G5 softmax 算子建模设计规格
版本：1.0.0 状态：Accepted 创建日期：2026-06-22 最后更新：2026-06-22 作者：xiang.li 前置：G5-计算算子建模方法分层设计规格、G5-计算建模设计规格
版本号规则 (SemVer)：
- major (X.0.0)：建模形态重构（吞吐 cycle ↔ 别的方法）、合成语义变更
- minor (1.X.0)：新增向量算子复用本契约、扩展访存边带域规则（向后兼容）
- patch (1.0.X)：修正笔误、补充说明
变更历史
| 版本 | 日期 | 变更说明 |
|---|---|---|
| 1.0.0 | 2026-06-22 | 初版：softmax 向量算子吞吐 cycle 建模 + LMEM 访存边带域 + 与 fa2 串行合成 + 接入 G5 attention 发射 |
@tbl-spec-gsm-01 文档变更历史
概述
本 spec 定义 G5 仿真中 softmax 向量算子的计算时长建模：把当前「在 attention 发射时被完全丢弃（计为 0）」升级为「算子级向量吞吐 cycle 模型 + 携带 LMEM 带宽域标签的访存边」，并将其串行合成进 attention 计算时长。本 spec 是父 spec 方法分层的首个向量算子落地，建立向量算子的建模契约——后续 topk/gather/归一化/激活按同一契约接入。
softmax 时长由两件事产出：向量吞吐 cycle（按 softmax 子步骤的对齐元素数除以向量单元吞吐）与访存边（score tile 在片上 LMEM 的读写，携带宽域标签）。二者按父 spec 一致性规则合成，再串行加进 attention 计算时长，喂 G5 事件驱动时序层。
与父 spec 分类的关系（细化非推翻）：父 spec 把 softmax 归「访存受限 → roofline max(算力, 访存)×η」，本 spec 据 fused-attention 的实际存储层级细化为「计算吞吐主导」。二者不矛盾：父 spec 的「访存受限」是 HBM-roofline 语境的粗分类；fused-attention 下 score 恒驻片上 LMEM，LMEM 带宽远高于 HBM，故同一 combine 框架（父 spec eq:gcml-separable）内、在 LMEM 域上向量吞吐项主导访存项。这是父 spec 分层在具体存储域内的细化——combine 框架未被破坏（取 max 与相加都是 combine 的实例）。父 spec roofline 的效率因子 η 在本 spec 的闭式吞吐公式中由子步骤 op_count 与向量单元 eu 利用率参数承接，不再单列。
背景
G5 的 attention 发射当前只算两个矩阵乘（QK^T、softmax·V），softmax 向量算子整块被丢弃，理由是「相对矩阵乘可忽略」。三个量化问题：
- "可忽略"假设未经验证且被证伪：实测 softmax 占 attention 矩阵乘时间 MHA 29%、MLA 23%、DSA 23%（各取代表性配置），且不随序列长度变化（softmax 与矩阵乘均随 QS·KS 规模变，比值由 head 维定）。丢弃使 G5 的 attention 计算时长系统性低估 23–29%。
- 两条评估路径口径矛盾：解析（Math）侧的精评估器已建 softmax 向量模型并将其串行计入 attention 时长，G5 侧丢弃。同一算子在两条路径上一个计入、一个不计，归因坍塌。
- 向量算子建模契约缺失：G5 计算侧只有矩阵乘（指令级翻译）契约，向量类算子（softmax / 归一化 / 激活）如何建模、访存边如何归带宽域、如何与矩阵乘合成，均无定义。
驱动力：父 spec 的顺序约束已圈定 DSA/MHA 为有拐点、需精修的算子，二者都含 softmax。要让 DSA/MHA 的上下文并行结论可信，attention 各算子的计算时长必须齐全，softmax 是其中被丢弃的一项。
名词定义
下表钉死本 spec 用到的核心名词，后文统一语言。
| 名词 | 定义 | 与易混淆概念的区分 |
|---|---|---|
| softmax 向量算子 | attention 中把 QK^T 得到的 score 矩阵按行归一化为概率的逐元素 + 归约运算（含 max / 减 / exp / 求和 / 除） | 与矩阵乘区分：无收缩维乘加，是向量/归约运算 |
