■ 概要 GPU/CUDA/分散通信まで網羅したAI基盤の系統的リファレンスで、インフラ層から実装まで学習パスが明確。 ■ 特徴・用途 （1）**ハードウェア深度**：GPU/TPU/NVLink/GPUDirectなど、単なるAPI習得ではなく相互接続やメモリ階層の原理を重視。 （2）**実務指向**：Device Query・nvidia-smi・NCCL基準測試など、運用現場で必要な監視・チューニング知識を実装例つきで提供。 （3）**スケーラビリティ階層**：単機→クラスタ→分散計算へと段階的に深掘りでき、AIインフラ構築の判断基準が得やすい。 ■ 結論 メモ・スニペット集ではなく体系的な教科書型なため、GPU/CUDA/LLM推論の性能ボトルネック診断・改善にダイレクトに役立つ。