WebGPU Compute Shader 在异构计算中的深度工程实践：从浏览器到原生系统
WebGPU Compute Shader深度工程实战。涵盖Compute管线架构、WGSL矩阵乘法优化、浏览器与原生性能对比（vs CUDA）、实时视频风格迁移案例、2026年生态进展与部署清单。含完整Rust/wgpu代码。
AI推理
GPUDirect RDMA：AI 推理集群零拷贝网络传输的工程实践
深入解析 GPUDirect RDMA 架构原理与 AI 推理集群工程实践，涵盖内核驱动实现、CUDA API 集成、NCCL RDMA 通道建立、性能调优与生产级容错设计
AI 推理服务的 Huge Pages 工程实战——从 THP 陷阱到 PMD 大页调优与 KSM 协同
深入剖析 Linux Transparent Huge Pages 在 AI 推理服务中的尾延迟陷阱，从 TLB Miss 根源出发，详解 khugepaged 工作机制、四种 defrag 策略、GPU 显存映射冲突，并提供静态 hugetlbfs + madvise 精准标记的生产级调优方案。含 BPF 追踪脚本与决策树。
Rust-PyTorch 零拷贝张量桥接与异步推理管线工程实战
深入剖析通过Rust FFI桥接PyTorch C++后端实现零拷贝张量传递与异步推理管线的工程方案，包含混合调度器设计、CUDA上下文管理、eBPF延迟追踪等实战经验，以及与Triton Inference Server的性能对比数据。
Intel AMX 加速 AI 推理：从 Tile 矩阵运算到生产级算子优化
深入剖析 Intel AMX 架构设计、Tile 寄存器、TMUL 矩阵乘法单元，给出完整的 BF16/INT8 矩阵乘法代码实现和性能实测数据，以及在 LLM 推理场景的工程实践要点。
AI推理引擎 Continuous Batching 深度工程实战：从 PagedAttention 到 SGLang 架构
在大模型推理服务中如何同时实现高吞吐和低延迟？深入分析Continuous Batching核心原理、PagedAttention内存管理创新、RadixAttention前缀缓存，以及vLLM与SGLang的生产架构对比。
Linux 内核 io_uring 时间轮与异步超时机制深度工程：构建百万级定时器的高性能 AI 推理请求调度
深入解析 Linux 内核 io_uring 内置时间轮机制，从内核 hrtimer 到多级时间轮数据结构，构建零系统调用的百万级并发异步超时调度引擎，专为 AI 推理网关的请求生命周期管理设计。涵盖链接超时、MULTISHOT 重试、NUMA 亲和性优化及生产级部署 checklist。
Linux 内核 io_uring 与 eBPF 协同在 AI 推理网关中的可编程数据面工程实践
在 AI 推理服务中，网关层承担着请求路由、负载均衡、流量控制和可观测性采集等关键职责。本文深入探讨如何通过 io_uring 的异步 IO 机制与 eBPF 的可编程内核执行能力协同工作，构建一个高性能、可观测、可编程的 AI 推理网关数据面
ARM SME (Scalable Matrix Extension) 在终端 AI 推理中的架构演进与工程实践
深入剖析 ARMv9-A 架构的 Scalable Matrix Extension (SME)：二维 ZA Tile 存储模型、矩阵外积指令（SMOPA/FMOPA）语义、Linux 内核 ZA 上下文管理，以及如何为 MobileLLM 推理中的 QKV Projection 与 Attention 编写高性能 SME 内核，含完整汇编代码和性能基准对比
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。
