漫步远方，心荡神往

模型量化深度科普（上篇）：先建立全局对比表，再把『地基层』讲透——浮点与定点表示（FP32/FP16/BF16/INT8/INT4/FP8）、浮点到整数的仿射映射 q=round(x/scale)+zp、对称 vs 非对称量化、per-tensor vs per-channel 粒度，以及量化为何能加速、反量化与伪量化。然后进入通用量化范式：PTQ 后训练量化、QAT 量化感知训练、动态 vs 静态量化、校准方法（MinMax/Percentile/KL/MSE）与异常值问题。每个概念给数值示例、公式推导与可运行代码，含一段『从零实现对称/非对称量化与反量化』的教学代码。下篇讲 LLM 专用方案。

模型量化深度科普（下篇）：承接上篇的地基与范式，讲透 5 大 LLM 专用量化方案。LLM.int8()：异常值分离+混合精度分解；GPTQ：基于 Hessian 二阶信息的逐层 weight-only 量化；AWQ：激活感知、保护显著权重通道；SmoothQuant：数学等价把激活量化难度平滑迁移给权重，使 W8A8 可行；NF4+双重量化：QLoRA 的 4-bit NormalFloat，为何比 INT4 更适配正态分布权重。解释为什么 LLM 激活异常值让 W8A8 比 CNN 更难、4-bit 权重量化对显存的决定性影响，配 transformers+bitsandbytes/auto-gptq/autoawq 可运行代码与显存吞吐估算。

分布式通信原语深度科普（上篇）：先建立全局图谱（一图速览 + 全局对比表），再把点对点基础层讲透——Send/Recv（阻塞）、ISend/IRecv（非阻塞·计算通信 overlap）、SendRecv（环形不死锁）、Barrier（屏障对齐）。每个原语给出语义图、通信复杂度、原语组合关系，以及在流水线并行（PP）等场景的真实应用，配可运行的 torch.distributed 代码（NCCL/gloo）并附实跑输出。下篇讲集合通信与从零实现 Ring-AllReduce。

分布式通信原语深度科普（下篇）：逐个讲透集合通信——Broadcast、Scatter/Gather、AllGather、Reduce/AllReduce、ReduceScatter、All2All/AllToAllv。给出语义图、底层算法与通信复杂度（Ring/Tree），讲清为何 Ring-AllReduce 单卡通信量 ≈2S 几乎与卡数无关、AllReduce = ReduceScatter + AllGather 的组合关系，以及在数据并行/张量并行/ZeRO·FSDP/专家并行中的真实应用。每段配可运行的 torch.distributed 代码与实跑输出，并附一段用 Send/Recv 从零实现 Ring-AllReduce 并与官方对拍的教学代码。上篇讲点对点基础与全局对比表。

基于各厂商官网/官方发布会、公开财报与行业研报，图文梳理国产 GPU 产业全景：技术发展历程、稠密 FP16/显存/带宽横向对比、落地场景与营收出货数据、Chiplet 突破制程方案与未来趋势。覆盖华为昇腾、壁仞科技、寒武纪、百度昆仑芯、摩尔线程、沐曦、海光信息、天数智芯、阿里平头哥、燧原科技 10 家厂商；已对关键数据做口径校正（如 BR100 的 1024 实为 INT8 TOPS 而非 FP16），并逐项标注官方/研报来源。