Nvidia logo
英伟达
Senior Software Test Development Engineer - AI Infra, SDET

Senior Software Test Development Engineer - AI Infra, SDET

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.5–7.5万 · AI 参考估算
高级经验
硕士
全职员工仅现场办公测试开发
测试开发
CI/CD
Gpu基础设施
Pytest
分布式Ai系统
测试自动化

值不值得投

76综合评分

综合评分 76

AI基础设施前沿技术岗,成长性强,WLB信息不明确

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

6.0万

比测试开发中位数高

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 630 个在招 · 其中测试开发 65 个

市场机会

选择面较广

上海 · 测试开发 · 约 340 个在招

职位详情

关于这个职位

该职位面向AI基础设施与GPU计算场景,负责为模型训练、后训练和推理相关软件构建自动化测试与测试基础设施

你将围绕分布式AI系统开展功能、性能、扩展性和可靠性验证,并通过AI工具提升测试开发、故障分析和发布验证效率

最低要求

计算机科学、计算机工程或相关领域的硕士学位,或同等实践经验

年以上软件测试开发、测试自动化或系统软件工程经验,具备较强的问题分析和调试能力
扎实的 Python 编程能力,并有使用 pytest 等工具开发可维护的自动化测试和测试框架的经验
具备 Linux 管理和故障排查实践经验,包括进程、网络、内存、存储和容器运行时问题
具备 Docker 实践经验,并至少熟悉一种集群编排或调度平台,例如 Kubernetes 或 Slurm
具备开发 CI/CD 自动化以及使用日志、指标和测试产物诊断故障的经验
有使用 AI 编码工具或智能体提升工程效率的实际经验,并能独立验证生成的代码和结论
优秀的英语书面和口头沟通能力,能够跨团队协作并推动问题解决

工作职责

与全球跨职能团队协作,理解产品需求,识别质量风险,并负责所分配领域的测试策略和覆盖范围

为 AI 框架、分布式执行平台和端到端 AI 工作负载设计、开发、执行并自动化功能测试、集成测试、回归测试、性能测试和可靠性测试
验证多 GPU 和多节点环境中的分布式 AI 工作负载,包括部署、资源管理、扩展和故障恢复
开发并维护基于 Python 的测试框架和 CI/CD 流水线,以支持容器化和 GPU 集群环境中的可复现测试
复现客户问题,隔离软件和基础设施组件之间的故障,推动缺陷解决,并验证修复结果
构建 AI 辅助的质量保证工作流,用于测试生成、执行、日志分析、故障分类和报告,并在效率和结果质量方面实现可衡量的提升

优先资格

具有 AI 框架和平台经验,例如 PyTorch、vLLM、SGLang、NVIDIA TRT-LLM、NVIDIA Dynamo 或 Verl

在以下至少一个领域具备开发、集成或测试实践经验:分布式模型训练、LLM 推理与服务,或强化学习后训练
具备使用 Rust 进行系统编程的经验,尤其是异步编程和并发,能够阅读源代码、诊断问题,并为性能关键组件开发针对性测试
理解分布式 AI 概念,例如模型并行、推理调度、KV-cache 管理,或强化学习 rollout 和训练工作流
熟悉 Kubernetes Operators、CRD、Helm,以及 Prometheus、Grafana 和 OpenTelemetry 等可观测性工具
熟悉 NVIDIA GPU 平台和高性能通信技术,例如 NVLink、InfiniBand/RoCE、RDMA、NCCL 或 NIXL

AI 洞察

优缺点分析

优点

  • 工作内容贴近AI基础设施、GPU计算和分布式系统,技术深度和行业相关性较强
  • 能接触模型训练、后训练、推理服务、强化学习等前沿AI工作负载,技能积累具有延展性
  • 与全球工程团队协作,有机会理解大型AI软件产品的质量保障流程和工程标准
  • 明确强调使用AI工具和智能体提升测试效率,适合希望把AI能力融入工程实践的求职者
  • 技术栈跨度大,既要懂测试开发,也要理解Linux、容器、集群调度、GPU和AI框架
  • 分布式AI系统故障定位复杂,需要能从日志、指标、测试产物中还原问题链路
  • 适合有测试开发或系统软件工程经验、希望深入AI基础设施和GPU计算场景的高级工程师,尤其适合具备Python自动化、Linux排查和集群平台经验的人

