deepx APU&AIspace，实现deepx的中层（调度与插件化指令替换）。

[miaobyte]

程序=数据结构+数据+函数

我希望为deepx的ai程序，设计抽象的程序空间。模糊cpu、gpu、内存、显存的传统分布式的空间计算边界，重新设计统一架构的apu（软件解释执行+扩展tensor加速的AI 处理器）、统一ai内存空间AIspace。

AIspace内存系统：
1.我打算设计一套内存空间AIspace，以存放数据结构和数据。基于kv系统索引存储，kv系统也可以逻辑上实现一维的逻辑内存空间。
2.AIspace需要可以存储，还需要消息通知机制（可能基于redis，或其它）。
3.另外AIspace，对一些基础的串类型，只存放其元数据，而串的数组则存放在其它拓展位置，如内存、显存、甚至文件系统。
4.程序线程的指令，在AIspace上，也表现为堆栈划分。

2. APU。ai解释执行器。
   访问（读写）AIspace，依次执行AIspace对应位置的指令。（对应deepx的ir）

3.apu扩展加速计算系统
对一些tensor计算指令，交由专门的计算执行器负责tensor的计算任务，完成计算后会通过AIspace的消息通知APU，由具体的simd、cuda加速程序实现。（deepx实际上已经实现了）

[miaobyte]

进一步设计

aispace变更为多func的子三维空间的设计,每个子三维空间存放着一个func，func内的三维空间是自己的程序三维栈 func[y,x,z]，从而实现func的多级执行。

当然，aispace可以存储全局

当aispace本质上都是kv索引全局的，只要func内的指令知道其它数据的key（地址[y,x]）都可以访问。

apu从程序入口开始解释，也就是func_main:0,0的指令，然后依次向func_main:1,0。。。func_main:2,0执行。遭遇return指令时，返回上一级func的call位置。

aispace遵循y轴依赖串行，x轴为并行，z轴为参数轴的原则。如果func_main:1,0右侧还有func_main:1,1.。。func_main:1,2等，那么这几个指令会由apu的多个线程并行执行。全部执行完毕后才会执行下一个func_main:2,0
func_main:1,0的指令，其读参在func_main:1,0,-1等，回写参在func_main:1,0,1等。具体参数轴的长度和指令有关。

apu遇到连续的tensor指令，会交给tensorapu去连续执行，采用cudastream实现计算通信重叠。直到遇到非tensor的判断指令会切换apu执行