光子计算 AI 加速：硅光芯片矩阵乘法与混合计算架构的工程实践
深入剖析硅光芯片实现矩阵乘法的光学原理、MZI干涉仪相位调制机制、光电混合计算架构的工程挑战，以及光子AI加速器在推理场景的实际部署路径
矩阵乘法
WebGPU 计算着色器矩阵乘法优化：从 Naive 到 Tiled 深度实战
深入剖析 WebGPU 计算着色器实现高效矩阵乘法的完整管线：从朴素实现到 Tiled 分块策略、Workgroup Memory 利用、寄存器分块优化，包含完整 WGSL 代码、JavaScript 端管线配置、性能基准测试数据（Apple M2 Pro 实测），以及工程实践建议（TILE_SIZE 选择、Bank Conflict 避免、timestamp-query 精确计时等）。
ARM SME 矩阵扩展：LLM 推理底层算子的深度工程实践
从 ARMv9.2-A 指令集到 Apple M4 与 Ampere Altra 的实矩阵乘法加速路径。深度剖析 SME 的 ZA 存储模型、FMOPA 外积指令、BF16 GEMM 实现、Attention Score 算子优化，以及 llama.cpp 集成实战与性能调优数据。
光子计算AI加速器：用光做矩阵乘法的工程革命
深入解析光子计算AI加速器的物理原理、MZI矩阵分解算法、工程实现和产业格局，涵盖Lightmatter Envise、Neurophos、曦智科技等最新商用方案。
