我目前遇到一个问题，现有一个CUDA核函数，它将一个batch的数据分给一个block，由block中的thread去并行处理，thread间通过共享内存通信。我在学习AscendC时了解到，数据并行只到AIcore（我理解aicore像是CUDA中的block），再向下是不是没有thread级别的并行了？或者我想去达到等同于CUDA核函数的并行程度或者时间复杂度，应该如何去写？

这个CUDA核函数分配一个batch给一个block，block中的thread去根据自己的tid去处理数据，每个thread将处理完的数据存到共享内存中。