Pallas GPU 内核编程：XLA 编译器 + Hopper TMA 异步拷贝的 SMEM 流水线深度实战
Pallas 是 JAX/XLA 生态中用于编写高性能自定义 GPU 的底层编程模型，它通过 pallas_call 入口和 AsyncCopy 原语，让开发者既能利用 XLA 编译器的全局优化能力，又能精细控制 Hopper 架构的 Tensor Memory Accelerator (TMA) 硬件单元。
TMA
Intel 处理器微架构性能分析：Top-down Microarchitecture Analysis（TMA）方法论文深度实战
> 执行摘要：当一段推理代码跑得比预期慢，绝大多数工程师的第一反应是"加机器"或"换更快的卡"。但在你动硬件之前，真正的问题往往是：**CPU 的每一个时钟周期到底被浪费在了哪里？** CPI（每指令周期数）只能告诉你"慢"，却无法告诉你"为什么慢"。Intel 的 Top-down Microarchitecture Analysis（TMA，顶层微架构分析法）把每一个流水线槽位（Pipelin…
