🧂 Salt OS · 同心圆

同一个圆心：一台开机只有一个 AI 的手机。前四环芯片已经会算「注意力」——打分、分权重、取用最相关的历史信息。但注意力的输出还只是「上下文里最相关的那部分」，大模型里每个 Transformer 块在注意力之后，还要再过一个前馈网络 FFN：两层线性变换，中间夹一个激活（这里用 ReLU，把负值抹成 0）。本环让芯片把这个 FFN 也跑通——做完它，一个完整的 Transformer 块（注意力 → FFN）就在芯片上闭合了。

延续「端上算力紧凑、全部定点、不用浮点」的主线：
· 两层各一个 4×4 INT4 权重矩阵 W1、W2；
· 激活向量 8bit 有符号；累加 32bit 有符号；
· 第一层 h[d] = Σ W1[d][i]·x[i]，过 ReLU(h)=max(0,h) 抹掉负值，第二层 y[d] = Σ W2[d][i]·r[i]。
数学上就是 FFN(x) = W2 · ReLU(W1 · x)。全部乘加是组合逻辑，核喊一声 start，硬件一次算完两层，直接吐出 4 个 lane。

新增 rtl/ffn.sv：一个 dot4 函数做「一行 INT4 权重 × 4 个 8bit 值」的点积（权重、输入都先符号扩展到 32bit 再逐项乘加），两层各调 4 次——

第 1 层（组合逻辑）：h[d] = dot4(W1 第 d 行, x)  →  r[d] = ReLU(h[d])（负值抹 0，饱和到 8bit）
第 2 层（组合逻辑）：y[d] = dot4(W2 第 d 行, r)
结果锁存：start 那拍把 y 锁进 y_out，下一拍 busy 拉低、done 拉高

min_bus.sv 挂载 FFN 引擎，新映射：

0x078 → FFN_X       输入向量（4×8bit）
0x07C → FFN_W1_LO   第 1 层权重 0~7
0x080 → FFN_W1_HI   第 1 层权重 8~15
0x084 → FFN_W2_LO   第 2 层权重 0~7
0x088 → FFN_W2_HI   第 2 层权重 8~15
0x08C → FFN_START   写 1 → 触发前馈两层计算
0x090 → FFN_OUT0    读输出 lane0（32bit 有符号）
0x094 → FFN_OUT1    读 lane1
0x098 → FFN_OUT2    读 lane2
0x09C → FFN_OUT3    读 lane3
0x0A0 → FFN_BUSY    读忙闲（含刚下发那拍，无空窗）

这一环最直观的是 ReLU 的作用：输入 [2,-1,4,-3] 有正有负，过第一层（单位阵，等于原样传递）得到 [2,-1,4,-3]，ReLU 把 -1 和 -3 抹成 0，得 [2,0,4,0]；再过第二层全 1 阵求和，每个 lane 都是 2+0+4+0=6。屏幕 = 0x06060606 = 101058054——证明芯片能算出一个 Transformer 块第二半的 FFN。单元仿真还单独验证了「全负输入 → ReLU 全抹 0 → 输出 0」，确认激活是真的在工作，不是摆设。

本环走完一整圈：目标 → AI 要把「最相关的信息」再加工提炼 → 硬件用两层线性 + ReLU 完成前馈 → 有符号 / 全负 / 抹负各路径全部跑通 → 回到目标。至此一个完整的 Transformer 块（注意力 → FFN）在芯片上闭合了——大模型心脏里的那「两块」，从注意力到前馈网络，都在自研芯片上跑通。下一步，把这个块的输入和输出用残差连接接起来、再归一化，让「块」真正能一层层摞起来。离一台本地跑大模型的手机，又近一圈。