学习路线

按这个顺序学习和补齐文章：先基础，再方向。

阶段一：GPU 基础（当前）

• GPU 硬件架构：SM、显存层级、NVLink/PCIe 互联；深入阅读 NV 架构初解
• CUDA 编程与内存模型：为后面的算子优化打地基

阶段二：云原生开发起步

• K8s GPU 资源调度：K8s 基础、Device Plugin 原理
• Operator 开发：CRD 设计、Controller/Reconcile 模式
• Scheduler 扩展：批调度器原理、GPU 隔离机制

阶段三：高性能算子 & 训练 / 推理框架（并行推进）

• 算子优化、Profiling
• 训练框架、推理框架、训练到推理的衔接
• AI 算法基础：按需补充，只写看懂上面这些需要的部分

每篇文章会标注学习阶段（入门理解 / 已交叉验证 / 待更新），学习路线上的顺序也会跟着实际进度调整。