AIGC

AIGC 板块文章目录。

逐条回应人形机器人五大质疑：环境适配、双足与轮式之争、手指与夹爪之辩、「宇树是玩具厂商吗」与商业化真相。

拆解北大 HG-PIPE：混合粒度流水线消除气泡、LUT 算子替代 DSP，FPGA 上比 V100 快 2.81 倍的 ViT 加速器

拆解 TEAM：延迟缓存、投机探索与受限激活三策略协同，MoE 扩散模型最高 2.2 倍推理加速。

同族模型间的 KV 缓存近似线性相关，闭式岭回归映射让小模型算好的 KV 直接喂给大模型，跳过 Prefill。

拆解 FreeToken 的 q* 带宽自适应策略、语义感知缓存与弹性显存管理，边缘设备如何跑起前沿 MoE 模型。

从范数补课到条件数几何直觉，完整推导高斯消元、主元策略与 LU 分解，理解为什么工程上从不显式求逆。

从惊讶程度到比特：完整推导熵、交叉熵、KL 散度与困惑度，并落到量化评估、投机解码与温度采样的具体用法上。

寄存器分块让每线程算 64 个结果，向量化访存与 Warp Tiling 把 GEMM 推到 cuBLAS 的 93.7%。

回答四问：r(n+m−r) 的 −r 从哪来、TPU 如何训练 Gemini、TPU 与 B200/B300 的算力口径差、2026 年 GPU/TPU/NPU 全景。

拆解 FPGA 加速 LLM 推理的三条前沿路线：FlightLLM 完整映射流程、CXL-SpecKV 投机 KV 缓存与 LightMamba 量化硬件协同设计。

回答浮点数文章收到的五个问题：无限循环小数与有理数、spacing at 1 与 ULP、Python 默认精度、各工具链舍入方式与银行家舍入。

从朴素 Kernel 讲起，拆解内存合并访问与共享内存分块两大优化，为什么 309 GFLOPS 能涨到 2980 GFLOPS。

零基础认识具身智能：感知-行动闭环、VLA 模型原理、数据与仿真、世界模型、人形机器人产业全景。

从 LUT/DSP/BRAM 到 EIE、ESE 与 Brainwave，拆解 FPGA 加速深度学习推理的底层原理与经典设计。

从 IEEE 754 位布局、舍入误差到在线 softmax 与 FP8 缩放，讲透 LLM 推理中的数值精度问题。

拆解 SIGCOMM 2026 的 DualPath：让解码引擎直读 KV-Cache 再经 RDMA 回传，离线吞吐最高提升 1.87 倍。

为 MLA、DSpark/DFlash、TPU v1 三篇读者答疑：线性代数基础、投机解码原理与 AI 芯片全景对比。

从脉动阵列的时序原理、三种数据流模式到 Roofline 性能模型，彻底解释 92 TOPS 的 MXU 为何平均只用 28%。

从芯片架构、内存层次到 CISC 指令集，拆解 Google 第一代 TPU 如何用 15 个月造出推理专用 ASIC。

从 KV Cache 内存浪费讲起，彻底拆解 PagedAttention 的分块存储、块表、写时复制与 vLLM 的调度抢占。

从低秩压缩、RoPE 解耦到矩阵吸收与 FlashMLA kernel，彻底讲透 MLA 的每个公式与实现细节。

拆解 MLSys 2026 的 TokenWeave：GPU 波感知粗粒度切分与融合 AllReduce-RMSNorm，TP 推理延迟最高降 29%。

拆解 Blink：SmartNIC 直通 RDMA、GPU 常驻调度内核接管批处理，CPU 干扰下性能纹丝不动，P99 TTFT 最高降 8.47 倍。

拆解 CLAA：以答案回看注意力定义 token 真值重要性，跨层聚合修复排序不稳，TTFT 最高降低 39%。

拆解 MLSys 2026 的 MAC-Attention：复用相似查询的注意力摘要，解码 KV 读取最高减少 99%。

拆解 XFP 码本量化：稀疏离群值分离、双阈值自动选位与融合解码 kernel，3.4 有效位双卡跑通 397B MoE。

拆解 MLSys 2026 的 BLASST：复用在线 Softmax 统计量跳过低贡献块，训练无关加速长上下文推理。

拆解 QEvict 三档 KV 缓存：用可恢复 INT2 中间档与动态晋升，对抗长上下文解码中的注意力漂移。

拆解 ExpertPlex 的自适应持久 kernel 与注意力发起的单边通信,如何在 MoE 服务中获得最高 2.01 倍吞吐。

深入拆解 ICML 2026 论文 DFlash，从 KV 注入到块扩散去噪，理解如何用扩散模型替代自回归草稿生成。

深入拆解 DeepSeek 与北大联合开源的 DSpark 框架，从半自回归草稿生成到置信度调度验证，揭示投机解码如何在生产环境中实现最高 85% 的生成加速。

深入拆解 FlashAttention-4 如何通过 warp 特化流水线、混合指数计算与条件 softmax 重缩放，在 Blackwell GPU 上将注意力计算推至矩阵乘法级别速度。