英伟达
Senior AI Infra Test Development Engineer, SDET
Senior AI Infra Test Development Engineer, SDET
发布于 1 天前普通员工/个人贡献者
全职员工混合式弹性办公测试开发
测试开发
Ai辅助开发
Sdet
持续集成/持续部署
测试开发
自动化框架
基础设施测试
值不值得投
83综合评分
综合评分 83
顶尖AI基础设施测试开发岗，技术栈前沿、薪酬优厚、发展路径清晰，兼顾创新挑战与适度弹性。
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
5.5万
比测试开发中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 510 个在招 · 其中测试开发 60 个
市场机会
选择面较广
上海 · 测试开发 · 约 330 个在招
职位详情
关于这个职位
负责设计并搭建可扩展的AI基础设施自动化测试框架与工具链，制定全链路测试策略与质量门禁
通过Python编程及AI辅助工具提升端到端QA流程效率，定位复杂软件栈根因，保障核心产品的交付质量与系统稳定性
最低要求
年以上基础设施软件开发或测试开发经验
计算机科学或相关领域的硕士或博士学位优先
扎实的Python编程能力，能够编写清晰、可维护且经过充分测试的代码
具备端到端软件测试工作流和自动化框架的设计与实践经验，包括实际使用AI工具提升测试开发或调试效率
精通Linux，并有在Docker和Kubernetes环境中部署软件的测试经验
深入理解基于风险的测试、可测试性、可观测性、回归策略和发布标准
熟悉裸机基础设施及部分供应或网络技术（如BMC/Redfish、PXE、DPUs或TCP/IP）
具备调试跨越服务、基础设施、网络和部署配置的多层故障的能力
展现技术所有权意识，以及协调利益相关者、交付解决方案和衡量成果的沟通能力
工作职责
架构、实现并演进可扩展的端到端软件质量保证(Agentic SWQA)工作流、自动化测试框架、基础设施及复杂软件产品的工具链
定义功能、集成、回归、可靠性及发布验证工作流中的测试策略与质量门禁
构建并维护针对Linux环境、容器化及Kubernetes环境的高价值自动化测试覆盖率
调查软件栈中的复杂故障，隔离根本原因，并与开发团队直接协作，通过提交修复PR完成问题闭环
建立有意义的质量指标，提高测试结果信噪比，并利用数据优先分配工程投入
通过精心设计的工具、可复用框架及AI辅助工作流（确能提升质量或开发者生产力）推动自动化效率
通过代码审查、设计评审、文档编写和指导培养，提升团队整体技术能力
对模糊的跨职能质量问题承担责任，并提供持久性解决方案，而非仅执行测试
优先资格
创建或显著改进了被多个团队或产品使用的测试平台
通过可衡量的工程改进降低了发布风险、逃逸缺陷、测试运行时间或手动验证工作量
构建并主导了AI辅助或智能体驱动的SWQA工作流，提升了覆盖率或效率
在真实故障条件下验证过分布式或大规模基础设施
具有BlueField DPUs、Redfish、固件管理或裸机供应的实际经验
AI 洞察
优缺点分析
优点
- 平台资源充足，重视工程效能与AI工具落地
- 薪酬福利体系完善，国际化工作环境
- 需处理多层级复杂故障与高并发分布式系统测试，技术门槛高
- 跨部门协作频繁，需具备极强的沟通与推动力
- 对自动化覆盖率与质量指标要求严苛
- 适合具备扎实后端/测试开发功底、对AI基础设施感兴趣、追求技术深度与工程效能的资深工程师
缺点 / 挑战
- 接触全球顶尖AI算力基础设施，技术栈前沿且极具挑战性
角色解读
- 可向高级SDET专家或测试架构师方向发展
- 也可横向拓展至DevOps/SRE或AI基础设施平台工程
- 长期可成为技术负责人或质量效能总监
- 负责AI基础设施的自动化测试框架设计与开发
- 制定全链路测试策略与质量门禁
- 利用AI工具与Python脚本提升测试效率与覆盖率
- 精通Python编程与Linux系统底层原理
- 熟练掌握Docker/Kubernetes容器化测试环境
- 具备CI/CD流水线搭建与自动化测试框架开发能力
- 了解AI辅助编程与调试工具
申请策略
- 提前研究NVIDIA GPU集群调度与AI训练框架的基础架构
- 准备1-2个解决复杂线上故障或重构测试平台的详细案例
- 突出自动化测试框架从0到1的搭建经验
- 量化展示测试覆盖率提升、缺陷逃逸率降低或CI/CD流水线提速的具体数据
- 强调Python高阶应用与AI工具实战案例
- 深化Kubernetes网络与存储插件测试原理
- 学习AI辅助编码工具在测试生成与调试中的最佳实践
- 补充分布式系统可观测性知识
面试指南
- 采用STAR法则结构化回答
- 技术题注重底层原理与边界条件考量
- 行为题突出数据驱动决策与跨团队协同机制
- 请描述你设计过的一个高可用自动化测试框架的架构与选型依据
- 如何定位并解决Kubernetes环境下容器闪断导致的间歇性测试失败？AI工具在实际测试开发中如何落地提效？遇到开发与测试目标冲突时如何推进？
- 复习Linux内核基础与容器网络原理
- 梳理过往项目中自动化测试的痛点与优化路径
- 模拟演练系统设计题，重点考察可扩展性与容错设计
职位点评
薪资福利85
成长发展90
工作生活70
使命价值80
薪资福利
85较高
提供极具竞争力的薪酬与全面的福利套餐，高度匹配资深技术人才的市场回报预期。
薪资信号偏高 (4.0千–7.0万/月)
福利待遇highly competitive salaries、extensive benefits package
成长发展
90较高
聚焦AI基础设施与自动化测试前沿，提供广阔的技术成长空间与内部知识共享文化。
技术前沿前沿/新兴技术
技术栈Python、Kubernetes、Docker、AI-assisted workflows、agentic SWQA
成长机会mentorship、Raise the technical capability of the wider team through code reviews, design reviews, documentation
业务类型ambiguous
工作生活
70中等
强调灵活包容的工作环境，但核心研发节奏较快，需应对复杂故障排查与跨时区协作压力。
工作模式混合式弹性办公
办公地点科技园/产业园
加班情况未提及（无法判断）
工作生活平衡flexibility
使命价值
80较高
投身全球AI算力基础设施建设，技术成果直接赋能自动驾驶与数据中心，技术与社会价值显著。
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power modern Deep Learning、driving autonomous vehicles、pushing the boundaries of technology
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