你好，因为项目需要将一个CUDA自定义算子转换成ascendc自定义算子，才去接触和学习ascendc。但是在开发过程中，产生了一下困惑。同样是SPMD数据并行，gpu会有很多thread根据ID去并行处理数据，而npu的aicore数量比gpu的thread少（我看910的aicore好像只有40多个）。我如果用gpu的话，thread够多，可能很快就处理完一个batch的数据，而npu只用这几个aicore速度就要慢些。

我想问一下npu是不是达不到gpu那样的并行程度（很多thread去处理一个batch），只能去用指令流水线去弥补。