Google TPU v6 (Trillium) 架构深度解析：从 MXU 矩阵引擎到 JAX 万卡分布式训练
深入解析 Google TPU v6 (Trillium) 的 MXU 脉动阵列微架构、ICI 芯片间互连拓扑、HBM 内存子系统，并结合 JAX/XLA 编译器实战万卡分布式训练的工程优化策略。
MoE
DeepSeek时代: MoE推理系统的工程实战
深入剖析DeepSeek-V3的MLA注意力机制与细粒度MoE专家并行架构，涵盖KV Cache压缩、AlltoAll通信优化、显存预算分配等工程实战细节
MoE大模型专家并行与动态路由优化——从DeepSeek-V3到生产级推理架构
深入解析MoE稀疏激活架构下的Expert Parallelism设计，从原理推导到生产实战，涵盖Top-K Gating、Auxiliary Loss、All-to-All通信优化、Expert Offloading以及DeepSeek-V3的Aux-Free负载均衡策略。
MoE 大规模分布式推理工程实战：从 All-to-All 通信到动态专家放置
深入拆解 MoE（Mixture of Experts）大规模分布式推理的工程实现：All-to-All 通信优化、DualPipe 架构、专家复制与放置策略、动态负载均衡、容错恢复机制，以及基于 DeepSeek-V3 的生产部署经验。
MoE 推理工程深层实战：专家并行、负载均衡、Expert Offloading 与生产级 Serving
从生产环境出发，深入拆解 MoE 推理系统中最棘手的工程挑战——专家并行策略、动态负载均衡、Expert Offloading 机制、以及面向请求调度的完整 Serving 架构。涵盖 DeepSeek-V3 的 256 专家路由机制、三级 Offloading 策略、Expert Affinity Batch Scheduling 等核心工程实践。
异构推理引擎的统一调度：在单一服务中同时运行 Transformer、SSM 与 MoE 模型的工程实践
深入拆解异构推理统一调度的核心挑战：在单一服务中同时部署和管理 Transformer、Mamba/RWKV 等 SSM 模型、MoE 模型。涵盖计算特性分析、Rust异步调度器实现、GPU显存统一管理及生产级性能基准。
2026年深度学习推理加速与模型优化技术全景：从量化压缩到大模型部署实战
2026年深度学习推理加速与模型优化技术全景，涵盖MXFP4量化、FlashAttention-4、MoE加速、SGLang、Specular Decoding等最新技术进展
