Watch Jobs
Nvidia logo
英伟达
Deep Learning Performance Architect
立即应聘

Deep Learning Performance Architect

发布于 大约 2 小时前

普通员工/个人贡献者

上海市
专家级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Datacenter
Gpu
Gpu Architecture
Llm
Machine Learning
Performance Optimization
Deep Learning Frameworks

AI 估算 · 30k–60k

资深深度学习架构师，GPU领域头部公司，薪资竞争力强，预计月薪3-6万。

职位详情

关于这个职位

作为深度学习性能架构师，你将分析不同硬件和软件架构上的深度学习性能，识别性能瓶颈，并探索新特性和系统配置以提升性能和能效

该岗位要求深厚的计算机体系结构背景和GPU/加速器平台经验，适合对AI底层硬件优化有热情的高端技术人才

最低要求

BSc. MS or PhD in relevant discipline (CS, EE, Math, etc.,)

Be familiar with GPU or accelerator-based deep learning platform and software stack
A strong background in computer architecture
Experience on system architecture design and performance optimization
Familiar with machine learning and deep learning frameworks

工作职责

Analyze performance of various deep learning workloads on different architectures

Identify architecture and software performance bottlenecks
Explore new features and system configurations to achieve better performance and energy efficiency

优先资格

+ years of working experience in relevant directions (e.g., hardware system, datacenter hardware, LLM workloads on data center) will be a plus

AI 洞察

优缺点分析

优点

  • 英伟达是AI计算领域的领导者，技术积淀深厚
  • 接触最前沿的GPU架构和深度学习优化技术
  • 薪资待遇在行业内具有竞争力
  • 对计算机体系结构要求极高，需要持续学习新技术
  • 工作强度较大，可能涉及长时间调试和性能调优
  • 竞争激烈，需要保持技术领先性
  • 适合对计算机体系结构和深度学习底层优化有浓厚兴趣，具备扎实理论功底和动手能力，并愿意在技术深水区持续钻研的求职者

缺点 / 挑战

  • 工作内容兼具挑战性与影响力，可直接推动AI性能提升

角色解读

  • 可向GPU架构设计、AI芯片设计等方向深入发展
  • 也可转型为深度学习系统架构师或AI基础设施负责人
  • 在NVIDIA有机会参与下一代深度学习硬件和软件的定义
  • 分析不同深度学习工作负载在多种架构上的性能表现
  • 识别硬件和软件层面的性能瓶颈，并提出优化方案
  • 探索新特性和系统配置，以提升性能和能效
  • 深厚的计算机体系结构知识，熟悉GPU或加速器平台
  • 熟练使用深度学习框架（如TensorFlow、PyTorch）
  • 具备系统架构设计和性能优化的实际经验
  • 了解数据中心硬件和LLM workloads者优先

申请策略

  • 了解英伟达的产品路线图和技术方向，在面试中展示对GPU架构演进的思考
  • 准备一个完整的性能优化案例，从问题分析到方案实施的过程
  • 突出计算机体系结构相关的项目经验和研究成果
  • 强调GPU或加速器平台上的性能优化案例，最好有量化数据
  • 展示对深度学习框架底层原理的理解，如算子优化、内存管理等
  • 如果有LLM或数据中心相关经验，务必重点提及
  • 深入学习GPU架构（如CUDA、Tensor Core）和性能分析工具（如Nsight）
  • 参加MLPerf等基准测试优化比赛或开源项目以积累实战经验

面试指南

  • STAR法则：描述情境、任务、行动和结果，突出量化成果
  • 从体系结构、计算模式、内存带宽等多维度分析性能问题
  • 结合具体技术细节（如算子融合、量化）展示深度
  • 请描述一个你曾经做过的性能优化项目，用到了哪些工具和方法？
  • 谈谈你对GPU架构中SM、Tensor Core等组件的理解
  • 如何分析一个深度学习模型在硬件上的性能瓶颈？
  • 如何看待GPU和专用AI芯片（如TPU）的差异和未来趋势？
  • 如果让你设计一个针对LLM推理的硬件优化方案，你会考虑哪些方面？

职位点评

80
综合评分

英伟达深度学习性能架构师，前沿技术栈，高薪，但现场办公且强度未知。

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。

更适合这类人
适合高度注重技术成长和薪资回报，对WLB要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活50
使命价值80

薪资福利

85较高

该职位薪资水平较高，英伟达作为上市巨头提供稳定且有竞争力的薪酬福利，但JD未明确列出福利细节。

薪资信号未披露（AI估算：30K-60K/月）

成长发展

95较高

该职位处于AI芯片前沿领域，技术栈先进，且英伟达内部技术氛围浓厚，成长空间极大。

技术前沿前沿/新兴技术
技术栈GPU、Deep Learning、LLM、CUDA、Tensor Core、Computer Architecture
业务类型profit_center

工作生活

50较低

该职位要求现场办公，未提及弹性工作或WLB信息，工作强度可能较大。

工作模式仅现场办公
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

80较高

AI加速计算对技术进步有重要推动力，英伟达是行业引领者，职位具有较高的社会影响力。

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