本書系統(tǒng)構建了深度學習理論與應用的全棧知識體系，從數(shù)學基礎與機器學習核心原理出發(fā)，貫通線性代數(shù)、概率統(tǒng)計等關鍵數(shù)學工具，夯實算法研發(fā)的理論根基。面向新一代通用圖形處理器(GPGPU)硬件架構，深入解析專用編程語言的語法設計與高效編程實踐，剖析主流訓練與推理框架的底層機制，并結合壁仞科技GPGPU平臺，提供針對性的適配與性能優(yōu)化方案。通過計算機視覺與自然語言處理領域的經典案例，展示傳統(tǒng)算法在異構計算架構下的性能躍遷。聚焦大模型技術前沿，系統(tǒng)闡述大語言模型(LLM)、視覺語言模型(VLM)及混合專家模型(MoE)的架構演進，結合DeepSeek-V3、Mixtral8×7B等代表性模型在壁仞GPGPU上的優(yōu)化實踐，揭示硬件加速對千億參數(shù)模型訓練與推理的顯著增益。進一步拓展至人工智能(AI)與科學計算融合前沿，通過物理信息神經網絡、量子系統(tǒng)模擬、微分方程求解等跨學科應用，展現(xiàn)GPGPU在高性能計算中的核心優(yōu)勢。