🧂 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「起点与段长」做成了核可写寄存器，但每段仍要核发一次 start：分 3 段扫一块矩阵 = 核写 3 次起点、写 3 次段长、发 3 次 RB_GO，软件得自己把每段的起点/段长记住。
真 NPU 上一块大矩阵要分几十上百段搬进片上算，每段的起点/段长本来就住在内存里的段表（一段一行）；让软件一趟趟读出来再写进 MMIO，软件又一次成了扫描的瓶颈。这一环把「读表」也交给硬件：给一个段表基址与段数，一条 start，硬件自己把段表走完——段与段之间累加器自动接续。

· 段表：摆在权重 SRAM 里，一段一个字 {标签[31:24], 段长[15:8], 起始块号[7:0]}——起点段长本来就是内存里的数据；
· 三个寄存器：0x3D4 RB_TBLM（1 = 段表连扫）、0x3D8 RB_TBLS（段表起始字地址）、0x3DC RB_TBLN（段数）；
· 跑法：RB_CLR 一次、一条 RB_GO；硬件先发段表读地址（与取权重共用同一条 SRAM 读端口，分时复用、不额外开口子），把表字读回来解出「起始块号 + 段长」，自增扫完这一段，再自读下一条……扫完 n 段才 done；
· 只扩不推翻：RB_TBLM=0 = 第 31/32/33 环老语义（核写块号/起点/段长、核发 start），引擎一个字没删，两条路径必须逐位一致；前 33 圈地址映射一字不改；
· 硬证据探针：0x3E0 RB_TBLC（按表扫过几段）、0x3E4 RB_TBLT（当前段标签——核从没写过这个寄存器，标签对得上就说明表字真是硬件从内存读来的）、0x3E8 SCREEN9。

改 rtl/row_blk.sv（新增 tbl_mode/tbl_base/tbl_n 输入 + tblcnt_out/tbltag_out/tblent_out 探针 + 两个新状态 ST_TBLD/ST_TBLW + ST_COMP 的「还有下一条就接着翻表」判据 + 读地址在读表两拍都得稳住），新增 tb/tb_row_blk34.sv（单元仿真，两个不同大小的矩阵）；min_bus 挂 0x3D4 RB_TBLM / 0x3D8 RB_TBLS / 0x3DC RB_TBLN / 0x3E0 RB_TBLC / 0x3E4 RB_TBLT / 0x3E8 SCREEN9 并新增第九观察点 screen9_out；circle34/gen_boot34.py 生成最小 OS（第 34 环试验段）；tb/tb_min_soc34.sv 协同仿真。

// rtl/row_blk.sv（节选）：段表连扫——硬件自己读表、自己翻页
// 表字 = {标签[31:24], 保留[23:16], 段长[15:8], 起始块号[7:0]}
wire tbl_rd_phase = (st == ST_TBLD) || (st == ST_TBLW);
wire [31:0] waddr_i = tbl_rd_phase
                    ? (tbl_base_r + tbl_idx_r)          // 读段表：表地址
                    : (BASE + (blk_r * RB) + f_i32);    // 扫段：权重地址

ST_TBLD: begin  w_rd_en <= 1'b1; st <= ST_TBLW; end   // 发段表读地址
ST_TBLW: if (w_rd_valid) begin
    // 起点/段长全从这一条表字解出——核没写过这两个寄存器
    blk_r  <= w_rd_data[NB_W-1:0];
    seg_r  <= w_rd_data[15:8];
    tbltag_out <= w_rd_data[31:24];   // 标签回显（表字真从内存读来的硬证据）
    segcnt_r   <= 8'd0;
    st <= ST_FETCH;                    // 开始扫这一段
end

ST_COMP: begin
    ...
    end else if (tbl_r && ((tbl_idx_r + 8'd1) < tbln_r)) begin
        tbl_idx_r <= tbl_idx_r + 8'd1;  // 这一段扫完 → 自己翻到表下一条
        tblcnt_r  <= tblcnt_r + 8'd1;
        st <= ST_TBLD;                  // 核一个字没写、一条 start 没发
    end else begin
        busy <= 1'b0; done <= 1'b1;     // 表里最后一段也扫完才放手
    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]。段表写进权重 SRAM 字 40~42，最小 OS 在芯片上真跑（全程只发一条 RB_GO）：

单元仿真 tb_row_blk34 用一个「大矩阵」实例把「连扫」钉死：8×8 矩阵、16 块（D=8、NB=16），段表 3 条 0..5 / 6..11 / 12..15 连扫完，3 段累加与一次整扫逐位一致（[-44,13,25,-44,13,25,-44,13]）；段数写 2 → 只走前两条（[-44,13,25,-44,13,25,0,0]）；改写表第 2 条（起 9、长 1）→ 结果跟着变（行 4/5 上多长一遍块 9 的部分积 16/19）；空表（段数 0）立刻完成、busy 不挂死；换个槽位放表照样连扫（段表基址可编程）。协同仿真 tb_min_soc34：SCREEN = 0xF905FD04、SCREEN2 = 0x02040404、SCREEN3 = 0x04000204、SCREEN4 = 0x10200707、SCREEN5 = 0x04081807、SCREEN6 = 0x0402FFFA、SCREEN7 = 0x0403FA04、SCREEN8 = 0x0102FAFB 与第 25~33 环逐位一致（本环只给行块引擎加了一条读表通路，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；全量回归 53 项全绿。

从「一段一次 start」走到「一张段表、一次 start、硬件自己走完多段」——段表住在内存里，读它的是硬件不是软件。这正是真 NPU 上权重分块搬运的样子：几十上百段的起点/段长本来就写在内存的表里，核只说「表在哪、有几条」，剩下的硬件自己做完。软件从「扫描的执行者」退成「扫描的声明者」，矩阵再大也不会把核拖成瓶颈。芯片离「跑真 DeepSeek 权重」又近一层。