英伟达
Architecture Energy Modeling Engineering Intern - 2027
Architecture Energy Modeling Engineering Intern - 2027
发布于 2 小时前实习/见习
实习生仅现场办公芯片设计
芯片设计
Asic
Gpu架构
机器学习
算法分析
统计建模
能效优化
芯片设计
值不值得投
82综合评分
综合评分 82
顶尖芯片厂核心研发实习，技术前沿、成长性强，WLB待确认
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
1.1万
比芯片设计中位数低
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 · 其中芯片设计 28 个
市场机会
选择面较广
上海 · 芯片设计 · 约 450 个在招
职位详情
关于这个职位
负责为英伟达下一代GPU和Tegra SoC构建能源模型，利用Python/C++及机器学习/统计方法优化产品能效
需与架构师、性能工程师协作，开发仿真工作流、调试工具并验证模型准确性，助力早期功耗预测与架构改进
最低要求
正在攻读硕士学位
具备扎实的编程能力，首选Python或C++
拥有机器学习、人工智能和/或统计建模背景
对计算机架构和节能GPU设计感兴趣
能够制定和分析算法，评估其运行时间和内存复杂度
希望运用定量决策与分析来提升产品能效
具备良好的英语读写及人际交往能力
工作职责
与架构师和性能架构师合作，开发高能效GPU
开发方法论和工作流，选择并运行多种负载，使用ML和/或统计技术训练模型
开发提升能源模型在不同约束（如工艺、时序、布局布线）下准确性的方法论
关联设计周期不同阶段创建的模型预测能耗，旨在弥合早期估算与硅片实测之间的差距
开发工具调试在硅片、RTL和架构模拟器上运行的各种负载中观察到的能效低下问题，并与架构师合作修复识别出的能效问题
与性能、验证和仿真方法论及基础设施开发团队协作，将能源模型集成到其平台中
原型化新架构特性，创建能源模型，并分析系统影响
优先资格
熟悉Verilog和ASIC设计原则者优先
AI 洞察
优缺点分析
优点
- 接触全球顶尖GPU架构与前沿芯片设计
- 技术栈硬核（ML+硬件建模）
- 大厂平台背书强
- 跨部门协作复杂度高
- 模型精度要求严苛，需反复迭代验证
- 学术转工业落地有一定门槛
- 具备扎实数理与编程基础、对芯片底层架构有强烈兴趣的理工科研究生
缺点 / 挑战
暂无明显挑战项
角色解读
- 深入芯片架构与低功耗设计领域
- 向资深硬件架构师或能效算法专家发展
- 可拓展至AI加速器设计或半导体行业核心研发岗
- 负责为GPU和SoC构建功耗/能效模型
- 开发机器学习与统计方法训练模型
- 与硬件/软件团队协作定位并解决能效瓶颈
- 扎实的Python/C++编程能力
- 机器学习/统计建模基础
- 计算机体系结构与芯片设计知识
- 算法复杂度分析能力
申请策略
- 提前了解NVIDIA最新GPU架构特点
- 准备能体现量化分析与工程落地能力的案例
- 突出ML/统计建模项目经验及Python/C++代码能力
- 展示计算机体系结构或低功耗设计相关课程/课题
- 补充Verilog/ASIC基础
- 熟悉常见GPU架构与功耗管理技术
- 强化算法时间/空间复杂度分析训练
面试指南
- STAR法则描述项目
- 先讲理论框架再谈工程取舍
- 用具体指标量化模型效果
- 如何用统计/ML方法建立硬件功耗模型？
- 如何平衡模型精度与计算开销？
- 请分析一个算法的时间复杂度
- 如何定位硅片测试中的能效异常？
- 复习计算机组成原理与数字电路基础
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
提供具有竞争力的薪资与丰厚福利包，符合顶尖科技企业市场水准。
薪资信号市场水准 (9.0千–1.3万/月)
福利待遇竞争性薪资、丰厚的福利套餐
成长发展
92较高
深度参与下一代GPU核心能效建模，技术栈前沿，成长路径清晰。
技术前沿前沿/新兴技术
技术栈Python、C++、Machine Learning、Statistical Modeling、GPU Architecture、ASIC、Verilog
业务类型ambiguous
工作生活
65中等
未明确提及弹性工时或远程政策，芯片研发通常需紧密协作与现场办公，但外企文化相对规范。
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
80较高
聚焦绿色计算与能效优化，契合可持续发展趋势，社会价值与技术使命感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号能效卓越的产品、提升产品能效
创新程度积极采用新技术
Watch Jobs