2026年，芯片行业‘AI芯片编译器工程师’岗位需求增长，对于有传统嵌入式C/C++开发经验的软件工程师，想转型需要重点学习哪些关于计算图优化、算子融合以及针对特定硬件架构（如NPU）的代码生成知识？
我是一名工作3年的嵌入式软件工程师，主要用C/C++开发MCU和Linux应用。最近看到很多AI芯片公司（如地平线、寒武纪）在招聘“AI编译器工程师”或“AI软件栈开发”，薪资和发展前景看起来不错。我对AI和硬件结合很感兴趣，但我的背景完全是软件侧，对AI框架（如TensorFlow、PyTorch）和硬件架构了解不深。想请教，如果我想在2026年尝试向这个方向转型，需要系统性地补充哪些核心知识？是应该先去学习TVM、MLIR这些编译器框架，还是先深入理解一种NPU的指令集和内存 hierarchy？有没有一个可行的学习路线图？
数字电路初学者