| 向量吞吐 cycle | softmax 各子步骤的对齐元素数除以向量单元每 cycle 吞吐，得到的纯计算节拍数 | 与指令级 cycle 区分：不下到厂商指令，算子级吞吐解析 |
| 子步骤 op_count | softmax 分解为若干向量子步骤，每步对其输入形状施加的等效运算次数 | exp 等非线性步的 op_count 大于 1（多项式展开），算法建模量，非厂商 lowering |
| score tile | flash-attention 分块下，QK^T 输出的一个分块（QS_tile × KS_tile），softmax 在其上运算 | 与全量 score 矩阵区分：全量从不物化，仅分块驻留片上 |
| LMEM 带宽域 | softmax 访存边占用的物理带宽资源类别 = 片上本地存储总线 | 与 HBM 域区分：fused attention 下 score 不溢出片外 |
| 访存边 | softmax 操作数（score tile 读 + 概率写）从片上存储读写的时间，携带宽域标签 | 与矩阵乘访存边正交：softmax 只读写 score↔prob，不读写 Q/K/V |
| 合成语义 | softmax 时长与 attention 矩阵乘时长的组合方式 = 串行相加 | 与取 max 区分：取 max 会使较小的 softmax 被矩阵乘掩盖 |
| 吞吐主导 | softmax 时长由向量计算吞吐决定，访存边时长在片上高带宽下次要 | 与访存受限区分：片上 LMEM 带宽高，瓶颈在向量单元吞吐 |
| 厂商中立抽象 | 向量单元的参数化抽象（每 lane eu 数 + lane 数 + 子步骤 op_count），具体芯片作参数实例 | 与复刻厂商 SFU/AR 引擎 cycle 模型区分 |
| unvalidated 门控 | 底层未标定时，绝对计算时长不对外作绝对承诺，只支持相对比较 | 继承父 spec 与前置计算建模 spec |
目标与非目标
目标 / 需求清单（逐条可核对）：
- 需求：softmax 计算时长用向量吞吐 cycle 模型——各子步骤的对齐元素数除以向量单元吞吐，子步骤 op_count（含 exp 的多项式展开步数）与每精度向量吞吐从参数实例加载，公式结构与参数分离。不走指令级 lowering。
- 需求：softmax 时长串行相加进 attention 计算时长（与解析侧精评估器口径一致），不取 max。
- 需求：softmax 访存边显式携带 LMEM 带宽域标签，落地父 spec 的「访存边可分离 + 带域标签」机制于首个向量算子。
- 需求：softmax 访存边字节口径为 score tile 的片上读 + 概率写，与 QK^T / PV 矩阵乘的访存边不重复计（矩阵乘访存边覆盖 Q/K/V/输出，softmax 只覆盖 score↔prob）。
- 需求：建模参数（每精度向量吞吐、lane 数、子步骤 op_count、LMEM 带宽）缺字段时 raise 带字段名，不静默置零或取默认值。
- 需求：厂商中立——向量单元抽象为参数化吞吐模型，SG2262 作参数实例；TPUPerf 仅作参数参照与数量级校验，不复刻其引擎 cycle 模型。
- 需求：绝对计算时长在底层未标定时门控 unvalidated（继承父 spec），相对/趋势可信。
非目标（明确不做）：
- 非目标：topk / gather 等不规则算子建模（DSA 专属，另立逐篇 spec）。
- 非目标：向量单元与矩阵乘单元的真并行重叠、共享 LMEM 带宽争用、compute↔comm 真依赖（属后续「真 overlap」工作，本篇合成语义为串行相加）。
- 非目标：行为级片上存储模型（LMEM bank 冲突 / 队列）。访存边带域标签为其预留升档接口，本篇用峰值带宽占位。
- 非目标：复刻 TPUPerf 的 SFU/AR 指令级 cycle 模型。本篇为算子级吞吐解析，TPUPerf 作参照。
- 非目标：绝对计算时长精度。无真机锚点，继承父 spec 的相对可信 / 绝对门控。
- 非目标：归一化 / 激活 / RoPE 等其余向量算子。它们复用本篇契约，但具体 op_count 各自定义，不在本篇。
