在单核系统里，"原子性"是一个几乎免费的属性：一条指令要么执行完，要么没执行，中断只会发生在指令边界；哪怕是最朴素的 read-modify-write 序列，只要关中断就能护住临界区。而一旦进入多核 SoC，两个核可以真正同时执行，"原子"从调度器的礼物变成了内存系统的责任——一次看似无害的 ，在汇编层面是 load、add、store 三步，两核交错执行就可能丢掉一次自增；而要把这三步护成一个

本文承接上一篇，把讨论从"怎么划分"推进到"怎么协同"：编排模式的选择、同步原语的代价治理、流水线级间的数据流转设计，以及同步开销的实测方法。先立框架：同步的每一次发生，都是并行度的暂停。优化的方向因此不是"更快地同步"，而是"更少地同步"——前者是微架构问题，后者是设计问题，本文以后者为纲。端侧推理的多核编排可归纳为三种模式，各自以不同的方式支出协同成本。同一模型复制到多个核，输入按帧/按 ba

算子级并行（inter-operator）把模型图切分为子图分派到不同核，收益上限受图结构约束：算子数量多、依赖链短的图容易切分，层数深、串行依赖强的模型难以获得收益。算子内并行（intra-operator）把单个算子的工作集沿 batch、序列、输出通道或矩阵分块等维度拆分到多个核，这是端侧更常见的形式：大模型主计算集中在少数几类算子上，按算子划分不足以支撑核数较多时的切分。流水线并行以层为划