WebAssembly 线程与共享内存原语的多线程 AI 推理：从 Atomics.wait 到 Worker 池的异构计算调度
深入剖析 WebAssembly 线程提案的共享内存模型、Atomics API 内存序语义，结合 SIMD128 与 Worker 池构建高性能 AI 推理引擎。包含矩阵乘法、注意力计算的完整实现，以及与 WASI-NN 集成的生产级架构设计。
GEMM
ARM SME（Scalable Matrix Extension）：面向 AI 推理的矩阵加速架构与工程实践
深入解析ARM SME的硬件架构、指令集设计与编译器实践，展示矩阵乘法微内核实现、2:4结构化稀疏加速，以及在LLM推理中的实战优化技巧。
深入 CPU 矩阵乘法微内核：AVX-512 指令级并行与缓存层次优化实战
从缓存层次、指令调度、寄存器分块三个维度深入剖析 AVX-512 GEMM 微内核设计空间，包含完整的代码实现、性能数据和工程落地方案。
Intel AMX 矩阵扩展深度实战：CPU 大语言模型推理的高性能工程实践
从硬件架构、编程模型到生产部署，全方位剖析 Intel AMX 矩阵扩展在 CPU LLM 推理中的工程实践。深入讲解 Tile 寄存器、TMUL 指令集、AMX Intrinsics 编程、与 ARM SME 的对比、NUMA 感知调度策略，以及 Granite Rapids 的性能前景。
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。
ARM SVE2 可扩展向量扩展：AI 推理加速的深度工程实战
深入解析ARM SVE2可扩展向量扩展在AI推理加速中的核心机制与工程实战：从VLA模型的谓词寄存器到SDOT指令的INT8矩阵乘手写kernel，覆盖RoPE/Softmax并行化、编译器自动向量化、Graviton4实测数据、以及与RISC-V V扩展的AI推理性价比对比。
