2026年，工作2年的FPGA工程师，主要做视频接口（如HDMI）转换，感觉技术栈单一，想转型做‘FPGA加速AI推理’（比如用Vitis HLS或OpenCL），需要系统学习哪些关于神经网络模型压缩、硬件友好算子实现以及HLS/C++高层次综合编码风格的知识？
工作两年，一直在做视频相关的FPGA逻辑设计，比如各种视频格式的转换、缩放、帧率转换等，用的都是传统的Verilog/SystemVerilog。看到AI推理在边缘端很火，很多岗位要求用FPGA做加速，会用到Xilinx的Vitis HLS或者Intel的OpenCL。想往这个方向转型，但感觉跨度不小。我需要系统学习哪些新知识？比如：1. 神经网络模型（如CNN）常见的压缩技术（剪枝、量化）原理是什么？如何评估对精度和硬件资源的影响？2. 像卷积、池化、激活函数这些算子，用HLS/C++实现时，和写软件算法有什么本质不同？如何写出硬件效率高的代码（比如考虑流水线、数据流、资源复用）？3. 从传统的RTL设计思维转到高层次综合，编码风格和调试方法要有哪些转变？有没有推荐的实战项目或学习路线？希望能得到一些具体的指导。我要回答answer.notCanPublish回答被采纳奖励100个积分
数字系统萌新
