嵌入式智能系统与新型计算架构

半导体产业演进、系统分层模型（从应用到物理）、软件与硬件的抽象层次。理解为什么现代计算既是数据处理能力，也是增强能力。

"免费午餐时代"的终结：为什么单核性能提升停滞？功耗墙、指令级并行、数据级并行、线程级并行的概念与权衡。

指令级并行的挖掘：流水线、超标量、乱序执行、分支预测、编译器优化。理解现代 CPU 如何在单线程内榨取并行性。

数据级并行（SIMD/向量处理）与线程级并行（多核/多线程）。从 SSE/AVX 到超线程，理解不同并行粒度的实现与权衡。

GPU 的 SIMT 执行模型、CUDA 编程模型、线程网格与内存层级。为什么 GPU 在 AI 训练中碾压 CPU？

从寄存器到 DRAM 到 SSD/HDD 的完整存储层级、局部性原理、缓存映射策略。理解"存储墙"和如何写出缓存友好的代码。

数据流驱动的专用架构：脉动阵列的基本原理、矩阵乘法映射、 weight-stationary / output-stationary 数据流。Google TPU 的核心设计思想。

FPGA 的 LUT/CLB/互连架构、配置比特流、时序约束；CGRA 的粗粒度可重构与数据流执行。可重构计算在 AI 加速器中的应用。

适合系统学习。从 L01 系统基础开始，经 L02 并行计算动机，深入 L03 现代处理器三种并行，再到 L04 存储层级，最后 L05–L06 专用架构。每讲笔记独立成篇，但前后有衔接提示。

适合复习或查漏补缺。先读 算力系统全景 建立全局认知，再按需深入特定讲次。例如：做 GPU 编程 → L03c；优化缓存性能 → L04；设计 AI 加速器 → L05+L06。