英伟达
Developer Technology Engineering Intern - 2027
Developer Technology Engineering Intern - 2027
发布于 2 小时前实习/见习
实习生混合式弹性办公高性能计算
高性能计算
Cuda
Gpu编程
Nccl
分布式通信
大语言模型(Llm)
并行计算
性能优化
高性能计算(Hpc)
值不值得投
72综合评分
综合评分 72
顶尖AI算力底层技术实习岗，前沿技术栈驱动成长，薪资竞争力强，但研发节奏快、技术要求极高。
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
2.0万
比高性能计算中位数低
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 · 其中高性能计算 5 个
市场机会
选择适中
北京 · 高性能计算 · 45 个在招
职位详情
关于这个职位
负责加入英伟达Compute DevTech团队，与核心开发者合作，利用GPU进行大语言模型(LLM)训练/推理优化、高性能算子开发及分布式通信库改进
通过底层算法优化、框架贡献和跨团队协作，解决性能瓶颈并推动下一代软硬件架构演进
最低要求
计算机科学或工程相关领域的学位或同等经验，硕士或博士研究生优先
扎实的C、C++、Python或Fortran编程基础
强大的软件开发、编程技巧与算法知识
扎实的数学基础，包括线性代数和数值方法
具备并行编程与加速计算背景，全面了解并行架构及性能分析与调优方法
有GPU编程经验者优先
至少在一个领域（大语言模型或高性能计算）具备全栈性能分析与优化经验，具备从算子级到框架级再到算法级的优化专长者优先
具备分布式通信优化经验者极具优势，熟悉远程直接内存访问(RDMA)、GPU互联、集体通信算法及相关开源库
扎实的软件工程基础与系统架构思维，能在复杂系统中构建模块并推动工程实践
优秀的沟通协作能力，能与架构、研究及软件产品团队高效合作，推动优化从概念到落地
工作职责
直接与关键应用开发者合作，了解其当前与未来问题
通过库开发与直接应用贡献，构建和优化核心并行算法与数据结构，使用GPU交付高效解决方案
包括大语言模型(LLM)的训练与推理优化，参与LLM生态框架及开源项目(如Megatron, TRTLLM, SGLang, vLLM等)
与NVIDIA的架构、研究、库、工具和系统软件团队紧密合作，影响下一代架构、软件平台和编程模型的构建
调查对应用性能和开发者效率的影响，将真实开发者反馈转化为可执行的平台改进
深入优化高性能算子，包括但不限于GPU内核优化、指令级调优和编译器优化
这些优化将直接支持客户或在计算库及社区开源项目(如cuDNN, cuBLAS, CUTLASS, DeepGEMM, FlashMLA, FlashAttention, Flashinfer等)中协调推进
提升大规模分布式LLM工作负载的通信效率
主导分布式训练与推理的进步，通过完善通信库(NCCL, NCCL GIN, NVSHMEM)及参与开源通信库(如DeepEP, NCCL EP)开发
需深入研究互连拓扑(NVLINK)和网络协议(InfiniBand/RoCE)，设计高效数据传输策略及计算通信重叠方法
优先资格
硕士或博士研究生在读
有GPU编程经验
具备从算子级到框架级再到算法级的优化专长
具备分布式通信优化经验，熟悉RDMA、GPU互联、集体通信算法及相关开源库
AI 洞察
优缺点分析
优点
- 接触业界最前沿的GPU与大模型底层技术
- 背靠顶级研发平台，技术视野与工程标准极高
- 直接参与开源核心项目，行业影响力强
- 技术门槛极高，需极强的数学与底层编程功底
- 项目节奏快，对性能优化的精度与效率要求严苛
- 跨团队协同复杂，需持续跟进前沿硬件迭代
- 适合计算机/电子相关专业硕博在校生，对底层系统、并行计算及AI基础设施有浓厚兴趣且抗压能力强的技术极客
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深GPU架构师、高性能计算专家或大模型底层优化负责人发展
- 积累深厚后可转向核心算法研发或技术管理岗位
- 深入大模型与HPC场景，进行GPU算子、通信库及框架层面的性能调优
- 与全球开发者对接，收集需求并反哺下一代软硬件架构设计
- 主导分布式训练/推理的通信优化与工程落地
- 精通C++/Python及并行计算原理
- 掌握GPU编程、编译优化与指令级调优
- 熟悉NCCL/NVLink等分布式通信机制与大模型生态框架
申请策略
- 提前研读目标团队近期开源论文或技术博客
- 准备1-2个完整的性能调优案例，清晰阐述问题分析、实验设计与最终收益
- 突出LLM/HPC性能优化实战经历，量化算子提速或通信延迟降低的具体指标
- 详细列出参与的开源项目(GitHub链接)及技术贡献
- 强化CUDA编程与GPU架构理解
- 深入学习PyTorch/TensorRT底层原理
- 补充分布式通信(RDMA/NCCL)与网络协议知识
面试指南
- 采用STAR法则结构化回答：明确业务/技术背景，详述工具链与 Profiling 手段，对比优化前后数据，总结可复用的方法论与边界条件
- 请分享一次你进行GPU算子或通信库性能优化的完整过程
- 如何分析并解决大模型分布式训练中的通信瓶颈？
- C++内存管理与并发编程在实际项目中的应用经验？
- 面对复杂的系统架构问题，你的调试与定位思路是什么？
- 复习线性代数、数值计算与操作系统底层知识
- 熟悉主流大模型框架源码结构
- 模拟手撕并行算法题与系统设计题
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
岗位提供符合国际标准的实习津贴与完善的福利保障，薪资水平在科技大厂实习市场中处于领先地位，能有效满足补偿性动机。
薪资信号偏高 (1.5千–2.5万/月)
成长发展
95较高
岗位深度聚焦前沿GPU架构、大模型底层优化与高性能计算，提供接触行业顶尖技术栈与核心开源项目的机会，成长空间极大。
技术前沿前沿/新兴技术
技术栈C++、Python、GPU、LLM、NCCL、NVLink、InfiniBand、CUDA、并行计算
业务类型profit_center
工作生活
40较低
技术攻坚型岗位通常伴随较高的工作强度与快节奏迭代，JD未明确提及弹性工时或WLB政策，现场办公为主可能增加通勤压力。
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
致力于连接全球开发者并推动下一代AI算力基础设施演进，具有显著的技术引领性与行业正向价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号connect the NVIDIA platform with developers worldwide、guide next-generation NVIDIA hardware and software
创新程度开拓性创新（行业首创）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs