由于之前使用过Cuda和Triton在GPU上进行算子开发，有一个经验就是：用Cuda开发的算子经过全方位的非常深度的优化，性能才能追平用triton直接开发的算子，一旦优化不够，性能和triton差距往往很大。因为triton有很成熟的自动优化机制，但是cuda所有的优化都要自己来，而且当输入数据的尺寸不固定时，优化难度就更大了。而且triton的算子开发难度很小，也不需要怎么考虑优化的问题，就是简单将算子的计算逻辑实现了就够了，但是性能却能达到cuda经过很大程度优化的性能，性价比极高。

所以我看到华为在NPU上开发算子也提供了两套方案：TBE和Ascend C。前者基于python开发，后者基于C++开发。我目前的理解是TBE就相当于是NPU上的Triton，也可以自动优化，开发难度低，简单实现就能达到很高的性能。Ascend则相当于Cuda，开发难度大，往往需要非常深度的优化才能在性能上接近用TBE实现的算子，没有一定开发经验想要超过TBE基本不可能。

所以如果刚接触这两套开发工具链，想要开发NPU上的算子，而且算子的输入形状是可变的。但是不追求极致性能（但是性能也要过得去，最起码要达到极致性能的70%），使用哪一个更加容易达到呢？