用例说明
假设本设计已实现，一个开发者评估 prefill 下某 attention 算子的计算时长：
- 输入：一个 fused attention 核描述——
B（batch×head）, QS, KS, QD, VD、精度 BF16，已切分为若干 (QS_tile, KS_tile) 分块。 - 矩阵乘时长（前置 spec 已建）：QK^T 与 PV 两个矩阵乘的计算 cycle + 访存边，访存边覆盖 Q/K/V/输出。
- softmax 向量吞吐 cycle：对 score tile（QS_tile × KS_tile），按 softmax 子步骤的对齐元素数除以向量单元吞吐，得向量 cycle，除以频率得 softmax 计算时长。子步骤 op_count（max/减/exp/求和/除）与每精度向量吞吐从 SG2262 参数实例加载。
- softmax 访存边：score tile 的片上读 + 概率写字节数除以 LMEM 带宽，标注带宽域 = LMEM 总线；不计入 Q/K/V（属矩阵乘访存边）。
- 合成：attention 计算时长 = QK^T 时长 + softmax 时长 + PV 时长（串行相加）。softmax 时长本身 = combine(向量 cycle 时长, 访存边时长)，按父 spec 一致性规则，片上高带宽下吞吐主导。
- 输出：含 softmax 的 attention 计算时长（ns），喂 G5 事件驱动时序层。开发者扫不同序列长度时，softmax 占比稳定（约 23–29%），不再被丢弃；请求绝对 SLO 判定时 unvalidated 门控返回相对比较。
详细设计
概念模型
softmax 算子时长由两个分量合成，再串行加进 attention：
| 分量 | 来源 | 物理含义 |
|---|---|---|
| 向量吞吐 cycle 时长 | 子步骤对齐元素数 ÷ 向量单元吞吐 ÷ 频率 | 向量单元处理 score 元素的纯计算节拍 |
| 访存边时长 | score tile 字节 ÷ LMEM 带宽 | score 读 + 概率写的片上读写等待 |
@tbl-gsm-two-parts softmax 算子时长的两个分量
softmax 算子时长按父 spec 的一致性规则合成（见父 spec eq:gcml-separable）：
$$\begin{equation} t_{\text{softmax}} = \text{combine}\left(t_{\text{vec}},\ t_{\text{mem}}^{\text{lmem}}\right) \label{eq:gsm-op-combine} \end{equation}$$片上 LMEM 带宽高，$t_{\text{vec}}$ 主导（吞吐主导）。attention 计算时长按串行相加纳入 softmax：
$$\begin{equation} t_{\text{attn}} = t_{\text{QK}^\top} + t_{\text{softmax}} + t_{\text{PV}} \label{eq:gsm-attn-serial} \end{equation}$$向量吞吐 cycle 模型
公式结构是接口契约，op_count 与吞吐常数从参数实例加载。softmax 分解为若干向量子步骤，每步对其输入形状施加等效运算。记 $L$ = lane 数、$E_v$ = 每 lane 向量 eu 数（按精度）、$Q$ = QS_tile、$K$ = KS_tile、$c_s$ = 第 $s$ 步的 op_count、$\sigma_s$ = 第 $s$ 步的形状类型（全行 $Q{\times}K$ 或归约 $Q{\times}1$）。
向量 cycle 为各子步骤对齐元素数之和：
$$\begin{equation} \text{cycle}_{\text{vec}} = \sum_{s} c_s \cdot \big\lceil Q / L \big\rceil \cdot \phi_s(K) \label{eq:gsm-vec-cycle} \end{equation}$$其中 $\phi_s(K) = \lceil K / E_b \rceil$（全行步，$E_b$ 为按精度的列对齐基数）或 $\phi_s(K) = 1$（归约/标量步）。向量时长：
