多年来，优化Nvidia芯片的CUDA工程师一直是科技行业最抢手的专业人才之一。如今，他们越来越多地在管理替他们完成这项工作的AI。

这些工程师专门使用计算统一设备架构（CUDA）——Nvidia用于编程其AI芯片、也就是GPU的软件——来编写能够尽可能高效运行AI的代码。

之所以备受青睐，是因为算力成本极高；能够把一块芯片价值榨取得更充分的工程师，可以为公司节省数百万美元。

CUDA工程师过去通常花时间编写kernel，也就是那些告诉GPU如何尽快完成单一任务的小段代码，然后再反复测试，找出最快的版本。如今，AI正在接管其中大量繁琐工作：它会生成数百个kernel，进行测试，并挑选最佳方案。

因此，CUDA工程师越来越多地把时间花在监督编码代理上。这也是整个软件行业更广泛转变的一部分：开发者正从写代码转向管理AI。

AI基础设施初创公司Standard Kernel的联合创始人Anne Ouyang表示，这意味着工程师需要设定目标、检查结果，并在AI卡住时介入。

她说，由于AI可能引入人类不会写出的“奇怪”漏洞，审查AI代码的工作变得“更加紧张”。

尽管发生了这种变化，招聘数据仍显示CUDA工程师的需求依然强劲。劳动力市场分析公司Lightcast全球研究主管Elena Magrini表示，虽然整体软件工程师需求低于2023年，但“某些专业技能，比如CUDA，需求已经增长”。

AI优化初创公司INT21创始人Bing Xu表示，即便AI大幅提升了生产率，稀缺性仍然是一个挑战。这是因为最深厚的CUDA经验是在20多年里逐步积累起来的，远早于AI带动需求飙升。

“过去，我们招不到足够多高质量的CUDA工程师，而现在AI正在填补这一缺口，”Xu说。

CUDA工程师岗位正在演变

CUDA工程师职位存在于Nvidia内部和外部，包括AI实验室和云计算巨头。根据Lightcast的数据，截至2026年前8个月，美国要求CUDA技能的职位发布数量已经超过了2025年全年。

该机构称，Nvidia仍是招聘这类职位的最大雇主，截至9月，美国仍有300多个要求CUDA技能的活跃职位空缺。Nvidia公开发布的CUDA相关工程岗位显示，基础薪资最高可达431,250美元，另加股票和福利。

Nixon表示，AI降低了经验较少工程师的入门门槛，同时也把资深工程师推向更高层级的工作，比如监督AI。

Ouyang则表示，AI可能对初级CUDA工程师冲击最大，而那些能够胜过AI并验证其工作成果的专家会变得更有价值。

随着时间推移，AI可能会承担更大的角色。

Xu说，他所在公司的研究已经显示，在某些kernel编写基准上，AI的表现可以超过人类工程师。

Nixon表示，在某些情况下，AI已经能写出工程师无法完全理解的CUDA代码，不过工程师仍可以验证其正确性。

他说，这种超越人类工程师的能力，为现实世界中的“超人类”AI提供了早期一瞥。

Have a tip? Contact this reporter via email at [email protected] or Signal at @geoffweiss.25. Use a personal email address and a nonwork device; here's our guide to sharing information securely.