FPGA（Field-Programmable Gate Array）是一种可编程逻辑器件，它具有灵活性和可重配置性，可以根据特定应用的需求在现场进行编程和配置。与固定功能的ASIC（Application-Specific Integrated Circuit）相比，FPGA允许用户根据需要定制逻辑功能和连接，从而实现各种不同的数字电路设计。
随着大型语言模型（LLM）和生成式AI的激增，行业正在努力解决这些基于云的AI应用处理大数据以及训练和部署高级AI模型所需的密集计算能力。
常见的舍入方式有向上取整(ceil)，向下取整（floor），向0取整（fix），四舍五入（round）等等，本文只讨论四舍五入这种舍入方式。
在做加、减、乘、除等运算时，经常会发生 溢出 的情况。比如1个4bits的 计数器（每个时钟累加1）
本文只讨论整数部分的溢出截位处理，小数部分的处理下篇文章再说。对整数的截位处理，实际上就是对溢出的处理
为了使运算结果不错误溢出从而导致功能错误，我们应该对运算结果的位宽进行合理的扩展，使其在不浪费资源的情况下保证运算结果的正确性
很多时候，Verilog中表达式的位宽都是被隐式确定的，即使你自己设计了位宽，它也是根据规则先确定位宽后，再扩展到你的设计位宽
我们在正常升级的过程（只使用一个位流文件），假如：（1）因为干扰通信模块收到了一个错误位；（2）或者烧写进FLASH时突然断电
随着大模型的快速发展，人工智能正在改变嵌入式硬件系统。AI处理重心向边缘转移，已经是行业共识。各类端侧AI应用，也已开始竞相布局。
尽管signed语法的使用能带来很多便利，但同时也给表达式的符号确定带来了更多的不确定性。比如一个有符号数和一个无符号数的加法/乘法结果是有符号数还是无符号数？