Nvidia logo
英伟达
CPU Performance Developer Technology Engineer

CPU Performance Developer Technology Engineer

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 4.5–7.5万 · AI 参考估算
高级经验
本科
全职员工仅现场办公性能优化
性能优化
Cpu优化
Cpu微架构
Hpc
Simd
向量化
并行计算
性能分析工具
性能工程

值不值得投

78综合评分

综合评分 78

前沿CPU性能优化岗,技术成长强、平台影响力高,办公灵活性未披露

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

6.0万

比性能优化中位数高

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 630 个在招 · 其中性能优化 7 个

市场机会

选择适中

上海 · 性能优化 · 22 个在招

职位详情

关于这个职位

该职位面向 NVIDIA Compute Developer Technology 团队,负责在 Grace/Vera CPU 平台上对 AI 数据预处理、HPC、科学计算和数据分析等负载进行性能分析与优化

你将与开发者、研究人员及内部架构/工具/系统软件团队协作,把底层微架构优化转化为实际性能提升,并影响未来 CPU 与软件架构设计

最低要求

计算机科学、计算机工程或相关专业的学士、硕士或博士学位

年以上性能工程或 CPU 优化相关经验
熟练掌握 C/C++ 和/或 Python,并深入理解算法与软件架构
扎实掌握 CPU 微架构、性能分析工具和优化方法
具备 CPU benchmark 和基于瓶颈分析进行性能调优的成功经验
优秀的沟通和组织能力,能够跨团队高效协作并管理多个优先级任务

工作职责

与各行各业的开发者、研究人员和框架维护者协作,识别并解决 AI、数据分析、仿真和数值计算等多种负载中的性能挑战

从应用级算法到低层微架构,对 CPU 性能进行剖析、分析和优化
为开源框架、关键软件栈、参考实现和性能库做贡献,释放 CPU 的全部潜力
与 NVIDIA 的架构、研究、库、工具和系统软件团队紧密合作,提升整体平台性能
提供洞察,影响下一代 CPU 设计、编译器工具链和开发工作流,以提升开发者生产力和吞吐量

优先资格

有在 CPU 上优化 AI 或数据预处理流水线的经验

熟悉 HPC 应用、并行计算和分布式运行时环境
有 SIMD 指令集、底层 intrinsics 或向量化方面的实践经验
对开源性能工具或 HPC 框架有贡献

AI 洞察

优缺点分析

优点

  • 工作内容处在 CPU 性能、AI 数据预处理和 HPC 交叉领域,技术深度强,能积累底层系统优化经验
  • 可直接与架构、研究、工具、库和系统软件团队协作,优化成果有机会影响真实平台和开发者生态
  • 参与开源框架和性能库建设,个人贡献具备较强可见度和长期技术沉淀价值
  • JD 明确提到有竞争力薪资、综合福利和成长中的工程团队,整体吸引力较强
  • 岗位要求从应用算法到低层微架构都能分析优化,技术跨度大,学习曲线较陡
  • 适合有五年以上性能工程或 CPU 优化经验、热爱底层系统与性能剖析,并希望参与 AI/HPC 平台建设的工程师

缺点 / 挑战

  • 需要同时面对外部开发者问题和内部平台性能目标,跨团队沟通与优先级管理压力较高
  • CPU benchmark 与瓶颈调优强调结果导向,优化效果需要可量化、可复现,对工程严谨性要求高

