用途：为昇腾 NPU 上的 PyTorch 模型添加 torch_npu.npu_prefetch 权重预取，优化推理性能，适用于 profiling 显示 MatMul/QBMM/GMM 存在 memory-bound 热点、需为模型添加权重预取或迁移 prefetch 模式的场景。前置条件：模型须在 NPU 上运行且已导入 torch_npu；必须经 profiling 确认存在 memory-bound 瓶颈，且前序算子不能是 memory-bound，否则会争抢带宽。
基本流程：先做方案设计，确定预取位置与 max_size，并输出 Markdown 设计方案；经用户确认后实施开发，贯通 enable_prefetch 开关、插入条件保护的 torch_npu.npu_prefetch 调用并配置 max_size 与 dependency；最后做编译、功能与性能验证，输出性能优化报告。目标算子优先级为 MatMul、BatchMatMul、QBMM、GMM 及大型 MLP/MoE 线性层；LayerNorm、RMSNorm、ROPE、SwiGLU 等通常作为依赖窗口而非预取目标。若所有前驱都是重搬运或重通信窗口，应说明无安全窗口并放弃预取。
关键原则：所有 prefetch 必须由 enable_prefetch 开关保护，默认 False；max_size 从保守值（理论值约 50%）开始，按 profiling 结果逐步调整；遵循单点验证，先验证单个目标算子再扩展；图模式下依赖节点须与目标算子在逻辑时序上匹配，不能跨分支复用。若没有合适前驱，不要硬插 prefetch。
使用方式：推荐通过 wrapper 函数调用。
def npu_prefetch(switch_flag, weight, depend, size, offset=0): if switch_flag: return torch_npu.npu_prefetch(weight, depend, size, offset) else: return None
max_size 计算按权重维度乘积乘数据类型字节数（bf16/fp16 为 2、int8 为 1、fp32 为 4）再乘保守系数确定。
限制：缺少模型权重时无法运行实际测试，只能提供测试脚本、报告模板与预期改善分析。具体性能提升幅度、收费、价格及支持平台等资料未提供。