第 40 环 · 链预投下层 · 算本层时下层权重已在路上

🎯 圆心 · 目标（每环都从这里出发）

造一台 Salt OS 手机：基于 DeepSeek 的 AI 操作系统，iPhone 4S 外形（含底部圆形 Home 键），开机只有一个 AI（无桌面、无图标），软硬协同设计（OS + 芯片 + 主板一起做），为别人搭台、让别人在平台上赚钱。

🧭 完整框架（同心圆）

①文字闭环 → ②技术深入 → ③挂SRAM → ④权重INT4 → ⑤激活INT4 → ⑥NPU.STORE → ⑦KV Cache → ⑧注意力QK^T → ⑨Softmax → ⑩加权V → ⑪前馈FFN → ⑫残差·LayerNorm → ⑬多层堆叠 → ⑭QKV投影 → ⑮K/V分离 → ⑯自回归解码 → ⑰连续生成 → ⑱采样 → ⑲KV环形缓冲 → ⑳滑窗注意力 → ㉑多头注意力 → ㉒输出投影 W_o → ㉓多头块入残差流 → ㉔多头块进解码循环 → ㉕整层一块 → ㉖整网一块 → ㉗ISA契约 → ㉘权重内存化 → ㉙权重预取双缓冲 → ㉚权重分块 → ㉛矩阵行块 → ㉜行块自增 → ㉝起始块号可编程 → ㉞段表连扫 → ㉟段表流式取 → ㊱行块矩阵扫 ISA 化 → ㊲描述符链 → ㊳链槽直喂 → ㊴主路走链 → ㊵链预投下层 → ㊶…

本环：链知道权重住哪了，可它还是「一层投完、停下等下一层」

① 目标（这一环要解决什么）

第 39 环把主路的层权重收进了内存里的描述符链（核只给「链在哪、多长」），可吃法是阻塞的：引擎在 ST_WLD 把 req 举给链，链按描述符把本层 14 个字一个字一个字投完，引擎才开算——算一层、停一次、等链一次。NET_CHN_WAIT 记的就是这段等待。

链整个落在关键路径上。第 29 环早就教过一次怎么治这个病（乒乓双缓冲：算本层、取下层），只是那次治的是「按公式取权重」那条路。这一环把同一个办法搬到链上：算本层时，让链去投下层，落进另一个 bank，走到下层 ST_WLD 时常常一拍换 bank 就开跑。

② 实现（做了什么）

链的握手是电平的（投完停在 ST_DONE，rdy 一直举着，直到 req 落下才回空闲）。所以「要一层权重」这件事不能再由 ST_WLD 那一拍直接举着——那只能表现成「停下等」。本环新增一个链取子引擎专门举这个电平：

CP_IDLE --cp_go--> CP_REQ --链把本层投完(rdy)--> CP_RLS --> CP_IDLE
                       │                            │
                       │  举着 req 走完一整轮        └─ 把「这个 bank 装的是哪一层」
                       │   （投完立刻撤 req 放链回空闲）      记进就绪标志 ld_ready/ld_layer

于是插入点只剩三处：冷启动（ST_IDLE 给第 0 层起一次链取——第 0 层没法预投）、预投（ST_PREK：算本层时给下层 li_nxt 起一次链取，投进 ~bank_r，同时把旧的就绪标志撤下）、换 bank（ST_WLD：就绪标志指着本层 → 一拍换 bank_r 就开算）。

两个 bank 乒乓：链写的是 cp_buf_r（在飞那一轮的目标 bank），计算读的是 rd_bank（阻塞路径读链正在写的那一个、预投路径读本层那一个）——写读永不打架，本层那份在整层跑完前一个字都不会被改。

核这边只多写一个寄存器：WC_PF（0x83C，1=链预投下层）。WC_PF=0 就是第 39 环的老语义（停下等链），一字未删。新探针 NET_CHN_PF（链取了几次）/ NET_CHN_OVL（有多少字是在算别的东西的时候投进来的），新观察点 SCREEN15（0x848）。前 39 圈地址映射一字不改。