角色解读

  • 可在 CPU 性能优化、HPC、AI 基础设施、编译器与系统软件方向持续深耕,成为平台性能专家
  • 有机会从单点性能调优扩展到架构影响、性能库设计、开发者生态和开源框架贡献
  • 长期可发展为技术专家、架构师或工程团队负责人,主导更复杂计算平台的性能策略
  • 对 AI、HPC、数据分析、仿真和数值计算等负载进行 CPU 性能剖析,定位算法、系统软件或微架构层面的瓶颈
  • 使用 C/C++、Python 和性能分析工具优化关键路径,包括向量化、SIMD、并行化和内存访问优化
  • 参与开源框架、性能库、参考实现和软件栈建设,让开发者更好地发挥 NVIDIA CPU 平台能力
  • 与架构、编译器、工具、库和系统软件团队协作,把一线性能问题反馈到下一代 CPU 与开发工作流设计中
  • 需要扎实的 C/C++ 和/或 Python 编程能力,并能理解复杂算法与软件架构
  • 需要掌握 CPU 微架构、性能计数器、profiling 工具和瓶颈驱动的性能调优方法
  • 需要熟悉 benchmark 设计、性能归因、并行计算和数值计算负载特征
  • 需要具备跨团队沟通能力,能把性能发现清晰反馈给开发者、研究人员和内部架构团队

申请策略

  • 申请前了解 NVIDIA Grace/Vera CPU、CUDA 生态和 Devtech 团队面向开发者的定位,面试中体现对开发者性能体验的理解
  • 准备用数据讲述优化故事,说明如何发现瓶颈、选择方案、权衡可维护性与性能收益
  • 突出具体性能优化项目,包括负载类型、瓶颈定位方法、优化手段和最终性能提升幅度
  • 强调 C/C++、Python、SIMD、intrinsics、向量化、并行计算和性能分析工具的实际使用经验
  • 展示 CPU benchmark、微架构分析、内存访问优化和软件架构理解的案例
  • 如有开源性能工具、HPC 框架或关键软件栈贡献,应单独列出链接、角色和影响
  • 补强 CPU profiling 与性能计数器分析能力,熟悉从热点函数到缓存、分支预测、内存带宽的归因方法
  • 提升 SIMD、intrinsics、向量化和多线程并行优化能力,并能用 benchmark 验证收益

面试指南

  • 性能优化案例用“背景—指标—瓶颈定位—优化方案—验证结果—复盘”的结构回答,重点量化收益
  • 技术题先说明分析路径,再展开工具、方法和权衡,避免只给结论
  • 协作题强调跨团队目标对齐、数据驱动沟通、优先级管理和闭环跟进
  • 请介绍一个你主导的 CPU 性能优化项目,瓶颈在哪里,你如何定位并验证优化效果?
  • 如何分析一个 AI 数据预处理流水线在 CPU 上的性能瓶颈?
  • 你在 SIMD、intrinsics 或向量化方面有哪些实践经验?适用条件和风险是什么?
  • 如何设计一个可复现、可对比的 CPU benchmark?
  • 当你需要推动架构、编译器或库团队共同解决性能问题时,你会如何沟通和协调?

职位点评

薪资福利82
成长发展90
工作生活55
使命价值78

薪资福利

82较高

JD 明确提到 highly competitive salaries 和 comprehensive benefits package,但未披露具体薪资与福利明细。结合资深性能工程要求,薪资吸引力信号较强。

薪资信号未披露(AI估算:4.5千–7.5万/月)
福利待遇highly competitive salaries、comprehensive benefits package、great company culture

成长发展

90较高

岗位直接参与 CPU 性能优化、开源框架、性能库、编译器工具链和下一代 CPU 设计反馈,技术成长空间非常强。JD 未明确提及晋升通道或培训机制。

技术前沿前沿/新兴技术
技术栈CPU Optimization、Grace/Vera CPUs、AI data preprocessing、HPC、CPU microarchitecture、SIMD、intrinsics、vectorization、parallel computing、distributed runtime environments、compiler toolchains
业务类型profit_center

工作生活

55较低

JD 未明确说明远程、混合或弹性办公安排,也未提及工时、双休或加班政策。工作地点为上海,但具体办公模式和通勤便利度需要进一步确认。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

78中等

岗位面向 AI、HPC、科学计算和数据密集型计算的性能提升,技术影响力较强,并能通过开发者生态和平台优化放大价值。JD 未提出明确的社会使命表述。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs