🧂 Salt OS · 同心圆

还是同一个圆心：一台开机只有一个 AI 的手机。上一环把「谁在数块号」从软件搬进了硬件，但起点写死在块 0——一次启动永远从矩阵头扫到尾。
真芯片上一块矩阵按 2 行一块能有几百上千块（4096×4096 → 2048 块），核不可能一口气扫完，也常常只想扫其中一段（多核分块、流水线分段、只重算变化的那几段）；更要紧的是——矩阵大到片上放不下时，一块「矩阵」本身就是分段搬进来算的，段与段之间累加器得接着长。这一环把「起点与长度」也做成寄存器：起始块号可编程、段长可编程、分段扫完累加器跨段保持。

· 起始块号：新增寄存器 0x3C0 RB_BLK0——自增扫描的起点，不再是写死的 0；
· 段长：新增寄存器 0x3C4 RB_SEG——本段要扫几块（写 0 = 扫到矩阵末尾）；
· 跑法：clr 一次、发一段 RB_GO；硬件从 blk_start 自增着扫满 seg_n 块（或扫到矩阵末尾就停）；累加器跨段保持——下一段接着往上累加，几段加起来 == 一次整扫；
· 回显探针：0x3C8 RB_BLKF（本段起始块号回显）、0x3CC RB_SEGC（本段扫过块数）；RB_BLKC 仍数自 RB_CLR 以来的累计块数；
· 只扩不推翻：RB_AUTO=0 = 第 31 环老语义（核写块号、核发每块 start），一个字没删，两条路径必须逐位一致；RB_SEG=0 = 第 32 环老语义（从起点扫到矩阵末尾）；前 32 圈地址映射一字不改；
· 位宽随矩阵长大：行/列基址回显从 2 bit 放宽到 4 bit（矩阵最多 16 行块），探针 0x3D0 SCREEN8。

改 rtl/row_blk.sv（新增 blk_start/seg_n 输入 + blk_first_out/segcnt_out 探针 + ST_IDLE 起点可编程 + ST_COMP 的「段没跑够就继续」判据），新增 tb/tb_row_blk33.sv（单元仿真，两个不同大小的矩阵）；min_bus 挂 0x3C0 RB_BLK0 / 0x3C4 RB_SEG / 0x3C8 RB_BLKF / 0x3CC RB_SEGC / 0x3D0 SCREEN8 并新增第八观察点 screen8_out；circle33/gen_boot33.py 生成最小 OS（第 33 环试验段）；tb/tb_min_soc33.sv 协同仿真。

// rtl/row_blk.sv（节选）：起点可编程 + 段没跑够就接着自增
ST_IDLE: if (start) begin
    blk_start_r <= blk_start;      // 本段起点（核写）
    seg_r       <= seg_n;          // 本段块数（0 = 扫到末尾）
    segcnt_r    <= 8'd0;
    if (auto_mode) begin
        blk_r <= blk_start;        // 从任意块起（不再是写死的 0）
        blk_first_out <= blk_start;// 起点回显
        rbase_out <= st_r0; cbase_out <= st_c0;
    end
    ...
end

// 第 33 环：本段还没跑够吗
wire seg_more = more_blk &&
                ((seg_r == 8'd0) || ((segcnt_r + 8'd1) < seg_r));

ST_COMP: begin
    ...
    segcnt_out <= segcnt_r + 8'd1;         // 本段又扫过一块
    if (auto_r && seg_more) begin           // 段没跑够 → 自增续跑
        blk_r <= blk_r + 1'b1;
        st <= ST_FETCH;
    end else begin
        busy <= 1'b0; done <= 1'b1; st <= ST_IDLE;   // 本段扫完才放手
    end
end

测试矩阵 W = [1,2,-1,0 / 0,1,1,-2 / -1,0,2,1 / 2,-1,0,1]、x = [3,-2,5,-4]，手算 y = W·x = [-6,11,3,4]。最小 OS 在芯片上真跑（每段只说一次 start）：

单元仿真 tb_row_blk33 用一个「大矩阵」实例把「分段扫」钉死：8×8 矩阵、16 块（D=8、NB=16），分 3 段 0..5 / 6..11 / 12..15 扫完，3 段累加与一次整扫逐位一致（[-44,13,25,-44,13,25,-44,13]）；从块 9 起扫到末尾 → [0,0,0,0,24,15,-44,13]（大矩阵从中间起，只有后半行长出来）。协同仿真 tb_min_soc33：SCREEN = 0xF905FD04、SCREEN2 = 0x02040404、SCREEN3 = 0x04000204、SCREEN4 = 0x10200707、SCREEN5 = 0x04081807、SCREEN6 = 0x0402FFFA、SCREEN7 = 0x0403FA04 与第 32 环逐位一致（本环只给行块引擎加了两个可编程寄存器，主通路一个字没动）；采样序列 [0,2,0,0,0,3]、第 6 步吐停止符 3 而停。

从「一次启动扫完整个矩阵」走到「一次启动扫完指定的一段；几段加起来就是一整块矩阵」——这正是软件与 NPU 分块的接缝：核不再需要知道矩阵有多长，它只说「从第几块起、扫几块」，硬件自己走完这一段、累加器自己接着长。矩阵大到片上放不下时，段就是搬运与计算的单位；多核分块、流水线分段也都长在这两个寄存器上。芯片离「跑真 DeepSeek 权重」又近一层。