热门文章

面向 AI-HPC 工程师的精选阅读清单，按学习路径排序。标签：账本（可复算的量化分析）· 实战（可直接照做的操作）· 原理（机制与设计解析）· 案例（真实事故与项目复盘）。

入门必读 · L0–L1：先会算账，再懂硬件

★AI-HPC 架构全景图

原理一页看懂智算超算全栈：从硬件、网络到训练与科学应用的地图。

★加速器算力账：从规格书到可交付 FLOPs

账本把 GPU 规格书数字换算成可交付算力，选型与规划前先学会算账。

★AI 加速卡全景：架构、代际与选型

原理主流加速卡的架构代际与选型逻辑，一张全景读懂差异。

★384 卡 L40S IB 集群部署：一份方案的工程思考

实战真实 384 卡 IB 集群从方案到交付的工程决策复盘，后续十余篇实战文章的入口。

动手实战 · L2–L3：评测、系统与编译

★CPU HPL 实测：从单节点到 80 节点全流程复盘

实战从单节点到 80 节点的 HPL 实测全流程，性能评测的方法论样板。

★CPU 理论浮点峰值 Rpeak 计算实战

账本Rpeak 怎么算、效率为什么到不了 100%，一篇算清。

★一次真实生产事故复盘：LD_LIBRARY_PATH 污染导致 dracut 失败、XFS 无法挂载

案例环境变量污染如何搞坏启动流程：事故定位、根因与预防，SRE 必读。

★Ubuntu 22.04 + Slurm 24.05 集群部署实战

实战调度系统从零落地的完整步骤，集群可用的最后一块拼图。

★Triton 手写内核实战：从向量加法到 FlashAttention 核心

实战用 Triton 手写 Kernel 的路径，理解算子优化的手感。

模型工程 · L4：训练与推理的核心账

★ZeRO 与 FP8 训练账：显存拆分的实战手册

账本显存拆分的实战手册：ZeRO 各阶段省多少、FP8 如何叠加，可复算。

★LLM Lab 实验手记 07：FlashAttention 为什么快

实战同机对比实验，把 FlashAttention 的加速来源量化验证。

★KV 缓存压缩账：GQA、量化与分页的组合拳

账本长上下文推理的显存大头怎么压：架构、量化、分页与共享四条杠杆。

★vLLM 生产化部署：从启动参数到高并发服务治理

实战把推理引擎跑成生产服务：参数、压测、容量与治理的一整套。

★LLM 推理性能基准方法：吞吐、TTFT 与成本实测

实战推理性能怎么测才可信：吞吐、TTFT 指标口径与成本实测方法。

前沿与科学计算 · L5：AI×Science

★AI×Science 计算基础设施：AI4S 集群与纯 AI 集群的五大差异

原理超算×智算的第一课：AI4S 集群在存储、调度与互联上的本质差异。

★AI4S 可复现工作流：数据治理与容器化

实战把科学计算变成可复现软件工具的方法论与工程流水线。

★Case-001 流固耦合

案例从真实科学问题到可复现软件工具的完整案例闭环。

★Case-002 蛋白建模

案例蛋白结构建模的智算工程化落地案例。

全部文章已按「实战 / 原理 / 账本 / 案例」打标，文章页顶部会显示标签。想按章节系统学习，从知识库概览开始。