028、Tensor Dialect：张量类型与基本操作
上周帮团队排查一个MLIR推理部署的bug，模型在ONNX导出后，用mlir-opt做shape推理时直接崩了。报错信息指向TensorDialect的某个操作，说“operand type mismatch”。我盯着那个IR片段看了半小时，发现是tensor<2x3xf32>和tensor<?x3xf32>在某个elementwise操作里混用了——一个静态shape，一个动态shape，TensorDialect的type系统直接不认。这种坑，写代码时觉得“反正都是f32，shape差不多”，但MLIR的类型系统比你想的严格得多。
Tensor Dialect的定位
TensorDialect在MLIR生态里是个基础层，它不负责具体计算，只定义张量这个数据结构的类型和基本操作。你把它想象成C语言里的int、float——没有这些基础类型，你没法写表达式。TensorDialect就是给上层Dialect（比如Linalg、TOSA、StableHLO）提供“张量”这个概念的。
它和MemRefDialect的区别要搞清楚：Tensor是不可变的值语义，MemRef是可变的内存视图。你在写推理图优化时，大部分时间打交道的是Tensor，因为计算图天然是值流图。只有到了代码生成阶段，才会把Tensor lower成MemRef。
张量类型系统
TensorDialect的核心类型是tensor<T>
