后端与分派

张量那一部分把调用一路送到 Dispatch 门口。这一部分讲门后：一个后端要实现什么，Dispatch 这个唯一的全局后端怎么把调用分给 Flex、Cube（所有 GPU 运行时）或 Autodiff，以及 CPU 上那一支 Flex 怎么真正把数算出来。

代码在三个 crate：burn-backend（trait 定义，约 1.3 万行，多半是文档注释）、burn-dispatch 加上生成分派代码的过程宏 crate burn-backend-extension（合计约 1.1 万行）、burn-flex（约 3.7 万行，本部分只读存储、逐元素、归约、矩阵乘）。

1. Backend trait：BackendTypes 是设备加四种张量原语，Backend 是九个 op trait 的合集；197 个方法必须实现，239 个有用别的 op 拼出来的默认实现，各后端按自己的理由挑着覆盖；DeviceOps::defaults 决定默认 dtype；读数据返回 future，因为 GPU 和 wasm 不能原地等。
2. Dispatch：Dispatch 是空结构体，后端信息在每个 DispatchTensor 的变体上；变体由 build.rs 算出的 cfg 裁剪，一个后端都不开时只剩不可构造的 NoBackend；#[backend_dispatch] 给每个 op 生成一段 match，跨后端搬运经主机中转；实测分派层让 Flex 上一个小 op 多 19 到 40 纳秒。
3. Flex：CPU 后端：Arc<Bytes> 加带符号步长的 Layout，视图类 op 不复制；逐元素运算优先原地写，f32 走 macerator SIMD，矩阵乘交给 gemm，大张量才用 rayon；和弃用的 NdArray 比矩阵乘。

flowchart TB
  bridge["BridgeTensor"] --> disp["Dispatch"]
  disp -->|"kind 是 Flex"| flex["Flex"]
  disp -->|"kind 是 Cube"| cube["Fusion CubeBackend"]
  disp -->|"带 autodiff"| ad["Autodiff B C"]
  ad --> flex
  ad --> cube
  trait["burn-backend 的 op trait"] -.->|实现| flex
  trait -.->|实现| cube
  trait -.->|实现| ad
  trait -.->|实现| disp

第一页是契约，后两页是契约的两个实现者：一个只转发，一个真算。Cube 那一支先进 burn-fusion 攒操作，见 IR 与融合；再进 cubecl，见 burn-cubecl 后端。Autodiff 那一支在自动微分。