Reduce操作：从多个远端NPU收集数据并在本地执行逐元素归约。

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源缓冲区已就绪且保持有效。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 Tile容量时，归约操作将通过二维滑动自动分块。

对有效区域内每个元素 [object Object]：

$$\mathrm{dst}^{\mathrm{local}}_{i,j} = \bigoplus_{r=0}^{N-1} \mathrm{src}^{(r)}_{i,j}$$

其中 $N$ 为rank总数，$\oplus$ 为归约运算（求和、取最大值、取最小值等）。

同步形式：

降级时会为reduce流水线引入内部累加Tile和接收Tile；C++内建接口需要显式传入 [object Object]、[object Object]（或 [object Object]、[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reduce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]、[object Object]（或 [object Object]、[object Object]、[object Object]）必须为预先分配的UB Tile。
• ParallelGroup约束：
  • [object Object] 必须指向rank [object Object] 的源缓冲区（从根节点视角看到的远端GM）。
  • [object Object] 标识调用方NPU为reduce根节点。
  • 所有源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]