英伟达
Deep Learning Kernel Software Performance Architect
Deep Learning Kernel Software Performance Architect
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公高性能计算
高性能计算
Automation
CI/CD
Cuda
Performance Optimization
值不值得投
82综合评分
综合评分 82
顶尖外企核心研发岗，技术栈前沿极具成长性，薪资竞争力强，适合追求极致技术突破的专业人士
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
比高性能计算中位数高
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 · 其中高性能计算 15 个
市场机会
选择面较广
上海 · 高性能计算 · 52 个在招
职位详情
关于这个职位
负责优化数据中心平台GPU内核性能，构建自动化数据分析工作流以检测、解释并防止深度学习负载的性能回归
通过Python和C/C++进行性能分析、调试及自动化测试基础设施开发，与编译器、架构团队紧密合作，确保性能指标达成
最低要求
计算机科学、计算机工程、应用数学或相关领域的硕士或博士学位，或同等工作经验
具备2年以上工作经验，拥有强大的Python编程能力以及C/C++能力（侧重于性能导向的代码阅读/调试）
扎实的计算机体系结构、并行编程和性能推理基础（延迟/吞吐量、内存层次结构、并行性），能够识别瓶颈、优化资源利用率并提高吞吐量
具有性能分析工作流程经验：剖析、测量方法、可重复性和回归分类
善于跨团队协作，并通过清晰的沟通推动问题决策/闭环
工作职责
性能分析、优化和调试
使用结构化方法论构建性能叙事：基线、预测、受控比较和回归归因
分析GPU加速内核和关键深度学习构建模块的性能，识别与基线或预测的差距，然后优化内核性能以填补这些差距
端到端调试性能问题：重现、隔离根本原因，提出修复或缓解路径，并与所有团队推动闭环
开发和维护基于Python的自动化性能测试和分析——使用现代AI辅助开发者工具（如Cursor/Claude Code/Copilot）加速脚本编写，同时保持代码的可维护性和可审查性
设计和运营性能测试工作流程：覆盖率定义、测试/负载生成、自动化大规模执行（CI/夜间/按需）、重跑规则和可重复性标准
与内核开发人员和编译器团队合作，确保性能检查实用、可扩展且符合发布需求
与芯片架构和建模团队合作，在芯片架构代际和常见深度学习算子（如GEMM、Attention、MoE）上巩固性能方法论
与SWQA和基础设施团队合作，实现规模化执行和可靠的管道/仪表板
遵循一般的软件工程最佳实践，包括支持回归测试和CI/CD流程
优先资格
具有高性能内核或数学库经验（例如GEMM/注意力机制、类似CUTLASS的概念）
GPU编程/性能经验（CUDA或等效的并行编程）
对ML/DL负载有深刻理解（训练/推理形状、精度模式、性能瓶颈）
熟悉模拟器/分析建模或性能表征方法
AI 洞察
优缺点分析
优点
- 身处AI算力核心赛道，接触最前沿的GPU架构和深度学习模型
- 技术栈极具深度和壁垒，职业护城河高
- 平台资源丰富，能与顶尖工程师协作，个人技术影响力大
- 对底层原理和数学功底要求极高，学习曲线陡峭
- 跨团队沟通成本高，需推动多方达成共识
- 适合对底层系统性能极致追求、具备扎实计算机基础和强烈问题解决驱动力的资深软件工程师
- 喜欢钻研技术细节而非单纯业务逻辑的候选人
缺点 / 挑战
- 性能优化往往面临复杂的边界条件和严格的SLA压力，需处理大量细粒度数据
角色解读
- 可向首席性能架构师、高性能计算专家方向发展，或转向更广泛的系统软件架构设计
- 在AI基础设施领域积累的经验极具稀缺性，未来可在各大科技公司或芯片厂商担任核心技术领导角色
- 深入分析GPU内核在深度学习负载下的性能表现，定位瓶颈并进行代码级优化
- 构建自动化的性能测试框架和监控仪表盘，确保新版本发布的性能稳定性
- 与底层硬件架构师和编译器团队紧密协作，从系统层面提升算力效率
- 精通Python和C/C++，具备深厚的计算机体系结构和并行编程理论基础
- 熟练掌握性能剖析工具（Profiling）和性能分析方法论
- 了解深度学习算子（如GEMM、Attention）的计算特性及GPU硬件架构细节
申请策略
- 准备具体的性能调优故事，使用STAR法则阐述如何发现问题、分析根因并解决问题
- 关注英伟达最新的GPU架构特性（如Blackwell/Hopper）
- 突出展示具体的性能优化案例（如提升多少百分比的吞吐量），强调Python自动化脚本的开发能力
- 列出熟悉的性能分析工具和 profiling 经验
- 若有CUDA或高性能计算库（如CUTLASS）项目经验，务必重点描述
- 复习计算机体系结构知识，特别是内存层次结构和并行计算模型
- 深入学习PyTorch/TensorFlow底层算子实现原理
- 掌握至少一种主流GPU性能剖析工具的使用
面试指南
- 采用“背景-问题-分析-行动-结果”的结构
- 在回答技术问题时，先展示理论理解，再结合具体工具和数据证明你的分析过程
- 强调系统性思维和跨团队协作能力
- 请描述一次你通过性能分析发现并解决复杂性能瓶颈的经历
- 如何评估和优化一个大型深度学习模型的训练性能？
- 在Python和C++混合开发的场景中，如何保证性能与可维护性的平衡？
- 请解释GPU内存层次结构对性能的影响，以及如何利用它进行优化
- 复习常见的性能反模式和优化技巧
职位点评
薪资福利85
成长发展92
工作生活65
使命价值80
薪资福利
85较高
作为已上市的跨国巨头，提供具有市场竞争力的薪酬包和完善的福利体系，虽JD未明确具体数字，但此类高阶技术岗位通常对标行业顶尖水平。
薪资信号未披露（AI估算：4.5千–8.0万/月）
成长发展
92较高
职位涉及前沿的GPU架构、深度学习算子优化及自动化AI辅助开发，技术栈极其前沿，能提供极高的技术成长空间和行业影响力。
技术前沿前沿/新兴技术
技术栈GPU Kernel、Deep Learning、Python、C/C++、CUDA、Performance Profiling、AI-assisted development
业务类型profit_center
工作生活
65中等
作为核心研发岗位，工作强度可能较高，但JD提及使用AI工具提升效率，暗示对工作方式的现代化探索。办公地点位于上海张江，通勤便利性取决于候选人居住地。
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
致力于优化全球数据中心的基础算力效率，直接推动AI技术的发展和应用落地，具有显著的技术使命感和行业正向影响力。
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
英伟达 的其他在招职位
相似职位推荐
Watch Jobs