輝達面試「史上最難」,僅10%的人被錄取!黃仁勳也親自當主考官,哪種人他最青睞?
輝達面試「史上最難」,僅10%的人被錄取!黃仁勳也親自當主考官,哪種人他最青睞?

根據勞動市場分析公司 Claro Analytics 調查, 自 2023 年 5 月起,輝達(NVIDIA)擴張速度遠遠高於半導體產業。截至 2024 年 8 月,輝達刊登了超過 1100 個職缺,大多數職位隸屬於工程部門,包括晶片設計師、軟體工程師與人工智慧產品開發人員,營運、銷售和專案管理也有 100 多個職缺,「我們有很多機會,」輝達全球招募副總裁林賽.杜蘭(Lindsey Duran)告訴《Business Insider》,「未來輝達的發展目標,集中在工程和人工智慧上。」

找到頂尖又熱情的人,企業不用推就會自己動

什麼樣的人會受青睞?《輝達黃仁勳》一書提到,黃仁勳曾在接受採訪時提到,「希望員工像小孩般,保持好奇心才能一直創新,這在科技業是生存之道。」他喜歡擁有深刻的領域知識、對方法論充滿熱情、有開拓精神的人,「你想去實現一切,我喜歡這樣的人,也欣賞這份努力的精神。」

目前由黃仁勳親自面試的人,只有一級主管與二級功能部門主管。2010 年黃仁勳在《紐約時報》(The New York Times)專訪時,曾提到自己面試時,最常問求職者:喜歡什麼事情?最慘痛的失敗經歷?以及應徵者可以教他的一件事情。透過這些問題,了解候選人的熱情所在,因為他認為,唯有強烈的熱情,才會使人自我驅動、不斷成長。

《輝達黃仁勳》提到,來輝達面試的人中,只有 10% 會收到錄取通知,但是通過者,95% 會選擇來輝達上班。原因在於,輝達在面試過程中,也盡可能揭露公司資訊,比方在最後一輪面試時,輝達也會安排員工與應徵者聊聊,提升工作內容的透明度,也讓候選人更有心理準備。

因應公司規模擴張所需的大量招募,副作用便是聘用到不合適的人才。但是,輝達設計了一套非常嚴格的篩選機制。《Business Insider》認為,輝達是最難進入的大型科技公司,與 Google、Meta、微軟(Microsoft)並列。在職場評價網站 Glassdoor 中,求職者給輝達面試的難度評分為 3.2/5.0,通常 3 分以上表示具有難度,表示輝達的面試,具有一定難度。

面試流程分成 3 個階段,平均得花上 1~2 個月的時間。第一階段,人力資源部會進行履歷審核,並電話詢問求職者的背景、經驗與技能等基本問題,有些求職者也會收到第二次的電話面試,以確保經歷屬實。

黃仁勳開球_2024_06_01_蔡仁譯攝-1.jpg
輝達執行長黃仁勳。
圖/ 蔡仁譯攝

重視解決問題的能力,被稱為最難進入的科技公司

杜蘭表示,求職者可以在履歷中強調自己會的技能,像是訓練電腦處理、分析圖像的電腦視覺(computer vision)熟練程度;以及程式設計、機器學習、深度學習演算法、資料處理和圖形處理單元(GPU,graphics processing unit)的知識。雖然這聽起來很基本,但對於技術導向的公司來說,就是最重要的篩選門檻。

除了技術知識之外,也可以說明自己的特殊經歷。比方寫出職涯的重要里程碑、主導過的專案內容,「這些經歷會使他們脫穎而出,」杜蘭表示,過去的經歷,能呈現候選人解決問題的能力、對事情的掌握程度與影響力,這對非傳統工科出身的面試者來說,尤其重要。

履歷審核過後是技術面談,應徵者會接受一連串、大約 3~4 輪的電話面試,每個部門的面試流程都不相同。求職者也會被要求寫「作業」,解決一個技術問題。通過者,才會進入最後階段,邀請參加現場或遠距面試。

輝達在乎應徵者「解決問題的能力」,候選人必須與面試官分享,自己如何解決問題、以及如何得出這個方案,主管會從中觀察候選人的思維、解決問題的方式。

不少面試者分享,輝達的技術面談「十分困難」。在最後一關,輝達也會安排行為面談,藉由分析應徵者過去的行為模式,像是分享在求學或工作中曾解決過的棘手挑戰、如何應對批評或負面回饋,以及與同事意見分歧時,如何處理等等,來預測未來表現,以了解候選人是否符合需求。

有一名印度軟體工程師跟《Business Insider》分享自己進入輝達的過程,面試者除了要練習自信的談論自身經驗,這些經驗與申請職缺的相關性,還要能把它包裝成一個「故事」。例如,不能只說我做了什麼事情,還要告訴面試官為什麼做這件事是對的,過去的工作內容及成就如何符合團隊的目標。

40% 的錄取者透過內部舉薦,優秀員工就能吸引人才

層層關卡,目的就是要找到最頂尖的人才。輝達全球人才與招募經理梅塔.麥金尼(Meta McKinney)在接受人力資源網站《ToTalent》專訪時分享,他們的主要工作內容,就是招募一群最厲害的人、讓他們渴望在輝達工作,因為這就是輝達的成功祕訣。

最後,經營人脈網絡,以及擁有實務經驗也很關鍵。如果是大學畢業生,最好有實習經驗,尤其是輝達的建教合作計畫;如果有認識輝達的員工,也可以透過員工推薦(employee referrals)來申請職缺,40% 的錄取者是透過內部舉薦而來。

永遠不要停止提出問題和尋找答案,好奇心是進步的燃料。
Never stop asking questions and seeking answers. Curiosity fuels progress.

我欣賞那些真誠的人,他們就是他們,不會去迎合任何人 。
I appreciate people who are authentic. They are just who they are.

我的目標就是為世界上最優秀的人才,創造出最優秀的環境,讓他們覺得工作有意義。所以我們不跟別人進行排名或市占率的比較,而是選擇小眾市場做困難的事,我們都想發揮巨大的影響力,所以優秀的人加入我們。——黃仁勳,Columbia Business School

延伸閱讀:輝達GPU有多夯?甲骨文創辦人與馬斯克曾「懇求黃仁勳」:拜託多拿我們的錢!
輝達Blackwell供不應求!黃仁勳:可以轉單給台積電以外廠商,但品質可能降低

責任編輯:蘇柔瑋

關鍵字: #Nvidia
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