bojieli/ai-infra-book

深入理解 AI Infra：量化分析与系统设计

[!TIP]

### 📥 下载最新版全书 PDF

> 推荐下载 PDF 阅读。 书中有大量公式、表格、脚注和交叉引用，GitHub 直接显示 Markdown 时，LaTeX 公式和部分排版常常渲染不全或错位。PDF 由 XeLaTeX 排版，每次更新 main 后自动构建并发布到 Releases，上面的链接始终指向最新版。下方目录链接到各章 Markdown 源文件，便于查找原文和提交勘误；通读全书，仍建议下载 PDF。

《深入理解 AI Infra》是 GitHub 上获得 45k+ Star 的《深入理解 AI Agent：设计原理与工程实践》的姊妹篇。

写完《深入理解 AI Agent》后，在与读者交流的过程中，我越来越感到：要开发好基于模型的应用，还需要理解它赖以运行的基础设施。大多数软件工程师不必亲自开发操作系统、编译器和芯片，却仍要学习操作系统、编译原理和计算机体系结构，因为申请内存、读取文件、调用函数，背后都有资源与时间代价。基于模型开发应用也是如此。延迟相差几倍，产品体验就可能完全不同；成本相差一个数量级，能够支撑的商业模式也随之改变。

更深层的变化是编程抽象的上移：从操作系统到模型上下文。传统的操作系统、编译器和硬件要为事先未知的各种程序提供通用能力，系统优化总要在可编程性与性能之间取舍。如今 LLM 成了最重要的应用，从算子执行到分布式调度，都可以针对特定的模型和加速器架构优化；模型设计也开始反过来适应硬件，DeepSeek V4/V4.1 重新设计长上下文的表示方式，就是一例。从某种意义上说，模型成了 LLM 时代的操作系统，AI Infra 成了 LLM 时代的计算机体系结构。《计算机体系结构：量化研究方法》是我在体系结构领域的入门书，而 AI Infra 领域还缺少一本从硬件约束和模型架构出发、量化推导系统设计的书，这是我写作本书的动机。

贯穿全书的方法是从约束推导设计：先明确任务与质量要求，列出计算、存储、通信和依赖关系，对照硬件的容量、带宽和算力做数量级估算。这类估算人容易出错，AI 也一样：只算权重读取而忘了 KV 缓存，按峰值算力推算速度而不查带宽能否供给，把工作平分给多张卡却遗漏卡间通信，漏掉任何一项，结论都可能偏离几倍甚至几个数量级。估算还有另一层用意：读博时导师张霖涛博士反复叮嘱，优化一定要做到物理所允许的极限。本书贯彻这一习惯，先按第一性原理算出硬件允许的上限，再看实测离上限还有多远；差距不是模型漏了项，就是系统有可以去掉的开销。从 FPGA 加速 Bing 搜索排序、昇腾 AKG 算子生成到 UB 万卡互联，我反复遇到的是同一条线索：数据搬移。本书因此反复追问五个问题：搬什么、搬多少、搬几次、经过哪里、谁必须等它。 更多写作背景见前言。

下载 PDF（推荐） · 在线阅读 · 章节正文 · 配套实验

目前书稿仍是初稿，正在持续修订。

内容目录

| 章 | 主题 | 主要问题 | | :--: | --- | --- | | 1 | [初识 AI Infra]() | 一次生成需要多少显存、计算和数据读写？ | | 2 | 模型架构 | 注意力、历史状态与专家结构如何改变系统需求？ | | 3 | 推理与训练负载 | 任务阶段、到达模式和状态寿命如何影响资源需求？ | | 4 | 加速器架构 | 如何在计算、存储、带宽、功耗与成本之间取舍？ | | 5 | 算子与运行时 | 融合、复用、并发和调度如何减少执行开销？ | | 6 | 超节点 | 多设备协作如何平衡容量、吞吐和同步代价？ | | 7 | 数据中心网络 | 网络带宽、通信方式和拥塞如何影响计算效率？ | | 8 | 推理优化 | 批处理、KV 管理、卸载与推测解码何时有效？ | | 9 | 分布式推理 | 如何放置计算和状态，并处理扩缩容与恢复？ | | 10 | 训练系统 | 如何安排显存、通信和重算，让训练更高效？ | | 11 | 资源调度与运行环境 | 模型服务和工具环境如何共享资源，减少等待？ | | 12 | 端边云协同 | 任务放在本地、边缘还是云端，如何兼顾效果、延迟和成本？ |

