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。
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
213:1的算力不对称：AICC 2026揭示智能体正在如何重定义计算基础设施
从AICC 2026大会出发，深度解析智能体作为新型计算负载如何重定义从芯片到应用的全栈基础设施：213:1输入输出Token不对称、忆阻器存算一体打破内存墙、IDC三重乘数效应、Gemini 4 Pro幽灵测试开启AI研发社区化。
CXL 3.0 Fabric 拓扑与内存池化：云原生 AI 基础设施的下一代互联革命
深入解析 CXL 3.0 的多层级交换架构（Global Fabric Switching）、基于端口路由的全局内存池化机制，以及在云原生 AI 训练场景下的实际部署架构。包含真实硬件拓扑、内核驱动代码和性能基准数据。
io_uring 共享多提交队列：构建无锁 AI 推理服务的多生产者请求引擎
深入剖析io_uring多提交队列(Multi-SQ/Shared WQ)架构原理，提供从代码实现到生产部署的完整方案，展示在96核服务器上实现近14M IOPS的实战经验。
RDMA 深度工程实战：从 Verbs 内存语义到 AI 训练集群零拷贝网络的全栈实践
从 Verbs 对象模型出发，完整拆解 RDMA 的 PD/MR/QP/CQ 体系与 RC 连接状态机，给出可运行的单边写与立即数通知代码，并深入内存注册成本、DCQCN 拥塞控制、PFC 死锁、GPUDirect RDMA 与 NCCL Ring AllReduce 工程实践，最后给出生产避坑清单。
AI 训练与推理混部场景下 Linux I/O 优先级工程实战：从 cgroup iocost 到 io_uring sqthread 的端到端隔离
深入解析 Linux 内核 I/O 优先级四层控制体系（NVMe WRR / cgroup v2 io / ionice / io_uring sqthread），提供 AI 训练与推理混部场景下从 cgroup iocost 到 NVMe 硬件队列的完整隔离方案与可观测性实践。
AI集群的光互连革命：硅光子学共封装光学（CPO）架构深度工程实践
深度解析硅光子学共封装光学（CPO）在AI超算集群中的工程实现。从物理层架构、微环谐振器WDM设计、SerDes重构、2.5D封装挑战、可靠性冗余方案到OIO未来愿景，全面拆解光互连革命的技术细节与部署现实。
从 io_uring 到零拷贝对象存储网关：AI 训练数据管道的性能革命
深入剖析如何从零构建一个基于 io_uring 的 S3 兼容对象存储网关，为 AI 训练数据管道提供极致吞吐。探讨 Fixed Buffers、SQPOLL、零拷贝 sendmsg、多 IO 合并等核心技术的工程实践。
CXL 内存池化：构建下一代 AI 集群的内存基础设施
深入分析 CXL 内存池化技术在 AI 集群中的应用，涵盖 CXL 协议栈、Linux 内核 CXL 子系统实现、NUMA 分层调度策略、以及 KV Cache 扩展和 Checkpoint 异步写入等工程实践。
