英伟达
Deep Learning Solution Architect - Agentic Performance
Deep Learning Solution Architect - Agentic Performance
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Gpu
Llm
Nvidia
Pytorch
Rag
分布式训练
Agentic Inference
值不值得投
79综合评分
综合评分 79
前沿AI技术岗位，薪资竞争力强，技术成长机会多，但办公模式和WLB可能一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
40K
比架构师中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 140 个在招 · 其中架构师 3 个
市场机会
选择面较广
北京 · 架构师 · 68 个在招
职位详情
关于这个职位
负责设计、优化和交付基于英伟达硬件与软件平台的生成式AI解决方案，专注于大语言模型（LLM）的训练、微调、高性能推理、RAG工作流和智能体推理编排
需要与客户协作理解业务挑战，并提供技术指导，推动企业级AI应用落地
最低要求
计算机科学、人工智能或相关领域的硕士/博士学位或等效经验
年以上AI领域实践经验，专注于开源LLM训练、微调和生产推理优化
深入理解主流LLM架构，并熟练掌握PyTorch、Hugging Face Transformers进行LLM定制
扎实的GPU计算、集群架构以及LLM分布式并行训练/推理知识
具备智能体推理设计能力，能使用AI智能体解决业务挑战
强大的沟通技能，能够向技术和非技术人员清晰阐述复杂技术概念
工作职责
架构端到端解决方案，专注于LLM预训练、微调、高性能推理、RAG工作流和智能体推理编排，使用英伟达的硬件和软件平台
与客户协作，理解其LLM相关业务挑战，并设计符合英伟达生态系统的定制解决方案
领导LLM训练、分布式优化和性能调优，以实现最佳吞吐量、延迟和内存效率
设计并集成RAG工作流和智能体推理管道到客户系统中
提供最佳实践技术指导
与英伟达工程团队协作，提供反馈并支持售前技术活动（研讨会、演示）
优先资格
具有英伟达生成式AI生态系统（TRT-LLM、Megatron-LM、NVIDIA NeMo）的实践经验
高级LLM优化技能（量化、KV Cache调整、内存占用减少）
使用Docker、Kubernetes进行容器化LLM和智能体工作流部署的经验
深入了解多GPU并行和大规模GPU集群管理
AI 洞察
优缺点分析
优点
- 接触英伟达前沿AI技术和生态系统，积累高端项目经验
- 在大公司平台工作，资源丰富，有助于技能快速提升
- 薪资和福利具有竞争力，职业发展空间广阔
- 技术复杂度高，需持续学习和跟进AI领域最新进展
缺点 / 挑战
- 需要与客户和团队紧密协作，沟通和协调压力较大
- 项目可能涉及高性能计算资源管理，工作强度较高
- 适合对AI有深厚兴趣、喜欢解决复杂技术挑战并具备良好沟通能力的求职者，追求技术成长和前沿探索
角色解读
- 成为AI解决方案架构专家，专注于生成式AI和智能体技术
- 转向技术管理或产品架构角色，负责AI战略和团队领导
- 参与前沿AI项目，推动技术创新和行业应用拓展
- 设计和优化基于英伟达平台的LLM端到端解决方案，涵盖训练、微调和推理
- 与企业客户协作，理解业务需求并定制AI应用方案
- 领导LLM性能调优，包括分布式训练和推理优化，提升效率
- 集成RAG和智能体推理工作流到生产系统，提供技术指导
- 深度学习模型训练与优化，特别是LLM的预训练和微调
- GPU计算、集群架构和分布式并行训练/推理技术
- LLM架构深入理解，熟练使用PyTorch、Hugging Face等工具
- 技术沟通与客户协作能力，能向不同受众解释复杂概念
申请策略
- 研究英伟达产品和AI战略，了解公司在生成式AI和智能体领域的布局
- 准备展示技术架构设计能力的作品集或案例分析，在面试中具体阐述
- 突出LLM训练、微调和推理优化项目经验，量化性能提升成果
- 强调使用NVIDIA工具（如TRT-LLM、Megatron-LM）的实践经验
- 展示分布式计算和GPU集群管理能力，包括容器化部署
- 提供与客户协作的成功案例，体现技术落地和沟通能力
- 深入学习英伟达生成式AI生态系统，如TRT-LLM、NeMo
- 提升容器化部署技能，包括Docker、Kubernetes在AI工作流中的应用
面试指南
- 使用STAR法则（情境、任务、行动、结果）组织回答，突出技术决策和成果
- 结合具体项目经验，详细说明技术选型、实施过程和性能指标
- 展示对英伟达生态系统的熟悉程度，并联系到职位需求
- 如何设计一个高效的LLM推理优化方案，包括量化和内存管理？
- 请描述一个你参与的RAG工作流实施案例，遇到的挑战和解决方案
- 在分布式训练中，如何解决多GPU通信瓶颈并提升效率？
- 如何向非技术人员解释智能体推理的概念和业务价值？
- 你对英伟达在AI硬件（如GPU）和软件（如CUDA）方面的发展有何看法？
职位点评
薪资福利80
成长发展90
工作生活60
使命价值85
薪资福利
80较高
该职位提供有竞争力的薪资和福利，但具体数字未在JD中披露，薪资信号需面试确认。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位涉及前沿AI技术如LLM和智能体推理，有明确的技术成长和项目经验积累机会，符合发展性动机。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agentic Inference、PyTorch、Hugging Face、NVIDIA NeMo、TRT-LLM、Megatron-LM、Docker、Kubernetes
业务类型profit_center
工作生活
60中等
JD未明确办公模式，可能要求现场办公，工作节奏和WLB未提及，满足程度有限。
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
AI是高速增长赛道，英伟达在推动技术创新，具有较高社会影响力和行业前景，符合意义感动机。
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