英伟达
Deep Learning Software Engineering Intern, Test Development - 2027
Deep Learning Software Engineering Intern, Test Development - 2027
发布于 2 小时前实习/见习
实习生仅现场办公测试开发
测试开发
Ai工具应用
Cudnn
Gpu测试
Tensorrt
测试开发
深度学习
自动化测试
值不值得投
82综合评分
综合评分 82
顶尖AI算力平台实习、技术成长极快、薪资优厚，但需线下到岗且技术挑战较高
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，方便比较实习机会。
薪资怎么样
9.0千
比测试开发中位数低
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 330 个在招 · 其中测试开发 22 个
市场机会
选择面较广
上海 · 测试开发 · 约 310 个在招
职位详情
关于这个职位
负责英伟达深度学习底层软件（如cuDNN、TensorRT等）的测试策略制定与自动化脚本开发，执行多维度功能、兼容性及性能验证
协同研发团队完成缺陷追踪与根因分析，并利用AI工具优化测试流程，全面保障AI基础设施的软件质量与交付效率
最低要求
正在攻读计算机科学(CS)、电子工程(EE)或计算机工程(CE)的硕士或更高学位
必须掌握脚本语言（Python、Perl、bash）及Linux系统知识
具备良好的沟通能力，英语口语和书面表达流利
有使用AI工具的经验
工作职责
负责英伟达深度学习软件产品（如cuDNN、TensorRT、优化框架等）的GPU软件测试与测试自动化改进
负责深度学习软件栈发布版本的功能性、兼容性以及性能测试
与开发团队协作进行问题分类、根因分析、修复验证，定义新测试用例并优化测试计划
利用AI驱动工具提升效率与质量，包括测试用例/计划/脚本生成、缺陷检测、CBTP、Bug修复及日常辅助工作
优先资格
具备C/C++编程经验者优先
熟悉任意深度学习框架（如TensorFlow、PyTorch等）为强烈加分项
熟悉英伟达GPU硬件或使用CUDA进行GPU计算背景者优先
有成功利用AI工具显著提升工作效率、简化工作流程或增强流程自动化的实证经验
AI 洞察
优缺点分析
优点
- 接触全球顶尖AI算力生态与核心底层软件栈，技术视野开阔
- 拥有完善的导师制与国际化技术氛围，项目直接赋能高增长业务线
- 测试对象涵盖自动驾驶、医疗影像与大模型等前沿场景，履历含金量高
- 测试对象涉及复杂的GPU硬件交互与底层算子，技术门槛与学习曲线陡峭
- 需兼顾多项并行任务与跨团队协作，对多线程调度与英文技术沟通要求严格
- 适合计算机/电子相关专业在读研究生，对AI底层架构有浓厚兴趣，且具备较强动手能力、英文技术文档阅读能力及抗压素质的求职者
缺点 / 挑战
- 偶发性性能瓶颈或硬件相关Bug排查难度大，需极强的耐心与系统性思维
角色解读
- 纵向深耕成为资深测试开发工程师或质量保障架构师
- 横向转岗至深度学习框架开发、AI基础设施工程师或算法工程化岗位
- 积累底层软硬件协同经验后，可向AI系统可靠性专家或技术管理方向发展
- 负责深度学习底层软件（如cuDNN/TensorRT）的测试策略制定与自动化脚本开发
- 执行多维度的功能、兼容性及性能测试，保障AI基础设施软件质量
- 协同研发团队进行缺陷追踪、根因分析与修复验证，持续优化测试计划
- 引入AI辅助工具提升测试用例生成、缺陷检测与流程自动化效率
- 扎实的Python/Linux脚本编写与自动化测试框架应用能力
- 熟悉至少一种主流深度学习框架及其核心API运行机制
- 具备C/C++基础代码阅读能力与底层系统调试思维
- 熟练运用AI工具进行代码辅助、测试生成与效能优化
申请策略
- 提前了解NVIDIA深度学习软件生态（如TensorRT部署流程与优化策略）
- 准备1-2个完整的测试设计或Bug排查案例，重点阐述分析逻辑与复盘总结
- 突出深度学习框架使用经验、自动化测试项目成果及Python/Linux实操能力
- 量化展示利用AI工具提升测试效率或简化流程的具体案例与数据
- 强调C/C++基础、Linux环境调试经验及跨团队协作的项目经历
- 补充CUDA基础概念、常见GPU算子原理及内存管理机制
- 强化自动化测试框架（如pytest/unittest）实战与CI/CD流水线认知
- 练习英文技术汇报与跨文化沟通技巧，提升技术文档撰写规范性
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，突出个人贡献与技术决策依据
- 强调测试设计的覆盖率、可维护性及数据驱动的优化逻辑，避免泛泛而谈
- 展现从现象到本质的根因分析路径，结合日志分析、性能剖析与代码审查步骤
- 请介绍一个你主导的自动化测试项目，说明遇到的最大难点及解决思路
- 如何设计针对深度学习模型推理性能（延迟/吞吐/显存）的测试方案？
- 遇到偶发性或难以复现的Bug时，你的排查路径与工具链是什么？
- 请举例说明你如何利用AI工具优化现有测试流程或提升交付质量
- 复习Linux常用命令、进程管理与Shell/Python脚本语法，确保手写代码流畅
职位点评
薪资福利85
成长发展92
工作生活60
使命价值88
薪资福利
85较高
提供符合国际大厂标准的实习津贴与完善福利，薪资水平在同类技术实习中具备较强竞争力。
薪资信号偏高 (7.0千–1.1万/月)
成长发展
92较高
深度参与前沿AI基础设施测试，技术栈领先且能直接接触核心研发流程，个人技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、Linux、C/C++、TensorRT、cuDNN、PyTorch、TensorFlow、AI Tools
业务类型profit_center
工作生活
60中等
未明确提及弹性工时或远程政策，硬件与底层软件测试通常需固定到岗配合实验室资源，整体节奏偏向标准外企规范。
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
88较高
致力于推动全球AI基础设施的稳健运行，技术成果直接赋能自动驾驶、医疗影像与大模型等具有广泛社会价值的领域。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs