541000 + rankId * 10 + blockIdx, 64);
// }
if (blockIdx >= useCoreNumToOutput) {
    // 不用的核直接退出
    return;
}
shareGm.SetGlobalBuffer((__gm__ T*)(shareAddrs[blockRank] + baseOffsetSize) + offsetFromShare,
    countToOutput);
if (countToOutput > 0) {
    CopyGM2GM(gatherOutGM, shareGm, countToOutput);
}

源码：TileXR 46c58f3d，src/mc2/all_gather/op_kernel/all_gather.h:228-249，AllGather::Process。⁶

这里的 SyncCollectives 是 TileXR 自己的 peer-window flag 协议：它把各 rank 窗口的 flag 区绑定成地址，用 magic/value packed flag 执行 set/wait。它不是 cann/shmem team barrier 的别名。⁷

all_gather_add 与 all_gather_matmul 则持有 HCCL device object。后者使用 template 参数表示输入/输出、bias 与 full-mesh/format 策略，通过宏实例化具体 kernel class：

classDiagram
  class TileXRComm {
    -rank_
    -rankSize_
    -socketExchange_
    -commMem_
    -commArgs_
    -commArgsDev_
    -udmaInfoDev_
    +Init()
    +InitThread()
    +SyncCommArgs()
  }
  class CommArgs {
    +rank
    +localRank
    +peerMems[128]
    +extraFlag
    +udmaInfoPtr
  }
  class SyncCollectives~T~ {
    +Init()
    +SetInnerFlag()
    +WaitRankInnerFlag()
  }
  class AllGather~T~ {
    +Init()
    +Process()
  }
  class AllGatherMatmulBase~A_B_C_Bias_Flags~
  class AllGatherMatmulFullMesh~A_B_C_Bias_Flags~ {
    -Hccl hccl_
    +Init()
    +Process()
    +HcclPrepare()
  }
  TileXRComm *-- CommArgs
  AllGather --> CommArgs
  AllGather *-- SyncCollectives
  AllGatherMatmulFullMesh --|> AllGatherMatmulBase

AllGatherPlusMM : OneCalcOneCommBase 是 host tiling/性能模型扩展点；新增 dtype、bias 或 full-mesh 策略主要通过 OpDef、tiling class、kernel template 和 dispatch 宏完成。它不是 runtime transport plugin。固定树的 all_gather_matmul 还引用不存在的 all_gather_matmul_v2 目录；没有完整构建日志，本文只能标记为固定 revision 的源码缺口。⁸

TileXR 与 SHMEM 的 ABI 断点¶

TileXR 的 InitUDMA 展示了清晰的设计意图：生成 SHMEM UID、经 socket AllGather 广播、请求 UDMA engine，再把 SHMEM 返回的设备信息指针塞入 CommArgs。失败路径全部返回 TileXR success，意图是让 UDMA 不可用时降级。

// Step 5: 从 shmem 获取 UDMA 信息（设备侧指针）
void* udmaInfoPtr = nullptr;
size_t udmaInfoSize = 0;
ret = aclshmemx_get_udma_info(&udmaInfoPtr, &udmaInfoSize);
if (ret != ACLSHMEM_SUCCESS || udmaInfoPtr == nullptr) {
    MKI_LOG(WARN) << "aclshmemx_get_udma_info failed: " << ret << ", UDMA disabled";
    aclshmem_finalize();
    return TILEXR_SUCCESS;  // 优雅降级
}

// Step 6: 直接使用 shmem 返回的设备侧指针
// 注意：udmaInfoPtr 已经是设备内存地址，无需再次拷贝
udmaInfoDev_ = reinterpret_cast<uint8_t*>(udmaInfoPtr);

// Step 7: 设置 commArgs_ 字段
commArgs_.udmaInfoPtr = udmaInfoDev_;
commArgs_.extraFlag |= ExtraFlag::UDMA;

MKI_LOG(INFO) << "InitUDMA success, rank " << rank_ << "/" << rankSize_;
return TILEXR_SUCCESS;

