英伟达
Senior Software Engineer, Test Engineering
Senior Software Engineer, Test Engineering
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
CI/CD
Llm/Vlm
仿真验证
数据分析
测试开发
自动化测试
值不值得投
81综合评分
综合评分 81
顶尖大厂核心业务、前沿技术栈、高成长空间，工作强度与压力需做好心理准备
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
6.3万
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 430 个在招 · 其中测试开发 22 个
市场机会
选择面较广
北京 · 测试开发 · 约 170 个在招
职位详情
关于这个职位
负责为英伟达驾驶辅助系统(NDAS)构建和扩展仿真与验证流水线
工作内容涵盖数据挖掘、自动化标注、基准测试、CI/CD基础设施及AI辅助工作流，需与算法、软件及系统工程师紧密协作，开发评估复杂自动驾驶系统的工具、数据集与流程
最低要求
计算机科学、电气工程、机器人学或相关技术领域的硕士或博士学位，或具备同等实践经验
年以上软件开发、测试、验证或质量工程方面的实战经验，最好具备自动驾驶、汽车系统、机器人学或其他安全关键领域的相关背景
具备ADAS或自动驾驶系统的实战背景，涵盖仿真、基于重放的测试以及基于模型的开发生成工作流
熟练掌握Python、C++和Shell编程语言与脚本编写
精通现代软件测试实践，包括单元测试、集成测试、系统测试和端到端测试
具备设计或维护自动化测试、基准测试或CI/CD基础设施的经验
熟悉现代AI技术（包括大语言模型LLM、视觉语言模型VLM及AI智能体），并有将其应用于工作流自动化、数据标注或工程生产力的成功案例
具备强大的分析、调试和解决问题的能力，能够跨多个工程学科高效协作
工作职责
测试用例工程：设计、策划并维护全面的测试套件，覆盖不同道路类型、环境条件和车辆交互场景下的系统需求、边缘情况及故障模式
工具与指标开发：架构并实现可扩展的评估工具和指标，支持关键的系统测试、验证与发布决策
AI辅助数据流水线：为ADAS功能构建真实数据集，开发基于LLM和VLM的自动标注解决方案，加速并扩展数据标注工作流
仿真与验证基础设施：开发和改进仿真、回放测试、基准测试及CI/CD流水线，实现高效、可重复的大规模验证
流程扩展：创建并完善标准操作规程、标注指南和质量控制机制，使既定工作流能够在内部和外部标注团队中规模化应用
问题分类与解决：识别、复现并调试系统异常，与跨职能团队紧密合作以确定根本原因，推动及时解决并验证软件修复方案
测试执行与分析：使用内部测试框架执行离线验证，分析大型复杂数据集，生成包含可操作洞察的报告以指导系统改进
安全与合规：确保验证活动遵循适用的汽车安全标准、监管要求和行业最佳实践
优先资格
具备强烈的自动化思维，并有构建显著提升工程效率与可扩展性的软件、平台或内部工具的成功记录
拥有数据科学方法论、大规模数据分析及高级SQL的实战经验
具备直接开发或验证量产ADAS或自动驾驶功能的经验
在LLM/VLM/智能体开发框架方面具有深厚功底
接触过分布式数据处理系统、大规模仿真基础设施或智能体AI工作流
AI 洞察
优缺点分析
优点
- 依托顶尖硬件与AI生态，接触前沿自动驾驶与仿真技术
- 技术栈前沿且业务核心，职业发展空间大
- 平台提供完善的资源与培训体系
- 岗位要求高，需兼顾传统测试工程与AI数据流水线开发，技术广度与深度要求并存
- 适合具备扎实软件工程基础、对自动驾驶/AI交叉领域有热情、能胜任高强度技术攻坚的资深开发者
缺点 / 挑战
- 自动驾驶领域对安全性与可靠性要求极高，工作压力与责任较重
角色解读
- 可向自动驾驶系统验证专家、测试架构师或技术管理方向发展
- 随着AI与自动驾驶技术融合，也可向AI工程化或数据平台方向拓展
- 负责自动驾驶辅助系统(ADAS)的测试用例设计与自动化测试框架搭建
- 构建基于AI的数据标注流水线与仿真验证基础设施
- 分析测试数据并输出报告，协同跨部门团队定位并解决系统缺陷
- 精通Python/C++/Shell编程及现代软件测试方法
- 熟悉CI/CD流水线与自动化测试工具链
- 掌握LLM/VLM等AI技术在工程提效中的应用
- 具备扎实的调试分析与跨团队协作能力
申请策略
- 提前研究目标业务线及自动驾驶测试趋势
- 准备跨部门协作与复杂问题排查的具体案例
- 突出6年以上测试/开发经验，重点展示自动化测试框架搭建、CI/CD优化及Python/C++项目成果
- 强调在ADAS/机器人或安全关键领域的实战背景
- 补充大规模数据标注与AI辅助工作流相关技能
- 深入学习自动驾驶仿真测试标准及主流测试框架
面试指南
- 采用STAR法则结构化回答
- 突出技术选型依据、性能指标提升数据及跨团队协同过程
- 强调对安全合规与质量标准的理解
- 请分享你设计并维护大规模自动化测试套件的完整经历
- 如何构建基于LLM/VLM的数据自动标注流水线？
- 遇到复杂的系统级缺陷，你的排查思路是什么？
- 复习自动化测试理论与CI/CD实践
- 梳理过往项目中AI赋能工程提效的案例
职位点评
薪资福利85
成长发展90
工作生活65
使命价值75
薪资福利
85较高
薪资水平处于行业高位，福利体系完善，但JD未明确具体薪酬结构。
薪资信号未披露（AI估算：4.5千–8.0万/月）
成长发展
90较高
岗位深度融合AI与自动驾驶前沿技术，提供广阔的技术探索空间与清晰的专家成长路径。
技术前沿前沿/新兴技术
技术栈Python、C++、LLM、VLM、CI/CD、仿真验证
业务类型profit_center
工作生活
65中等
技术型岗位通常节奏较快，但公司整体文化相对注重创新与平衡，具体WLB取决于团队负载。
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
75中等
参与全球领先的自动驾驶系统验证，对推动智能出行安全与技术落地具有显著社会价值。
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