issue/1393 - nsa paged attention and nsa compress paged cache for metax

[Lfan-ke]

关联 issue：#1393

做了什么

为 nsa_paged_attention 与 nsa_compress_paged_cache 补上 metax/ 后端，使 NSA 解码路径在 Metax GPU 上可用。这两个算子此前只有 cuda/ 与 nvidia/ 实现。

每个算子新增 metax/*_metax.h + metax/*_metax.maca，并在 operator.cc 的 create / get-workspace / calculate / destroy 四处接入 INFINI_DEVICE_METAX。设备端 kernel 直接复用共享的 cuda/kernel.cuh，不复制一行计算逻辑。xmake/metax.lua 是 glob，无需改构建。

.maca 与 nvidia/*.cu 的差异是同族 paged_attention 已经确立的那几类机械替换：运行时头（mc_runtime.h / hc_runtime.h）、devices/metax/*、命名空间、cudaStream_t → hcStream_t、device::nvidia::Handle → device::metax::Handle、CHECK_CUDA → CHECK_METAX。

共享头需要两处平台守卫

cuda/kernel.cuh 由 nvidia/*.cu 与新增的 metax/*.maca 共同包含，两处平台差异必须在头里区分。

其一，<cuda_bf16.h> 与 <cuda_fp16.h> 在 MACA 上不存在，用 mxcc 编译时报 fatal error: cuda_bf16.h: file not found。仓库既有做法（见 ldexp/cuda/kernel.cuh）是共享头不包含这两个文件，交给 .maca 侧先包含的 devices/metax/metax_kernel_common.h 提供，它同时给出 using __nv_bfloat16 = __hpcc_bfloat16; 这类别名。

其二，#pragma unroll 作用于运行时边界的循环时会被 MACA 的 clang 拒绝（-Wpass-failed=transform-warning，而 xmake/metax.lua 用 -Werror 编译 .maca）。kernel.cuh 里这些 pragma 本来就被 #if !defined(ENABLE_ILUVATAR_API) && !defined(ENABLE_HYGON_API) 守着，同为 clang 系的这两家早已踩过同一个坑，把 MACA 并进同一个守卫即可。

计算逻辑一行未动，blockReduceSum128 保持原样。

守卫为什么用 __MACA__ 而不是 ENABLE_METAX_API

ENABLE_METAX_API 由 xmake.lua:159 在项目作用域添加（不在任何 target() 内），而 nv-gpu（:49）与 metax-gpu（:146）是彼此独立的开关。因此在 --nv-gpu=y --metax-gpu=y 的联合构建里，nvcc 编译 nsa_paged_attention_nvidia.cu 时同样会拿到 -DENABLE_METAX_API，而这个翻译单元正是通过 #include "../cuda/kernel.cuh" 引入本头的。

若拿它做厂商分支，NVIDIA 侧会被跳过 <cuda_bf16.h> 的包含，构建直接失败。改用编译器自带的宏则不受项目级 define 影响：

#if !defined(__MACA__) && !defined(__MACACC__)
#include <cuda_bf16.h>
#include <cuda_fp16.h>
#endif

nvcc 定义 __CUDACC__ 而不定义 __MACA__ / __MACACC__；mxcc 反之。仓库里 scatter_metax.maca:257、index_copy_metax.maca:145 用的也是这一对宏。

测试

MetaX C500（MACA 3.5.3.20 / 驱动 3.8.30）：

XMAKE_ROOT=y xmake f --metax-gpu=y --use-mc=y -y && xmake && xmake install
python test/infiniop/nsa_paged_attention.py --metax
python test/infiniop/nsa_compress_paged_cache.py --metax

.maca 以 -Werror 编译，两个算子在 F16 与 BF16 下均 Test passed。

NVIDIA 侧（nvcc 12.0）：把两种守卫写法放进同一个 .cu，加 -DENABLE_METAX_API 编译（模拟联合构建）。ENABLE_METAX_API 那一支被 nvcc 选中，__MACA__ 那一支不会——nvcc 定义 __CUDACC__ 而不定义 __MACA__ / __MACACC__。

metax/ 后端由 130 增加到 132。

[chatgpt-codex-connector]

You have reached your Codex usage limits for code reviews. You can see your limits in the Codex usage dashboard.

[Lfan-ke]

@codex review please. read code at pr and repositories.

[chatgpt-codex-connector]

You have reached your Codex usage limits for code reviews. You can see your limits in the Codex usage dashboard.