FPGA实现AI大模型推理加速，目前面临的主要技术瓶颈是什么？如何突破？
导师的课题方向是边缘AI，想用FPGA做轻量化模型的推理加速。看了很多论文，感觉FPGA在低功耗、可定制化方面有优势，但好像真正用来部署大模型（比如BERT、ViT的变体）的案例不多，远不如GPU成熟。想请教一下业内前辈，目前用FPGA来做大模型推理，主要的技术瓶颈在哪里？是算力密度不够、片上存储（BRAM）有限、高带宽内存（HBM）接口复杂，还是编译器工具链（如Vitis AI）的成熟度问题？如果想在这个方向做出有创新性的毕设或研究，应该从哪个角度切入比较有希望？
逻辑综合小白
