• 人工智能
• 深度学习
• 算子库
• CANN
• Ascend

导读

本文系统讲解 asc-devkit（CANN 昇腾 AI 处理器算子开发语言）中 SIMD API 基础工具类AscendC::NumericLimits：它用于在 Kernel 内查询指定数据类型的最大值、最小值、无穷大、NaN 等极限值，并提供"标量返回 + 矢量填充"两种接口形态，是算子初始化缓冲区、构造哨兵值、做边界判断时最常用的工具类之一。读完本文，你将掌握全部 8 个接口（Max、Lowest、Min、Infinity、NegativeInfinity、QuietNaN、SignalingNaN、DeNormMin）的函数原型、参数约束、各数据类型的精确输出值，并能结合 接口头文件 的源码理解其底层位编码实现与产品支持差异。

NumericLimits 工具类概述

NumericLimits是 asc-devkit 提供的编译期（constexpr）数值极限查询工具类，用于查询指定数据类型的最大值、最小值、正负无穷大、安静 NaN、发信 NaN、最小正非正规值等属性，作用类似 C++ 标准库中的std::numeric_limits，但专为昇腾 AI Core 上的 Kernel 代码设计：接口全部以__aicore__标注、可在设备侧内联执行，并额外提供面向LocalTensor的矢量批量填充重载。

使用前需包含头文件：

#include "basic_api/kernel_operator_limits_intf.h"

头文件的类定义位于AscendC命名空间，通过模板参数T指定待查询的数据类型，类定义原型如下（出自 接口头文件 与 简介文档）：

template <typename T> struct NumericLimits { // 标量接口，返回值为标量 constexpr __aicore__ static inline T Max(); constexpr __aicore__ static inline T Lowest(); constexpr __aicore__ static inline T Min(); constexpr __aicore__ static inline T Infinity(); constexpr __aicore__ static inline T NegativeInfinity(); constexpr __aicore__ static inline T QuietNaN(); constexpr __aicore__ static inline T SignalingNaN(); constexpr __aicore__ static inline T DeNormMin(); // 矢量接口，为dstLocal前count个元素赋值 __aicore__ static inline void Max(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void Lowest(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void Min(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void Infinity(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void NegativeInfinity(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void QuietNaN(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void SignalingNaN(const LocalTensor<T> &dstLocal, uint32_t count); __aicore__ static inline void DeNormMin(const LocalTensor<T> &dstLocal, uint32_t count); };

可以看出，每个属性都提供两种调用形态：

• 标量接口：constexpr修饰、返回类型T的静态内联函数，可在编译期求值，适合作为常量使用；
• 矢量接口：接受LocalTensor<T>&目的操作数与元素个数count，将对应极限值批量写入张量的前count个元素。

8 个接口功能总览

产品支持情况

NumericLimits 全部接口均为Ascend 950PR & 950DT 系列产品专属能力，其余产品线（Atlas A3 系列、Atlas A2 系列、Atlas 200I/500 A2 推理产品、Atlas 推理系列产品 AI Core / Vector Core、Atlas 训练系列产品）均不支持。从源码看，这与头文件中的__NPU_ARCH__编译期分支一一对应：当架构为 3510、5102、5162 时，接口才启用完整类型集（含 bfloat16_t）的支持检查，详见后文"源码实现原理"章节。

标量接口与矢量接口的通用说明

参数说明

矢量接口的公共参数如下（与 LocalTensor 的通用约定一致）：

返回值说明

• 标量接口：返回值为对应数据类型的极限值（类型为T），且为constexpr，可在编译期参与常量表达式求值；
• 矢量接口：无返回值（void），通过写目的张量dst前count个元素完成赋值。

约束说明

• 标量接口无额外约束；
• 矢量接口内部使用 Memory 矢量计算下的数据填充接口 duplicate 填充前count个元素，因此其地址对齐、count取值等约束需参照 duplicate 接口的约束说明。

接口逐一详解

Max：最大有限值

功能说明：返回指定数据类型的最大有限值（头文件见 Max.md）。

函数原型：

constexpr __aicore__ static inline T Max() // 标量接口 __aicore__ static inline void Max(const LocalTensor<T>& dst, uint32_t count) // 矢量接口

支持数据类型（Ascend 950PR & 950DT）：int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float。

各数据类型输出：

调用示例：

// 标量接口：直接取得 int32_t 的最大值 2147483647 int32_t value = AscendC::NumericLimits<int32_t>::Max(); // 矢量接口：将 dstLocal 前 256 个元素全部填充为 int32_t 最大值 AscendC::NumericLimits<int32_t>::Max(dstLocal, 256);