$$\begin{equation} t_{\text{vec}} = \frac{\text{cycle}_{\text{vec}} \cdot B}{E_v \cdot L \cdot f_v} \label{eq:gsm-vec-time} \end{equation}$$$B$ = batch×head 块数，$f_v$ = 向量单元频率。exp 的代价由其 op_count $c_s > 1$ 表达（多项式展开多段累加），不可折成扁平峰值吞吐标量——否则丢失非线性步的相对代价、且无法与参照源对齐校验。
设计原理：softmax 单遍处理 score、无收缩维乘加，时间由向量单元吞吐决定。op_count 是算法建模量（softmax 的运算分解），跨厂商通用；每精度 eu / lane / 对齐基数是参数实例。这与矩阵乘的「公式结构 + 参数实例」分离原则一致，且绕开厂商专属 lowering。
访存边与带宽域
softmax 访存边覆盖 score tile 的片上读与概率写：
$$\begin{equation} t_{\text{mem}}^{\text{lmem}} = \frac{\text{bytes}_{\text{score}} + \text{bytes}_{\text{prob}}}{\text{BW}_{\text{lmem}}} \label{eq:gsm-mem-edge} \end{equation}$$字节口径：score tile 读 + 归一化概率写，量级 $2 \cdot B \cdot Q \cdot K \cdot \text{dtype}$（系数 2 的前提：概率以 score 同精度写回；若概率降精度写，口径改为 $B \cdot Q \cdot K \cdot (\text{dtype}_{\text{score}} + \text{dtype}_{\text{prob}})$）；online-softmax 的逐行 max / 求和为 $B \cdot Q$ 标量量级，计入但次要。该访存边带宽域标签 = LMEM 总线，落地父 spec 的带域标签机制于首个向量算子。
不重复计约束：softmax 访存边只覆盖 score↔prob；Q/K/V 读与输出写属 QK^T / PV 矩阵乘的访存边（前置 spec），softmax 不重复计入。score 矩阵在 fused attention 下从不物化到片外——分块驻留片上，长上下文靠缩小分块容纳，故 softmax 访存边恒为 LMEM 域，无 HBM 分支。
升档接口（与参照源的访存项口径）：本 spec 建独立访存边仅作带域升档挂载点，当前 combine 下吞吐项主导使其不进时间主导项——与 TPUPerf「向量算子无独立访存 roofline 项」在时间贡献上等价，差别仅在本 spec 保留了带域标签挂载点供未来行为级模型接管。本篇 LMEM 带宽用峰值占位（继承前置 spec，访存层 bank 冲突不建模）；带域标签使未来行为级 LMEM 模型按域接管该访存边时间，无需改本模型。
合成语义与边界
softmax 与 attention 两个矩阵乘串行相加（见 ），与解析侧精评估器口径一致。理由：取 max 会使较小的 softmax 被矩阵乘掩盖、等于不建模，违背修正"丢弃 softmax"的目的。
与多芯片 overlap 边界的关系：上下文并行多芯片路径的「overlap 聚合 max」是 comm/compute 级边界（计算与跨芯片通信的重叠），不涉及 compute 内部。compute 内部 softmax 与矩阵乘串行相加，二者正交。向量单元与矩阵乘单元的真并行重叠、共享 LMEM 带宽争用属后续「真 overlap」工作，本篇不做——本篇下 softmax 计算时长抬高 23–29%，使 G5 与解析侧口径一致，不产出比解析侧更优的绝对数字。
参数缺字段处理
建模参数（每精度向量 eu 数、lane 数、子步骤 op_count、LMEM 带宽）缺字段时 raise 带字段名与配置来源，不静默置零或取默认。理由：静默置零会使 softmax 悄悄退回"被丢弃"状态、复现本 spec 要修的缺陷；取默认值违反项目配置加载规则。
标定边界与门控
模型分两层验收，互不混淆：
