WebGPU 通用计算：GPU 并行计算模式实战
系统掌握WebGPU通用计算中的核心并行模式：归约、前缀和、直方图、基数排序、SpMV，附带完整WGSL实现与性能分析
GPU并行计算
Multi-Tenant GPU Scheduling in Production: From Time-Slicing to MIG and Beyond
深度解析多租户 GPU 调度三大模型（Time-Slicing、MIG、vGPU）的原理、生产级实现与选型策略，含完整 Kubernetes 部署示例和性能基准对比。
Rust + CUDA IPC：多 GPU 间零拷贝张量通信工程实战
大规模 AI 模型训练与推理离不开多 GPU 协作。本文深入讲解 CUDA IPC 机制如何实现在同一节点内多 GPU 间零拷贝张量传递，并通过 Rust FFI 绑定给出完整工程实现，覆盖内存共享模型、事件同步、NVLink 拓扑感知、错误处理与 NCCL 集成。
从零编写 GPU 驱动：Asahi Linux AGX 架构与 Apple M 系列图形栈逆向工程
Asahi Linux从零开始为Apple M系列芯片编写GPU驱动的工程实践，涵盖逆向工程方法论、Rust驱动架构、统一地址空间管理、命令缓冲区调度等深度内容
CUDA Warp 编程深度实战：从 Bank Conflict 到 Tensor Core 极限优化
深入NVIDIA GPU Warp级并行机制，从Bank Conflict原理到Tensor Core极限优化，涵盖Shared Memory架构、Warp分支发散、FP16矩阵乘实战案例及NSight Compute性能分析
从零微调你的第一个大语言模型：LoRA 与 QLoRA 在消费级显卡上的完整实践指南
从 LoRA 的低秩分解数学原理到 QLoRA 的 4-bit 量化技术，手把手教你用 RTX 3060/4060 微调 7B 大模型。包含完整 Python 代码、显存优化技巧与生产级 vLLM 部署方案。
WebGPU与计算着色器：从图形管线到GPGPU通用计算
WebGPU核心技术解析，包括GPUDevice架构、计算着色器基础、GPGPU实战案例及浏览器内AI推理部署
KServe 推理服务自动伸缩与 GPU 调度治理（2025）
# KServe 推理服务自动伸缩与 GPU 调度治理（2025）## 一、架构与部署- 模型服务：`InferenceService` 定义接口与路由；支持 REST/gRPC。- 资源：为 `GPU` 设置 requests/limits 与节点选择器；隔离不同模型的资源。- 存储：模型拉取与缓存策略，减少启动时延。## 二、自动伸缩与队列- Autoscaling：按 QPS
NVIDIA CUDA Toolkit 12.5 版本要点：兼容性与库更新
总结 CUDA 12.5 的发布要点，包括驱动兼容策略、安装定制与数学函数精度说明，以及库层更新与弃用提示。
