GPU计算着色器与线程组执行模型深度解析：从SIMT波前调度到共享内存库冲突优化的GPU并行计算架构
从硬件视角解析GPU SIMT执行模型、线程层级、共享内存Bank冲突优化及内存合并访问策略。
并行计算
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 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。
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。
WebAssembly SIMD与跨平台高性能计算：从128位向量指令到视觉/推理/信号的端到端加速实践
深入解析WebAssembly SIMD128指令集架构及其在图像处理、神经网络推理、音频信号处理等跨平台高性能计算场景的工程实践
大模型分布式训练并行与显存工程实战：从 ZeRO 分片、FSDP 扁平参数到激活重计算与通信重叠全链路
沿真实工程决策链拆解大模型分布式训练：先算清混合精度 AdamW 的 16 字节/参数显存账本，再区分 DP/TP/PP 三种并行各自解决的维度，深入 ZeRO 三级分片与 FSDP FlatParameter 编排（含 70B 在 64 卡上的单卡显存实测表），给出选择性激活重计算的算力-显存兑换率与 use_reentrant 陷阱，最后落到 prefetch、bucket 与梯度累积 no_sync 的通信-计算重叠实战。
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
异构计算的跨平台统一编程：oneAPI、SYCL 与 C++ 标准并行算法的工程实战
深度解析异构计算的跨平台统一编程模型：从CUDA生态锁定问题出发，剖析SYCL分层抽象、oneAPI工具链、C++17/20标准并行算法的工程实战。包含四种矩阵乘法实现的完整性能对比，以及从实验到生产的完整CheckList。
