英伟达
Deep Learning Compiler CI/Infrastructure Engineer
Deep Learning Compiler CI/Infrastructure Engineer
发布于 大约 11 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
远程工作
本科
软件工程
GPU
LLVM/MLIR
CI/CD
TensorRT
GitLab CI
AI 估算 · 30k–60k
NVIDIA作为全球顶级AI公司，薪资竞争力强，该职位为高级工程师，结合上海平均水平，预计月薪在3-6万之间。
职位详情
关于这个职位
该职位负责构建和维护英伟达深度学习编译器栈的CI/CD基础设施，涵盖GPU和加速器环境
你将与编译器工程师紧密合作，设计可扩展的CI系统，提升信号质量和开发者效率
工作涉及自动化、AI工作流和跨团队协作，适合对DevOps与深度学习融合方向感兴趣的高级工程师
最低要求
计算机科学、计算机/电子工程、数学或相关领域的学士、硕士或博士（或同等经验）
年以上设计、构建和运维复杂软件系统的CI/CD、构建/发布或开发者基础设施经验
有使用GitLab CI、Jenkins等工具端到端构建CI平台的经验，包括流水线编排、计算/runner管理、工件和包系统、可观测性，并注重可靠性、可复现性和可调试性
扎实的软件工程技能（必需Python），能够设计、实现和调试端到端分布式系统
熟悉边缘设备（SOC，例如NVIDIA Tegra）在主机-目标架构中的使用，能够调试并了解其自动化细节
有在真实工程工作流中设计、构建和部署AI/LLM系统的经验，能够评估权衡、故障模式、可维护性以及对开发者生产力、信号质量或运营效率的可衡量影响
工作职责
构建、维护和改进支持NVIDIA深度学习编译器栈在GPU和加速器环境中开发、验证和发布的CI基础设施
通过减少不稳定测试、提高可复现性、增强诊断能力、使正确性和性能失败更易理解和处理，来提升CI可靠性和信号质量
应用自动化、AI和基于agent的工作流来减少手动CI操作、加速故障分类并提高开发者效率
构建可重用且自助服务的CI平台，支持多个产品、项目、模型套件、硬件目标和软件配置，同时与编译器、基础设施和发布团队紧密合作
优先资格
有构建先进的AI/agent系统以改进持续集成或开发者效率的经验，包括智能测试选择、自动分类和路由、回归定位、自主修复以及开发者辅助工作流
有运维深度学习/GPU软件环境CI的经验，包括基于Slurm、Kubernetes或云平台的多GPU/多节点工作负载
熟悉编译器IR和基础设施，如LLVM/MLIR、TensorRT IR，尤其是在测试、调试和验证编译器驱动工作负载的场景中
AI 洞察
优缺点分析
优点
- 英伟达作为AI行业领军者，技术前沿，项目影响力大
- 工作内容涉及CI/CD、AI、编译器多个热门技术栈，技能成长快
- 远程办公灵活性高，薪资福利有竞争力
- 团队技术氛围浓厚，与顶尖工程师共事
- 对综合能力要求高，需要同时掌握DevOps和AI
- 行业竞争激烈，工作强度可能较大
- 技术栈深度大，学习曲线陡峭
- 适合资深DevOps或基础设施工程师，对AI和编译器有浓厚兴趣，愿意深入技术细节并推动自动化
缺点 / 挑战
暂无明显挑战项
角色解读
- 向深度学习编译器专家或CI架构师发展，成为该领域的核心成员
- 可转向AI基础设施方向，负责更大规模的ML平台建设
- 横向扩展到其他AI系统工程师岗位，如训练/推理优化
- 负责构建和维护深度学习编译器栈的CI/CD基础设施，确保代码正确性和性能信号可靠
- 设计可扩展的CI系统，支持多GPU/多节点环境，并管理复杂的工作负载
- 应用AI和自动化工作流减少手动操作，加速故障分类和定位
- 与编译器、基础设施和发布团队紧密合作，推动CI平台的演进
- 扎实的软件工程能力，精通Python，能设计分布式系统
- 丰富的CI/CD经验，熟悉GitLab CI、Jenkins等工具
- 了解GPU和边缘设备（如Tegra）的调试和自动化
- 有AI/LLM系统在工程流程中的应用经验
申请策略
- 在简历中强调自动化、可靠性改进等可量化成果
- 了解NVIDIA的Deep Learning Compiler栈（如TensorRT）有助于面试
- 突出CI/CD系统设计和运维经验，特别是复杂分布式环境
- 强调Python编程和调试能力，附上相关项目链接或GitHub
- 展示AI/LLM在工程中的实际应用案例
- 如果有GPU或编译领域经验，务必重点说明
- 深入学习深度学习编译基础，如MLIR、LLVM、TensorRT
- 熟悉Kubernetes和Slurm在ML工作负载中的使用
面试指南
- 使用STAR方法（情境-任务-行动-结果）描述项目经验
- 对于技术问题，从目标入手，分析可能原因，逐步排查，并注重数据驱动
- 请描述你设计和构建的一个大型CI/CD系统，以及如何保证可靠性
- 如何评估和改进CI信号的准确性？请举一个处理不稳定测试的例子
- 你在什么项目中使用了AI/LLM来提升开发者效率？讲讲具体实现和效果
- 如何调试一个在GPU环境下的随机失败问题？
- 你对MLIR或LLVM了解多少？在测试编译器中有什么挑战？
- 准备一个完整的CI系统设计案例，包括架构图和技术选型理由
职位点评
82
综合评分
技术前沿、薪资优厚、远程办公，但工作强度较高。
更适合这类人
最适合重视技术成长和薪资回报的资深工程师，能接受一定工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展95
工作生活70
使命价值85
薪资福利
80较高
NVIDIA薪资水平在行业顶尖，且提供丰厚福利和市场竞争力，虽未在JD中具体写明数字，但公司品牌保证高回报。
薪资信号未披露（AI估算：30K-60K/月）
福利待遇competitive salaries、generous benefits package
成长发展
95较高
职位涉及深度学习、CI/CD、AI自动化等前沿技术，成长空间巨大，且团队和项目都是业界顶级。
技术前沿前沿/新兴技术
技术栈Deep Learning、GPU、LLVM/MLIR、TensorRT、AI/LLM
业务类型profit_center
工作生活
70中等
支持远程办公，但JD暗示高强度和需要弹性工作时间，对工作生活平衡有挑战。
工作模式远程工作
办公地点未明确
加班情况明确要求弹性/高强度
使命价值
85较高
NVIDIA在AI和计算领域推动行业变革，工作对技术进步有直接贡献，社会影响力显著。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号the AI computing company、reshape modern computer graphics、revolutionized deep learning
创新程度开拓性创新（行业首创）
Watch Jobs