问题描述：

我在使用 -fgpu-default-stream=per-thread  选项进行流并发(https://developer.nvidia.com/blog/gpu-pro-tip-cuda-7-streams-simplify-concurrency/)时，发现 HIP 不能实现完全并发。具体来说，我编写了一个 demo，并在 CUDA 和 HIP 平台上进行了对比测试。测试环境如下：

• CUDA 平台：NVIDIA GeForce GTX 1050（cuda 12.0）
• HIP 平台：gfx928（dtk24.04）

如图所示，在 CUDA 平台上（右图），多流可以实现完全并发，但在 HIP 平台上（左图），多流的并发效果不明显。

实验编译命令：
CUDA：nvcc --default-stream per-thread stream_cudaexample.cu
HIP：hipcc --offload-arch=gfx928 -fgpu-default-stream=per-thread stream_hipexample.hip

问题详情：
在 CUDA 平台上，上述代码可以实现多流的完全并发，性能表现符合预期。然而，在 HIP 平台上，即使使用 -fgpu-default-stream=per-thread  选项，流的并发效果并不明显。观察到的现象是多流并没有完全并发执行，导致性能下降。

问题求解：

• 1、是否有其他编译选项或设置能够改善 HIP 流并发的效果？
• 2、HIP 对 -fgpu-default-stream=per-thread  选项的支持情况如何？
• 3、是否存在其他方式可以在 HIP 中实现 CUDA 的完全并发效果？

希望能够得到社区的帮助和建议，感谢！