请教一个问题。

实现了一个先在vetcorCore计算后，然后搬入cubeCore进行矩阵乘的计算过程。在vetcorCore和cubeCore并行计算时，ND2Nz的优先级似乎小于vector的dataCopy，耗时变长。

如下图所示，MTE2的两个ND2Nz指令搬运的数据量相同的情况下，执行第一个ND2Nz同时有到vectorCore的dataCopy，耗时变长；执行第二个ND2Nz指令时没有到vectorCore的dataCopy，耗时正常。

我的期望是执行第一个ND2Nz时，耗时和执行第二个ND2Nz指令的时间相同，或者说ND2Nz和dataCopy能够交替执行。那么这个问题的原因是什么，要怎么解决？