英伟达
Deep Learning Performance Architect
Deep Learning Performance Architect
发布于 大约 15 小时前普通员工/个人贡献者
上海市 / 北京市
专家级经验
全职员工
仅现场办公
本科
机器学习工程
Jax
Llm
Pytorch
Tensorflow
Tensorrt
性能优化
性能建模
深度学习
硬件架构
AI 估算 · 50k–80k
职位详情
关于这个职位
作为英伟达的深度学习性能架构师，你将专注于分析和优化最先进的深度学习网络（如LLM），开发性能模型，并影响下一代硬件和软件架构的设计
你将与全球顶尖的架构、软件和产品团队合作，推动AI性能的极限
最低要求
相关领域（CS、EE、Math等）的学士、硕士或博士学位，或同等经验
年以上工作经验
熟悉流行的AI模型（如LLM和AIGC模型）
熟悉典型的深度学习软件框架（如Torch/JAX/TensorFlow/TensorRT）
具备深度学习应用的硬件架构知识和经验
工作职责
分析最先进的DL网络（LLM等），识别并原型化性能机会，以影响NVIDIA当前和下一代推理产品的软件和架构团队
为最先进的深度学习网络和算法开发分析模型，以创新处理器和系统架构设计，提升性能和效率
指定硬件/软件配置和指标，以分析现有和未来的单处理器和多处理器配置中的性能、功耗和准确性
与公司内部的架构、软件和产品团队合作，指导下一代深度学习硬件/软件的方向
AI 洞察
优缺点分析
优点
- 全球顶尖的AI公司，技术领先，平台影响力大
- 接触最前沿的深度学习硬件和软件技术
- 薪资福利优厚，职业发展空间大
- 工作强度大，需要快速学习和适应新技术
- 跨团队协作要求高，需要良好的沟通能力
- 技术难度高，需要深厚的专业知识和经验
- 适合对深度学习性能优化有热情，具备扎实技术背景和5年以上经验的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 成为深度学习性能领域的专家，影响行业标准
- 晋升为技术主管或架构师，领导性能优化团队
- 有机会参与NVIDIA下一代产品的核心设计
- 分析最先进的深度学习网络（如LLM），识别性能瓶颈并原型化优化方案
- 开发分析模型，用于评估和指导下一代处理器和系统架构的设计
- 与架构、软件和产品团队协作，确保硬件和软件协同优化
- 深厚的深度学习框架知识（PyTorch、JAX、TensorFlow等）
- 熟悉GPU架构和性能优化技术
- 具备性能建模和分析能力，能够使用工具进行性能剖析
申请策略
- 了解NVIDIA的产品线和技术方向，展示对公司的热情
- 准备展示过去项目的性能优化成果
- 突出深度学习性能优化项目经验，特别是LLM相关
- 强调使用PyTorch、TensorRT等框架的实践经验
- 展示对硬件架构的理解，如GPU、TPU等
- 深入学习GPU架构和CUDA编程
- 熟悉性能分析工具，如Nsight、Perf等
- 了解最新的LLM推理优化技术，如量化、剪枝
面试指南
- 使用STAR法则回答行为问题，突出具体行动和结果
- 技术问题要结合理论知识和实际案例，展示深度理解
- 强调团队合作和跨部门沟通的能力
- 如何分析一个深度学习模型的性能瓶颈？
- 描述你过去优化LLM推理性能的经验
- 如何设计一个性能模型来预测新架构的性能？
- 你如何与硬件和软件团队协作解决性能问题？
- 复习深度学习框架和GPU架构知识
职位点评
78
综合评分
顶尖AI公司，前沿技术，高薪高发展，但工作强度可能较大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长和职业发展，对薪资和福利有较高期望，能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
英伟达提供具有竞争力的薪资和福利，作为行业领导者，薪酬水平较高。
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
该职位涉及前沿技术，提供丰富的学习和发展机会，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、AIGC、TensorRT、JAX、TensorFlow、PyTorch
业务类型profit_center
工作生活
50较低
工作地点在上海或北京，可能面临通勤压力，工作强度可能较大。
工作模式仅现场办公
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
英伟达在AI领域具有重要影响力，工作对社会技术进步有积极贡献。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs