如何系统学习 AI 系统？《AI System》全栈开源课程学习指南
【免费下载链接】AISystemAISystem 主要是指AI系统，包括AI芯片、AI编译器、AI推理和训练框架等AI全栈底层技术项目地址: https://gitcode.com/GitHub_Trending/ai/AISystem
大多数 AI 教程只讲模型怎么训练和使用，而底层支撑的芯片、编译器、推理引擎与框架，往往散落在各类资料里。开源课程 AI System & AI Infra（AISys）把这些串成了一套完整课程：PPT 与视频均可免费取用，文字课程还在逐节更新中。
课程资料的三种形态：文字课、PPT 仓库与视频课
课程由 ZOMI 基于其 AI 系统工作积累搭建，资料分三种形态：文字课程在官网逐节发布，大模型部分已归档到独立仓库 AIFoundation；PPT 讲义开源在 AISystem 仓库，原图与制作过程都一并提供；配套视频课托管在 B 站与 YouTube。仓库体积约 10G，作者建议优先去 Releases 页按需下载；如想完整克隆，命令为git clone https://gitcode.com/GitHub_Trending/ai/AISystem，只是下载会比较慢。
内容版图：从芯片硬件到框架核心，五个模块一路向上
五个模块由硬件向软件层层推进：
- AI 系统全栈概述——算法、框架、体系结构如何结合成 AI 系统；
- AI 芯片与体系架构——CPU/GPU/NPU 基础、英伟达 Tensor Core 与 NVLink 剖析、TPU、寒武纪、燧原等国内外处理器原理，外加一章"AI 芯片黄金 10 年"的总结；
- AI 编程与计算架构——GCC 与 LLVM 传统编译器、AI 编译器演进与架构、前端算子融合、后端 Kernel 优化与 AutoTuning，以及 PyTorch 2.0 编译栈；
- AI 推理系统与引擎——推理引擎架构、MobileNet 等轻量网络、模型压缩"四件套"（量化、剪枝、蒸馏、二值化）、模型转换与图优化、Kernel 层优化；
- AI 框架核心技术——自动微分实现原理、计算图优化与调度、分布式并行技术。
适合谁学：本科生、研究生与系统工程师
作者给出的定位是本科生高年级、硕博研究生与 AI 系统从业者，目标是让人完整了解 AI 计算机系统架构与全生命周期的系统设计。实际看，它也适合三类常见人群：想知道模型为什么慢、该从哪里优化的算法工程师；需要理解芯片之上软件栈的芯片工程师；以及需要准备内部分享课件、想要成套讲义的人。
与常见 AI 课程资料相比的差异在哪
公开 AI 课程大多聚焦算法与模型层面，这门课的主线是系统视角：硬件模块占比很大，专门用一章讲 AI 芯片的设计取舍；编译器模块拆成前后端两条线，深入到 PyTorch 2.0 的编译特性；推理模块不停留在原理，而是落到模型转换、图优化、Kernel 调优等实操环节。资料开源，使用与引用均可，注明出处即可。
学习路径建议：先建全栈视图，再按背景挑主线
先通读"AI 系统概述"模块建立全栈视图；然后按背景选主线——硬件方向进 02Hardware，编译器方向进 03Compiler，算法工程师可直接取 04Inference 与 05Framework。每份 PPT 都有对应 B 站视频可配合观看；本仓库学完后，大模型全栈内容可继续到 AIFoundation 延伸。
如果你正打算补系统层面的课或准备一次技术分享，不妨从仓库里取几份 PPT 先读起来；文字课程仍在更新，可以常回去看看新增章节。
【免费下载链接】AISystemAISystem 主要是指AI系统，包括AI芯片、AI编译器、AI推理和训练框架等AI全栈底层技术项目地址: https://gitcode.com/GitHub_Trending/ai/AISystem
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