- 形态一致性（本 spec 可证伪的核心）：给定同一 score tile 形状与精度，G5 的 softmax 向量 cycle 严格等于解析侧精评估器复用的同一 softmax 吞吐公式输出，无容差。验的是"两条路径口径是否一致"，不是"对硅是否准"。
- 对硅正确性（本 spec 不承诺）：向量吞吐常数未对硅验证，继承未知绝对精度。无真机锚点时绝对计算时长不可证伪。
门控规则：底层未取得真机标定锚点时 unvalidated 标志置位，端到端绝对指标只返回相对比较（继承父 spec 与前置计算建模 spec）。
集成点
- 上游：G5 mapping 层产出 fused attention 核描述（B/QS/KS/QD/VD + 精度 + 分块），含 score tile 形状。
- 下游：本模型产出含 softmax 的 attention 计算时长（ns），喂 G5 事件驱动时序层。
- 与矩阵乘建模的边界：QK^T / PV 矩阵乘时长与访存边由前置 spec 产出；softmax 时长与访存边由本 spec 产出，串行相加合成。两者访存边的带宽域标签共用同一机制，字节口径互不重叠。
- 与解析侧的关系：解析侧精评估器与 G5 复用同一 softmax 吞吐公式形态，形态一致性是验收锚点；G5 额外把 softmax 接入事件驱动发射，为后续真 overlap 工作铺位。
引用
- 父 spec 方法分层（softmax → 访存受限/吞吐主导）：G5-计算算子建模方法分层设计规格。
- 前置矩阵乘建模 + 访存边 + overlap 合成体例：G5-计算建模设计规格。
- 拐点地图（圈定 DSA/MHA 需精修、含 softmax）：拐点地图报告。
- TPUPerf（向量算子 throughput-cycle 形态参照源，非平台）：算能内部 SystemC 仿真器，SFU（exp）+ AR（归一化）单元。
备选方案
| 维度 | 向量吞吐 cycle（选定） | 扁平峰值吞吐 roofline | 指令级翻译 | 取 max 合成 |
|---|---|---|---|---|
| softmax 时长来源 | 子步骤 op_count × 对齐元素 ÷ 吞吐 | FLOPs / 峰值向量吞吐 × η | 厂商每指令 cycle + lowering | — |
| 表达 exp 非线性代价 | 有（op_count > 1 多段） | 无（扁平标量抹平） | 有 | 取决于底层 |
| 厂商中立 | 是（参数化吞吐） | 是 | 否（需公司专属 lowering） | — |
| 与参照源可对齐校验 | 是（形态同 TPUPerf/解析侧） | 否（丢 op_count 细节） | 是但需 lowering | — |
| softmax 是否可见 | 是（串行计入） | 是 | 是 | 否（被矩阵乘掩盖） |
选择理由：向量吞吐 cycle 在四条上胜出——(1) op_count 表达 exp 等非线性步的相对代价，扁平 roofline 标量抹平这层；(2) 厂商中立、复用解析侧已验证的同一公式形态，形态一致性可严格断言；(3) 绕开父 spec 已否决的指令级 lowering（公司专属、不存在于 G5/TPUPerf）；(4) 串行相加使 softmax 可见，取 max 会使其被矩阵乘掩盖、等于不建模。否决其余三者理由见表内对应行。父 spec 附录 A 已有四建模路径（roofline/profile/trace-driven/自建 mapper）完整业界对比，本篇为其方法分层的算子级落地，不重做业界调研。
非功能性需求
| 维度 | 本 spec 的考虑 |
|---|---|
| 性能（仿真精度） | 形态一致性：G5 softmax cycle 严格等于解析侧同一吞吐公式输出。绝对精度：不承诺（无真机锚点），相对排序可信 |
| 性能（仿真速度） | 向量 cycle 为子步骤求和的闭式标量计算，O(步数)，不进事件驱动热循环瓶颈 |
| 兼容性 | 向量单元参数（每精度 eu 数 / lane / op_count / LMEM 带宽）下沉芯片 YAML，需同步更新 configs/chips/_template.yaml；新增字段不破坏既有矩阵乘配置 |
| 可靠性 | 参数缺字段 raise，防 softmax 静默退回"被丢弃"状态 |
