2026年，想入门AI芯片的硬件加速，应该从学习TensorFlow/PyTorch的模型量化部署开始，还是直接上手Verilog写矩阵乘法单元？哪种路径更高效？
本人是电子工程专业研一学生，对AI芯片很感兴趣，未来想从事相关研发。目前有数字电路和FPGA基础，但AI算法知识比较薄弱。看到很多招聘要求里既写需要懂神经网络，又要求精通RTL设计。对于我这样的硬件背景学生，如果想系统性地切入AI芯片设计（特别是推理加速），应该先花时间补足机器学习算法和框架（如TensorFlow Lite, TVM）的知识，还是应该直接聚焦于用HDL实现卷积、池化等算子的硬件架构？有没有一个比较高效的学习路线图，能让我在1-2年内达到求职门槛？
逻辑设计初学者
