边缘AI推理优化：从模型压缩到端侧部署的工程实践
深度解析边缘AI推理优化的全流程：从模型压缩（量化、剪枝、蒸馏）到推理引擎（ONNX Runtime、TensorRT、OpenVINO），再到端侧部署的工程实践。
AI推理
Linux 内核硬件中断机制深度实战：从 IRQ 到 softirq，AI 推理场景的硬中断延迟治理
从硬件引脚到内核调度器，深度拆解 Linux 中断机制的完整执行路径。包含 x86-64/ARM64 架构对比、NAPI 轮询数学建模、eBPF 观测实战、AI 推理场景中断治理检查清单
io_uring × AF_XDP 融合：为 AI 推理网关打造全栈零拷贝数据路径的工程实践
深入剖析io_uring与AF_XDP两大Linux内核子系统融合，为AI推理网关构建全栈零拷贝数据路径的工程实践指南，涵盖性能基准测试（523K req/s）与生产级调优策略
eBPF实战：零侵入构建AI推理集群的全链路GPU显存追踪与性能分析系统
当vLLM推理服务突然OOM、DCGM曲线毫无异常时，本文用eBPF从内核态追踪CUDA Driver调用链，构建零侵入、全栈关联的GPU显存可观测性系统，包含碎片化分析与OOM预测闭环。
RISC-V Vector Extension (RVV) 在 AI 推理引擎中的突破与工程化实践
深入剖析 RVV v1.0 的 VLA 编程模型与 LMUL 寄存器分组机制，分析其在矩阵乘法 GEMM、Transformer Attention KV Cache、以及端到端推理部署中的优化策略。提供 6 个可生产级别的代码示例（Gemm 4x8分块、fp16/Int8量化、FlashAttention RVV归约、q4_K_M反量化），并给出 SiFive P870 上的性能基准对比（相对标量加速 7.2x）。
Linux 内核页面回收机制与高内存负载 AI 推理场景下的争用优化
深入分析Linux内核页面回收机制与AI推理服务中高内存负载场景的争用问题，从Direct Reclaim阻塞、THP分裂抖动、NUMA跨节点争用等六大场景展开实战优化方案，附实测数据与最佳实践清单。
Linux 内核热插拔与 CPU 调度深度实战：从动态拓扑变更到 AI 推理服务的弹性伸缩
深入剖析Linux内核CPU热插拔机制与调度域动态重构原理，结合AI推理服务的生产级部署案例，给出一套完整的弹性伸缩工程实践方案。涵盖SRCU同步、中断路由迁移、cpuset协同、K8s集成及性能基准数据。
Linux 内核并发原语与内存排序深度工程 — 从原子操作、内存屏障到无锁数据结构在 AI 推理中的生产实践
深入剖析Linux内核并发原语与内存排序机制，从原子操作、编译器屏障、硬件内存屏障到RCU、Seqlock等高级同步原语，结合AI推理服务中的无锁环形缓冲区、KV Cache管理、模型热加载等实战案例，系统讲解如何在生产环境中构建高性能无锁并发系统。
Linux Kernel PSI 深度解析：从内核压力信号到 AI 推理 QoS 与自动弹性伸缩
深入Linux内核PSI（Pressure Stall Information）机制，从内核任务停滞时间统计到cgroup2 per-cgroup压力视图，结合BPF程序跟踪压力事件，构建AI推理服务的自动弹性伸缩方案
ARM64 Memory Tagging Extension (MTE) 在 AI 推理引擎中的内存安全加固工程实践
深度解析ARM64 MTE硬件机制及其在AI推理引擎C++插件中的内存安全加固实践，包含编译器插桩、TensorRT插件工程应用、性能实测与PAC/BTI协同防御体系
