欢迎来到 AIInfraGuide
AIInfraGuide 正式上线，一个开源、系统、面向实践的 AI Infra 知识库
🚀 为什么需要 AIInfraGuide
大模型时代，AI 基础设施（AI Infra）已经成为支撑训练、推理和服务的核心技术底座。然而，这个领域有一个显著的矛盾——技术迭代极快，但系统化的中文学习资料却严重匮乏。
很多工程师在学习 AI Infra 时面临相似的困境：
- CUDA 编程的入门资料散落各处，缺乏从基础到算子优化的完整路径
- 分布式训练涉及 DDP、FSDP、3D 并行等众多概念，不知道该从哪里开始
- 推理优化技术（PagedAttention、量化、Speculative Decoding）发展迅猛，难以跟上节奏
- 性能分析工具（Nsight Systems、Nsight Compute）功能强大，但上手门槛不低
AIInfraGuide 正是为了解决这些问题而创建的——一个开源、系统、面向实践的 AI Infra 知识库，帮助工程师构建从硬件到软件、从训练到推理的完整知识体系。
📖 知识库内容体系
知识库围绕 6 大核心主题，覆盖 AI Infra 工程师需要掌握的关键技术栈：
| 主题 | 涵盖内容 |
|---|---|
| AIInfra 学习路线 | 系统化的学习路径、知识图谱、推荐资源 |
| AIInfra 前置基础 | GPU 架构、NVIDIA 架构演进、计算机体系结构、Transformer 基础 |
| CUDA 编程与算子优化 | CUDA 编程模型、Kernel 开发、FlashAttention、Triton |
| 分布式训练 | DDP、FSDP、ZeRO、3D 并行、DeepSpeed、Megatron-LM |
| 推理优化 | vLLM、SGLang、TensorRT-LLM、量化技术、KV Cache 优化 |
| 性能分析 | Nsight Systems/Compute、Roofline 模型、Profiling 实战 |
每篇文章都遵循「先白话后术语」的写作原则——先用通俗的语言解释”是什么、为什么需要”，再给出严谨的技术细节，确保读者既看得懂也学得对。
🤝 如何参与
AIInfraGuide 是一个开源项目，欢迎通过以下方式参与共建：
- 提交 Issue：发现错误、提出建议，或者告诉我们你希望看到的主题
- 贡献 PR：分享你的实践经验、补充技术细节、改进现有内容
- Star & Share：如果觉得有帮助，请在 GitHub 上给个 Star，让更多人发现这个项目
💡 提示：如果你不确定从哪里开始，推荐先阅读知识库中的「AIInfra 学习路线」，它会帮你梳理一条清晰的学习路径。
让我们一起构建 AI Infra 社区的知识基础设施。