Session 01｜GPU Programming Model
为什么 GPU 上的一个线程不比 CPU 更快，却能完成更大规模的并行计算？
CUDA 为何要把线程组织成 Thread、Block 和 Grid？Warp 又是什么？
当我们从 CUDA 转向 Triton、TileLang，编程视角为什么会从“一个线程”变成“一块数据”？
- MLSys on GPU: SIMD 与 SIMT、Throughput 与 Latency，以及 GPU 为何适合大规模并行计算
- CUDA Programming Model: Host 与 Device、Kernel Launch、Thread / Block / Grid、Warp，以及线程之间的执行与协作
- Triton / TileLang: Program、Block 与 Tile Level 编程
本次课将简单介绍上述内容，帮助大家建立后续学习所需的基本视角，为后续深入学习打下基础。