AI：CUDA Graph API 是 CUDA 10 引入的一种高级机制，用于将多个 GPU 操作（kernel 启动、拷贝、memset 等）预先“组织成图”（DAG），然后作为一个整体进行启动

1. 减少 CPU 端启动开销：传统逐个 kernel launch 会产生大量 CPU-API 调用延迟，尤其是在短小 kernel 串联时尤为明显。CUDA Graph 可以将多个操作组合并只进行一次 GPU 提交
2. 统一并行调度：图中的执行顺序由依赖关系自动管理，GPU 可优化整个 graph 的执行节奏、资源使用
3. 重复使用：图结构可以多次执行（launch_graph），适合在迭代场景多次调用同一序列的GPU任务
4. 使用 cudaGraphCreate()、cudaGraphAddNode()、cudaGraphInstantiate() 等构造图
5. 通过一次 cudaGraphLaunch() 启动整个图，可以避免多次 kernel 启动的 CPU 开销，尤其对大量小型 kernel 特别有效

TODO