LLM 推理 Disaggregated Architecture：Prefill-Decode 分离架构深度实战
随着大模型推理规模从单机走向多机，Prefill与Decode阶段的计算特征差异成为系统瓶颈的根本原因。本文深入剖解NVIDIA Dynamo、Mooncake等工业界Disaggregated Inference架构的设计哲学，涵盖KV Cache传输优化、分布式调度算法、负载均衡策略，并结合真实生产环境数据给出工程实践指南。
AI基础设施
KVM vPMU 虚拟化实战：AI 推理集群中的全链路性能追踪工程
深入剖析 KVM 虚拟化环境中 vPMU 的架构演进、计数器漂移根因、Intel/AMD 方案差异，并给出在 AI 推理集群中与 NVIDIA DCGM Profiler 三级联动的工程实践方案
GPU 调度器多租户 AI 工作负载：Kubernetes 下的架构设计与工程实践
深入分析 Kubernetes 下多租户 GPU 集群的调度架构，涵盖 MIG/MPS/时间分片三大共享策略、Bin Packing 与运行时 Defragmentation 算法、Scheduler Extender 与 DRA 机制，以及生产级 QoS 保障与公平性设计。
DiskANN：十亿级向量搜索引擎深度实战
深入剖析DiskANN微软开源磁盘级近似最近邻搜索系统，涵盖Vamana图索引、乘积量化、RNG剪枝、磁盘IO优化以及生产级部署实战。
pgvector：PostgreSQL向量搜索扩展深度工程实践
深入剖析 pgvector 的核心架构、索引机制（IVFFlat与HNSW）、RAG知识库构建实战、生产环境性能调优策略，以及与专用向量数据库的选型对比。
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。
向量数据库引擎深度工程实践：从 HNSW 索引到 Milvus 分布式架构设计
深入剖析向量数据库核心检索算法（HNSW、IVF-PQ、DiskANN）的工程权衡，并以 Milvus 2.4+ 为案例完整拆解存储计算分离架构、Segment 机制、混合搜索与生产调优策略。
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。
vLLM 核心工程深度剖析：PagedAttention 与 KV Cache 调度如何重塑 LLM 推理基础设施
从操作系统内存管理思想切入，深度剖析vLLM PagedAttention核心机制：逻辑块/物理块分离、块表间接寻址、CoW并行采样、前缀缓存哈希索引，以及生产部署调优指南（含与SGLang RadixAttention对比）。
GPUDirect Storage cuFile：GPU×NVMe零拷贝直通深度学习数据管道深度实战
深入解析NVIDIA GPUDirect Storage(GDS)技术架构与cuFile API编程模型，从内核驱动到AI训练框架集成，详解GPU显存与NVMe SSD之间的零拷贝DMA数据传输路径，含性能基准测试与生产环境部署指南。
