MoE 推理架构深度实战：从 Expert Parallelism 到 DeepSeek-V3 的工程落地
深入解析 Mixture of Experts（MoE）推理架构的工程实现，涵盖 Expert 路由机制、分层 All-to-All 通信优化、Prefill/Decode 阶段调度策略、Expert Cache 管理，以及 DeepSeek-V3 级别模型的部署实战。
AI Infra
LLM推理PD分离架构深度工程实践：从Prefill-Decode异构到分布式KV Cache传输
深入剖析LLM推理PD分离架构的工程实践：从Prefill-Decode异构到分布式KV Cache传输，涵盖DistServe、Mooncake、NVIDIA Dynamo等系统的设计原理与传输协议优化。
GPU 虚拟化深度实战：从 SR-IOV 到 MDEV/vGPU 的 AI 计算资源切分
从内核子系统层面深度剖析 GPU 虚拟化三种主流路径：NVIDIA MIG 硬分区、SR-IOV 硬件虚拟化、MDEV/vGPU 中介直通，涵盖 A100/H100 实战配置、性能基准测试及选型决策树。
WebAssembly 组件模型与 WASI 0.2 深度实战：从 Core Module 到语言无关互操作的完整落地路径
解析WebAssembly组件模型如何解决Core Wasm的类型天花板：WIT接口定义、Canonical ABI升降转换、resource资源生命周期、wac组合链接、WASI 0.2接口化设计，以及插件系统与AI Agent沙箱两类生产场景的实测判断。
LLM 推理引擎显存与调度深度实战：从 PagedAttention 到 Continuous Batching 与 Prefix Caching 的生产调优
从显存算术出发拆解LLM推理成本：KV Cache容量模型、PagedAttention分页管理、Continuous Batching迭代级调度、Prefix Caching前缀复用，以及vLLM/SGLang生产级调优清单与踩坑记录。
