2026年了，FPGA工程师做AI推理，INT8量化后精度掉到82%，除了QAT重训，用FPGA浮点与定点混合计算能救回来吗？

最近在Xilinx VU9P上部署YOLOv8s做边缘检测，INT8量化后mAP从0.89掉到0.82，试过calibration数据集扩大和per-channel量化效果都不明显。听说可以在RTL层面对敏感层做浮点与定点混合计算，比如只把最后的检测头保留FP16，前面的backbone用INT8，这样能减少精度损失吗？有没有大佬实测过这种混合精度方案？资源占用会增加多少？BRAM和DSP够不够用？求具体操作思路。