v0.91: 补T_bd证据（源码Set/Wait+知识库文献引用）

BMM算子优化分析_Release/BMM算子优化分析_v0.91.md

@@ -187,10 +187,35 @@ $$
 
    **$T_{bd}$ 的物理成因**（batch 边界处硬件必须完成的固定动作）：
 
-   1. **Fixpipe 重配置**：每 batch 输出写往 GM 不同地址区域，fixpipe 需重配目标地址、步长等寄存器——每次排空的固定设置开销；
-   2. **L0C 缓冲区切换握手**：L0C 双缓冲——Cube 往一半写、fixpipe 从另一半读。batch 边界处 Cube 须等 fixpipe 的 unitflag 确认已开始读当前半区，才能往另一半写新 batch 的部分和——同步握手有固定延迟；
+   从 IterBatch 的 kernel 侧源码（`cmct/block/block_mmad_iterbatch.h`）可直接观察到 batch 边界的 Set/Wait 同步序列：
+
+   ```cpp
+   // 当前 batch 最后一个 K 分块结束后：
+   SetFlag<M_FIX>(l0cEventID_ & 0x1);     // Cube → fixpipe: "L0C 可以排空"
+   WaitFlag<M_FIX>(l0cEventID_ & 0x1);    // 等 fixpipe 确认开始 ← 串行握手，不可掩盖
+   CopyOut(cTensor, c1Local_[...]);        // fixpipe 排空 L0C
+   SetFlag<FIX_M>(l0cEventID_ & 0x1);     // fixpipe → Cube: "L0C 已空"
+   // 下一 batch 第一个 K 分块：
+   WaitFlag<FIX_M>(l0CEventID_ & 0x1);    // 等 L0C 可用（被 L0C 双缓冲掩盖）
+   ```
+
+   $T_{bd}$ 由三个部分组成：
+
+   1. **Fixpipe 启动握手**（`WaitFlag<M_FIX>`）：fixpipe 从收信号到启动排空的延迟——地址/步长寄存器重配置（每 batch 输出写往 GM 不同区域）。**串行、不可掩盖**，是 $T_{bd}$ 的主要成分；
+   2. **L0C 缓冲区切换**（`WaitFlag<FIX_M>`）：L0C 双缓冲——Cube 写一半、fixpipe 读另一半。被双缓冲掩盖，不贡献 $T_{bd}$；
    3. **Cube 流水线重建**：systolic array 在新 batch 首个 K 分块时需重新填充——fill 开销与 tile 尺寸无关，是固定成本。
 
+   **证据来源**：
+
+   | 证据 | 文件 | 内容 |
+   |---|---|---|
+   | MMAD→Fixpipe 同步开销存在 | `CANN社区版9.2.0-beta.1/02_API参考/AscendC_API/180_..._UnitFlag.md` | "未开启UnitFlag功能时，MMAD和FIXPIPE是指令级别的同步……流水串行"；实测 7.3% 改善（M=128,N=30720,K=64） |
+   | 同步指令是高开销指令 | `CANN社区版9.2.0-beta.1/01_AscendC算子开发/260_..._SIMT算子性能优化.md` | "除法、取模、**同步**、原子操作等都属于**高开销指令**" |
+   | 编译器默认插入同步指令 | `CANN社区版9.2.0-beta.1/01_AscendC算子开发/048_..._算子编译基本用法.md` | "默认会插入内存同步指令……这些同步指令**会带来性能开销**" |
+   | 同步机制是架构级关注点 | `00_硬件/昇腾950_NPU架构白皮书.pdf` §4.1.6 | 新增 BufferID 同步机制替代 set_flag/wait_flag——"降低了同步的复杂度" |
+
+   $T_{bd}$ ≈ fixpipe 启动握手延迟（寄存器写入 + DMA 启动），量级估计为数十 ns。知识库未给出精确数值，需实测标定。
+
    这些开销**与 batch 的计算量无关**，是每次 batch 切换的固定成本。大 batch 时被大量计算分摊，占比可忽略；小 batch 时每个 batch 绝对时延短，边界开销占比显著。MergeBatch 把 $b_0$ 个 batch 并为一次大矩阵计算，边界数降 $b_0$ 倍——**这是 MergeBatch 的结构性收益来源**。
 
    **MergeBatch vs IterBatch 优势总结**：