英伟达
Deep Learning Performance Software Engineer
Deep Learning Performance Software Engineer
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Gpu加速
Llvm
Mlir
Tvm
Xla
性能优化
深度学习
编译器开发
值不值得投
82综合评分
综合评分 82
顶尖AI算力平台、前沿编译器技术栈、高薪高发展，节奏偏快需做好抗压准备
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
6.5万
比算法优化工程师中位数高
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 480 个在招 · 其中算法优化工程师 9 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 360 个在招
职位详情
关于这个职位
负责为深度学习负载开发编译器与领域特定语言，设计并实现高度优化的底层算子
持续改进编译器架构以适配新一代芯片，并对新兴AI负载进行性能分析与框架集成
需具备扎实的C/C++编程能力与出色的跨团队协作沟通技巧
最低要求
计算机科学、电子工程或人工智能等相关专业的硕士或博士学位（或同等工作经验）
优秀的C/C++编程与软件设计能力
熟悉XLA、TVM、MLIR、LLVM等工具链，了解深度学习模型与算法
具备3年以上相关领域工作经验
能在快节奏的客户导向型团队中高效工作，具备出色的沟通能力
工作职责
为深度学习负载开发编译器与领域特定语言(DSL)
设计并实现高度优化的深度学习内核(算子)
持续改进当前及下一代芯片的编译器架构
对新兴AI负载进行性能分析，并与AI框架进行集成
AI 洞察
优缺点分析
优点
- 处于AI算力核心赛道，技术栈前沿且壁垒高
- 依托顶级硬件厂商平台，资源充足且行业认可度极高
- 能直接接触最新芯片架构与前沿AI应用
- 技术迭代极快，需持续跟进底层硬件与框架演进
- 性能优化工作枯燥且容错率低，对代码质量与调试能力要求苛刻
- 适合热爱底层系统开发、对计算机体系结构有浓厚兴趣、追求技术深度且抗压能力强的工程型人才
缺点 / 挑战
- 跨团队沟通与客户导向压力较大
角色解读
- 可向深度学习编译器架构师、高性能计算专家方向深耕
- 也可横向拓展至AI基础设施平台负责人或技术总监路径
- 负责深度学习计算图的编译器开发与DSL设计
- 针对GPU架构编写高性能底层算子
- 持续优化编译器以适配新一代芯片
- 进行AI负载性能剖析并与主流框架对接
- 精通C/C++及软件工程规范
- 熟练掌握XLA/TVM/MLIR/LLVM等编译工具链
- 深入理解深度学习模型结构与算法原理
- 具备扎实的计算机体系结构与性能调优能力
申请策略
- 提前研究目标芯片的指令集特性
- 准备1-2个完整的性能调优案例，重点说明问题定位、方案设计与量化收益
- 突出C/C++底层开发经验、编译器或算子优化项目成果、参与开源AI框架或工具链的贡献记录
- 强化LLVM/MLIR源码阅读与二次开发能力
- 补充GPU并行计算架构知识
- 提升性能剖析工具的使用熟练度
面试指南
- 采用“背景-行动-结果”结构阐述项目
- 使用数据驱动展示性能提升指标
- 结合具体硬件特性解释优化取舍
- 体现系统性思维与边界条件考量
- 如何设计一个面向特定AI模型的自定义DSL？
- 遇到编译器生成的代码性能不达标时，你的排查流程是什么？
- 请对比TVM与XLA在调度策略上的差异
- 如何在保证正确性的前提下最大化GPU内存带宽利用率？
职位点评
薪资福利85
成长发展92
工作生活65
使命价值78
薪资福利
85较高
薪资福利对标一线大厂标准，结合北京地区市场行情处于较高水平，且提供完善的薪酬激励体系。
薪资信号偏高 (4.5千–8.5万/月)
成长发展
92较高
聚焦深度学习编译器与GPU加速前沿领域，技术成长空间广阔，内部技术分享与导师机制完善。
技术前沿前沿/新兴技术
技术栈C/C++、XLA、TVM、MLIR、LLVM、深度学习
业务类型profit_center
工作生活
65中等
未明确提及弹性工作制，但作为研发岗位通常具备一定自主性；快节奏客户导向环境可能带来一定工作压力。
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
78中等
致力于推动全球AI技术突破，通过底层软件赋能众多科研与企业创新，具有显著的行业影响力与技术使命感。
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