Inside JAX：XLA 编译器如何将 Python 函数编译为 GPU PTX 代码
深入拆解 JAX/XLA 核心编译机制：Tracing 编译模型、HLO 中间表示、算子融合、自动并行化(GSPMD)、自定义VJP与性能调优实战
GPU编程
Pallas GPU 内核编程：XLA 编译器 + Hopper TMA 异步拷贝的 SMEM 流水线深度实战
Pallas 是 JAX/XLA 生态中用于编写高性能自定义 GPU 的底层编程模型，它通过 pallas_call 入口和 AsyncCopy 原语，让开发者既能利用 XLA 编译器的全局优化能力，又能精细控制 Hopper 架构的 Tensor Memory Accelerator (TMA) 硬件单元。
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 Subgroup 操作与 SIMT 性能优化实战：从 shuffle 到 ballot
WebGPU 的 subgroup 原语为 Web 平台带来了 GPU 级别的 SIMD 通信能力。本文深入讲解 subgroup 的核心操作（shuffle/ballot/reduction），并通过 4 个实战场景（高效归约、warp 级前缀和、分支优化、GEMM 分块策略）展示如何利用 subgroup 实现 workgroup 共享内存 3-12x 的性能突破。包含完整 WGSL 实现和 Chrome/Edge 的性能基准数据。
