将当前NPU的数据广播到并行组中所有rank。调用方NPU为根节点，其数据将被复制到所有其他NPU。

只有根节点需要执行 [object Object]。非根节点只需确保在操作期间其目标缓冲区已分配且可写。在非根节点上调用 [object Object] 属于未定义行为。

大Tile支持：当GlobalTensor在行和/或列方向超出UB（统一缓冲区）Tile容量时，传输将通过二维滑动自动分块。

操作完成后：

$$\mathrm{dst}^{(k)}_{i,j} = \mathrm{src}^{(\text{root})}_{i,j} \quad \forall k \in [0, N)$$

其中 $N$ 为rank总数，[object Object] 为调用方NPU。

同步形式：

降级时会为GM→UB→GM数据路径引入UB暂存Tile；C++内建接口需要显式传入 [object Object]（或 [object Object] / [object Object]）操作数。

• [object Object]：
  • [object Object]（默认）
  • [object Object]（Ascend 950PR/Ascend 950DT，仅NPU_ARCH 3510）

声明于 [object Object]：

当 [object Object] 时，可变参数的第一个参数必须是包含CKE slot虚拟地址和gate mask的 [object Object]。AIV kernel触发CKE gate，实际的广播数据路径在CCU引擎上执行。

• 类型约束：
  • [object Object] 必须等于 [object Object]。
  • [object Object] 必须等于 [object Object]。
• 内存约束：
  • [object Object] 必须指向本地内存（当前NPU）。
  • [object Object]（或 [object Object] / [object Object]）必须预先在UB中分配。
• ParallelGroup约束：
  • [object Object] 必须指向rank [object Object] 的目标缓冲区（从根节点视角看到的远端GM）。
  • [object Object] 标识调用方NPU为广播根节点。
  • 所有目标tensor假定具有相同的形状和步幅。
• 分块模式约束（数据超出单个UB Tile时）：
  • 若 [object Object] 具有静态 [object Object]，则 [object Object] 必须能被 [object Object] 整除。如需支持不足一行的情况，请使用 [object Object] ValidRow的Tile。
  • 若 [object Object] 具有静态 [object Object]，则 [object Object] 必须能被 [object Object] 整除。如需支持不足一列的情况，请使用 [object Object] ValidCol的Tile。

[object Object]

使用两个UB Tile，将下一块的TLOAD与当前块的TSTORE重叠执行。