2026年，芯片行业‘AI大模型推理芯片’成为新风口，对于做传统图像处理IP的FPGA工程师，想切入这个方向需要补充哪些关于Transformer架构、稀疏注意力机制和混合精度计算的知识？
我是一名有3年经验的FPGA工程师，主要做视频编解码和图像处理IP核开发。看到2026年AI大模型推理芯片（尤其是端侧和边缘侧）需求很大，很多公司都在招相关人才。我想从传统的图像处理转向AI大模型加速，但感觉知识跨度不小。除了学习基本的神经网络，针对Transformer这类模型，我需要重点掌握哪些硬件友好的算法特性（比如注意力机制如何优化）？在FPGA上实现大模型推理，混合精度（如FP16/INT8）计算和内存带宽优化有哪些关键点？有没有推荐的学习资源或开源项目可以快速上手？
Verilog代码新手