Lowest：最低有限值

功能说明：返回指定数据类型的最低有限值，即满足"无其他有限值 y 符合 y < x"的有限值 x。对整数类型即其最小可表示值，对浮点类型即其最大的负有限数（约等于负的最大值，区别于Min返回的最小正数）。详见 Lowest.md。

函数原型：

constexpr __aicore__ static inline T Lowest() __aicore__ static inline void Lowest(const LocalTensor<T>& dstLocal, uint32_t count)

支持数据类型：与 Max 相同（int8_t、uint8_t、int16_t、uint16_t、half、bfloat16_t、int32_t、uint32_t、float）。

各数据类型输出：

调用示例：

int32_t value = AscendC::NumericLimits<int32_t>::Lowest(); // 标量：-2147483648 AscendC::NumericLimits<int32_t>::Lowest(dstLocal, 256); // 矢量：填充 256 个最低有限值

Min：最小有限值

功能说明：返回指定数据类型的最小有限值；对浮点数类型来说，返回其最小规约正数（区别于Lowest的负向极值）。详见 Min.md。

函数原型：

constexpr __aicore__ static inline T Min() __aicore__ static inline void Min(const LocalTensor<T>& dst, uint32_t count)

支持数据类型：与 Max 相同。

各数据类型输出：

调用示例：

int32_t value = AscendC::NumericLimits<int32_t>::Min(); // 标量：-2147483648 AscendC::NumericLimits<int32_t>::Min(dstLocal, 256); // 矢量：填充 256 个最小有限值

注意：整数类型的Min()与Lowest()输出相同（均为类型的最小值），而浮点类型两者语义不同——Lowest()返回负向极限（如 float 的 -3.4e38），Min()返回最小正规正数（如 float 的 1.18e-38）。

Infinity：正无穷大

功能说明：返回指定数据类型的正无穷大值（builtin_data_types）。详见 Infinity.md。

函数原型：

constexpr __aicore__ static inline T Infinity() __aicore__ static inline void Infinity(const LocalTensor<T>& dstLocal, uint32_t count)

支持数据类型：half、bfloat16_t、float（仅浮点类型）。

各数据类型输出：

调用示例：

float value = AscendC::NumericLimits<float>::Infinity(); // 标量：+inf AscendC::NumericLimits<float>::Infinity(dstLocal, 256); // 矢量：填充 256 个正无穷大值

NegativeInfinity：负无穷大

功能说明：返回指定数据类型的负无穷大值。详见 NegativeInfinity.md。

函数原型：

constexpr __aicore__ static inline T NegativeInfinity() __aicore__ static inline void NegativeInfinity(const LocalTensor<T>& dstLocal, uint32_t count)

支持数据类型：half、bfloat16_t、float。

各数据类型输出：

调用示例：

float value = AscendC::NumericLimits<float>::NegativeInfinity(); // 标量：-inf AscendC::NumericLimits<float>::NegativeInfinity(dstLocal, 256); // 矢量：填充 256 个负无穷大值

QuietNaN：安静 NaN

功能说明：返回指定数据类型的**安静 NaN（Quiet NaN）**值，其浮点尾数最高位为 1，在参与运算时不触发浮点异常。详见 QuietNaN.md。

函数原型：

constexpr __aicore__ static inline T QuietNaN() __aicore__ static inline void QuietNaN(const LocalTensor<T>& dstLocal, uint32_t count)

支持数据类型：half、bfloat16_t、float。

各数据类型输出：

调用示例：

float value = AscendC::NumericLimits<float>::QuietNaN(); // 标量：quiet NaN AscendC::NumericLimits<float>::QuietNaN(dstLocal, 256); // 矢量：填充 256 个 NaN 值

SignalingNaN：发信 NaN

功能说明：返回指定数据类型的**发信 NaN（Signaling NaN）**值，其浮点尾数最高位为 0；当运算操作数包含发信 NaN 时通常会触发浮点无效操作异常（信令）。详见 SignalingNaN.md。

函数原型：

constexpr __aicore__ static inline T SignalingNaN() __aicore__ static inline void SignalingNaN(const LocalTensor<T>& dstLocal, uint32_t count)

支持数据类型：half、bfloat16_t、float。

各数据类型输出：

调用示例：

float value = AscendC::NumericLimits<float>::SignalingNaN(); // 标量：signaling NaN AscendC::NumericLimits<float>::SignalingNaN(dstLocal, 256); // 矢量：填充 256 个 NaN 值

对比 QuietNaN 与 SignalingNaN 的位编码（以 half 为例）：两者指数位均为全 1（11111），区别仅在尾数——QuietNaN 尾数最高位为 1（1000000000），SignalingNaN 尾数最高位为 0（0100000000），与 IEEE 754 标准定义一致。

