2026年，芯片行业‘AIGC芯片’需求激增，对于一名做传统视频编解码IP的FPGA原型验证工程师，想转向AIGC芯片的FPGA验证与硬件仿真，需要紧急学习哪些关于Transformer架构、注意力机制硬件实现以及大规模模型切分与加载的知识？
我在一家公司做了3年视频编解码芯片的FPGA原型验证，主要用HLS和SystemVerilog。最近看到AIGC（生成式AI）芯片特别火，很多公司都在招人，我也想往这个方向转型。但我对Transformer、注意力机制这些AI模型的核心计算单元只有概念上的了解，完全不知道在硬件上是怎么实现的。如果要去面试AIGC芯片的FPGA验证或硬件仿真岗位，我急需补充哪些硬核知识？比如，Transformer里的矩阵乘、Softmax、LayerNorm在硬件上通常怎么加速？验证大规模模型时，怎么在有限的FPGA资源上做模型切分和动态加载？还有，需要提前熟悉Palladium或ZeBu这类硬件仿真器在AI芯片验证中的典型用法吗？希望得到一些具体的学习路径建议。
逻辑设计新人甲