适合谁读

如果你已经调用过模型 API，或在自己的机器上运行过模型，想进一步弄清模型为什么慢、如何降低成本，这本书可以作为起点。从事系统、网络和芯片工作的工程师，以及相关方向的研究人员和学生，也能从书中看到各层设计与实际模型任务的联系。

阅读时需要一些 Python、线性代数和计算机系统基础，具体要求见前言。建议先读第 1—3 章，了解模型与负载，再根据自己的兴趣选择重点：

• 做模型应用和推理服务，可以重点读第 8、9 章，再看第 11、12 章的任务环境与部署；遇到容量、算子或通信问题时，回到第 4—7 章追踪原因。
• 做系统或网络，可以重点读第 5—7 章，再看第 9、10 章，检查这些机制如何影响分布式推理与训练。
• 做芯片与体系结构，可以重点读第 4—7 章，并结合后续章节的任务算例，检查硬件指标如何转化为实际的服务能力。
• 希望系统学习，可以按目录顺序阅读，配合计算工具和实验，逐步核对自己的理解。

配套计算与实验

配套计算工具可以用来复算书中的数字，也可以换一组模型和输入，估算资源需求。工具附有模型配置和结果索引，静态计算只需 Python 3.10+ 标准库，无需 GPU 或模型权重。

git clone https://github.com/bojieli/ai-infra-book.git
cd ai-infra-book
查看模型支持情况
python3 calculations/calc.py models
估算 Qwen3-8B 在 8192-token prefill 下的逐算子资源需求
python3 calculations/calc.py forward --model qwen3-8b --tokens 8192 --format md

仓库使用 Git LFS 保存论文和较大的输入与测量记录，合计约 20 GB。为避免克隆时全部下载，.lfsconfig 默认跳过所有 LFS 文件，工作区中只留下指针；正文、配图和静态计算都不需要它们。复现某个实验时，只下载对应目录：

git lfs install
git lfs pull --include="experiments/ch05/05-01/" --exclude=""

阅读网站（Python 3.10+）：

python3 -m venv .venv-site
source .venv-site/bin/activate
python -m pip install -r website/requirements.txt
python scripts/build_site.py
python scripts/check_site.py
python scripts/build_site.py --serve

全书 PDF（另需 Pandoc、XeLaTeX 和字体）：

bash book/build_pdf.sh

• 指出并修正错误：数字算错、单位或量级不对、引用与原文不符、公式或图表有误。发现一处就值得提一处，勘误 Issue 或直接提 PR 都可以。
• 改写讲得不清楚的地方：推导跳步、概念没有在首次出现时交代、例子不好懂。读不顺的地方多半是书写得不好，欢迎提出来，也欢迎直接给出更好的写法。
• 补充遗漏的重要内容：某个该讲的机制、架构或权衡没有写进来。
• 修复配套代码的 bug：experiments/ 的实验代码与 calculations/ 的计算 CLI，欢迎修正错误、补充测试或改进可用性。
• 改进网页版：在线阅读版的排版、导航、搜索和移动端体验都还有提升空间。
• 翻译**：欢迎将本书翻译为英文或其他语言，翻译前请先开 Issue 说明计划，便于协调进度、避免重复劳动。

作者与致谢

作者：李博杰（@bojieli）。

感谢这些年一起做研究和工程的合作者，也感谢相关论文、开源项目与技术文档的作者，以及参与勘误和实验复现的读者。详细致谢见前言，引用来源见正文脚注和参考资料库。本书 PDF 沿用《深入理解 AI Agent》的 ElegantBook / XeLaTeX 模板。

许可

本书原创正文、配图及配套代码采用 Apache License 2.0 许可。Copyright © 2026 Bojie Li（李博杰）。

仓库中的第三方代码、字体、模板与参考资料保留各自的版权和许可声明，不因收录于本仓库而改用 Apache-2.0；具体来源和使用条件见相应目录。