DeNormMin：最小正非正规值

功能说明：返回指定数据类型的最小正的非正规值（subnormal / denormal 最小值），即浮点尾数最低位为 1、指数位全 0 时的最小可表示正数。详见 DeNormMin.md。

函数原型：

constexpr __aicore__ static inline T DeNormMin() __aicore__ static inline void DeNormMin(const LocalTensor<T>& dstLocal, uint32_t count)

支持数据类型：half、bfloat16_t、float。

各数据类型输出：

调用示例：

float value = AscendC::NumericLimits<float>::DeNormMin(); // 标量：1.4e-45 AscendC::NumericLimits<float>::DeNormMin(dstLocal, 256); // 矢量：填充 256 个最小正非正规值

源码实现原理深度解析

1. 编译期类型支持检查：static_assert + SupportType

接口头文件 kernel_operator_limits_intf.h 在实现入口处使用static_assert结合SupportType<T, ...>()做类型合法性检查。SupportType定义于 kernel_utils_ceil_oom_que.h，是一个编译期递归模板，逐一对T与候选类型做IsSameType匹配：

template <typename T, typename U, typename... Args> __aicore__ constexpr bool SupportType() { if constexpr (sizeof...(Args) > 0) { return IsSameType<T, U>::value || SupportType<T, Args...>(); } return IsSameType<T, U>::value; }

因此，当调用NumericLimits<int64_t>::Max()这类不支持的类型时，编译器会在 Kernel 编译阶段直接报错"current data type is not supported on current device!"，把错误拦截在编译期而非运行期。

2. 类型集随架构条件编译

从 接口头文件 可以看到，同一接口在不同__NPU_ARCH__下允许的类型集不同：

#if (__NPU_ARCH__ == 3510) || (__NPU_ARCH__ == 5102) || (__NPU_ARCH__ == 5162) static_assert(SupportType<T, uint8_t, int8_t, uint16_t, int16_t, uint32_t, int32_t, half, float, bfloat16_t>(), ...); #else static_assert(SupportType<T, uint8_t, int8_t, uint16_t, int16_t, uint32_t, int32_t, half, float>(), ...); #endif

即仅 Ascend 950PR & 950DT（对应架构 3510 / 5102 / 5162）支持 bfloat16_t 这一类型，其余架构连Infinity等浮点接口也仅支持 half 与 float。这与前文"产品支持情况"中的表格完全一致，也从源码层面解释了文档中 bfloat16_t 仅在 950 系列可用的原因。

3. 极限值的位编码实现：GetScalarBitcodeValue

标量接口并非做运行时计算，而是直接返回预先算好的十六进制位编码（bitcode），通过联合体做位级重解释。辅助函数定义于 kernel_utils_struct_norm_sort.h：

template <typename T> constexpr __aicore__ inline uint64_t GetScalarBitcodeValue(T scalarValue) { union ScalarBitcode { __callee__ ScalarBitcode() {} T input; uint64_t output; } data; data.input = scalarValue; return data.output; }

以Max()为例（接口头文件），每个类型分支用if constexpr匹配后返回对应编码，例如：

• uint8_t→0xFFu（255，二进制1111 1111）；
• int32_t→0x7FFFFFFFu（2147483647）；
• half→0x7BFFu（65504，二进制0 11110 1111111111）；
• float→0x7F7FFFFFu（3.4e38）；
• bfloat16_t→0x7F7Fu（3.4e38，仅 950 系列分支）。

对照前文输出表可以发现：文档中每个十进制值与二进制位串，都能在源码的十六进制 bitcode 中找到精确对应。这正是该类全部标量接口标记constexpr的原因——位编码在编译期即可内联展开，设备侧零运行时开销。

4. 矢量接口统一委托 Duplicate

矢量接口实现极其简洁，全部委托给 Memory 矢量计算的数据填充接口Duplicate（接口头文件）：

__aicore__ static inline void Max(const LocalTensor<T>& dst, uint32_t count) { Duplicate(dst, Max(), count); } __aicore__ static inline void Infinity(const LocalTensor<T>& dst, uint32_t count) { Duplicate(dst, Infinity(), count); } // ... 其余接口同理

即：先由标量接口求出极限值，再由Duplicate把该标量广播填充到dst的前count个元素。这也解释了文档"矢量接口使用 duplicate 填充前 count 个元素"的约束来源——矢量接口的对齐、count 上限等要求均继承自 Duplicate 接口。

5. SIMT 模式编译保护

头文件开头（kernel_operator_limits_intf.h）还有一层编译保护：

#if defined(__NPU_COMPILER_INTERNAL_PURE_SIMT__) #error "kernel_operator_limits_intf.h cannot be used with compile flag --enable-simt enabled." #endif

