NPU异步推理警惕缓存旧值与超时后复用

偶发错帧经常只在连续异步推理中出现，单次调试却无法复现。使用NPU共享缓冲区时，必须同时解决新数据何时对设备可见，以及超时以后谁仍可能访问旧缓冲区，才能避免隐蔽的数据竞争。

在不具备完全硬件缓存一致性的平台上，主机写入输入后，最新内容可能仍停留在处理器缓存中，设备通过直接内存访问读到的却是旧值。对共享缓冲区的访问因此需要遵守平台定义的同步接口，把写入发布给设备；输出方向则应在设备完成之后，执行要求的可见性处理，再由主机读取。缓存清理和缓存失效并不是可以任意互换的动作，也不应在用户代码中凭经验拼接，应由驱动或运行时按映射属性实施。

完成通知解决的是依赖顺序，可见性操作解决的是哪个参与者能读到新内容。二者通常需要配合，不能因为拿到了一个完成事件，就假定所有缓存属性下都已经满足读取条件。Linux共享缓冲区接口也区分处理器访问同步与设备间栅栏；处理器访问的开始和结束，并不替应用排除其他参与者的并发访问。实际责任边界应从所用运行时的接口契约确认，若它已经封装同步，应用再重复维护缓存可能徒增开销甚至破坏使用约定。

一种容易审查的实现，是把每个缓冲区划分为可写、已提交、设备完成和可回收等状态，并让状态变迁与事件绑定。主机不能在已提交状态覆盖输入，后处理也不能在结果读取结束前归还输出。压力测试可给每次请求写入不同图案和递增序号，检查结果与请求是否对应；还应覆盖生产者快于消费者的情况。即使物理地址从未改变，逻辑所有权仍会随请求转换，固定地址不能证明不存在竞争。

当一次调用等待超时，最危险的错误是立即把缓冲区放回池中。超时只说明等待方没有在期限内得到完成结果，并不自动证明设备已经停止。设备可能仍在计算，也可能在稍后执行写回；若同一块内存已经交给下一次请求，迟到写入就会污染新结果。异常表现往往落在后一个请求上，使开发者误以为新模型或新输入有问题，实际故障起点却是前一个未被终止的任务。

因此，NPU超时恢复必须按平台提供的取消、排空或复位机制建立停止访问的证据。仅删除主机任务对象，未必会撤销已经下发的设备命令；仅收到取消请求受理，也不必然等于取消完成。回收条件应是相关任务已经完成，或者驱动确认设备不再访问这些映射。若无法获得这种保证，应隔离该任务占用的资源并限制继续提交，避免用无限新增缓冲区的办法暂时掩盖失控生命周期。

复位后还需防止迟到通知被误认成新任务完成。可以采用请求代次与设备会话标识，核对事件属于哪个执行周期；这种标识只用于识别事件，不能替代底层的停止访问保证。故障注入应覆盖正常完成与超时同时发生、取消期间进程退出以及复位后首次提交。每条路径都要验证映射、句柄和引用计数的释放顺序，确保既没有过早回收，也没有让已终止任务永久占用资源。

稳定的异步推理依赖清晰的所有权协议：正常路径证明数据已经可见，异常路径证明旧任务已经失去访问权。只有这两个条件成立，缓冲区复用才是安全的。