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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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