即该头文件（连同 NumericLimits 类）不能在开启--enable-simt的纯 SIMT 编译模式下使用，编译时会直接报错提示。

测试验证：参数化用例覆盖全部接口与类型组合

仓库在 test_operator_numeric_limits.cpp 中为 NumericLimits 提供了完整的 Kernel 侧用例（同目录下另有ascendc_case_mc62cm12aa版本）：

• Kernel 内先Duplicate(dstLocal, 0, count + 256)将缓冲区清零，再按category分别调用 8 个矢量接口之一，最后DataCopy回写 GM；
• 通过INSTANTIATE_TEST_CASE_P参数化展开全部组合：Max/Lowest/Min覆盖 9 种类型（uint8_t、int8_t、uint16_t、int16_t、uint32_t、int32_t、half、bfloat16_t、float），Infinity/NegativeInfinity/QuietNaN/SignalingNaN/DeNormMin覆盖 3 种浮点类型（half、bfloat16_t、float），合计 42 组用例；
• 校验方式是对比设备侧输出与预期位模式（示例中验证写入后的字节），确保接口在不同类型下填充值与文档输出表一致。

该用例可以作为你自行验证 NumericLimits 行为、或编写自定义 Kernel 时的参考骨架。

完整可运行示例

以下组合了标量与矢量两种形态，演示一个典型的"初始化 + 使用"流程：

#include "kernel_operator.h" using namespace AscendC; constexpr int32_t BLOCK_LEN = 256; class KernelNumericLimits { public: __aicore__ inline KernelNumericLimits() {} __aicore__ inline void Init(GM_ADDR dstGm, uint32_t dstSize) { dstGlobal.SetGlobalBuffer(reinterpret_cast<__gm__ float*>(dstGm), dstSize); pipe.InitBuffer(outQueue, 1, dstSize * sizeof(float)); } __aicore__ inline void Process() { LocalTensor<float> dstLocal = outQueue.AllocTensor<float>(); // 标量接口：取得各极限值 float maxVal = NumericLimits<float>::Max(); float minVal = NumericLimits<float>::Min(); float infVal = NumericLimits<float>::Infinity(); float nanVal = NumericLimits<float>::QuietNaN(); // 矢量接口：将正无穷大广播填充到前 BLOCK_LEN 个元素 NumericLimits<float>::Infinity(dstLocal, BLOCK_LEN); // 此后可结合 maxVal/minVal/nanVal 做边界判断或哨兵比较 // ... outQueue.EnQue(dstLocal); DataCopy(dstGlobal, outQueue.DeQue<float>()); outQueue.FreeTensor(dstLocal); } private: GlobalTensor<float> dstGlobal; TPipe pipe; TQue<TPosition::VECOUT, 1> outQueue; };

使用建议与注意事项

1. 优先使用标量接口做常量：8 个标量接口均为constexpr，建议直接用于初始化局部常量或参与编译期表达式，避免重复调用产生额外开销。
2. 区分 Min 与 Lowest 的语义：整数场景两者等价，浮点场景Min()是最小规约正数、Lowest()是负向最大幅值，按业务语义选用，防止哨兵值设置错误。
3. 注意类型白名单：Max/Lowest/Min不适用于 int64_t、double 等类型；Infinity/NegativeInfinity/QuietNaN/SignalingNaN/DeNormMin仅适用于 half、bfloat16_t、float。非法类型会在编译期被static_assert拦截。
4. bfloat16_t 与架构强相关：bfloat16_t 仅在 Ascend 950PR & 950DT（架构 3510/5102/5162）可用，跨架构移植 Kernel 时需确认目标产品的类型支持范围。
5. 矢量接口受 Duplicate 约束：dst起始地址需 32 字节对齐，TPosition 需为 VECIN/VECCALC/VECOUT，count取值需满足 duplicate 接口的约束。
6. 禁止在 SIMT 编译模式下使用：开启--enable-simt编译时包含该头文件会直接报错，SIMT 场景应选用 SIMT-API 下的等价能力。

相关资源

• 接口头文件：include/basic_api/kernel_operator_limits_intf.h
• 类型支持检查工具：impl/basic_api/utils/kernel_utils_ceil_oom_que.h
• 位编码工具：impl/basic_api/utils/kernel_utils_struct_norm_sort.h
• 矢量接口依赖的填充接口：Duplicate
• 目的操作数类型：LocalTensor
• 内置数据类型：builtin_data_types
• 接口测试用例：test_operator_numeric_limits.cpp
• 文档索引：numericlimits_utils.md

• 人工智能
• 深度学习
• 算子库
• CANN
• Ascend