2026年，芯片行业热议‘GPU和AI芯片的架构创新’，对于做传统CPU或ASIC设计的工程师，是否有必要系统学习CUDA、张量核心（Tensor Core）以及相关编译优化技术？
在数字IC设计岗位工作了几年，一直做的是通用处理器或特定领域加速器（DSA）的前端设计。明显感觉到现在招聘市场上，对AI硬件、GPU加速经验的需求越来越大。虽然我的背景是硬件描述语言和微架构，但对软件栈（如CUDA编程、AI框架底层）了解不深。想问：
1. 为了不被时代淘汰，甚至抓住AI芯片的机会，像我这样的硬件工程师，需要深入学习CUDA、GPU架构（如NVIDIA的SM、Tensor Core）以及TVM/XLA这类编译器吗？学到什么程度才算有竞争力？
2. 这种‘软硬结合’的学习，对提升传统硬件设计能力（比如提升自己对并行性和内存层次的理解）有帮助吗？还是说这完全是另一个赛道？
码电路的小王
