AI-HPC 融合架构：知识库书籍总纲

本知识库按专业书籍的方式组织：15 章、从算账到硬件、系统、编译、模型、应用，层层递进。这篇"核心架构"是全书总纲——先看清全栈的层与层、章与章之间的依赖关系，再决定从哪里读起。

上图：AI-HPC 全栈架构总览（点击放大）。从左下到右上依次是基础设施 → 系统软件 → 大模型技术 → 应用与科学计算。

六部结构：15 章 = 六层递进

全书按 L0 → L5 六层组织，每层对应若干章。层与层是递进依赖关系：下一层的每一个设计决策，都建立在上一个层的物理约束之上。

部	层	章节	这一部讲什么	读完收获
第〇部	L0 量化方法论	01. AI Infra 量化分析	动手前先算账：显存、算力、带宽三本账	任何架构选择都能自己推一遍
第一部	L1 硬件与基础设施	02. 硬件与芯片 → 03. 集群架构 → 04. 高性能网络 → 05. 并行存储	算力基座的每一个积木	能读懂服务器/集群/网络/存储的规格与拓扑
第二部	L2 系统软件与调度	06. 自动化装机 → 07. 调度与云原生 → 08. 异构计算	把硬件变成可用的算力平台	能独立交付并调度一个集群
第三部	L3 编译与框架	09. AI 编译器 → 10. 深度学习框架	从模型图到高性能内核	理解算子如何变成 GPU 代码
第四部	L4 模型工程	11. 预训练模型 → 12. 分布式训练 → 13. 推理引擎优化	在海量集群上高效训练与推理	能设计训练/推理方案并调优
第五部	L5 应用与科学前沿	14. 行业应用落地 → 15. 科学智能	把算力变成业务与科学产出	能落地产业应用，看懂 AI×Science

层间依赖：为什么是这个顺序

每一章的前置不是随意排列的，而是数据与知识的流向：

L0 量化分析（贯穿全书，随时回查）
        │ 定义"要搬多少数据、要多少算力"
        ▼
L1 硬件基座（01→04）─── 物理约束：带宽、时延、容量、功耗
        │ 装机/调度必须懂硬件拓扑（05 依赖 02；03 网络决定 NCCL 上限）
        ▼
L2 系统软件（05→07）─── 把硬件变成可用平台
        │ 编译与框架依赖异构驱动与调度环境（08 依赖 07；09 依赖 08）
        ▼
L3 编译框架（08→09）─── 算子的生成与框架运行时
        │ 训练性能依赖框架与通信库的配合（11 依赖 09/03）
        ▼
L4 模型工程（10→12）─── 训练与推理工程
        │ 应用落地依赖推理引擎与调度（13 依赖 12/06）
        ▼
L5 应用与科学（13→14）─── 业务与科学产出

三条阅读路径

按你的角色选择入口，不要求从第 1 章读到第 15 章：

你的目标	推荐路径	为什么
建立全栈认知	L0 → L1 → L2（01 → 02 → … → 08）	先算账、再认硬件、再学交付，最快建立"一台机器到一组集群"的完整图景
独立交付集群	L1 → L2 全篇（02 → 08，L40S 系列在 03 章内）	从硬件核对、网络、装机到调度，这是交付工程师的完整技能链
算法/模型工程师	L4 → L5（10 → 14），L0 按需回查	聚焦训练与推理，遇到资源瓶颈时回 L0 算账

全栈技术组件（对照图）

层	技术组件	对应章节
应用层	PyTorch、TensorFlow、OpenMM、GROMACS、vLLM	09 / 11 / 12 / 13
调度层	Slurm、Kubernetes、容器化	06
通信层	MPI、NCCL、UCC	02 / 03
驱动层	CUDA、ROCm、国产加速卡运行时	07
互连	NVLink、InfiniBand、RoCE v2	03
存储	Lustre、BeeGFS、GPFS、All-Flash 缓存	04

建议：第一次访问从 知识体系概览 开始；要理解单篇技术文章的上下文，先回本页确认它属于哪一层、前置是哪一章。