源码：TileXR 46c58f3d，src/comm/tilexr_comm.cpp:170-189，TileXRComm::InitUDMA。⁹

但固定源码在这里断开：

.gitmodules 指向 LingquLab/shmem，git tree 固定 gitlink b79bda38；不是 cann/shmem main 382afa08。
aclshmemx_get_udma_info 在这两个 SHMEM revision 的 include/、src/ 均无定义或声明。main 内部虽有 TransportDeviceInfo.udmaInfoAddress，但没有 public getter ABI。
TileXR 的 tilexr_udma.h 包含不存在的 shmem/include/device/udma.h；固定 SHMEM 的 UDMA API 位于 device/gm2gm/engine/shmem_device_udma.h，名称为全局 aclshmemx_udma_*。
该 wrapper 读取 CommArgs 不存在的 udma_enabled、peer_mem_ptrs、peer_flag_ptrs，并调用不存在的 shmem::udma_*。
全仓没有 kernel 包含 tilexr_udma.h，三个 src/mc2 算子也没有 SHMEM/UDMA 调用。

下面 23 行足以复现其中两个接口矛盾：

__aicore__ inline bool UDMAEnabled(const CommArgs& args) {
    return args.udma_enabled != 0;
}

/**
 * @brief Non-blocking one-sided PUT operation
 * @tparam T Data type (float16, float32, int32, etc.)
 * @param args CommArgs with peer memory pointers
 * @param target_rank Destination rank ID
 * @param local_src Local source address
 * @param remote_offset Offset in remote rank's buffer (in elements of T)
 * @param count Number of elements to transfer
 */
template <typename T>
__aicore__ inline void UDMAPutNbi(const CommArgs& args, int target_rank,
                                   const T* local_src, size_t remote_offset,
                                   size_t count) {
    if (!UDMAEnabled(args)) return;

    void* remote_addr = static_cast<char*>(args.peer_mem_ptrs[target_rank]) +
                        remote_offset * sizeof(T);
    shmem::udma_put_nbi(remote_addr, local_src, count * sizeof(T), target_rank);
}

源码：TileXR 46c58f3d，src/include/tilexr_udma.h:32-54。与同 revision 的 src/include/comm_args.h:85-102 及两个 SHMEM 固定树交叉核对。¹⁰

能说与不能说

能说：TileXR 试图通过固定 SHMEM fork 初始化 UDMA，并把设备信息传给 kernel。不能说：TileXR 46c58f3d 已直接兼容 cann/shmem main，或它的实际 MC2 算子已走 SHMEM UDMA。要证明后者，至少还需要包含 getter ABI、匹配的 device header/fields、真实 kernel 调用和可复现构建的同一 revision。

cann/shmem：对称内存运行时¶

PE、对称堆与 team¶

SHMEM 的直观模型不是“发一条消息”，而是多个 PE（processing elements） 共同初始化一块布局一致的对称内存域：

每个 PE 有全局编号，并拥有自己的 local symmetric heap。
相同 collective allocation 序列让对象在各 PE 上具有可翻译的对称关系。
RMA/AMO 指定本地地址、目标 PE 与操作；runtime 根据 peer heap base、topology 和 engine state 找到实际路径。
team 把 world 切成 PE 子集，为 team 内 PE 映射和同步提供对象。

聚合头本身就显示它封装的是一套 primitive runtime，而非融合算子：

#if defined(__CCE_AICORE__) || defined(__CCE_KT_TEST__)
#include "device/gm2gm/shmem_device_amo.h"
#include "device/gm2gm/shmem_device_cc.h"
#include "device/gm2gm/shmem_device_mo.h"
#include "device/gm2gm/shmem_device_p2p_sync.h"
#include "device/gm2gm/shmem_device_rma.h"
#include "device/gm2gm/shmem_device_so.h"
#include "device/gm2gm/engine/shmem_device_mte.h"
#include "device/gm2gm/engine/shmem_device_rdma.h"
#include "device/gm2gm/engine/shmem_device_sdma.h"
#include "device/gm2gm/engine/shmem_device_udma.h"
#include "device/ub2gm/shmem_device_rma.h"
#include "device/ub2gm/engine/shmem_device_mte.h"
#include "device/shmem_def.h"
#include "device/team/shmem_device_team.h"

源码：cann/shmem 382afa08，include/shmem.h:15-29。¹¹

公开 API 可以按对象分组：

对象	主要 API	语义边界
runtime/instance	UID、init attr、user-buffer init、finalize、instance context	collective 初始化；多个 PE 的参数必须一致
symmetric heap	`malloc/calloc/align/free`、heap base、user-buffer pointer translation	runtime 管理的对称分配域
RMA	put/get、NBI、strided、scalar	目标 operand 必须满足对称内存规则
AMO	add/inc、bitwise、fetch/set/swap/CAS	面向远端 PE 的原子更新
signal/order	put-with-signal、wait/test、quiet/fence	数据可见性、完成与顺序
team/sync	split、2D split、translate、destroy、barrier/sync	PE 子集与 collective synchronization
explicit engines	MTE、SDMA、RDMA、UDMA、UB↔GM	绕过或细化默认路由的设备 API