| 安全性 / 隐私 | N/A——内部仿真器 |
局限与后续工作
局限（本设计的代价）
| 风险 / 局限 | 影响 | 缓解措施 |
|---|---|---|
| A1 边界下 softmax 与矩阵乘串行相加 | 不建模向量∥矩阵真并行，attention 时长偏保守（高估重叠不足那部分） | 串行是保守选择（高估比低估安全）；真 overlap 留后续 |
| 向量吞吐常数未对硅验证 | softmax 绝对时长精度未知 | 门控 unvalidated；形态一致性可证伪；待真机锚点升绝对 |
| LMEM 带宽用峰值占位 | softmax 访存边偏乐观（但吞吐主导，影响小） | 带域标签预留升档；获取 SRAM 时序 spec 后修订 |
| 访存层 bank 冲突 / EU 利用率细节不建模 | 向量 cycle 略偏理想 | 标注；与前置矩阵乘 spec 同一边界 |
| 本篇下 G5 数字≈解析侧、不更优 | A1 价值是一致性修复 + 铺位，非更优绝对值 | 真 overlap（向量∥矩阵 + LMEM 争用）后 G5 才超解析侧 |
| TPUPerf 数量级校验未做 | "向量 cycle 与 TPUPerf SFU/AR 数量级一致"目标暂无验收落点 | 依赖 TPUPerf 数据获取；获取后补数量级（非严格相等）校验，当前仅形态一致性可证伪 |
后续工作
- 真 overlap 建模（中优先级，前置：本篇 Accepted）——向量单元与矩阵乘单元并行 + 共享 LMEM 带宽争用，使 G5 计算侧超越解析侧串行相加。
- topk / gather 不规则算子建模（中优先级，前置：本篇 Accepted 提供向量算子契约模板）——DSA 专属，各自逐篇。
- 其余向量算子（低优先级，复用本篇契约）——归一化 / 激活 / RoPE / 逐元素，各自定义 op_count。
- 行为级 LMEM 模型（中优先级，独立 spec）——按带域标签接管 softmax 访存边时间。
- 真机标定锚点（高优先级，前置：获得真机实测渠道）——升相对到绝对。
验收标准
| 场景 | 指标 | 目标值 | 测试方法 |
|---|---|---|---|
| softmax 向量 cycle 形态一致 | G5 softmax cycle vs 解析侧同一吞吐公式 | 严格相等（无容差） | 同 score tile 形状 + 精度，两路比对 |
| attention 时长含 softmax | G5 attention 计算时长 | 含非零 softmax 项（= QK^T + softmax + PV） | 跑 attention，验 softmax 分量非零且为串行相加 |
| 串行合成语义 | softmax 与矩阵乘的组合 | 相加（非取 max） | 固定各分量时长，验合成 = 相加 |
| 访存边带域 | softmax 访存边标签 | = LMEM 带宽域 | 检查访存边携带 bandwidth_domain = lmem |
| 字节不重复计 | softmax 访存边 vs 矩阵乘访存边 | score↔prob 与 Q/K/V/输出无重叠 | 比对两访存边覆盖的张量 |
| 参数缺字段 | 缺向量 eu / lane / op_count / LMEM 带宽 | raise 带字段名 | 删配置字段，验抛错而非置零 |
| 厂商中立 | 换参数实例（改每精度 eu / lane / op_count） | cycle 随参数变、公式不变 | 注入不同 YAML 参数实例 |
| 门控 | unvalidated 置位时绝对查询 | 返回相对比较、不返回绝对值 | 置位标志，调绝对指标查询 |
单元测试关键 case：
- softmax，
B, QS, KS给定，BF16 → 向量 cycle 等于解析侧同一吞吐公式同输入输出。 - attention 全核 → softmax 分量非零且 attention 时长 = 三项（QK^T + softmax + PV）严格串行相加。（占比 23–29% 是 MHA/MLA/DSA 各自代表性配置下的实测参照、随 head 维变，不作通用断言；如要断言占比须钉死 (算子, shape, 精度) 三元组。）
- 删向量 eu 配置字段 → raise 带字段名，不静默置零。
