AI时代，Nvidia作为HPC的头号玩家，其手中的主要利器有：高算力GPU、高速互联设备、CUDA，其中CUDA可以称之为Nvidia的护城河，只有使用CUDA才能利用Nvidia GPU进行高效的运行AI算法。
AI基础设施 | 什么是智算中心
- 三种数据中心
- 通算中心（通用服务器-以CPU为主要芯片）
- 智算中心（智算服务器-以GPU/NPU/TPU等加速芯片为主）
- 超算中心（超级计算机）
VPN | 什么是VPN
在工作、或学习中，如果连接的是内部网络，则可以直接访问内部网络资源，如果在家或出差时想要访问内部网络资源，常需要通过VPN才能访问公司/学校内部网络资源。那么VPN到底是什么呢？
TCP/IP | 秒懂TCPIP
数据包传输过程中都用到了哪些协议？
分布式训练集合通信以及集合通信原语
大模型的训练需要用到多个配有GPU的节点，GPU间通过集合通信原语进行通信，从而实现GPU间的数据交换和共享。
CPU | CPU的组成以及功能
回顾一下CPU的组成以及各组件的功能。
加速芯片 | 不同加速芯片的特点
当前，AI服务器的芯片构成为”CPU+加速芯片“，加速芯片主要有CPU、FPGA和ASIC等加速芯片，利用CPU与加速芯片的组合可以满足高吞吐量互联的需求，从而加速模型的训练（training）、推理（Inference）过程。
CPU | 三条国产CPU发展路线
三条国产CPU发展路线：
高速互联 | PCIe与NVLink的对比
AI算法极大程度上依赖于大数据（Big Data）,AI 算法的训练对机器的算力以及数据传输能力有着非常高的要求。算力问题的解决是通过提升GPU、NPU的计算能力，并且将多块GPU/NPU连接起来组成一个算力网络（Computing Force Network, CFN）。算力网络中的不同GPU/NPU需要进行互联，GPU/NPU也需要与CPU进行互联，从而共同协作完成大量数据的运算。
AI Native | 全新软件开发模式
AI的迅猛发展，对各行各业都带来了巨大的冲击，同时也带来了新的机会，催生了AI+的产业新模式，例如AI+教育、AI+交通、AI+医疗、AI+农业等，大量的AI+应用/项目已成熟落地。AI+应用的出现、普及改变了传统的软件开发模式，实现了focus on 软件到focus on 模型的转变。