2026年，作为FPGA工程师，想内部转岗到公司的‘AI芯片算法优化’团队，需要重点恶补哪些机器学习框架和模型压缩量化知识？
我在一家芯片公司做FPGA原型验证，经常和AI芯片算法团队对接。我对他们做的模型压缩、量化、硬件友好型算法改写很感兴趣，想未来转岗过去。目前我对Python和TensorFlow/PyTorch有基础了解。请问要胜任AI芯片算法优化工程师（偏算法侧），除了框架使用，还需要深入掌握哪些核心知识？比如不同量化方法（QAT/PTQ）、剪枝策略、神经网络架构搜索（NAS）的硬件代价模型等。有没有从工程师视角切入的学习路径推荐？
单片机入门生
