
Senior Software Test Development Engineer - AI Infra, SDET
发布于 2 小时前普通员工/个人贡献者
值不值得投
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
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
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
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
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
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。
成长发展
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。
工作生活
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。
使命价值
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。
英伟达 的其他在招职位
Senior Package Layout Engineer
英伟达 · 新竹市AI 估算 · 4.5–7.5万GPU Architect
英伟达 · 上海市AI 估算 · 6.0–11.0万Senior System Software Engineer - Autonomous Vehicles
英伟达 · 深圳市AI 估算 · 4.5–7.5万CPU Performance Developer Technology Engineer
英伟达 · 上海市AI 估算 · 4.5–7.5万Senior System Application Engineer
英伟达 · 台北市AI 估算 · 4.5–7.5万