免费开源的系统技术书籍仓库，覆盖大模型算法（Transformer、MoE、RLHF）、AI 基础设施（GPU 微架构、分布式训练、推理优化、模型量化）、云计算（虚拟化、Kubernetes、云原生、FinOps）与具身智能（SLAM、强化学习、VLA）全栈知识体系，PDF 即下即用。
OpenWikis 是一个免费、开源的技术书籍仓库，收录 《AI 算法权威指南》《AI Infra 权威指南》《云计算权威指南》《具身智能权威指南》 四本系统性技术图书（每本 18 章 + 4 附录），提供 PDF 全文下载 与 在线目录导航 两种阅读方式。
全书以跨厂商对比视角展开，覆盖 大模型算法与推理、GPU 与分布式训练、云原生与 Kubernetes、机器人与具身智能 四大方向，从算法原理到工程落地、从单机到万卡集群、从云端到物理世界，为 AI 工程师、云架构师、研究者和高校师生提供一站式技术知识体系。各书独立成册，可单独阅读，也可交叉研读。
关键词：大模型 · Transformer · 注意力机制 · MoE · RLHF · 分布式训练 · GPU · CUDA · 推理优化 · 模型量化 · vLLM · Kubernetes · 云原生 · 虚拟化 · FinOps · 具身智能 · 机器人 · VLA · 强化学习
| 书名 | 目录 | 正文 | 章节 | |
|---|---|---|---|---|
| 《AI 算法权威指南》 | TOC.md | 章节导航 | 📖 下载 | 18 章 + 4 附录 |
| 《AI Infra 权威指南》 | TOC.md | 章节导航 | 📖 下载 | 18 章 + 4 附录 |
| 《云计算权威指南》 | TOC.md | 章节导航 | 📖 下载 | 18 章 + 4 附录 |
| 《具身智能权威指南》 | TOC.md | 章节导航 | 📖 下载 | 18 章 + 4 附录 |
从 Transformer 到大模型智能系统的算法全链路指南，理论推导与工程实践并重，紧跟 2026 年最新开源架构。
- 架构基础（第 1-4 章）：Transformer 原理与数据流、文本/图像/语音 token 化与位置编码（RoPE、ALiBi）、前馈网络与归一化等核心组件、自回归生成与解码策略
- 训练与规模化（第 5-9 章）：训练与优化、预训练与数据（合成数据、缩放法则）、后训练对齐（SFT/RLHF/DPO）、现代大模型架构（MoE、混合与线性注意力）、前沿模型案例（DeepSeek-V4、Kimi K3、Qwen 3.8 Max、GLM 5.3）
- 高效推理与生成（第 10-14 章）：长上下文与 KV Cache、投机解码、强化学习原理、推理增强与思维链、生成式模型（扩散语言模型）、多模态（VLM/VLA）
- 智能系统与工程（第 15-18 章）：Agent 系统与认知架构、世界模型、安全与评估、FlashAttention 的 GPU 级高效实现
适合大模型算法工程师、NLP/多模态研究员、想系统掌握 Transformer 与推理优化的从业者。
从 GPU 微架构到万卡集群的 AI 基础设施全链路参考，以 NVIDIA、Google、Meta、Microsoft 公开技术报告与开源系统为依据，兼顾代码级细节与工程取舍。
- 硬件与软件（第 1-5 章）：AI Infra 全景与 Scaling Law、GPU 微结构（SIMT/SIMD、SM 与 Warp 调度、内存层次、Tensor Core）、AI 加速器生态（AMD ROCm、Google TPU、自研芯片）、CUDA 与 Triton 高性能 Kernel（FlashAttention、融合 Kernel）、ML 编译器（PyTorch 2.0、JAX/XLA、TensorRT）
- 训练与推理（第 6-11 章）：分布式训练（DDP/FSDP、张量/流水线/序列/专家并行）、NCCL 集合通信与网络（NVLink/NVSwitch、InfiniBand/RoCEv2）、训练系统工程（容错、检查点、混合精度）、推理优化（vLLM、PagedAttention、Continuous Batching、KV Cache）、模型量化（GPTQ、AWQ、SmoothQuant）与压缩
- 数据与平台（第 12-15 章）：RAG 与向量检索、AI 存储与数据工程、集群拓扑与调度（SLURM、K8s GPU 调度）、云原生 MLOps 与 AI 平台
- 度量与实践（第 16-18 章）：性能指标体系与 MFU 分析、AI Infra 理论计算手册（FLOPs、显存规划、通信带宽、成本估算）、大规模 AI 集群建设实战
适合 AI 基础设施工程师、训练/推理平台开发者、系统架构师与分布式系统从业者。
从虚拟化到多云战略的云计算全栈知识体系，以 AWS、Azure、GCP、阿里云、腾讯云、华为云六大主流云厂商实际产品为锚点，剖析架构原理与设计取舍。
