英伟达
Senior Solutions Architect, CSP System
Senior Solutions Architect, CSP System
发布于 大约 17 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
分布式系统
GPU
深度学习
PyTorch
性能优化
CUDA
NCCL
TensorRT
Agentic AI
AI 估算 · 50k–80k
上海资深GPU架构师岗位，NVIDIA头部外企，技能稀缺，薪资竞争力强，月薪5-8万合理。
职位详情
关于这个职位
作为英伟达中国区高级解决方案架构师，你将聚焦GPU与AI基础设施，为头部云服务提供商提供端到端技术咨询与方案优化，推动大规模AI训练/推理、Agentic AI等场景的部署落地
该职位需要深厚GPU架构与AI系统优化功底，并与全球工程团队紧密协作
最低要求
计算机科学、计算机工程、电子工程或相关领域学士/硕士/博士学位
同等行业经验也受认可
年以上GPU架构、AI系统优化、大规模数据中心基础设施或超大规模云计算实践经验，在AI训练/推理、分布式计算或HPC工作负载方面有扎实经验
深入理解GPU微架构、CUDA编程模型、GPU内存层次结构和系统调度机制
精通性能剖析、瓶颈分析和端到端AI工作负载调优
精通C/C++和Python编程
熟悉CUDA内核、编译器工具链、AI框架优化（PyTorch/TensorRT）和大规模分布式系统调优
有与中国主流CSP或全球超大规模云商合作的实践经验，深入了解其公有云AI服务架构、集群运维机制及核心工作负载特征
出色的技术沟通和演示能力，能够向技术工程师、架构团队和业务利益相关者解释复杂的GPU系统和AI基础设施技术
强大的跨职能协作能力，能够在全球矩阵团队中高效工作，并在快节奏业务需求下优先处理多个高价值技术项目
熟悉NVIDIA全栈产品（GPU数据中心硬件、TensorRT-LLM、Dynamo、NCCL、CUDA软件栈）者优先
必须具备动手工程能力
候选人必须结果导向、自我驱动，能够独立负责端到端技术项目交付
承诺性强、积极主动，能够为长期战略CSP项目持续产出高质量技术成果
工作职责
与销售、BD和CPM团队合作，将NVIDIA GPU和AI基础设施技术落地到中国顶级CSP客户，推动技术渗透和可持续业务增长
作为中国CSP的NVIDIA GPU系统和AI基础设施解决方案的主要技术权威，提供GPU集群架构设计、AI工作负载部署、异构计算调优和全栈软件栈优化的端到端咨询
为RL训练和Agentic AI工作负载释放Vera CPU+GPU协同优化价值，消除CPU-GPU数据移动瓶颈，优化端到端agent训练和推理管道的延迟与吞吐量，助力CSP AI工厂场景
主导NVIDIA AI基础设施栈的开源系统架构贡献，向上游关键开源项目提交优化补丁，构建中国本地化最佳实践，塑造行业技术标准
进行深入的GPU工作负载瓶颈分析，对AI训练、推理、RL和游戏工作负载实施系统级、内核级和框架级调优，为CSP大规模部署提供生产就绪的参考设计和调优指南
作为中国CSP客户与NVIDIA全球工程、产品和研发团队的关键技术联络人，收集高价值的本地工作负载需求，推动产品路线图迭代，并确保完全遵守NVIDIA全球技术政策和出口合规规则
领导关键技术研讨会、动手培训、PoC和试点项目，量化并展示GPU/AI基础设施业务价值，加速技术采用和大规模复制
监控前沿行业趋势，包括Agentic AI、LLM推理优化、云游戏AI和下一代数据中心系统架构，输出战略技术洞察以支持团队和产品战略制定
指导初级SA团队成员，标准化CSP技术参与和解决方案交付流程，推动高价值技术最佳实践沉淀
优先资格
有Vera/Grace CPU+GPU异构协同优化实践经验，熟悉AI agent和RL训练系统调优
深入掌握Dynamo LLM推理优化经验，包括KV Cache管理、智能调度规划器和动态资源扩展
在AI基础设施、GPU优化库或分布式计算框架方面有开源贡献经验，并有公开上游记录
在GPU集群上有Agentic AI、RL后训练或长上下文LLM工作负载优化的扎实经验
熟悉中国市场半导体和数据中心技术出口合规要求
有独立主导CSP技术PoC、试点验证和大规模生产部署项目并取得可衡量业务成果的成功案例
AI 洞察
优缺点分析
优点
- 技术前沿：接触最先进的GPU架构、AI训练/推理优化技术，与全球顶尖工程师合作
- 平台背书：英伟达作为AI算力领导者，职位含金量高，职业发展空间大
- 影响力强：直接影响中国头部CSP的AI基础设施决策，技术成果可大规模落地
- 薪资优厚：资深岗位提供高竞争力薪酬及福利，股票等长期激励
- 技术深度要求高：需同时掌握底层硬件、系统软件及AI框架等多个领域，学习曲线陡峭
