🧂 Salt OS · 同心圆

上一环把「扫完一块矩阵」收成了一条 npu.rbmat：操作数在 rs1/rs2 里、忙闲一起等、结果线直接回来。可一层的权重不止一块矩阵——真 Transformer 一层里有 Wq/Wk/Wv/Wo、FFN 的 W1/W2、LN 的 gamma/beta，一层的权重是一串矩阵，每块各有自己的段表、自己的住处、自己该去的去处。

于是核又坐回了驾驶座：一块矩阵一条指令、一块一块往下发；块与块之间的「换矩阵、结果摆哪、要不要清累加器」仍是软件在管。硬件越强、驱动越长——这正是第 27 环给整网解掉的病，在「一层权重」这条路上又长回来了。这一环要把一整层权重也收进一条指令。

做一条矩阵描述符链：内存里排一串矩阵描述符（一条就是一块矩阵的全部交代），核只给「链在哪、链多长」，硬件一条条走完——中间不发第二个 start、不读一次累加器、不写一个寄存器。

链条目（32bit）= { 标签[31:24] | 段数[23:16] | 段表基址[15:10]
                  | 权重基址[9:4] | 结果槽[3:2] | 保留 | 清累加器[0] }

每条描述符说清四件事：①这块矩阵住在哪（权重字基址——真芯片上就是内存里这块矩阵的地址）②它的段表在哪、有几段 ③算完把结果摆到哪个槽 ④算之前要不要清累加器。

硬件侧（rtl/row_blk.sv）在原来的段表扫描上加了三态：读链描述符（ST_CHND/ST_CHNW）→ 按条目里的段表把这块矩阵扫完（第 34/35 环那套连扫+流式取表一个字没改）→ 把累加器收口进结果槽（ST_SNAP）→ 翻下一条。四个结果槽 × 四个 lane 同时留在片上，核跑完一次性读走。多花的那一拍收口是必要的：最后一块的部分积在 ST_COMP 那一拍的边沿才落进累加器，此刻读到的才是完整的一行。

ISA 契约（核升 v9）：npu.rbchain rs1, rs2（rs1=激活向量、rs2={链长[15:8], 链基址[5:0]}）、npu.rbchain.s（段表走阻塞读，对照）；npu.wait 一并覆盖链（min_bus 把链启动脉冲并进忙闲）；npu.rd 选源再取一档 sel=7 = 走完的链条目数。新页 0x750~0x7AC（RB_CHNM/RB_CHNS/RB_CHNN/RB_CHN_GO + 探针 + 16 个槽寄存器 + SCREEN12），前 36 圈地址映射一字不改。

单元仿真 tb_row_blk37（35 个用例）：四条目链 == 四条单跑、描述符字段（权重基址/段数）改哪个槽就变哪个、条目里的「清累加器」位管事（不清则累加器跨矩阵继续长，槽1 = 槽0 + 下一块的结果）、单条目链 == 第 34/35/36 环段表连扫老路径逐位一致、空链立刻完成不挂死（start 后那一拍 done 就拉高）、某条目段数为 0 时该槽被清成 0 且链继续往下走、开/关段表预取四个槽逐位一致。

ISA 单元仿真 tb_isa_rbchain 只验契约本身：四块矩阵与段表写进 SRAM，MMIO 开关全写 0，一条 npu.rbchain → 四个槽对表全中；改条目 2 的住处 → 只有槽 2 变；npu.rbchain.s 与流式取逐位一致；老路径逐位一致；全通 SCREEN = 0x0000C5C5。

协同仿真 tb_min_soc37：SCREEN = 0xF905FD04、SCREEN2~11 与第 25~36 环逐位一致（本环只加一条链通路，主通路一个字没动）；采样序列仍是 [0,2,0,0,0,3]、第 6 步吐停止符 3 而停。全量回归 60 项全绿。

其一：报忙要报在第一拍。链启动脉冲在 EX 拍才置起来，引擎下一拍才看到 start、再下一拍 busy 才起来——核走 MMIO 轮询时会在引擎忙起来的前一拍把忙闲看成空、直接走人（与第 36 环 npu.wait 踩到的是同一颗钉子，只是这次出现在 MMIO 侧）。把链启动脉冲也算进 RB_BUSY 读回之后，忙闲首尾不断。

其二：换矩阵要把前瞻缓冲丢掉。第 35 环的段表预取会在扫描途中把「下一条表字」取进缓冲；一换矩阵，缓冲里那条就是上一块矩阵的表字。装载链条目时清掉缓冲（lk_valid/lk_req 归零），否则会拿着上块的表继续扫本块。

其三：老路径的清零在核手里，链的清零在描述符里。同一次「新矩阵乘」，MMIO 老路径靠核发 RB_CLR 脉冲，链路径靠条目里的清标志——这也是为什么条目要带这一位：一条指令里没有「先清再发」两个动作的位置。

从「一条指令扫一块矩阵」走到「一条指令扫完一整层权重」：一层的权重是一串矩阵，每块各有住处/段表/结果槽/清标志——这些交代全写进内存里的描述符链，核只给「链在哪、链多长」。整层的结论同时留在片上四个槽里，核跑完一次性读走，中间不发第二个启动、不读一次累加器、不写一个寄存器。

这正是软硬协同往深处走的样子：上一环把「一块矩阵的扫描」收进接口契约，这一环把「一层权重的调度」也收进去——核从「扫描的声明者」再退一步，成了「整层搬运的声明者」。真芯片上一层权重有几十上百块矩阵、每块几十上百段，软件看到的仍然只是一条指令。