英伟达
Senior System Software Engineer - AI Performance and Efficiency Tools
Senior System Software Engineer - AI Performance and Efficiency Tools
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公性能优化
性能优化
Cuda
Gpu Cluster
Pytorch
System Debugging
Tensorflow
值不值得投
80综合评分
综合评分 80
顶尖AI硬件公司核心研发岗，技术极具挑战性与发展性，适合追求极致性能的工程师
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
6.3万
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 510 个在招 · 其中性能优化 5 个
市场机会
选择适中
上海 · 性能优化 · 18 个在招
职位详情
关于这个职位
负责为AI研究人员和软硬件团队开发高性能的AI工作负载分析、调试及基准测试工具
通过构建大规模 profiling 平台，深入挖掘系统与 workload 的性能瓶颈，协助架构师优化 GPU 集群的资源调度与硬件特性，提升整体系统的能效比与运行效率
最低要求
计算机科学或相关专业本科及以上学历（或同等经验），以及5年以上软件开发经验
具备扎实的C++和Python编码、设计、分析及调试能力
深入理解PyTorch和TensorFlow等深度学习框架，熟悉分布式训练和推理流程
了解GPU集群作业调度（如Slurm或Kubernetes）、存储和网络技术
拥有NVIDIA GPU使用经验，掌握CUDA编程及NCCL通信库
具备强烈的自驱力、优秀的解决问题能力及客户导向的沟通技巧
保持持续学习的热情，能够同时与多个全球团队协作
工作职责
为大规模AI工作负载构建内部性能剖析和分析工具
构建用于解决内存或网络等常见问题的高级调试工具
创建针对AI系统或GPU集群的基准测试和仿真技术
与硬件架构师合作，利用真实世界用例提出新功能或改进现有功能
优先资格
在GPU集群规模下的持续分析与性能剖析工具/平台方面有经过验证的经验
在大型AI任务（训练/推理）的性能分析方面拥有扎实经验
了解Linux设备驱动程序和/或编译器实现
了解GPU和/或CPU架构及通用计算机体系结构原理
AI 洞察
优缺点分析
优点
- 接触最前沿的AI硬件与软件生态，技术壁垒极高
- 对底层系统原理和并行计算能力要求极高，学习曲线陡峭
- 热衷于底层系统优化、具备深厚计算机体系结构背景的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向首席系统架构师、高性能计算专家或技术管理方向发展
- 开发用于AI工作负载的高性能剖析、调试和基准测试工具
- 精通C++/Python，熟悉CUDA、PyTorch/TensorFlow及GPU集群架构
申请策略
- 准备展示如何通过工具链解决具体性能瓶颈的案例
- 突出大规模分布式系统开发经验及CUDA/性能调优的具体成果
- 深化对GPU硬件架构及编译器后端技术的理解
面试指南
- 采用STAR法则，重点阐述问题背景、技术选型依据、实施细节及量化结果
- 请描述你优化过的最复杂的并行计算场景
- 如何设计一个低开销的实时性能剖析工具？
- 解释CUDA内存层次结构及其对性能的影响
- 复习计算机体系结构基础，回顾分布式训练中的常见性能陷阱
职位点评
薪资福利85
成长发展92
工作生活60
使命价值75
薪资福利
85较高
作为已上市的跨国巨头，提供具有市场竞争力的薪酬和完善的福利体系，满足度高。
薪资信号未披露（AI估算：4.5千–8.0万/月）
成长发展
92较高
处于AI算力核心领域，技术栈前沿，能接触到顶级硬件架构，成长空间巨大。
技术前沿前沿/新兴技术
技术栈CUDA、PyTorch、TensorFlow、GPU Cluster、Kubernetes、C++、Python
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作制，通常此类核心研发岗位需现场办公，强度可能较高。
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
75中等
致力于提升AI基础设施的效率与性能，推动行业技术进步，具有显著的行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
英伟达 的其他在招职位
相似职位推荐
Watch Jobs