Swish激活函数优化

目标：实现高性能的Swish激活函数CUDA内核，确保精度对齐且加速比≥1.3x

Swish激活函数定义：Swish(x) = x * sigmoid(x)

技术要求：
1. 精度对齐：与PyTorch原生实现完全一致，最大差异<1e-6
2. 性能优化：针对MetaX C500 GPU优化，加速比≥1.3x
3. 内存优化：高效的内存访问模式
4. 边界处理：完善的边界检查机制

测试数据：128×256张量

预期结果：
- 精度差异：最大<1e-6，平均<1e-7
- 性能加速比：1.5x-2.0x
- 内存效率：优化的内存访问模式