岗位描述：作为聚焦中国云服务提供商（CSP）的高级 GPU 与 AI 基础设施专家，担任 NVIDIA CSP SA 团队核心技术支柱，推动 GPU/AI 基础设施技术战略、系统级方案优化和高价值客户合作。与中国头部 CSP 紧密合作，响应其在大规模 AI 训练/推理、Agentic AI、游戏 AI 和分布式计算基础设施方面的关键需求，推动 NVIDIA GPU 软硬件栈的大规模部署和性能最大化，并连接本地工作负载演进需求与 NVID...

岗位描述：面向汽车行业 AI 与加速计算解决方案，负责数据运营、真值数据（GT）生产与交付，围绕 NVIDIA 自动驾驶技术栈管理端到端 GT 运营生命周期。与数据工程、数据工厂、外包标注及机器学习工程团队协作，从需求定义与规划，到标注、质检，再到最终交付给模型训练和评估，全面负责 WR/INDF 相关 GT 运营。主要工作包括：负责 GT 生产与交付流水线，确保数据集按时、按质量、按规模交付，用于模型训练和验证；与数据分析和 MLE...

岗位描述：与深度学习编译器工程师紧密合作，负责并持续演进支撑 NVIDIA 深度学习编译器技术栈开发生命周期的 CI/CD 基础设施。设计并运营可扩展的 CI 系统，在多样化 GPU 与加速器环境中编排机器学习工作负载，提供可靠的正确性与性能信号，并作为 CI 健康度、新项目接入和新架构导入的主要技术接口。具体包括：构建、维护并改进支持 NVIDIA 深度学习编译器栈在 GPU 与加速器环境下开发、验证和发布的 CI 基础设施；通过减少...

岗位描述：开发覆盖推理系统软件栈的核心 AI 系统软件，包括深度学习基础算子、内核库、LLM 推理运行时、服务化抽象和代码生成技术，构建、优化并交付支撑 NVIDIA AI 软件栈的生产级软件。该岗位同时涵盖基础库工程与下一代推理系统工作，工作内容从底层内核和性能基础组件，到服务运行时和面向开发者的抽象接口。具体包括：开发作为 NVIDIA AI 软件栈组成部分的生产级软件，包括 cuDNN、FlashInfer，以及对大语言模型推理负...

岗位描述：提升面向机器人、自动化和工业数字孪生的工程仿真技术栈在真实性、鲁棒性和实用价值方面的能力。该岗位聚焦可用于真实系统决策的仿真技术，而不仅是视觉效果，要求能够将模糊的现实世界行为抽象为可处理模型，选择适当保真度，依据数据验证模型，并在现代 AI 辅助加速计算环境中推动生产级实现。具体包括：设计和开发面向机器人、工业自动化和数字孪生的基于物理的仿真系统；与 PhysX、Newton、Omniverse、Isaac Sim 和 Is...

岗位描述：负责各类 IP 在 IP 层级和 SoC 层级的 ASIC 设计验证；负责参考模型的开发与集成；参与 IP/SoC 架构与微架构评审，并与架构、软件/固件、设计和建模团队协作，制定全面且首次即正确的验证计划；推动创新验证方法学开发，完成功能覆盖率与代码覆盖率收敛；负责复杂测试平台创建、定向测试与约束随机测试，并推动功能与覆盖率闭环；参与硅片与平台验证策略及方法学开发；与 SOCV/EMU/软件团队协同定位并处理 SoC 级故障...

岗位描述：负责AI训练负载的性能分析与优化，深入硬件与软件栈各层，从GPU架构到底层驱动和深度学习框架，持续挖掘训练性能极限，并对硬件与软件路线图产生直接影响。具体工作包括：理解、分析、剖析并优化最先进硬件和软件平台上的AI与深度学习训练工作负载；从整体视角理解GPU上的训练性能，针对数十种前沿神经网络识别优先级并解决性能问题；在NVIDIA深度学习平台栈的多个层级实现可用于生产的软件，包括驱动和深度学习框架；在NVIDIA专有处理器与...

岗位描述：加入Isaac Applications团队，参与构建面向Physical AI机器人的平台，实现仿真优先开发、真实世界部署和持续学习，使机器人持续提升智能水平。该岗位面向具备机器人软件工程能力的人才，尤其适合具有软实时机器人应用能力及多体机器人（如人形或四足机器人）实际经验的候选人。具体工作包括：通过构建人形机器人参考平台，将Physical AI的最新进展应用到仿真和真实人形机器人中，展示NVIDIA技术能力；跨团队协作，...

岗位描述：加入AI加速器团队，与战略客户紧密合作，实施并增强前沿AI工作负载，为高级AI部署和复杂分布式系统提供一线技术支持，帮助客户在不同环境中高效使用NVIDIA AI平台。具体工作包括：开发推动AI基础设施能力提升的创新解决方案，直接影响客户AI项目成功；在NCP和Neo Cloud平台上构建并部署定制AI方案，包括分布式训练、推理优化以及基于NVIDIA参考架构构建的MLOps流水线；作为战略NCP的主要技术接口，提供远程与现场...

岗位描述：加入NVIDIA GPU时钟团队，负责GPU时钟相关RTL的验证工作。团队负责时钟架构、设计与验证，并与前端设计团队协作理解芯片时钟需求，同时结合后端团队施加的物理限制，支持从消费级图形到自动驾驶及人工智能等产品线。具体工作包括：为高速时钟逻辑制定测试计划、开发测试用例和验证基础设施，覆盖功能、DFT、电路、电源及物理设计约束等方面；理解时钟RTL在功能、测试及时序模式下的行为，并在RTL交付前完成验证；与其他验证工程师合作，...