为什么“先调库”是性能工程原则 成熟 CUDA 库通常同时处理： 不同 GPU 架构与数据类型的 kernel dispatch； 小/中/大尺寸和特殊 shape； 对齐、尾块、数值稳定与特殊值； 多 stream、workspace、…
先用库，再决定是否写 Kernel 需求 ├─ 高层框架已有高质量算子？ → 使用并 profile ├─ CUDA-X/CCCL/CUTLASS 已覆盖？ → 使用库，配置 stream&#x…
有点笨有点猪