Python 高层 facade 只覆盖 UID init/finalize、buffer、peer buffer、put/get/signal/wait/quiet，而且其 RMA 文档标记为 MTE-only；不能把 C++/AICore 的 team、多 transport 能力直接投射到 Python API。¹²

初始化与资源管理¶

host 侧不是单个全局裸指针，而是 per-instance context：它聚合 host/device state、bootstrap、heap/memory managers、exception context 和实例映射。初始化大致执行：

aclshmemx_init_attr
  → 建立 instance context 与失败回滚 guard
  → bootstrap
  → host/device state
  → backend + symmetric heap + memory manager
  → signal + team + sync resources
  → device state update
  → barrier

固定实现对部分初始化失败使用 scope guard 逆序释放资源：

auto init_abort_guard = shm::utils::make_scope_guard(static_cast<void*>(nullptr), [&](void*) {
    if (init_succeeded) {
        return;
    }

    SHM_LOG_WARN("ACL SHMEM initialization failed; releasing partial resources without synchronization.");
    memory_manager_destroy();
    if (init_manager != nullptr && entity_bound) {
        if (heap_reserved) {
            (void)init_manager->remove_heap();
        }
        (void)init_manager->release_heap();
        if (device_state_initialized) {
            (void)init_manager->finalize_device_state();
        }
        (void)init_manager->release_aclshmem_entity(id);
    }
    if (bootstrap_initialized) {
        aclshmemi_bootstrap_finalize();
    }

源码：cann/shmem 382afa08，src/host/init/shmem_init.cpp:922-940，aclshmemi_init_attr_impl。¹³

正常 finalize 以 barrier 为边界，依次释放 team、signal、memory manager、heap/entity/device state、stream 与 bootstrap；最后一个实例才清理共享 backend 和进程级 QP 状态。这里的“对称”不仅描述地址，还约束多 PE 的初始化、分配和释放顺序。¹⁴

transport 组合与自动路由¶

TransportManager 是内部多态生命周期接口，负责 open/close、register/unregister、reachability 和 device info。factory 根据编译能力与 init options 选择 SDMA、HCCP(RDMA)、UDMA；多个 transport 用 CompositeTransportManager 组合：

std::shared_ptr<TransportManager> TransportManager::CreateForDataOpType(uint32_t dataOpType)
{
    std::vector<TransportType> order;
    // SDMA STARS/AICPU initialization must run before RDMA/ROCE opens device resources.
    if ((dataOpType & HYBM_DOP_TYPE_DEVICE_SDMA) != 0) {
        order.push_back(TT_SDMA);
    }
    if ((dataOpType & HYBM_DOP_TYPE_DEVICE_RDMA) != 0) {
        order.push_back(TT_HCCP);
    }
    if ((dataOpType & HYBM_DOP_TYPE_DEVICE_UDMA) != 0) {
        order.push_back(TT_UDMA);
    }

    if (order.empty()) {
        return nullptr;
    }
    if (order.size() == 1) {
        return Create(order.front());
    }
    return std::make_shared<CompositeTransportManager>(std::move(order));
}

源码：cann/shmem 382afa08，src/host/transport/transport_manager.cpp:48-68。¹⁵

Composite 正向 open/register，失败时回滚，close/unregister 逆序。不过它不是公开的 runtime transport plugin：新增 transport 仍需修改 enum、factory/编译条件、reachability、device state/address translation 和 AICore dispatch。

classDiagram
  class InstanceContext {
    +device_state
    +host_state
    +bootstrap
    +memory_managers
    +exception_context
  }
  class InitBackend {
    +bind_instance()
    +create_entity()
    +update_device_state()
  }
  class MemEntityDefault {
    +InitTransManager()
    +CanReachDataOperators()
  }
  class TransportManager {
    <<abstract>>
    +Open()
    +Close()
    +RegisterMem()
    +UnregisterMem()
    +GetDeviceInfo()
  }
  class SDMATransportManager
  class HCCPTransportManager
  class UDMATransportManager
  class CompositeTransportManager {
    -managers[]
  }
  InstanceContext *-- InitBackend
  InitBackend *-- MemEntityDefault
  MemEntityDefault --> TransportManager
  SDMATransportManager --|> TransportManager
  HCCPTransportManager --|> TransportManager
  UDMATransportManager --|> TransportManager
  CompositeTransportManager --|> TransportManager
  CompositeTransportManager o-- TransportManager

