英伟达
Deep Learning Compiler CI and Infrastructure Engineer
Deep Learning Compiler CI and Infrastructure Engineer
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Ai/Llm
CI/CD
Gitlab Ci
分布式系统
值不值得投
81综合评分
综合评分 81
顶尖AI算力平台、前沿编译器基建、高成长技术岗，现场办公节奏偏稳
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比DevOps/SRE中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 510 个在招 · 其中DevOps/SRE 3 个
市场机会
选择面较广
上海 · DevOps/SRE · 约 160 个在招
职位详情
关于这个职位
负责构建和维护支持深度学习编译器栈的CI/CD基础设施，优化流水线可靠性与信号质量
通过自动化和AI代理工作流提升开发者效率，搭建可复用的自服务平台，并与编译器、发布团队紧密协作，保障多GPU/加速器环境下的软件交付质量
最低要求
计算机科学、计算机/电气工程、数学或相关领域的学士、硕士或博士学位（或同等经验）
年以上为复杂软件系统设计、扩展和运营CI/CD、构建/发布或开发者基础设施的经验
使用GitLab CI、Jenkins或类似工具从头构建CI平台的实战经验，包括流水线编排、计算/Runner管理、制品与包系统、可观测性，高度重视可靠性、可重复性和可调试性
扎实的软件工程技能（必须掌握Python），具备端到端设计、实现和调试分布式系统的能力
熟悉边缘设备（如NVIDIA Tegra SOC）的主机-目标架构，具备调试能力并了解其自动化细节
在真实工程工作流中设计、构建和部署AI/LLM系统的成功记录，能够评估权衡、故障模式、可维护性，以及对开发者生产力、信号质量或运营效率的可衡量影响
工作职责
构建、维护并优化CI基础设施，以支持NVIDIA深度学习编译器栈在多GPU及加速器环境下的开发、验证与发布
通过减少流水线不稳定现象(flakes)、提升可重复性、加强诊断能力，使正确性与性能故障更易于理解与处理，从而提升CI可靠性与信号质量
应用自动化、AI及基于代理的工作流，减少人工CI操作，加速故障排查，提升开发者效率
构建可复用且自服务的CI平台，支持多种产品、项目、模型套件、硬件目标与软件配置，并与编译器、基础设施及发布团队紧密合作
优先资格
打造并交付复杂的AI/代理系统以提升持续集成或开发者效率的经验（包括智能测试选择、自动分类与路由、回归定位、自主修复及开发者辅助工作流）
运营DL/GPU软件环境CI的经验，包括在Slurm、Kubernetes或云平台上的多GPU/多节点工作负载
熟悉编译器中间表示(IR)及相关基础设施（如LLVM/MLIR、TensorRT IR），尤其在测试、调试和验证编译器驱动工作负载方面的背景
AI 洞察
优缺点分析
优点
- 依托英伟达顶尖AI算力生态，接触最前沿的深度学习编译器与GPU调度技术
- 技术栈高度前沿且业务价值直接关联核心产品迭代
- 平台成熟度高，有完善的工程规范与资源支持
- 需同时兼顾高并发任务调度与AI工作流复杂性，系统稳定性要求极高
- 跨部门协作频繁，对沟通与推动力要求严格
- 前沿技术迭代快，需保持持续学习与技术敏锐度
- 适合具备扎实后端/运维开发功底、热衷于解决大规模分布式系统难题，且对AI底层基础设施充满热情的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向高级基础设施架构师演进，主导企业级CI/CD平台战略升级
- 亦可横向拓展至AI系统工程(AI Infra)或SRE领域，成为兼顾编译优化与算力调度的复合型技术专家
- 负责搭建与维护深度学习编译器团队的CI/CD流水线与底层基础设施
- 利用自动化与AI工具优化故障排查流程，提升构建稳定性与开发者效率
- 跨团队协作推进新硬件/软件架构的接入与发布
- 精通Python与分布式系统设计
- 熟练掌握GitLab CI/Jenkins等主流CI工具链的二次开发与运维
- 具备大规模并发任务调度（如Slurm/K8s）与可观测性体系建设经验
- 了解AI/LLM工程化落地流程
申请策略
- 提前调研英伟达深度学习编译器栈的技术架构
- 准备1-2个关于如何定位并解决复杂CI flake的深度案例
- 面试时展现对工程效能与业务指标平衡的思考
- 突出CI/CD平台从0到1或重大重构的项目经历
- 量化展示通过自动化/AI手段提升流水线成功率或缩短构建时间的具体数据
- 强调Python编程与分布式调试能力
- 深入研习LLVM/MLIR等编译器基础概念
- 掌握Kubernetes与Slurm混合调度场景的最佳实践
面试指南
- 采用STAR法则结构化陈述
- 聚焦问题背景-技术方案-实施难点-量化结果-复盘沉淀逻辑
- 强调系统思维与数据驱动的决策过程
- 请分享一次你通过代码或架构改造显著提升CI稳定性的经历
- 面对多GPU集群上的长耗时测试任务，你会如何设计调度与重试策略？
- 如何利用AI/Agent技术辅助自动化故障分类与根因分析？
- Python编写的高并发CI脚本如何保证内存安全与执行效率？
- 复习分布式系统一致性、容器化调度原理及Python高级特性
职位点评
薪资福利85
成长发展90
工作生活65
使命价值80
薪资福利
85较高
头部科技企业提供的薪酬福利具备较强市场竞争力，且完善的保障体系能有效满足补偿性需求。
薪资信号未披露（AI估算：4.0千–7.0万/月）
福利待遇具有竞争力的薪酬、丰厚的福利套餐
成长发展
90较高
岗位深度参与AI编译器核心基础设施建设，技术栈覆盖前沿AI工程化与自动化运维，内部成长空间广阔。
技术前沿前沿/新兴技术
技术栈Python、CI/CD、GitLab CI、Jenkins、Kubernetes、Slurm、LLVM/MLIR、TensorRT IR、AI/LLM、分布式系统
成长机会独家工程团队正在快速扩张
业务类型ambiguous
工作生活
65中等
未明确提及弹性工时或远程政策，通常硬件/AI研发岗以现场办公为主，但头部企业普遍注重工程师体验与产出导向。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
投身于定义下一代计算架构的AI编译器研发，直接赋能自动驾驶、机器人等前沿领域，社会价值与技术使命感显著。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号重新定义现代计算机图形学、革命性推动并行计算、AI计算公司
创新程度开拓性创新（行业首创）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs