MLIR与算子中间表示：从理论到实践039 Quant Dialect：量化算子的表示与精度控制一、从一次“精度翻车”说起去年在给一个端侧NPU做量化推理加速时，遇到一个诡异现象：同一份ResNet-50，用TensorRT量化跑FP16精度正常，换成INT8后，某个特定层的输出直接变成全零。排查了三天，最后发现是量化算子的scale和zero_point在IR传递过程中被“悄悄”截断了——MLIR的Quant Dialect里，scale用浮点表示，但某个pass在转换时用了float32转float16再转回float32，精度损失导致量化区间完全偏移。这个坑让我意识到：量化算子的表示，远不止“把浮点变成定点”这么简单。MLIR的Quant Dialect之所以设计得如此复杂，是因为它要同时解决三个问题：如何描述量化参数、如何保证精度传递、如何让硬件后端能正确解析。二、Quant Dialect的“三件套”：UniformQuantizedType、QuantizedValue、Quantize/DequantizeMLIR的量化体系核心是类型系统，而不是操作。这意味着量化信息附着在值的类型上，而不是像某些框架那样用额外的