我这边尝试用ascendC开发一个算子，但host侧的tiling数据拷贝到device侧比较麻烦，我这里尝试用下面那种随算子下发拷贝的方式，但发现性能会变差一些

主要体现在下面这种方式导致了scalar计算单元成为瓶颈

请问一下这种情况有什么办法可以优化一下么

上面那种方式是华为这边各种资料推荐使用的方式，tiling数据是需要先拷贝到device侧传到kernel里，下面那种方式是host侧的tiling数据直接放到栈上，随kernel下发和其他kernel参数一起拷贝到数据段