2026年，FPGA大赛做实时语音识别，用国产高云FPGA部署轻量级Transformer，BRAM不够用有哪些层融合和内存复用的具体策略？
我们队今年FPGA大赛选了实时语音识别方向，用高云GW5A系列FPGA部署一个轻量级Transformer模型做关键词唤醒。模型量化到INT8后，BRAM还是爆了，主要卡在自注意力层的中间结果存储。我们试过层融合把QKV投影合并成一个算子，但时序变差了。有没有人分享过实际调通的内存复用方案？比如用分布式RAM替代部分BRAM，或者把注意力矩阵分块计算？另外高云的EDA工具对内存优化支持怎么样，有没有类似Vivado的URAM可以映射？求具体可落地的策略，别光说理论。
电路玩家新手