设备侧默认 RMA 读取 global state 与目标 PE 的 topology，固定优先级是 SDMA → UDMA → MTE → RoCE。blocking 版本在选中的 engine 后执行 quiet；NBI 版本把完成责任留给后续 quiet/fence/signal 协议。

ACLSHMEM_DEVICE void aclshmem_getmem(__gm__ void* dst, __gm__ void* src, uint32_t elem_size, int32_t pe)
{
    /* Global State Get */
    __gm__ aclshmem_device_host_state_t* device_state = aclshmemi_get_state();
    if (ACLSHMEM_SDMA_TRANSPORT_ENABLED(device_state, pe)) {
        /* SDMA */
        uint64_t copy_ub = device_state->sdma_config.aclshmem_ub;
        uint32_t copy_ub_size = device_state->sdma_config.ub_size;
        uint32_t sync_id = device_state->sdma_config.sync_id;
        aclshmemx_sdma_get_nbi(
            reinterpret_cast<__gm__ char*>(dst), reinterpret_cast<__gm__ char*>(src),
            reinterpret_cast<__ubuf__ char*>(copy_ub), copy_ub_size, elem_size, pe, sync_id);
        aclshmemx_sdma_quiet(reinterpret_cast<__ubuf__ char*>(copy_ub), copy_ub_size, sync_id);
    } else if (ACLSHMEM_UDMA_TRANSPORT_ENABLED(device_state, pe)) {
        /* UDMA */
        aclshmemi_udma_get_default_nbi<char>(
            device_state, reinterpret_cast<__gm__ char*>(dst), reinterpret_cast<__gm__ char*>(src), elem_size, pe);
        aclshmemx_udma_quiet(pe);

源码：cann/shmem 382afa08，src/device/gm2gm/shmem_device_rma.hpp:108-125；后续 126-143 是 MTE 与 RoCE 分支。¹⁶

RMA 公共契约要求远端 operand 属于 symmetric allocation；启用 RDMA 时，两个 operand 都必须在 symmetric allocations 中，并限制对同一 PE 的 RMA/AMO 并发。也就是说，transport 能力不会取消内存语义约束。¹⁷

同步语义¶

需要区分三组概念：

signal/wait/test：围绕地址值建立生产者—消费者条件。
quiet/fence：管理调用域内未完成通信的完成和顺序；CPU 与 NPU domain 相互独立。固定硬件实现中 fence 当前与 quiet 同实现。
team sync/barrier：面向 PE 子集的 collective synchronization。公开契约中 barrier 强于 sync，但固定 host 实现让 sync 调 barrier，device 侧二者也进入同一 aclshmemi_sync。

最后一点不表示两个 API 名称可以随意混用；它只说明在 382afa08 上，不能从名称推断两条不同的成本路径。TileXR 的 window flag 同步也不能替换成这个结论。¹⁸

横向对比¶

维度	TileXR `46c58f3d`	cann/shmem `382afa08`
抽象中心	通信器、peer window、kernel tiling、融合算子	PE、对称堆、team、单边原语
用户入口	TileXR comm C API、三组 ACLNN API	C/C++ host API、AICore device API、有限 Python facade
数据定位	`CommArgs.peerMems[rank] + offset`	symmetric operand + target PE，经 peer heap/topology 翻译
实际通信路径	独立 AG：IPC window；AG+Add/AG+MM：HCCL/MC2	MTE/SDMA/RDMA/UDMA 自动路由或显式 engine API
同步	TileXR packed flags，或 HCCL wait	signal/wait、quiet/fence、team sync/barrier
资源管理	每通信器窗口、IPC mapping、CommArgs；UDMA ownership 尚有静态矛盾	per-instance context、回滚 guard、heap/entity/transport/team/signal 生命周期
扩展点	OpDef、tiling class、kernel template/dispatch、communicator flags	primitive API、team/heap、transport factory、reachability、device dispatch
固定限制	128 ranks；204 MiB/rank 默认窗口；PCIe 两卡；thread init 无 UDMA	16384 PEs、2048 teams、40 GiB local symmetric memory、1–32 QPs；engine 受 SoC/构建限制

