P1 Readiness 路线

P1 的目标是从“设备和 tensor 能跑”推进到“基础算子能通过后端路径执行并对齐 CPU reference”。实际推进时不要一口气接完整模型，而要从低风险 op 开始扩张。

当前阶段划分

阶段	验证目标	价值
P0	import、device API、empty、copy、clone、to cpu	证明 PyTorch tensor 层闭环
P0.5	stream、event、malloc/free、H2D/D2D/D2H runtime smoke	证明 P1 所需 runtime 能力
P1-T03 最小链	add / relu / sum 等基础 op	证明 ATen dispatch 到后端 op 的路径
P1-T04+	codegen、更多 dtype/shape/layout、真实 kernel path	从 smoke 走向可持续算子体系

推荐推进顺序

轮次	目标	完成后价值
1	sub / div binary smoke	扩展基础二元运算面
2	neg / abs / sqrt unary smoke	扩展一元运算路径
3	relu	支撑常见激活函数
4	sum	支撑 reduction 路径
5	a + b -> relu -> sum 链式测试	达到最小验收链
6	shape / dtype / out variant	从单点 smoke 变成回归测试矩阵
7	从 host-assisted 切到真实 custom kernel	验证真实后端执行路径
8	codegen / unsupported list / 文档同步	进入可持续维护状态

最小验收链

Python

a = torch.randn(3, 4, device="tpu")
b = torch.randn(3, 4, device="tpu")
c = a + b
c = torch.relu(c)
c = c.sum()

这个链路覆盖：

• binary op
• unary / activation op
• reduction op
• tensor 留在设备侧连续执行
• 最终 D2H 回拷并与 CPU reference 对齐

TDD 切分方式

每次只新增一个公开行为测试：

1. 写 Python API 层测试，例如 torch.sub(tpu, tpu)。
2. RED 失败点应是 op 未注册或后端实现缺失。
3. GREEN 只做最小 PrivateUse1 后端实现。
4. 先保持 float32、contiguous、same-shape 小范围。
5. 跑 basic ops、readiness 和 SDK leak 检查。
6. 最后记录数据流、端口函数和新增文件。

什么时候切到真实 kernel

host-assisted correctness smoke 的价值是尽快验证 dispatcher、copy 和 result check 链路。但它不能代表真实 custom kernel 性能和正确性。

可以考虑切换到真实 kernel 的条件：

• P0 / P0.5 全部通过。
• 至少一个 op 的 CPU reference 路径稳定。
• 参数打包结构明确。
• runtime launch 能被测试验证。
• 现有 smoke 测试能作为回归保留。

切换时要明确标注：

• 哪些 op 仍是 host-assisted。
• 哪些 op 已经走真实 custom kernel。
• 测试如何证明 launch 被使用。
• 失败时如何退回到最小复现。