用 Kubernetes 老兵听得懂的类比，讲透 token、模型、训练、推理、Transformer、Tensor Core、HBM、KV Cache 到底是什么，以及为什么 AI 非跑在 GPU 上不可。
AI 工程
人工智能工程、大模型、智能体应用与实践。
从 GPU 利用率到 Productive GPU-Hours，AI Infra 的效率升级。
解读 Hesham ElBakoury 的《AI Infrastructure Reliability Features and Architecture for Agentic AI》，从可靠性五维框架、容错、恢复、可观测性到混合架构，分析 Agentic AI 基础设施的设计原则，并从 AI Infra 视角给出评价。
从 GPU 到 Token：AI 基础设施的八层可观测性体系
从 GPU 硬件、Kubernetes 调度、推理引擎到 Token 成本，理解现代 AI 基础设施的八层可观测性架构。
我如何用 ChatGPT、OpenClaw、Obsidian、GitHub、飞书、GLM-5.1 和 Mac mini M4 构建一套个人 AI 基础设施。
Kubernetes 正在成为 AI 时代的 GPU Control Plane
观察 AI 基础设施控制面演化的几个趋势，聚焦 HAMi v2.9、GPU 调度和 Kubernetes 资源模型。
当 GPU 走向开放调度：HAMi 2025 年的结构性转变
解析 GPU 开放调度的结构性变革，聚焦 DRA/CDI 标准、GPU 虚拟化数据平面、开源生态与反锁定风险。
从 AI 资源列表中移除并整理的 AI 学习资源合集：Awesome 列表、课程、教程和 Cookbook。这些教育材料值得特别关注。
在 ChatGPT 和 TensorFlow 之前，有 Hadoop、Kafka 和 Kubernetes。本文致敬那些成为当今 AI 革命基石的传统开源基础设施。
探讨 Agent-Driven Development（ADD）时代，Spec 如何成为 AI 软件工程的可治理核心资产，以及工程系统的控制平面化趋势。
亲身体验 Verdent 独立 Mac 应用，探索并行 AI agent、隔离工作区和以任务为中心的工作流如何改变真实开发实践。
Manus 被 Meta 收购引发的舆论撕裂：朋友圈祝福、评论区质疑。本文从目标用户、收入来源与增长范式变化出发，讨论 AI 应用时代的蝴蝶效应与对创业者的启示。