fix(vmi): fix VMI vmula layout and masked lowering

[TelGome]

摘要

修复 VMI vmula 的 layout 传播、mask lowering 和 masked 浮点语义问题。
本次修改让带 mask 的 vmula 保留在 VMI 到 VPTO 的转换流程中，确保各个
操作数使用兼容的 layout，并正确生成 packed contiguous predicate。

问题背景

vmi_vmula simulator 测试暴露出以下编译器问题：

• 带 mask 的浮点 vmula 过早降级为 legacy FMA，导致 predicate 和
  pmode="zero" 语义丢失。
• vmula 的操作数可能保留不兼容的 VMI layout，触发 verifier 错误和
  VMI 到 VPTO 转换阶段的 residual operation。
• mask granularity 没有始终根据 VMI 数据元素宽度推导。
• packed contiguous layout（包括 lane_stride=2）可能生成不完整的物理
  predicate，或者导致 create_mask 无法完成转换。

修改内容

• 要求 VMIVmulaOp 的 acc、lhs、rhs 和 result 属于同一个 data
  layout 等价类，同时不改变全局 unite() 的原有行为。
• 带 mask 的浮点 vmula 不再提前转换为无 mask 的 legacy FMA，而是保留到
  VMI 到 VPTO lowering 阶段处理。
• 增加 VMIVmulaOp 的 VMI 到 VPTO 转换，包括物理分块数量、mask 数量校验，
  以及 unmasked 操作的全 true mask 生成。
• 显式实现 pmode="zero"：使用降低后的 predicate，在计算结果和零向量
  之间进行选择，从而清除 inactive lane。
• 根据数据元素宽度选择 VPTO mask granularity，并支持 packed contiguous
  正 stride layout 的 mask materialization。

整数 vmula 仍然映射到原生 pto.vmula 路径。本次 PR 不修改 simulator
对整数 RV_VMULA 的支持问题。

验证结果

• 使用 Ninja 成功重新构建 PTOASCompiler。
• vmi_vmula_bf16_vl256_g1_a0_z_prefix：PASS。
• vmi_vmula_f32_vl256_g1_a128_z_prefix：PASS。
• vmi_vmula_bf16_vl64_g1_a64_n_nomask：PASS。
• i16_vl64 和 i8_vl128 用例不再出现 VMI-RESIDUAL-OP 转换失败。
• git diff --check：PASS。

剩余24 cases 的整数 simulator RV_VMULA/type.S8 失败属于独立的 simulator 能力问题
fix #1374