英伟达
Deep Learning Performance Architect
Deep Learning Performance Architect
发布于 大约 15 小时前普通员工/个人贡献者
上海市 / 北京市
中级经验
全职员工
仅现场办公
硕士
软件工程
Cuda
Opencl
性能优化
性能建模
深度学习
软件设计
Gpu编程
Tensor-Rt
AI 估算 · 30k–50k
英伟达作为AI芯片巨头，薪资水平领先，且深度学习性能优化岗位技能稀缺，月薪可达30k-50k。
职位详情
关于这个职位
该职位负责开发深度学习推理的高性能GPU内核，进行性能优化与分析，并与汽车、图像理解等多个团队协作
你将使用C/C++和CUDA等工具，在英伟达的Tensor-RT平台上实现前沿算法，推动AI应用的落地
最低要求
Masters or PhD or equivalent experience in relevant discipline (CE, CS&E, CS, AI)
SW Agile skills helpful
Excellent C/C++ programming and software design skills
Python experience a plus
Performance modelling, profiling, debug, and code optimization or architectural knowledge of CPU and GPU
GPU programming experience (CUDA or OpenCL) desired
years of relevant work experience
工作职责
Develop highly optimized deep learning kernels for inference
Do performance optimization, analysis, and tuning
Work with cross-collaborative teams across automotive, image understanding, and speech understanding to develop innovative solutions
Occasionally travel to conferences and customers for technical consultation and training
AI 洞察
优缺点分析
优点
- 加入AI芯片巨头，接触最前沿的GPU技术和深度学习推理优化
- 工作内容技术深度高，能极大提升底层系统优化能力
- 与全球顶尖研究人员和工程师合作，技术视野开阔
- 英伟达福利待遇优厚，职业发展空间大
- 需要深入理解GPU硬件架构和深度学习算法，学习曲线陡峭
- 核心岗位对代码质量和性能要求极高，工作严谨度高
- 适合对底层系统优化充满热情、喜欢钻研硬件性能、具备扎实C/C++和CUDA基础的工程师
缺点 / 挑战
- 工作节奏可能较快，客户导向要求高，偶有出差压力
角色解读
- 技术路线：从性能工程师成长为GPU架构专家或深度学习编译器专家
- 横向发展：可转向自动驾驶、语音识别等垂直领域的高性能计算岗位
- 领导路线：积累经验后带领团队负责核心推理引擎的研发
- 开发高度优化的深度学习推理内核，利用GPU加速算法运行
- 进行性能分析、调优和建模，确保代码在GPU上达到最优性能
- 与汽车、图像理解、语音识别等跨领域团队合作，集成解决方案
- 偶尔出差参加技术会议或为客户提供技术咨询和培训
- 扎实的C/C++编程能力和软件设计能力，能够开发高效底层代码
- 熟练的GPU编程经验，包括CUDA或OpenCL，了解GPU架构
- 熟悉性能建模、profiling和调试工具，能够进行代码优化
- 对深度学习算法有一定了解，熟悉Tensor-RT等推理框架
申请策略
- 提前了解英伟达的产品路线图和最新技术发布，在面试中展现对公司的热情
- 准备好一个性能优化的详细案例，从问题分析到优化步骤再到最终效果
- 突出C/C++和CUDA编程项目经验，特别是性能优化相关成果
- 展示深度学习推理或训练加速的实践案例，如使用Tensor-RT、TensorFlow等
- 强调性能分析、profiling和调试能力，附上具体优化数据
- 如有开源贡献或技术博客，强烈建议附上链接
- 深入学习CUDA编程模型和GPU架构，掌握并行计算优化技巧
- 熟悉Tensor-RT或其他推理框架（ONNX Runtime、OpenVINO）
面试指南
- 使用STAR法则：描述场景、任务、行动和结果，强调量化指标
- 展示系统化思维：先profiling定位瓶颈，再提出优化方案，最后验证效果
- 注意对比优化前后性能数据，体现严谨性
- 请描述你如何优化一个现有的CUDA内核，使其性能提升？
- 解释GPU内存层次结构，并说明如何避免bank conflict
- 你如何对深度学习推理模型进行性能profiling？常用工具有哪些？
- 简述Tensor-RT的优化流程，包括层融合和精度校准
- 遇到性能瓶颈时，你的排查思路是什么？
职位点评
75
综合评分
顶级大厂、前沿GPU技术栈、薪资优厚，但工作强度大且要求现场办公。
更适合这类人
最适合追求技术深度和职业发展的求职者，对高压力和现场办公接受度高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活60
使命价值85
薪资福利
70中等
英伟达作为顶级科技公司，薪资水平在行业中处于领先地位，但JD未明确具体薪资和福利，补偿性动机满足度中等偏上。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
85较高
该职位聚焦前沿的GPU深度学习技术，能深入接触CUDA和Tensor-RT核心开发，技能成长空间极大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈C/C++、CUDA、GPU、深度学习、Tensor-RT、性能优化
业务类型ambiguous
工作生活
60中等
要求现场办公且未提及弹性工作或WLB，可能有一定加班压力和出差要求，生活方式动机满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
深度学习推理优化是AI落地的关键环节，行业处于高速增长期，工作具有技术推动意义，但直接社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs