GPU Direct Storage：GPU 直接存储访问在 AI 推理数据管道中的工程实践
GDS让GPU显存直接与NVMe控制器建立DMA链路。深入剖析nvidia-fs驱动架构、cuFile API异步批量提交、GPU内存注册双缓冲策略，结合PyTorch容器化部署给出性能调优参数矩阵。
GPU
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。
从GPU内核到Token延迟：eBPF在LLM推理可观测性中的工程实践
如何利用eBPF从内核态穿透到GPU驱动层，构建LLM推理全链路可观测性体系。涵盖CUDA kernel追踪、TTFT/TPOT指标分析、多租户GPU争用分析及实战案例。
Mamba状态空间模型的硬件感知推理优化：从选择性扫描到并行前缀和
深入分析Mamba架构选择性扫描的GPU硬件感知优化策略，包括并行前缀和、CUDA Kernel Fusion、FlashAttention风格IO-Aware Tiling等全链路优化方案，实测14倍加速。
LLM 推理系统韧性工程：PD 分离架构下 KV Cache 热迁移与分级降级实战
随着 LLM 推理服务进入大规模生产部署阶段，系统韧性成为比峰值吞吐更关键的工程指标。本文深入剖析 Prefill-Decode 分离架构下的 KV Cache 热迁移、分级降级策略和故障恢复机制，给出可直接应用于生产环境的工程方案和实测数据。
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。
Linux DRM 子系统深度实战：从 KMS Plane 到 GPU 调度与硬件加速合成
深入解析 Linux DRM 子系统的 KMS 四元组模型、Atomic 模式设置、Vblank 同步、GPU 调度器、Overlay Plane 硬件合成等核心机制，附带内核源码级实战与性能基准对比。
Linux 内核 DMA-BUF 同步机制深度实战：从 dma-fence 到多驱动零拷贝流媒体管线
深度解析 Linux 内核 dma-fence 同步体系：从三大核心抽象（dma-fence、sync_file、dma-resv）的实现原理，到 Camera→GPU→Display 零拷贝 pipeline 的完整实战方案。涵盖显式同步 API、自定义 fence 驱动编写、ftrace 调试及内核 6.x 新特性。
Rust × CUDA Driver API 零拷贝 FFI 实战：从 Pinned Memory 到 IPC 跨进程 GPU 共享
深度解析 Rust 与 CUDA Driver API 的零拷贝 FFI 互操作，覆盖 bindgen 绑定、Pinned Memory 分配、Async Stream 回调桥接、CUDA IPC 跨进程 GPU 内存共享，附带完整代码示例与性能基准对比。
ONNX Runtime 推理引擎深度工程实战：从图优化、算子融合到执行提供器与内存规划的全链路解析
沿 ONNX Runtime 的真实执行链路拆解推理引擎内核：Session 初始化时的 Graph Transformer 图改写与三级优化、算子融合收益的真实来源、执行提供器如何做图分区以及跨 EP 拷贝的代价、静态内存规划如何用生命周期区间复用显存、IOBinding 零拷贝的适用边界，并给出生产落地清单与常见故障模式。
