本书系统构建了深度学习理论与应用的全栈知识体系，从数学基础与机器学习核心原理出发，贯通线性代数、概率统计等关键数学工具，夯实算法研发的理论根基。面向新一代通用图形处理器(GPGPU)硬件架构，深入解析专用编程语言的语法设计与高效编程实践，剖析主流训练与推理框架的底层机制，并结合壁仞科技GPGPU平台，提供针对性的适配与性能优化方案。通过计算机视觉与自然语言处理领域的经典案例，展示传统算法在异构计算架构下的性能跃迁。聚焦大模型技术前沿，系统阐述大语言模型(LLM)、视觉语言模型(VLM)及混合专家模型(MoE)的架构演进，结合DeepSeek-V3、Mixtral8×7B等代表性模型在壁仞GPGPU上的优化实践，揭示硬件加速对千亿参数模型训练与推理的显著增益。进一步拓展至人工智能(AI)与科学计算融合前沿，通过物理信息神经网络、量子系统模拟、微分方程求解等跨学科应用，展现GPGPU在高性能计算中的核心优势。