③ 怎么验证（硬证据）

证据	结果	说明
D 趟（预投）vs A 趟（第 39 环阻塞链）	逐位一致	只改了「谁等谁」，算出来的东西一个字没变
E 趟（`WC_PF=0` 回到阻塞）	== A 趟	老路径原样保留、结果不动（递增不推翻）
F 趟（再关预投跑一趟）	两个探针都不再长	重叠确实来自预投路径，不是碰巧
`NET_CHN_PF`	2 次	冷启动第 0 层 + 预投第 1 层，两层各一次链取
`NET_CHN_OVL`	14 字	下层的 14 个字全是在算本层的时候投回另一个 bank 的
等链拍数：阻塞趟 → 预投趟	98 拍 → 52 拍（省 46）	等链的拍被本层的计算盖住了——这是本环唯一想要的东西
改一条描述符（层1 LN 借住层0 LN 地址）	预投路径输出跟着变	预投拍到的真是内存里那一层的权重

SCREEN15 = 0x620E3407

阻塞等链 98 拍 | 重叠 14 字 | 预投等链 52 拍 | D 趟 lane0 = 7（四个字节全是运行时量到的）

单元仿真 tb_chain_pf：预投路径 y=0xFA03FC07、链投 28 字、链取 2 次、重叠 14 字、166 拍；阻塞路径 210 拍、重叠 0 字；公式路径（第 28~30 环）输出与之逐位一致；改描述符输出跟着变、还原后逐位回到原值；单层只有冷启动 1 次链取、没有下层可预投（诚实口径）；预热 8 趟后的 A(链)/B(公式)/C(链) 三趟两两一致。

协同仿真 tb_min_soc40：整机跑完解码循环 → 采样序列仍是 [0,2,0,0,0,3]（第 6 步吐停止符 3 而停）；SCREEN = 0xF905FD04、SCREEN2 = 0x02040404、SCREEN14 = 0x1C3C0107 与第 25~39 环逐位一致。全量回归全绿。

④ 调试中钉住的钉子

其一（读 1 写 0）。链的阻塞路径一直写 bank 0（第 39 环写死的），本环把「读哪个 bank」也统一成「链正在写的那一个」之后，才发现旧代码是写 0 读 bank_r——而前面第 29/30 圈的收尾试验会把 bank_r 留成 1。于是 A 趟（链）读到的是另一个 bank 里的旧字，A ≠ B，收尾自曝在阶段 27。单元仿真里 bank_r 从头到尾是 0，所以单测全绿、整机才炸：同一个模块，状态是前面几十圈攒下来的——单测跑不出这类缝隙，整机协同仿真才跑得出来。

其二（电平握手的半程不能撤）。链的 rdy 是电平，req 一撤它就回空闲。若把「要一层权重」做成单拍脉冲，撤了以后没人接那半程握手，链会一直停在 ST_DONE。所以必须由一个子引擎举着 req 走完一整轮（CP_REQ→CP_RLS），投完那一拍才撤。

其三（等链拍数怎么量）。NET_CHN_WAIT 在每趟 start 时归零，所以「一趟跑完读到的就是本趟的等链拍数」。我一开始按「跑完减跑前」量（差值），结果在预投趟上得到 52 − 98 = −46，8bit 一看是 210——差点把「预投比阻塞省 46 拍」这条正确结论读成「预投反而多等 210 拍」。先把口径说清，再读数。

其四（页内序号错一位）。SCREEN15 的写译码我写成了 6'd16（= 0x840，那是只读探针槽），屏幕永远是 0——而 RTL 里的自检其实全过了。修正到 6'd18（=0x848）后数字才出来。地址按 [7:2] 编号时，字节地址÷4 要再数一遍。

⑤ 回到目标（这环让目标前进了多少）

第 39 环让「权重住哪」由内存里的描述符说了算；这一环让「链在什么时候把权重送进来」也有了提前量——算本层时下层已经在路上。NET_CHN_WAIT 从 98 拍掉到 52 拍，掉掉的正是那两层里被判为「可以提前」的部分。

离目标更近的一点在于：真模型每层权重是几 MB 到几 GB，取一层的耗时远大于算一层——只要取权重还落在关键路径上，NPU 就有一半时间在等内存。这一环把「等」收进计算背后，是「以权重流带动计算」而不是「以计算迁就权重」的那一步。

➡️ 下一环 · 第 41 环

本环的提前量只在一趟之内：第 0 层永远没法预投（还没开算），所以每一趟 npu.net 都要付一次冷启动（那 52 拍里的主要部分）。可解码循环是一趟接一趟跑的（每个 token 一趟），趟与趟之间本可以接着流水——下一环让上一趟的末尾就把下一趟的第 0 层投好，顺便把「链配置一变，这份预投就作废」的作废通路一起做出来：跨趟预投 · 下一趟首层在上一趟末尾已在路上。

📱 技术笔记目录 · ← 第 39 环