2026年FPGA大赛国赛答辩，评委追问「你这个CNN加速器的权重是怎么量化的」，答不上来会扣多少分？

先给个大概的判断：答辩扣分不会只因为你没说出『INT8』这个词，而是因为你没展示出『你清楚自己做了什么、以及为什么这么做』。评委连问三轮，通常说明他们怀疑这个加速器不是你们真正调通的，而是照流程跑了一遍工具。这个怀疑一旦成立，扣的就不只是几分，可能整块『设计深度』的分都保不住。

具体到量化这个问题，评委想听到的层次大致是：第一层，数据格式，权重和激活分别是几位、是per-tensor还是per-channel，对称还是非对称；第二层，校准，校准集从哪来、多少张、和训练集/测试集有没有重叠，用的是min-max还是KL散度或MSE；第三层，代价，量化前后mAP或分类精度差多少，哪几层最敏感，有没有做混合精度或跳过某些层。这三层里，你能把前两层讲清楚，基本就及格了。

风险在于，如果你们确实只是点了官方工具的默认按钮，那被追问细节时硬编会很危险，评委一句『那你这个量化脚本给我看看』就露馅了。更稳的做法是答辩前把工具生成的量化配置、校准日志、逐层误差都翻出来，哪怕当初是无脑跑的，事后补做一遍消融也算数：比如同一模型分别跑INT8和FP16，记录精度差；把校准集从500张减到100张，看掉多少点。

替代做法是，如果时间实在不够，就在PPT里主动写一句『量化采用工具默认配置，未做逐层敏感性分析，这是本设计的局限』。承认边界比假装懂要安全得多。

你们现在手上还有工具输出的量化配置文件和精度对比记录吗？这个决定了是补实验还是直接改答辩话术。

先说结论：不会因为没说出「INT8」这三个字就直接扣掉一大块分，真正致命的是你答不出「你们到底做了什么取舍」。评委追问三轮，往往不是刁难，而是想确认这个加速器是你们真调通的，还是照着官方流程跑了一遍。前者是设计，后者是复现。

量化这个点，能讲清三层基本就稳了。第一层是数据格式：权重和激活各几位、per-tensor 还是 per-channel、对称还是非对称。第二层是校准：校准集从哪来、多少张、和测试集有没有重叠、用 min-max 还是 KL 或 MSE。第三层是代价：量化前后精度掉了多少、哪几层最敏感、有没有跳过某些层或做混合精度。

风险在于，如果你们确实只是点了官方工具的默认按钮，那答辩现场基本没法自圆其说，因为评委只要往下问一句『那校准集是多少张图』就穿帮了。补救办法是答辩前把整条链路重新跑一遍，自己换一组校准集、对比两组精度，哪怕结论只是『换了校准集掉了 1.2 个点』，这也是你们自己的实验数据，比背概念管用得多。

另外提一句，YOLOv8-tiny 在 GW2A 这种资源上，评委大概率还关心检测头那几层的量化和后处理是不是也搬到了片上，别只盯着主干。你们工具链用的是高云配套那套还是自己搭的？这个决定了后面能追问多深。

我换个角度说，因为这个问题表面在问量化，实际在考你们有没有建立起『精度—资源—速度』的三角权衡意识，量化只是这个三角里最容易露馅的一角。

先讲因果链。一个 CNN 加速器部署到 FPGA 上，资源是死的：DSP、BRAM、带宽就那么多。你想让 YOLOv8-tiny 跑起来，必然要压模型。压的手段无非剪枝、量化、换轻量骨干。量化之所以被评委盯，是因为它同时动到三样东西：权重位宽降了，片上存储和带宽需求跟着降；但乘法器和累加器的位宽、溢出保护、反量化时机又都得跟着改；最后精度会掉，而掉多少取决于哪几层敏感。这条链上任何一环你答不上来，评委就无法判断你的加速器是『设计出来的』还是『碰巧跑通的』。

再讲学习路径。如果现在离答辩还有时间，别去背量化理论，去做一个最小对照实验：固定模型和硬件配置，只换校准集（比如从训练集抽 100 张 vs 抽 500 张），记录精度变化；再固定校准集，只换校准算法（min-max vs KL）。两组数据出来，你就有了自己的话术：『我们发现校准集少于 200 张时 mAP 掉得明显，最终选了 500 张、KL 校准，per-channel 对称量化，整体掉 0.8 个点。』这句话信息量不大，但每一句都是你亲手测的，评委再追问你也接得住。

