岗位描述：负责开发和持续演进 NVIDIA CUTLASS DSL 测试框架，面向下一代 GPU 软件构建高质量测试体系；制定、完善并执行面向开源社区发布的产品测试策略；保障基于 MLIR 的编译流水线及相关功能覆盖基础设施的端到端代码质量；构建可规模化的自动化测试、代码覆盖率度量与回归检测流程；与多个团队协作，确保每一次算子改动都满足正确性、质量与性能的高标准，并让产品随时具备可发布状态。 岗位要求：计算机科学、软件工程或相关专业硕士...

岗位描述：参与 NVIDIA AI 计算架构团队，面向下一代 AI 与高性能计算应用，分析并开发可加速相关应用的先进架构。设计创新架构，持续提升深度学习性能与效率；通过构建分析模型、仿真器和测试套件，分析性能、成本与功耗之间的权衡；理解并分析硬件与软件架构对未来算法、编程模型和应用的相互影响；原型实现关键深度学习和数据分析算法及应用；与软件、产品和研究团队紧密协作，推动深度学习方向的发展。 岗位要求：计算机科学、电子工程、计算机工程、数...

岗位描述：研究并开发前沿 CUDA 编程、性能分析与优化技术，应用领域包括深度学习、图形、机器学习和数据分析；对当前及下一代 GPU 架构进行深入分析与优化，以确保最佳性能。直接与关键客户合作，理解其当前及未来要解决的问题，并基于 GPU 提供最佳 AI 解决方案。与 NVIDIA 内部架构、研究、库、工具及系统软件等多元团队紧密协作，通过评估应用性能和开发效率影响，推动下一代架构、软件平台和编程模型设计。根据需要不定期参加会议并进行开...

岗位描述：围绕NVIDIA芯片产品化流程中的硅层行为工具链，使用AI重构仿真、配置和数据流系统，使芯片的功耗、性能和良率从前仿真估计顺利过渡到固件发布值与客户规格。负责建设基础设施，将原始仿真数据（如功耗、噪声、分档良率等）转化为实际的固件调优、产品规格和制造限制，打通各工具之间的数据管道。利用LLM和代理技术，对分析、验证和报告工作进行自动化，减少每颗芯片大量工程投入。建设可观测性与验证系统，在数据错误和不一致转化为发布阻塞问题前及时...

岗位描述：作为 GPU Foundations Developer Tools 团队成员，参与底层库开发，帮助开发者使用工具对其系统和应用进行调试、性能分析与诊断；围绕 NVIDIA 硬件性能分析能力以及 Nsight 工具和基础库进行创新开发，支持下一代数据中心规模的加速计算。与跨职能团队合作，为 NVIDIA GPU 设计、实现并验证性能指标；开发并改进 GPU 性能分析数据采集方法；定义、发明并增强 GPU Profiling 库...

岗位描述：参与 NVIDIA 面向人形机器人运动操作与移动操作方向的机器人项目，与顶尖研究人员和工程师协作，推进包括 GR00T 和 Cosmos 在内的机器人基础模型研发；参与定义并执行人形机器人运动操作与移动操作相关项目；基于 Isaac Lab 和 Newton 开发面向人形与移动灵巧操作任务的参考工作流；推进机器人学习与基于人类视频的合成数据生成技术；设计、实现并部署适用于仿真与真实环境的人形机器人运动与操作新算法；推动技术成果...

岗位描述：负责开发与部署用于大语言模型后训练的强化学习算法，以提升模型的推理能力与对齐效果；与跨职能工程师和研究人员合作，将强化学习组件集成到 NVIDIA 的大语言模型训练与服务技术栈中；设计并执行实验、评测和调试流程，确保生产环境中的鲁棒性、可扩展性和可靠性；参与推动面向数学、代码和智能体 AI 的推理型大语言模型能力建设。 岗位要求：具备扎实的 Python 编程能力，并拥有基于 PyTorch 的生产级开发经验，熟悉多 GPU...

岗位描述：负责面向云服务商客户推动生成式 AI 相关解决方案落地，重点涉及大语言模型、生成式 AI、智能体 AI 或推荐系统；与客户建立长期技术合作关系，提升客户生产力，使 NVIDIA 技术成为终端解决方案的重要组成部分；在快节奏、快速演进的 AI 领域中，与企业市场、行业商务拓展及工程团队协同推进工作；作为 NVIDIA 与客户之间的一线技术专家，工作内容包括 PoC 演示、面向关键高管和管理者推广加速计算，并与开发者、科研人员、数...

岗位描述：加入Isaac Lab团队，推动机器人学习旗舰平台的发展，致力于将其打造为行业领先工具，重塑自主系统训练方式并推动机器人与AI未来发展。负责开发平台新特性，包括感知闭环强化学习、多智能体与多任务学习、VLA与强化学习集成等。推进工作流自动化并在云端实现大规模扩展，开展广泛的基准测试与性能分析，确保系统性能与可扩展性达到行业领先水平。与NVIDIA内部研究和工程团队（如DEX、GEAR）紧密合作，支持下一代人形机器人及仿真到现实...

岗位描述：参与构建下一代 GPU 加速推荐系统工具，重新定义大规模模型训练与部署方式，目标是让基于 GPU 的推荐系统开发和产品化更加顺畅、高效且强大。加入由机器学习、高性能计算和软件工程师组成的世界级团队，专注于最大化训练和推理速度，并实现轻松扩展。具体包括：对 GPU 加速代码进行性能分析、剖析和优化，以提升大规模推荐系统的训练和推理性能；在核心推荐框架中设计、实现并维护高性能 C++/CUDA 组件；开发并执行单元测试、集成测试和...