- 基础（第 1-3 章）：云计算定义与经济学本质、虚拟化技术（CPU/内存/I/O、KVM 与 QEMU）、云服务模型（IaaS/PaaS/Serverless/CaaS）与选型框架
- 资源服务（第 4-7 章）：计算服务（实例族、弹性伸缩、抢占式实例、裸金属）、云存储（块/对象/文件、一致性设计、备份容灾）、云网络（VPC、负载均衡、CDN、DNS）、容器技术（Namespace/Cgroups、运行时、CNI/CSI、镜像分发）
- 平台与数据（第 8-13 章）：云原生设计范式、Kubernetes 编排、服务网格与微服务、云数据库、消息与事件驱动、大数据与 AI 落地
- 治理运营（第 14-18 章）：云安全与合规、可观测性三支柱、DevOps 与平台工程、FinOps 成本治理、多云架构与迁移
适合云架构师、后端工程师、SRE、DevOps 工程师与技术管理者。
从刚体动力学到 VLA 大模型与机器人的系统权威参考，从第一性原理出发贯通经典与前沿，讲清每个方法从形式化、数学推导到工程实现的完整链路。
- 基础与总览（第 1-3 章）：具身智能定义与核心科学问题、刚体运动与动力学（位姿表示、李群、运动学动力学、接触与摩擦）、机器人硬件与系统架构
- 感知与控制（第 4-7 章）：视觉/触觉/力觉/本体多模态感知、状态估计与 SLAM、神经场表示等环境感知、运动规划与模型预测控制、抓取与灵巧操作
- 具身大模型（第 8-12 章）：世界模型、强化学习、模仿学习（扩散策略、动作分块）、视觉语言模型（VLM）、视觉-语言-动作模型（VLA）
- 系统与落地（第 13-18 章）：数据引擎与仿真迁移（Sim-to-Real）、训练基础设施、边缘部署与模型压缩、安全对齐与评估、产业格局与人形机器人商业化
适合机器人、自动驾驶、AI 领域工程师与研究者，以及关注具身智能产业化的产品与投资人士。
- 系统性 — 四本书各 18 章 + 4 附录，从原理到实战覆盖完整知识体系，可作教学参考与团队培训教材
- 跨厂商/跨模型对比 — 对同一问题（对象存储一致性、托管 K8s、Serverless 冷启动、各家 GPU 与加速器……）横向比较实现，提炼通用规律
- 原理驱动 — 深入 Transformer 注意力机制、GPU 微架构、分布式训练并行策略、虚拟化、Kubernetes 调度等底层机制，不只停留在使用层
- 代码级细节 — 讲原理到 Kernel/源码级实现，谈架构讲清工程取舍背后的权衡逻辑
- 工程实战 — 覆盖性能工程、FinOps 成本治理、容错训练、推理优化、可观测性、仿真到真实迁移等生产化落地能力
- 持续演进 — 跟踪最新开源模型（DeepSeek-V4、Kimi K3、Qwen、GLM）、GPU 微架构、万卡集群、VLA 大模型等行业前沿
| 读者群体 | 建议路径 |
|---|---|
| AI 算法工程师 / 大模型从业者 | 《AI 算法权威指南》架构基础 → 训练与规模化 → 高效推理 |
| AI Infra 工程师 / 分布式系统从业者 | 《AI Infra 权威指南》GPU 微架构（第 2 章）→ 分布式训练 |
| 云架构师 / SRE / 后端工程师 | 《云计算权威指南》基础（第 1-3 章）→ 资源服务 |
| 机器人 / 具身智能工程师与研究者 | 《具身智能权威指南》感知 → 学习与控制 → VLA 大模型 |
| 技术管理者 | 云计算 FinOps（第 17 章）、AI Infra 性能与成本（第 16 章）、具身智能产业与商业化（第 18 章） |
每本书均附完整目录（TOC.md）与术语附录，支持按需跳读。
四本书均提供 PDF 全文下载 与 在线目录导航 两种方式：
| 方式 | 说明 |
|---|---|
| 下载 PDF | 点击上方书籍目录表中的「📖 下载」链接，直接获取排版精美的全文 PDF |
| 在线阅读 | 点击「章节导航」进入各书目录页，从任意章节按需跳读 |
| 完整目录 | 每本书的 TOC.md 提供全章节索引，快速定位感兴趣的主题 |
若在文章、论文或内部文档中引用本书内容，建议标注出处：
hezhiyong. 《AI 算法权威指南》/《AI Infra 权威指南》/《云计算权威指南》/《具身智能权威指南》[M]. OpenWikis, v1.0.1, 2026. https://github.com/aizyhe/openwikis
欢迎通过 Issue 提交勘误与改进建议，或通过 Pull Request 补充内容。社区贡献指南将陆续完善。
采用 CC BY-NC 4.0（署名-非商业性使用） 许可。您可以共享并基于本内容创作衍生作品，但须署名、不得商用。详见 LICENSE。
| 作者 | hezhiyong |
| 邮箱 | aizyhe@126.com |
| 版本 | v1.0.1 |
| 日期 | 2026-06-25 |