- 合规敏感：需熟悉半导体出口合规，处理国际技术协作中的敏感问题
- 适合8年以上GPU/AI系统优化经验、热爱底层性能调优、乐于与客户和内部团队深度协作的技术极客
缺点 / 挑战
- 工作强度大：快节奏的客户项目、多团队协作及频繁出差（如有）可能带来压力
角色解读
- 技术深耕：成为GPU/AI基础设施领域的顶级专家，主导行业标准制定
- 管理转型：从IC转向技术经理或架构师团队负责人，带领团队攻克复杂项目
- 全球影响力：通过跨区域协作和开源贡献，提升在NVIDIA全球及AI社区中的话语权
- 与中国头部云厂商合作，设计并优化大规模GPU集群架构，推动AI训练/推理性能最大化
- 深入分析GPU工作负载瓶颈，进行系统级、内核级调优，输出生产级参考设计
- 主导开源项目贡献，将本地最佳实践回馈社区，同时对接NVIDIA全球工程团队，推动产品迭代
- 精通GPU微架构及CUDA编程，具备C/C++/Python开发能力，能进行底层性能剖析与优化
- 熟悉AI框架（PyTorch/TensorRT）优化、分布式训练及大规模集群调优
- 优秀的技术沟通与跨团队协作能力，能向不同层级听众清晰传达复杂技术方案
申请策略
- 在求职信中结合自身经验，具体说明你如何帮助CSP解决AI基础设施挑战，用数据说话
- 了解NVIDIA近期在Agentic AI和Vera架构上的布局，展现对技术方向的洞察
- 突出GPU相关项目经验：详细描述你在CUDA优化、分布式训练、推理部署等领域的实际成果，量化性能提升
- 强调CSP合作经历：列举与云厂商合作的PoC、大规模部署案例，展现业务理解能力
- 展示开源贡献：包括PR、issue修复或社区影响力，体现技术影响力
- 列出全栈技术栈：从硬件（NVIDIA GPU）到软件（CUDA, TensorRT, PyTorch）的熟练度
- 若对Agentic AI/RL训练优化不熟，可提前学习相关论文及NVIDIA Dynamo框架
- 补充或加深对NCCL、NVLink等集群通信技术的理解，可通过官方文档或实验室项目实践
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，量化成果
- 分层分析：从系统瓶颈、软件栈、硬件资源三个层面逐步拆解问题，展示系统性思维
- 场景驱动：结合CSP实际业务场景（如短视频推荐、大模型服务）说明方案价值
- 请描述一个你优化GPU集群训练性能的案例，关键瓶颈是什么？如何解决？
- 如何向非技术客户解释CUDA编程模型及GPU显存管理的重要性？
- 假设目前需要为中国某CSP设计一套大规模推理系统，你会考虑哪些关键因素？
- 你如何看待Agentic AI对GPU基础设施的挑战？Vera架构如何应对？
- 复习CUDA编程模型、GPU架构演进（如H100、B200）及TensorRT-LLM优化技巧
职位点评
71
综合评分
英伟达上海资深架构师，前沿技术栈、高薪资、强成长，但WLB可能一般。
更适合这类人
最适合追求技术前沿拓展、重视职业成长与影响力的求职者，对生活工作平衡要求较低。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活40
使命价值75
薪资福利
80较高
薪资竞争力强（一线外企+资深岗位），福利优厚（五险一金+股票期权等），但具体金额未披露，稳定性高。
薪资信号未披露（AI估算：50K-80K/月）
福利待遇competitive salaries、generous benefits package
成长发展
90较高
前沿技术（GPU、AI Infra、Agentic AI），全球协作与开源贡献机会，成长路径清晰，技术深度与广度兼具。
技术前沿前沿/新兴技术
技术栈GPU、CUDA、AI Infra、Agentic AI、TensorRT、NCCL、Dynamo
成长机会mentor junior SA team members、lead open-source system architecture contributions
业务类型profit_center
工作生活
40较低
工作地点上海，未明确远程或弹性工时；预计需频繁客户对接，可能出差和弹性加班；WLB信号缺失。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
AI基础设施推动行业智能化，技术影响力大；英伟达作为行业领导者，使命感较强；但直接社会价值不明显。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号accelerate technology adoption、shape industry technical standards
创新程度积极采用新技术
Watch Jobs