缺点 / 挑战

  • 需要频繁与跨区域团队协作,对英文沟通、问题推动和异步协作能力要求较高

角色解读

  • 可向AI基础设施质量架构师方向发展,负责更复杂的分布式系统测试策略和平台建设
  • 可转向AI平台工程、DevOps/SRE或系统性能工程,深入GPU集群、调度和可观测性体系
  • 长期可发展为技术专家,主导AI软件质量体系、发布准入标准和跨团队质量治理
  • 负责AI框架、分布式执行平台和端到端AI工作负载的功能、集成、回归、性能与可靠性测试
  • 在GPU集群、多GPU和多节点环境中验证部署、资源管理、扩缩容和故障恢复能力
  • 开发并维护基于Python的测试框架和CI/CD流水线,让测试在容器化和GPU集群环境中可重复执行
  • 复现客户问题、定位软件与基础设施故障,并推动问题修复和验证
  • 需要扎实的Python编程能力,能够使用pytest等工具构建可维护的自动化测试框架
  • 需要熟悉Linux系统排查,覆盖进程、网络、内存、存储和容器运行时问题
  • 需要掌握Docker以及Kubernetes或Slurm等集群编排/调度平台
  • 需要理解AI框架、分布式训练、LLM推理服务或强化学习后训练中的至少一类场景

申请策略

  • 申请前建议梳理自己在质量风险识别、测试策略制定和跨团队推动问题解决方面的案例
  • 关注AI软件质量、GPU基础设施和LLM推理服务的最新实践,面试中体现对业务场景的理解
  • 突出自动化测试框架开发经历,尤其是Python、pytest、CI/CD流水线和可复用测试平台建设成果
  • 强调分布式系统、GPU集群、容器化环境或Kubernetes/Slurm相关实战经验,并说明具体负责范围
  • 展示复杂问题定位案例,包括如何复现问题、分析日志指标、隔离根因并推动修复
  • 如有AI框架或AI工具使用经历,应写明PyTorch、vLLM、TRT-LLM、AI编码工具或智能体在效率提升中的实际效果
  • 补强Linux系统排查能力,重点准备进程、网络、内存、存储和容器运行时相关问题的分析方法
  • 熟悉Kubernetes、Slurm、Helm、Prometheus、Grafana、OpenTelemetry等集群与可观测性工具的基本使用

面试指南

  • 回答测试设计题时,可按“业务目标—质量风险—测试分层—环境依赖—指标与准入标准”展开
  • 回答故障排查题时,按“复现—收集证据—缩小范围—提出假设—验证根因—推动修复—回归验证”的结构说明
  • 回答AI工具使用题时,强调具体场景、效率收益、人工校验机制和风险控制,避免只停留在工具名称
  • 如何为一个分布式LLM推理服务设计功能、性能和可靠性测试策略?
  • 在多GPU或多节点环境中遇到不可复现失败时,你会如何定位问题?
  • 请介绍你使用Python和pytest构建自动化测试框架的经验,如何保证可维护性?
  • 你如何使用Docker、Kubernetes或Slurm搭建可重复的测试环境?
  • 你如何使用AI编码工具或智能体提升测试开发效率,又如何验证其输出正确性?

职位点评

薪资福利78
成长发展88
工作生活55
使命价值76

薪资福利

78中等

JD未披露薪资与福利信息,但岗位属于高级技术职位,且要求覆盖AI基础设施、分布式系统和GPU环境,通常对资深工程师具备较强薪酬吸引力。福利部分无法基于JD进一步判断。

薪资信号未披露(AI估算:4.5千–7.5万/月)

成长发展

88较高

岗位围绕AI框架、分布式AI系统、GPU集群、AI辅助QA和CI/CD展开,技术范围广且贴近前沿工程实践。JD还提到与全球工程团队协作,有助于提升复杂系统质量治理和跨团队推动能力。

技术前沿前沿/新兴技术
技术栈AI frameworks、GPU infrastructure、distributed AI systems、Python、pytest、Linux、Docker、Kubernetes、Slurm、CI/CD、PyTorch、vLLM、SGLang、NVIDIA TRT-LLM、NVIDIA Dynamo、Verl、Rust、NVLink、InfiniBand/RoCE、RDMA、NCCL、NIXL
业务类型ambiguous

工作生活

55较低

JD仅明确地点为上海,未说明远程、混合办公、弹性工时或加班情况,因此生活化动机只能部分判断。岗位需要与全球跨职能团队协作,可能对沟通时间和问题响应有一定要求,但JD未明确工作强度。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

76中等

岗位服务于AI软件质量保障,覆盖模型训练、后训练和推理等关键AI工作负载,对提升AI系统可靠性和可落地性有较强技术价值。JD未直接描述社会使命或公共价值导向,因此意义感主要来自技术前沿性和基础设施可靠性。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs