KernelZero如何用"左右互搏"写出比人类更快的GPU代码
2025年，有一件事让做GPU编程的人挺不是滋味的：一个叫cudaLLM的模型，砸了128块H100显卡去训练，结果在KernelBench Level 1这个基础测试集上，十次尝试里也就八成能对。这是什么概念？
NVIDIA 推出 CUDA Rust！用 Rust 直接编写高性能 GPU 内核
GPU 开发长期依赖 CUDA C++，Rust 开发者只能间接调用 GPU 能力，无法直接写内核。NVIDIA 开源 CUDA Rust 补齐这一短板，依托 Rust 内存安全特性，在编译阶段拦截并发内存错误，兼顾高性能与安全，给 AI 和高性能计算带来新的开发选择。
Python也能榨干多核与GPU
Python编程并行计算GPU加速这本书用6章和可运行示例，讲清Python如何调用线程、进程、异步、分布式与GPU，帮助开发者把现代计算机的算力真正用起来。
英伟达公开新AI助手专利：支持使用自然语言诊断GPU性能瓶颈
近日，英伟达公开一项全新人工智能助手专利（专利公开号：US 2026/0277953 A1），核心是为GPU性能调试工具接入大语言模型能力，允许开发者通过自然语言交互式提问，快速定位GPU运行性能瓶颈、排查程序运行异常。
《动手学深度学习》精读12：多GPU训练与计算性能
一、这章不讲模型，只讲怎么把训练跑得更快《动手学深度学习》第 12 章，计算性能。前面十章我们一直在改模型结构：MLP、CNN、RNN、注意力、Transformer。到这一章，书突然换了个问法——同样的模型，能不能跑得更快？答案是能，而且幅度大得离谱。
100 个地学Python工具解析：AI4S 时代地学计算与 UltraLAB 配置攻略
摘要：做地学研究的人很少只用一种数据——卫星栅格、站点观测、模式输出、水文模型、地震波形，每一类背后都有成熟的 Python 工具。与其每次从零搜索，不如建立一张"工具地图"，甚至直接喂给 AI 做成 Skill。
AgentGarten：当AI智能体开始在"代码写的世界"里反复练习
2019年，OpenAI做过一个很出名的实验，让两群AI在一个简单的物理环境里玩捉迷藏。躲的一方和找的一方互相博弈，久而久之，躲的那方学会了搬箱子筑围墙挡住入口，找的那方学会了拖来斜坡爬过围墙。
DeepSeek“核弹级”编程语言来了：让GPU/昇腾算子开发快3倍
写AI底层最劝退的是什么？不是模型结构，是算子：想给大模型写个FlashAttention、MoE路由、FP8量化，传统路子要么手写CUDA几百行、调线程调内存调到秃头，要么用Triton但被英伟达生态绑死。
国产 GPU 能不能打，重点在软件栈
值得注意的是那些 ix 前缀的名字:ixCC 编译器，ixBLAS / ixDNN / ixINFER / ixFFT / ixSPARSE / ixSolver 算子库，ixCCL 集合通信，ixSHMEM 共享内存，ixSMI / ixHWPerf 设备管理与性能分析。