cuda算子翻译成国产卡ir实现。要求精度误差小于1e-5，性能不低于n卡实现的70。下面三份文档作为上下文。”
然后把浏览器里的链接地址都打了进去。
很快ai智能体开始自己分解任务、解决任务，最后汇总。
三分钟后，第一版结果出来了。性能接近68，但精度偏差太大了。
一个大大的红色fail显示在屏幕上。
赵文渊在旁边松了一口气。
这才正常嘛。
他对韩路一说：“韩总你看，这就是我说的难点，做不过来——”
韩路一没有回应赵文渊。
他重新打开cuda的源代码，开了视界。
普通人看代码，看到的是字符。赵文渊看代码，看到的是逻辑。
但视界让韩路一看到的是另一层东西，不只是代码在做什么，还有代码为什么这样做。
每一个设计选择背后的权衡，都像批注一样浮现在代码旁边。
为什么softax没有用最直觉的实现方式，而是拆成了三个阶段？因为直觉实现在长序列上会有数值溢出。
为什么矩阵乘的分块是这个尺寸，不大也不小？因为再大sharedory放不下，再小会产生内存冲突。
这些东西没有写在任何文档里。它们是英伟达的工程师经过无数次实验之后沉淀下来的经验，藏在代码的结构里，只有真正理解硬件的人才能读出来。
赵文渊不是读不懂代码，他只是没办法在几天之内，就把别人几年的工程经验全部提炼出来。
但是视界可以，韩路一可以。
韩路一关掉第一版的提示词，重新输入。
这一次，他没有让智能体自由发挥。
而是把视界看到的东西直接输入进去。
“softax必须使用onlealgorith三阶段，不要使用naivesoftax。当前精度问题出在第二阶段reduce，局部最大值和指数和更新顺序要保持一致。”
“矩阵乘tile使用64x64，tile过大sharedory不够，过小会增加banknflict。”
“reduce时按4-stride展开，避免banknflict。”
“k/v矩阵按row-ajor缓存在sharedory，避免跨bank连续冲突。”
“先保证精度