核心判断：内核启动（kernel launch）只是把工作提交给 GPU；真正理解 CUDA，要沿着"发射 → 线程块（Block）驻留 → 线程束（Warp）调度 → 完成与同步"追踪它。① 为什么“能启动”还不够前文让线程找到了自己的坐标。接下来要回答一个更容易被忽略的问题：线程什么时候运行，运行在哪个流式多处理器（SM）上？CPU 函数调用通常在当前线程中执行，返回往往意味着函数已经完成。CUDA kernel 则不同：主机（Host）发射后，Host 线程通常可以继续执行，而 GPU 异步执行已经提交的工作。把这两种思维混在一起，是异步错误难以定位的根源。② 一条完整的执行链路这里的"异步"只描述主机（Host）与设备（Device）的推进关系，不代表 GPU 内部没有顺序。一个 Block 内的指令仍遵守 CUDA 的执行语义；只是不同 Block 的先后通常不应由程序假设。GPU 能同时驻留多少个 Block，取决于 SM 上可用的寄存器、共享内存（Shared Memory）和线程数等资源，因此一个 Grid 中的 Block 通常会分批驻留和执行。如下图所示，Grid 中的 Block 会被分配到可用的 SM 上执行；Block 一旦开始驻留，就在该 SM 上完成，而不是在多个 SM 之间来回迁移：这张图要观察的是“Block 到 SM”的映射关系：Grid 可以包含远多于 SM 数量的 Block，但同一时刻只有部分 Block 能驻留，前面的 Block 释放资源后，后续 Block 才能进入。③ 用%smid和%clock64让调度可见下面的最小示例让每个线程打印两个观察值：%smid可读取当前线程所在 SM 的编号，%clock64是设备侧时钟计数器。它们适合建立直觉，不是正式性能测量工具。#includecstdio#includecuda_runtime.h__global__voidobserve(){unsignedsmid;