英伟达
AI Developer Technology Intern, Robotics - 2027
AI Developer Technology Intern, Robotics - 2027
发布于 6 小时前实习/见习
实习生混合式弹性办公机器人开发
机器人开发
Cuda
Pytorch
具身智能
分布式训练
推理优化
值不值得投
71综合评分
综合评分 71
顶尖AI芯片大厂、前沿具身智能技术栈、极致成长机会，但工作节奏偏紧、生活平衡空间有限。
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
比机器人开发中位数高
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 280 个在招 · 其中机器人开发 2 个
市场机会
选择面较广
上海 · 机器人开发 · 约 110 个在招
职位详情
关于这个职位
负责在英伟达GPU集群上开发与优化机器人基础模型（如视觉-语言-动作模型）的训练与推理流程，结合现代DL/ML技术解决真实机器人问题
协助架构与研发团队设计下一代软硬件平台，并编写示例代码与技术文档，推动开发者生态建设
最低要求
目前就读计算机科学、机器人学、AI/ML、电气工程或相关技术领域的硕士或博士学位
具备扎实的Python编程能力，熟悉C/C++和CUDA者优先
掌握深度学习框架（PyTorch）
理解Transformer架构及大规模模型训练原理
具备机器人学基础知识（运动学、控制、感知或仿真）
具备强烈的好奇心、自驱力，热衷于在英伟达解决开放式挑战
工作职责
在NVIDIA GPU集群上开发与优化机器人基础模型（如视觉-语言-动作模型、世界模型）的训练流水线
对模型在NVIDIA平台上的推理性能进行剖析、分析与优化
将现代DL/ML技术应用于实际机器人问题
与NVIDIA架构、研究、库、工具及系统软件团队密切协作，影响下一代架构、软件平台和编程模型的设计
构建示例代码、参考实现及技术文档，向开发者普及NVIDIA机器人AI技术
与资深DevTech工程师共同讨论技术方案与成果
优先资格
具备分布式训练经验（DeepSpeed, Megatron-LM, FSDP, NeMo）
具备推理优化经验（SGlang, vLLM）
熟悉英伟达机器人平台（Isaac Sim, Isaac Lab, GR00T）
在具身智能或机器人基础模型领域有论文发表或项目经验
渴望在机器学习应用、优化及软件工程方面持续成长学习
AI 洞察
优缺点分析
优点
- 接触全球顶尖AI芯片与机器人平台（Isaac/GR00T），技术栈极度前沿
- 直接参与核心研发与开发者生态建设，履历含金量高且具备强背书效应
- 导师制完善，有机会与资深架构师深度交流，获取一线工业级优化经验
- 技术门槛极高，需同时兼顾算法理论推导与底层硬件性能调优
- 适合目标明确、热爱底层技术与AI交叉领域、具备极强自驱力与科研/工程双栖能力的计算机/机器人方向硕博研究生
缺点 / 挑战
- 开放式挑战多，缺乏标准化SOP，对自驱力与快速学习能力要求严苛
- 竞争压力大，需产出高质量代码、性能指标或论文才能脱颖而出
角色解读
- 可向AI系统工程师、机器人算法专家或NVIDIA平台架构师方向发展
- 积累底层优化与生态建设经验后，可晋升至核心研发或技术管理岗位
- 长期可转型为具身智能领域的首席科学家或独立技术负责人
- 负责机器人基础模型（如VLA、世界模型）的训练流水线开发与性能调优
- 针对NVIDIA平台进行模型推理加速与剖析，输出优化报告
- 将前沿DL/ML算法落地到真实机器人场景中，解决感知与控制难题
- 编写示例代码、参考实现与技术文档，赋能开发者生态
- 精通Python与PyTorch，熟悉CUDA/C++底层编程与内存管理
- 掌握Transformer架构原理与大规模分布式训练通信机制
- 具备机器人学基础（运动学、控制理论、视觉感知或仿真环境搭建）
- 拥有较强的工程落地能力与性能剖析工具使用经验（如Nsight, PyTorch Profiler）
申请策略
- 提前准备技术仓库展示代码规范、单元测试与文档沉淀能力
- 面试前深入研究NVIDIA DevTech团队过往技术分享，展现对平台生态的理解
- 突出PyTorch/CUDA实战经历、Transformer/大模型训练优化细节
- 量化分布式训练或推理加速的性能提升数据（如显存降低比例、吞吐提升倍数）
- 展示具身智能或机器人相关开源项目贡献、技术博客或顶会论文
- 深入研读NVIDIA官方文档与Isaac Sim教程，熟悉仿真到实机部署流程
- 强化C++高性能编程与CUDA内核优化能力，掌握常用性能分析工具
- 跟进最新的大模型推理加速框架（vLLM/SGlang）与分布式训练策略
面试指南
- 采用STAR法则结构化回答，重点突出“问题定位-方案选型-性能对比-复盘迭代”的技术闭环
- 结合数学推导与工程实践说明优化动机，避免空谈概念，用数据支撑结论
- 强调跨团队协作意识与文档沉淀习惯，展现工程化思维而非纯学术视角
- 请描述一次你优化深度学习模型训练或推理性能的具体经历，遇到了什么瓶颈？如何解决的？
- 如何设计一个支持多模态输入的机器人基础模型训练流水线？如何保证数据加载不成为瓶颈？
- 面对开放式机器人难题，你的排查思路与实验设计方法是什么？
- 解释一下Transformer中的注意力机制及其在长序列推理中的计算瓶颈，你会如何优化？
- 你对NVIDIA CUDA生态或Isaac仿真平台有哪些了解？是否有过实际调试经验？
职位点评
薪资福利75
成长发展95
工作生活40
使命价值85
薪资福利
75中等
作为跨国巨头企业的实习岗位，提供具有市场竞争力的实习津贴与完善的福利保障，但实习性质决定了其薪酬天花板有限，主要体现为平台背书与资源倾斜。
薪资信号市场水准 (1.5千–2.5万/月)
成长发展
95较高
岗位直接对接NVIDIA核心AI与机器人研发线，提供顶级算力资源、前沿技术栈及资深工程师指导，技能成长曲线极陡，职业跃迁潜力巨大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、CUDA、Transformer、DeepSpeed、Megatron-LM、Isaac Sim、GR00T
业务类型profit_center
工作生活
40较低
技术密集型研发岗位通常伴随较高的脑力负荷与项目节奏，JD未明确提及弹性工时或WLB政策，高强度探索性研究可能压缩个人时间。
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
85较高
聚焦具身智能与机器人基础模型等前沿领域，致力于推动AI定义下一代计算范式，社会价值与行业使命感强，契合追求技术变革的求职者。
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）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs