Mooncake 与分离式 LLM 推理：KV Cache 传输、缓存与 Prefill-Decode 解耦深度工程实战
深度解析分离式LLM推理架构的设计哲学与工程实现，聚焦KV Cache传输协议、分布式缓存管理、RDMA高效传输、生产部署实践，以Mooncake/Prefill-Decode解耦为例
GPU架构
大模型推理引擎 KV Cache 三级存储架构：从 GPU HBM 到 CPU DRAM 再到 NVMe SSD 的工程实践
深度剖析大推理引擎中 KV Cache 跨 GPU HBM、CPU DRAM、NVMe SSD 三级存储的调度架构与工程实现，涵盖 PagedAttention 的页表管理、CPU 换入换出策略、NVMe KV Cache 引擎设计、预取与淘汰算法，以及 2026 年最新方案对比（vLLM、SGLang、Mooncake、DistServe），附生产级性能基准与优化实践。
深入理解 GPU Tensor Core 架构与 CUDA 编程实战：从 Ampere 到 Blackwell 的 AI 高性能计算
从工业级 AI 计算的视角，系统性梳理 NVIDIA Tensor Core 的架构演进（Volta→Ampere→Hopper→Blackwell），深入讲解 CUDA WMMA API、Hopper TMA 异步拷贝、Warp Group wgmma 指令、共享内存 Swizzle、多级流水线设计，并提供 FP8 混合精度 GEMM 内核实战案例与 Nsight Compute 性能剖析指南。
万亿参数大模型推理系统架构：从显存墙到多节点部署的实战工程
深入剖析万亿参数大模型推理的系统化工程架构，涵盖TP/PP/EP/DP四维并行策略组合、KV Cache三级存储/H2O淘汰策略、MXFP4/FP8量化协同、vLLM多节点部署实战（含docker-compose配置）、PD分离架构与Ray调度层调优、关键监控指标与自适应batch调度，以及HBM4-PIM/光学互连/联邦推理等前沿方向展望。
AMD Instinct MI300X 显存子系统与 AI 推理深度实战：从 HBM3 带宽榨取到 Infinity Fabric 全互联扩展
深入分析 AMD Instinct MI300X 的 192GB HBM3 显存子系统、3.5D Chiplet 封装、Infinity Fabric 全互联拓扑，并通过 HIP 编程实战展示如何在 ROCm 生态中榨取每一字节带宽。涵盖 MFMA 指令优化、L2/L3 缓存协同、8 卡 mesh 扩展以及与 H200/B200 的架构对比。
CUDA Tensor Memory Accelerator (TMA) 深度工程：Hopper 架构的异步张量搬运引擎
从硬件机制到 CuTe 编程模型，全方位拆解 NVIDIA Hopper 架构引入的 Tensor Memory Accelerator (TMA)。涵盖 cp.async.bulk、多维张量描述符、mbarrier 多级流水线同步，以及 TMA + WGMMA 协同实现 940+ TFLOPS 的工程实践。
AMD Instinct MI300 系列深度架构解析：CDNA3 矩阵核心、统一内存与 AI 训练工程实践
从芯片微架构到系统互连，深度解析 AMD Instinct MI300 系列（MI300A/MI300X）的 CDNA3 架构设计：统一内存 APU 路线、Infinity Fabric 互连技术、ROCm 开放软件栈，以及大模型训练中的工程实践。
