183、NPU的编译器开发：静态代码分析

NPU的编译器开发：静态代码分析去年冬天调试一个边缘计算项目，板子上电后NPU推理结果全是NaN。硬件同事盯着示波器说“时序没问题”，算法同事反复检查模型说“量化参数对的”。我花了三天时间，最后发现是编译器在静态分析阶段把某个卷积层的输入张量维度算错了——一个本该是[1, 64, 112, 112]的张量被解析成了[1, 64, 112, 1]，导致后续的DMA搬运直接越界。从那以后，我每次写NPU编译器代码，都会在静态分析模块里多埋几个断言。静态分析到底在分析什么很多人以为NPU编译器就是把神经网络模型翻译成指令序列，跟普通编译器差不多。但NPU的静态分析远比CPU编译器复杂，因为NPU没有虚拟内存、没有操作系统帮你管理资源，所有东西都是物理地址、固定大小、硬连线。静态分析要回答三个核心问题：这个算子能不能在NPU上跑？需要多少硬件资源？数据流怎么走？这三个问题必须在编译阶段解决，不能等到运行时再发现——NPU一旦跑起来，连个printf都没有。我见过最典型的翻车案例：有人把MobileNetV2的depthwise卷积直接映射到NPU的卷积引擎，静态分析阶段没检查硬件对输入通道数的限制（某些NPU的depthwise引擎只支持8的倍数），结果跑出来的特征图全是乱的。这不是bug，这是静态分析没做全。张量形状推导：最容易出鬼的地方NPU编译器的静态分析从模型解析开始。你拿到一个ONNX或者TFLite模型，里面每个算子的输入输出张量形状可能是动态的、部分已知的、甚至带负数的（表示未知维度）。静态分析