当前 quickstart 支持矩阵把 UDMA 限在 Ascend 950，设备实现又以 NPU arch 3510 编译条件保护。这个平台边界只适用于 382afa08，不能反推 TileXR fork 的私有分支能力。¹⁹

性能与验证边界¶

本文不引用性能数字。一个可迁移的带宽、时延或加速比至少要同时给出：

硬件型号、卡数和互联 topology；
TileXR、SHMEM、CANN 的 revision/版本；
模型，或 dtype、tensor shape、消息大小与并发方式；
baseline 库、算法和配置；
warmup、重复次数、统计指标与计时边界。

本轮没有取得同时满足这五项且与本职责直接相关的固定测量记录，也没有硬件复测。仓库中的示例和 benchmark harness 只能证明“有测试入口”，不能证明某一 transport 或融合算子在任意场景更快。

仍未解决的证据缺口是：

aclshmemx_get_udma_info 的真实来源未知；固定 fork 与 main 均未实现。
TileXR UDMA wrapper 的 header、字段、命名空间 API 和消费 kernel 未闭合。
destroy C ABI 与 UDMA ownership/finalize 协议的运行后果未验证。
all_gather_matmul_v2 固定树依赖缺失，没有完整构建产物解释其来源。
没有多卡硬件结果验证 IPC、HCCL、SHMEM transport routing 和同步成本。

因此，最稳妥的架构判断是：TileXR 与 SHMEM 分别解决算子编排和对称内存通信；它们有潜在衔接点，但固定 revision 的衔接 ABI 尚未成立。

固定源码锚点¶

TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/comm/tilexr_comm.cpp:231-259,287-453，InitCommon、Init、InitThread、EnablePeerAccess。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/include/comm_args.h:69-102，ExtraFlag、CommArgs。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/include/tilexr_types.h:27-30；src/include/comm_args.h:91。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/include/tilexr_api.h:19-45，src/comm/comm_wrap.cpp:222-238，src/comm/tilexr_comm.cpp:720-746。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/mc2/{all_gather,all_gather_add,all_gather_matmul}/op_host/op_api/*.h；src/include/tilexr_types.h:64-122。固定 src/mc2 执行 rg -n 'UDMA|udma|shmem' 无命中。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/mc2/all_gather/op_kernel/all_gather.h:43-172,223-250，AllGather<T>。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/include/tilexr_sync.h:28-105,190-394，SyncCollectives。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/mc2/all_gather_matmul/op_kernel/all_gather_matmul_base.h:32-55、all_gather_matmul_full_mesh.h:26-147、all_gather_matmul.cpp:29-80；op_host/op_tiling/all_gather_formulaic_tiling.h:29-60；op_host/op_api/aclnn_all_gather_matmul.cpp:11-12。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，src/comm/tilexr_comm.cpp:123-190，TileXRComm::InitUDMA。 ↩
TileXR 46c58f3d0c8704f67e37bf0af322efcf2880f42c，.gitmodules:10-13；gitlink b79bda38953d39e88b191e7805659298f0829d73；src/include/tilexr_udma.h:9-114。LingquLab/shmem b79bda3 和 cann/shmem 382afa0 的 include/、src/ 对 aclshmemx_get_udma_info 均无命中；fork 的实际 UDMA 入口见 include/device/gm2gm/engine/shmem_device_udma.h:54-114。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，include/shmem.h:15-50。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，src/python/shmem/core/init_final.py:19-112、memory.py:18-77、rma.py:19-206。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，src/host/init/shmem_init.cpp:895-1042，aclshmemi_init_attr_impl。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，src/host/init/shmem_init.cpp:1066-1173。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，src/host/transport/transport_manager.h:21-99，transport_manager.cpp:27-69，composite_transport_manager.cpp:48-106。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，src/device/gm2gm/shmem_device_rma.hpp:22-30,90-145,612-644,747-779。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，include/device/gm2gm/shmem_device_rma.h:154-172。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，include/host/data_plane/shmem_host_cc.h:28-83、include/device/gm2gm/shmem_device_cc.h:47-124、src/host/data_plane/shmem_host_cc.cpp:18-61、src/device/gm2gm/shmemi_device_cc.h:489-502,632-646；memory order 见 include/device/gm2gm/shmem_device_mo.h:23-48。 ↩
cann/shmem 382afa08efa801d7bca6c2645fd17e155111efcc，docs/quickstart.md:56-65，CMakeLists.txt:207-268，src/device/gm2gm/engine/shmem_device_udma.hpp:22-26。 ↩