CUDA Warp 编程深度实战：从 Bank Conflict 到 Tensor Core 极限优化
深入NVIDIA GPU Warp级并行机制，从Bank Conflict原理到Tensor Core极限优化，涵盖Shared Memory架构、Warp分支发散、FP16矩阵乘实战案例及NSight Compute性能分析
NVIDIA
CUDA Unified Memory 深度工程：虚拟内存管理、页面迁移与 OOM 治理实战
深入剖析CUDA Unified Memory的内部机制、页面迁移策略、VMM虚拟内存管理API以及生产环境中的OOM治理方案。涵盖从CUDA 6到CUDA 12的内存模型演进、GPU缺页中断、cuMemAdvise/cuMemPrefetchAsync优化、Split Migration以及自研显存管理器的实战代码。
机密计算 × GPU AI 推理 —— TEE 环境下的隐私保护机器学习实战
深度解析GPU TEE技术在AI推理场景的实战应用，涵盖NVIDIA Confidential Computing架构、远程证明流程、Kubernetes部署、性能优化策略和攻防实战
TensorRT-LLM 深度工程实践：从模型到生产级推理服务
深度剖析 TensorRT-LLM 架构设计哲学、编译-运行时协作模式、跨算子融合、请求调度、KV Cache 管理与并行策略优化，含与 vLLM 对比及生产级部署实践。
FP8混合精度推理全链路部署实战：从模型格式到生产级推理引擎
深入解析FP8密集精度推理的全链路部署方案：从FP8数值格式E4M3/E5M2的取舍，到FP8 KV Cache的显存优化、FP8权重量化与动态量化、Transformer Engine与vLLM/SGLang的集成，最终给出可落地的生产级部署实践。
FlashAttention V3 实战：Hopper 架构下的 Paged KV Cache 协同优化
深入剖析 FlashAttention V3 在 Hopper 架构下通过 TMA 和 Warp Specialization 实现 Attention 计算极致优化，以及 Paged KV Cache 在 LLM 推理服务中的协同工程实践。含 CUDA 代码示例与实测性能对比。
NVIDIA Grace Hopper NVLink-C2C 统一内存与 Linux 内核页迁移在 AI 推理工程中的深度实践
从硬件架构、Linux 内核页迁移机制、CUDA统一内存编程模型到AI推理场景实战优化，完整解析 NVIDIA Grace Hopper NVLink-C2C 统一内存技术栈。涵盖页迁移路径、访问计数器、内存建议API、预取策略、CUDA Graph整合、KV Cache零拷贝共享及性能基准测试。
GPU 调度器多租户 AI 工作负载：Kubernetes 下的架构设计与工程实践
深入分析 Kubernetes 下多租户 GPU 集群的调度架构，涵盖 MIG/MPS/时间分片三大共享策略、Bin Packing 与运行时 Defragmentation 算法、Scheduler Extender 与 DRA 机制，以及生产级 QoS 保障与公平性设计。
深入 GPUDirect RDMA：GPU 与网卡之间的零拷贝数据通路深度工程实战
深入解析 GPUDirect RDMA 技术栈：从 PCIe P2P 通信、IOMMU/SVA 机制、nvidia-peermem 内核模块到 NCCL RDMA 路径实现，完整呈现 GPU 与网卡零拷贝数据通路的工程全貌与生产调优实践。
AI大模型分布式训练：张量并行与流水线并行深度实践
深入拆解大模型训练的两大核心并行策略——张量并行与流水线并行。从矩阵分块原理、1F1B 调度算法到 Megatron-LM 工程实现，配合 PyTorch 代码实战，详解 TP × PP × DP 三维并行体系如何在 3072 张 GPU 上跑出近线性加速比。
