WebGPU Parallel Scan 实战：Prefix Sum 并行算法从理论到浏览器端部署
深入探讨 WebGPU 上高效实现 Parallel Scan 算法的完整工程路径，覆盖 Blelloch 并行扫描理论、workgroup 共享内存优化、Bank Conflict 消除、多级分层策略，以及浏览器端性能基准测试。包含完整 WGSL 代码示例和 JavaScript 调度器实现。
GPGPU
WebGPU 计算着色器深度实战：浏览器端 GPGPU 通用计算与深度学习推理
全面解析 WebGPU Compute Shader 编程模型：WGSL 着色器语言、Compute Pipeline 架构、Workgroup 内存优化、主机-设备数据交互实战。涵盖大规模矩阵乘法的 Tiling 优化、并行归约（Parallel Reduction）、2D 卷积GPU加速，以及与 CUDA/SYCL 的性能对比分析。
WebGPU 下一代 Web 图形与计算：从架构原理到 AI 推理实战
全面解析 WebGPU 架构与实战：涵盖 Adapter/Device 模型、命令缓冲、计算与渲染管线、WGSL 着色语言，通过图像卷积、并行 GEMM 和粒子系统三个案例深入实践。详解 WebGPU 在浏览器端 AI 推理中的应用生态、性能调优策略、2026 年新特性（Subgroups/FP16/多队列），以及调试工具链。
WebGPU 通用计算：GPU 并行计算模式实战
系统掌握WebGPU通用计算中的核心并行模式：归约、前缀和、直方图、基数排序、SpMV，附带完整WGSL实现与性能分析
WebGPU计算着色器与下一代GPU编程：从并行排序到浏览器端GPGPU实战
深入解析WebGPU计算着色器的架构设计与执行模型，涵盖GPU内存层次、绑定工作组、并行Bitonic Sort完整WGSL实现、银行冲突优化、Occupancy调优、AI推理加速等浏览器端GPGPU核心技术
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）。
WebGPU 通用计算实战：从 Compute Shader 到浏览器端本地 AI 推理
从零编写分块矩阵乘法 Compute Shader，深入 WebGPU 内存层次与 workgroup 共享内存，并落地到浏览器端本地 AI 推理的生产级实战。
WebGPU与计算着色器：从图形管线到GPGPU通用计算
WebGPU核心技术解析，包括GPUDevice架构、计算着色器基础、GPGPU实战案例及浏览器内AI推理部署
WebGPU Compute Shader 深度实战：从 WGSL 并行算法到浏览器内 CNN 推理引擎
深度解析 WebGPU Compute Shader GPGPU 编程：从 WGSL 语言基础、分块矩阵乘法、并行归约、Blelloch 前缀和到 2D 卷积与算子融合，搭建基于 VGG19 的浏览器内实时风格迁移系统。含 2026 年主流硬件性能实测与 CUDA 生态对比。
WebGPU 实战：浏览器内并行计算的全新时代 — 从 Compute Shader 到 ML 推理的 GPGPU 革命
WebGPU实战权威指南：从计算着色器原理到浏览器内ML推理的完整实现路径。涵盖WGSL着色器、矩阵乘法性能基准、图像超分辨率项目实战及渐进增强部署策略。
