DeepGEMM Ascend首发：在昇腾950上支持BF16、FP8和FP4算子

DeepGEMM Ascend将DeepGEMM移植到华为昇腾，面向训练和推理中的矩阵计算，保持公开API兼容并使用相同包名。首发支持BF16、FP8、FP4 GEMM、MQA logits和MegaMoE，以轻量抽象封装MAD矩阵乘加原语、分形布局、对齐及地址计算，并采用稀疏数据加载和协程流水线等昇腾优化。代码在昇腾950系列开发验证，需要CANN 9.20、torch_npu、Python至少3.10以及支持C++20的编译器，部分算子依赖TileLang。需递归获取子模块，再执行开发脚本或从源码安装。厂商测试展示部分矩阵形状接近硬件峰值，其精度、矩阵维度及冷L2等测试条件限制结论范围，并非整模型吞吐承诺；其他代际硬件需另行验证。