GPU 并行计算深度实战：从 CUDA 核心编程到内存层次的全栈优化
从GPU硬件微架构出发系统梳理CUDA编程核心抽象、内存层次优化策略以及性能调优方法论，覆盖SIMT模型、合并访问、Bank Conflict、Register Tiling、Tensor Core编程、Roofline分析等主题。
GPU
eBPF与GPU驱动可观测性：从NVIDIA驱动内核态追踪到GPU工作负载剖析的完整实战路径
eBPF在GPU驱动可观测性中的深度实战：从NVIDIA内核态追踪到GPU工作负载剖析的完整路径，涵盖kprobe、tracepoint、uprobe三层探针架构设计，PCIe带宽争用、Unified Memory页错误风暴等CPU-GPU协作瓶颈的可观测性模式，以及生产环境下eBPF-GPU探针的实际部署与验证。
LLM 推理引擎 Continuous Batching 与 PagedAttention：从 vLLM 原理到生产级部署实战
深度拆解LLM推理引擎核心架构：Continuous Batching迭代级调度原理、PagedAttention虚拟分页KV Cache管理、Chunked Prefill长Prompt处理、Prefix Caching前缀共享、分离式Prefill/Decode架构、生产监控指标与调优指南、投机解码等前沿演进
Vision Language Model 多模态推理引擎：动态分辨率、图像 Tile 分级调度与跨模态注意力融合深度工程实践
系统拆解 Vision Language Model 推理引擎的核心工程挑战：动态分辨率图像编码、图像 Tile 分级批处理、跨模态注意力融合零拷贝实现、视觉与语言 KV Cache 分层管理、多模态投机解码可行性边界。基于 Llava/Qwen2-VL/InternVL3 在 A100/H100 实测数据，含完整 Rust 与 Python 代码。
从 XID 错误到芯片级容错：GPU 显存 ECC 损坏在 AI 训练中的检测、隔离与自愈工程
AI 训练集群规模从百卡扩展到千卡、万卡级别后，GPU 显存错误成为影响训练稳定性和模型收敛性的隐性杀手。与传统 CPU 不同，GPU 显存错误往往表现为"静默数据损坏"（Silent Data Corruption, SDC）——权重悄然翻转一个 bit，Loss 曲线异常抖动，而训练流程本身不会报错退出。本文从硬件 ECC 机制出发，深入讲解 GPU XID 事件解析、内核驱动级错误检测、生产…
AI 加速器内存管理单元深度实战：IOMMU、SMMU、ATS 在生产集群中的工程实践
深入解析 AI 基础设施中 IOMMU 的工作原理与工程实践，覆盖 Intel VT-d、ARM SMMUv3、ATS/PRI 协议、虚拟化场景下的 VFIO 集成，并提供生产集群的性能调优与故障排查实战经验。
GPU 缺页中断与 CUDA Unified Memory — 从 HMM 框架到 AI 推理大显存管理的工程实践
深入解析 GPU MMU 页表管理与 CUDA Unified Memory 的按需页迁移机制，剖析 Linux 内核 HMM 框架的设计原理与 NVIDIA UVM 驱动实现，给出在 AI 推理生产环境中利用 UM 管理超大规模显存的实战方法论。
模型量化实战：从 AWQ/GPTQ 到 NVIDIA FP8 推理的工程部署与性能调优
深度剖析大语言模型推理中的量化技术路线，从 GPTQ、AWQ、SmoothQuant 到 NVIDIA 硬件级 FP8 推理，结合 vLLM 与 TensorRT-LLM 实战部署，给出一套完整的工程方案。
PyTorch 2.x torch.compile 与 Inductor 后端深度工程：从 FX Graph 到 Triton kernel 的 AI 推理全栈优化
深入拆解 PyTorch 2.x torch.compile 的完整技术栈——从 TorchDynamo 的 Python 字节码拦截到 Inductor 的 Triton kernel 代码生成，结合生产级推理部署经验，给出可落地的工程指南。
Rust GPU 计算：从 RustGPU 编译器到 wgpu 核心优化与生产实践
深入剖析 Rust GPU 计算技术栈：编译器后端如何将 Rust 代码翻译为 GPU 指令，naga IR 如何保证跨平台兼容性，以及生产环境中如何设计高性能的 compute pipeline，包含完整的粒子系统实战案例。