取舍上还有一点值得注意：不是所有层都适合量化。检测头、第一层卷积、以及激活值动态范围特别大的层，常见做法是保留更高精度或直接跳过。你们如果做了这件事，一定要讲出来；如果没做，就老实说『我们统一 INT8，没有做混合精度』，然后补一句『这是我们后面想优化的方向』。承认边界比硬编一个说不圆的答案安全得多。

最后回到答辩策略。评委追问时最忌讳的是沉默或者绕。你可以用『我们当时主要对比了 A 和 B 两个方案，选了 B，原因是……』这个句式把问题拉回你熟悉的领域。哪怕结论不完美，只要逻辑自洽，分数不会难看。你们现在手上有没有量化前后的精度对比表？有的话答辩基本就不用慌了。

先说个反直觉的判断：评委连问三轮，通常不是因为你没说INT8这个词，而是因为你的回答里没有出现任何一个『只有真做过的人才知道的数字』。你想想，『用了官方工具量化』这句话，套在任何一个队身上都成立，评委没法据此区分你是调通的还是跑通的，所以他只能继续追问，追问到你说不出细节为止。

那什么算『只有做过的人才知道的数字』？举几个例子：校准集你用了几张图、从哪来的、是不是训练集里抽的；量化后mAP从0.xx掉到0.xx；哪一层掉得最狠，比如检测头前面的那几层卷积，或者某个上采样后的concat节点；你有没有对首尾层做保留fp16或跳过量化。这些东西不需要你懂量化理论，只要你真跑过对照实验，随口就能报出来。

所以扣分的机制其实是这样：如果只是这一问答得含糊，一般扣的是『设计深度』或『工程完整性』里的印象分，不至于让你从一等掉到三等。但风险在于，评委的怀疑一旦建立，后面问带宽、问DSP利用率、问流水线级数，他会用同样的力度追你，那时候如果还是答『按官方例程配的』，整块分数就会塌。答辩的分数不是单点扣的，是印象分累积的。

再说取舍这条线，这才是评委真正想听的层次。量化的本质是在精度、资源、速度这个三角里选一个点，你要能说清你站在哪、为什么站这。比如你可以这么讲：我们试过INT8和INT4，INT4在GW2A上确实省BRAM，但YOLOv8-tiny的检测头对激活的动态范围很敏感，INT4掉点太多，所以我们最终选INT8、per-channel对称量化，激活用per-tensor，校准集用了训练集里随机抽的300张、覆盖了所有类别。这个回答里没有一句理论，但每一句都是决策。

如果现在离答辩还有时间，别去补量化理论书，去做一个最小对照实验：固定模型和硬件配置，只换一个变量，比如校准集从100张换成500张，或者per-tensor换成per-channel，看mAP怎么动。跑两三组，你就有了自己的数据，答辩时说的就是你亲手测的东西，语气都不一样。

顺便问一句，你们现在手头还有原始的训练脚本和量化配置吗？有的话这个实验一晚上就能跑完。

先说个可能让你松口气的事实：国赛答辩里，评委不会因为你说不出『INT8』三个字就当场给你砍掉一大块分。真正扣的是印象分，而且是那种『这个队好像没真跑过』的印象分。追问三轮本身就是信号——第一轮问格式，你答『官方工具量化』，评委还愿意再问，说明他给机会；到第三轮你还是绕，他基本就在心里把你归到『复现流程』那一档了。

那这一档到底扣多少？一般来说分两种。如果你们别的部分很扎实，比如加速器架构自己写的、片上缓存怎么切分讲得清清楚楚、实测帧率和功耗都有数据，那量化这块顶多让你从优秀掉到良好，丢的是设计深度里的几分。但如果整场答辩你的亮点本来就靠这个CNN部署撑着，那评委很容易把『没调过』这个怀疑扩散到别的模块，最后扣的可能是整块工程完整性的分。风险不对称，这才是最要命的。

替代做法其实不难，答辩前花一个下午就能补。把官方工具重新跑一遍，只做一件事：记录数字。校准集你抽了多少张、从训练集哪个子集来的、有没有碰到验证集；量化前后mAP掉了多少；哪几层最敏感，通常是检测头附近那几层卷积。哪怕你只报出『用了一百来张训练图做校准，mAP掉了大概一个多点，检测头前两层比较敏感』，评委的追问基本就停了，因为这几个数字没法编，一听就是跑过的。

顺便说一句，INT4在GW2A这种器件上一般不现实，评委问INT4多半是在探你知不知道边界。你们用的是哪版量化工具，支持per-channel吗？这个如果还没确认，最好答辩前先查清楚。