NVIDIA 2026 校园招聘 | 加入我们，成为构建未来计算架构的新生代力量

TensorRT

TensorRT 团队主要负责设计和开发可扩展到多个平台的强大推理软件，并对重要模型进行性能分析和优化。

团队紧跟 AI 领域的学术进展和业界 AI 推理服务与应用部署中的实际需求，设计，开发和更新 TensorRT 的功能。

成功密码：C++ 编程、深度学习框架、LLM、生成模型、推荐模型

TensoRT LLM

TensoRT LLM 团队是基于软硬协同以及模型联合优化的设计理念，推进 LLM 推理性能的技术边界。

团队工作支撑公司内外重点核心场景，包括但不限于 MLPerf, SemiAnalysis InferenceMax, ArtificialAnalysis, CSP 以及 AI start-up 客户；同时推进当代主流硬件上的大模型推理性能全栈优化，以及深度参与未来架构的演进探索。

成功密码：大模型场景的推理优化、模型系统联合优化

DL Complier

DL Complier 团队基于 MLIR 技术栈，开发 NVIDIA GPU 上面向不同层级应用场景的深度学习编译系统，包括代码生成系统、运行时、领域编程语言、算子调优等。

团队的工作作为基础编译系统支撑公司内外重点核心 AI 场景的算子开发任务；推进从上层编程模型到底层编译系统的全链路优化设计，深度参与未来软硬系统架构的演进探索。

成功密码：深度学习编译器、AI 工作负载

LLM Post-Train

LLM Post-Train 团队负责持续迭代 NeMo RL 的特性，性能优化以及 bug 修复；跟进 LLM RLHF 的算法，在 NeMo RL 中实现；支持新的 GPU 硬件架构以及在 RLHF 框架中优化相关性能；支持新的应用场景，例如 Agentic RL, VLM 等。

LLM Post-Train 团队基于 NVIDIA 自研高性能与 scalable 的 RLHF 框架、跟随前沿 RL 算法、实现算法与系统高度结合。

成功密码： LLM 推理框架与优化技巧与原理，FSDP 或 Megatron LM 强化学习算法，分布式计算

cuDNN

cuDNN 团队的工作核心在于开发和优化 NVIDIA 的 cuDNN 深度学习加速库，重点是 GPU 架构下的高性能计算与深度神经网络支持。团队中的工程师们将参与大模型推理性能优化、API 与架构设计、GPU 内核开发，并在跨团队协作中支持多种 AI 应用场景。

团队位于 NVIDIA AI 软件栈核心，是支撑 LLM、自动驾驶、计算机视觉等关键应用的基础设施团队。加入该团队能直接影响全球最前沿的 AI 技术落地，并有机会与顶尖 GPU 架构师和深度学习专家密切合作。

成功密码：GPU 编程与优化，性能分析与调优，机器学习或深度学习，编译器开发

DL Compute

DL Compute 团队（Performance Modelling, Analysis, Projection Optimization）主要负责构建并开发推理算子原型，建立算子硬件架构性能模型，预测 NVIDIA 下一代产品的性能分析，优化算子在现有产品和最终大模型上应用的性能并且探索下一代架构特性。

在 DL Compute 团队工作能深度参与所有 NVIDIA 的 GPU 和 SOC 芯片架构设计，从 Volta, Ampere, Hopper, Blackwell, Rubin 等 GPU 架构，到 Orin, Thor 等 SOC 芯片，并延伸至推理引擎库（TRT、TRT-LLM、cuDNN 等）的全链路追踪，最终探索下一代架构的未来特性。

成功密码：软硬件性能分析、编程模型、CUDA、AI 编译技术、主流 LLM 框架

 面向人群 

电子工程、计算机工程等相关专业 

2026 届本科、硕士、博士应届毕业生（校招岗位）

2027 届本科、硕士、博士全日制在读学生（实习岗位）

 工作地点 

上海、北京

 计算架构组申请方式