5. 异步操作、内存模型和 waitcnt

异步指令在发射时递增对应计数器，完成并提交结果后递减。waitcnt 的每个字段是“允许保留的最老序号阈值”；写全 0 等待该队列清空，写全 1（或字段最大保留值）表示不等待。sm 虽为 2 bit 且硬件最多 15 个 outstanding，但标记为乱序，只有 0 有意义，非零按保守实现处理为 0。

计数器	位数/上限	顺序	覆盖
vm	6 / 62	in-order	向量 load、返回原子、scratch load、L1/L2 invalidate。
vst	5 / 30	in-order	向量 store、非返回原子、image store/atomic、L2 writeback。
tex	5 / 30	in-order	texture sample/fetch/query、image load、返回 image atomic。
ls	4 / 14	in-order	shared/tile memory、插值、zs.test。
sm	2 / 15	out-of-order	uniform scalar memory load；只接受 0。
sfu	3 / 6	in-order	SFU 超越、除法、平方根。

fixed:n 延迟指令在 n 个周期后写回；async:<counter> 必须用相应 counter 等待。内存顺序采用 acquire/release：普通 global/buffer 访问按 program order 发射，barrier 建立 workgroup 内的 release/acquire，waitcnt 只保证指定队列完成，不替代跨 workgroup 的系统栅栏。cpol=def/nt/l2/sys 分别表示默认、non-temporal、强制 L2、系统级可见；host-coherent 页不进入 L2。L1 为 write-through，命中时更新，store 计数在 L2 确认后递减。