- 换 lane / eu 参数实例 → 向量 cycle 按对齐项变化，公式结构不变。
附录
附录 A：业界调研
本篇是父 spec 方法分层的算子级落地，完整业界四路径对比（roofline / profile / trace-driven / 自建 mapper）见父 spec 附录 A，不重做。本篇方法（向量吞吐 cycle）的关键参照点：
| 参照源 | softmax 时长建模方式 | 与本篇关系 |
|---|---|---|
| TPUPerf（算能 SystemC） | SFU（exp，多项式展开多段累加）+ AR（归一化）逐指令 throughput-cycle，操作数恒 LMEM-resident，无独立访存 roofline 项 | 形态参照源：本篇取其吞吐主导形态，不复刻其引擎 cycle |
| Calculon | softmax 逐算子闭式解析（独立于矩阵乘的式子） | 同为算子级解析、串行喂上层 |
| 解析（Math）侧精评估器 | 同一 softmax 吞吐公式，串行计入 attention（gemm + vec） | 形态一致性锚点：G5 复用同一公式 |
@tbl-gsm-survey softmax 时长建模参照点
本篇差异化：在 G5 事件驱动发射中复用解析侧已验证的同一 softmax 吞吐公式形态，使两条评估路径口径一致、并为后续向量∥矩阵真 overlap 铺位。相对扁平 roofline+η：用子步骤 op_count 保留 exp 等非线性步的相对代价。
附录 B：实现说明
- op_count 步表为代码内固化常量：op_count 是跨厂商通用的 softmax 算法分解（所有芯片相同），实现为代码常量而非 YAML 字段——放 YAML 会在每个芯片配置重复同一份、易漂移。芯片专属参数（eu / lane / 频率 / LMEM 带宽）仍从 YAML 加载。正文「op_count 是算法建模量、跨厂商通用」与此一致。
- softmax 吞吐除数取 eu_per_core 标量：吞吐公式除数用解析侧已解析的 eu_per_core 标量（= 向量单元每 lane eu × 向量单元 lane 数），与解析侧 bit-exact 同源；未在实现端按每精度 eu_per_lane 重算（softmax 固定 BF16，单精度足够）。
附录 C：SG2262 参数实例
SG2262 向量单元（softmax）的芯片专属参数取值落地芯片配置 YAML，公式正文不含裸字面量。例外：op_count 步表是跨厂商通用的 softmax 算法分解、非芯片字段，代码内固化为常量（见附录 B），不进 YAML。
| 参数 | 含义 | 来源 |
|---|---|---|
| lane 数 $L$ | 每 core lane 数 | 芯片配置 cores.lanes_per_core |
| 向量 eu 数 $E_v$（每精度） | 每 lane 向量执行单元数，BF16 / FP16 / INT 各自取值 | 芯片配置 vector.eu_per_lane（按精度独立） |
| 列对齐基数 $E_b$ | 全行步的 KS 维对齐基数 | 由 eu 数 / lane / 精度字节推导 |
| 子步骤 op_count $\{c_s, \sigma_s\}$ | softmax 各子步骤（max/减/exp/求和/除等）的运算次数与形状类型 | softmax 算法分解（厂商中立、跨芯片相同），代码内固化常量、非 YAML 字段；exp 步 op_count > 1 |
| 向量单元频率 $f_v$ | 向量单元时钟 | 芯片配置 frequency |
| LMEM 带宽域 $\text{BW}_{\text{lmem}}$ | 片上本地存储总线带宽 | 芯片配置 lmem.bandwidth（峰值占位，绝对值不可信） |
@tbl-gsm-sg2262-params SG2262 向量单元（softmax）参数实例
向量 eu 数按精度各自从配置独立加载（非由某基准算术推导）。子步骤 op_count 是 softmax 的算法分解、跨厂商通用，非厂商 lowering。LMEM 带宽真实参数待 SRAM 时序 spec 获取后填入。缺任一字段加载时 raise 带字段名，不取默认。