把 NumPy 风格的 Python 代码自动微分、向量化并 JIT 编译到 GPU/TPU，写起来像 NumPy，跑起来像高性能计算。

在浏览器里跑完整 x86 PC 的模拟器，带 x86 到 WebAssembly 的 JIT 编译器，可直接启动 Linux 等系统。

用 C++ 写的高性能 PlayStation 1 模拟器，支持 x86-64、AArch32/AArch64 和 RV64，靠 JIT 编译与 Vulkan/OpenGL 硬件渲染流畅跑 PS1 游戏。

面向 LLM 推理服务的高性能 CUDA 内核库，提供注意力、MoE 等算子的 JIT 实现，用来加速 GPU 上的大模型推理。

在 iPhone、iPad 和 Mac 上跑虚拟机的图形化工具，基于 QEMU 封装，让你不用命令行就能装 Windows、Linux 等系统。

在 iOS 设备上跑起 Linux shell 的模拟器，靠用户态 x86 模拟执行命令行工具，让 iPhone/iPad 也能用上熟悉的 Linux 命令环境。

跨平台的 PlayStation 3 模拟器与调试器，用 C++ 编写，支持 OpenGL 和 Vulkan 渲染，让玩家能在 PC 上运行 PS3 游戏并调试。

在 PC 上运行 GameCube 和 Wii 游戏的模拟器，支持高清分辨率、宽屏等画质增强，让老主机游戏在新电脑上流畅游玩。

基于 PyTorch 的深度学习优化库，通过 ZeRO、模型并行和混合专家等技术，让千亿到万亿参数模型的分布式训练与推理更省显存、更高效。

为容器提供用户态内核，在 Go 中实现 Linux 系统调用接口，让 Docker 和 Kubernetes 容器获得更强的安全隔离，同时保持 OCI 兼容。

面向 MoE 模型的高效专家并行通信库，专门优化 GPU 间 all-to-all 分发与合并，降低大规模稀疏模型训练和推理的通信开销。

Rust 写的张量库和深度学习框架，兼顾灵活性与效率，支持自动微分、跨平台后端和内核融合，可训练和部署神经网络。

预训练的企业级语音活动检测（VAD）模型，能精准切分音频中的说话段与静音段，支持 ONNX 和 PyTorch 部署，适合语音识别、语音指令等场景的前置处理。