我走了两次 NVIDIA senior SWE loop：一次是 Santa Clara 的 networking infra 岗（2024，没 offer），一次是今年早些时候支持 DGX platform 的 distributed systems 岗（拿到 offer 并接受）。他们的 system design 轮次跟我在其他大厂准备的那套真的不一样。
先说结论：NVIDIA 不完全是 LeetCode 的地盘。system design 很重也很长。两次都是 onsite 里有两场独立的 design session，每场 60 分钟，每场不同面试官。第一次 loop 是一个 senior SWE 和一个 principal；第二次 loop 是两个 principal。这些都是 senior 级别、很看深度的人。
他们真正会追问的： 分布式存储，以及你在 GPU 集群规模下怎么 shard 数据。不是理论题。他们会问训练跑到一半节点掉线会怎样。 网络拓扑。NVIDIA 做网络硬件（InfiniBand、NVLink），所以面试官会拉你在带宽、延迟、拥塞控制方面的知识。我被问到设计 parameter server 和 all-reduce 训练架构的对比。区别要非常熟。 Failure modes。几乎每个 follow-up 都是「先坏的是哪儿，以及你怎么发现」。要有具体的 observability 方案，不要只说「加监控」。 Trade-offs，而不只是方案。他们会很用力地追问我为什么选某个一致性模型。答对不如能在压力下把理由讲圆。
我遇到的面试官专业到你随口糊弄会立刻露馅。有个 principal 甚至在我说到一半打断我，问「eventual consistency」在某个具体故障场景下到底意味着什么。挺快乐的。
对 senior / L5 这个级别，他们要的是端到端的 ownership：你设计它，你也会 debug 它，你还得懂成本。如果你来自那种 SWE 只写代码、SRE 管基础设施的公司，这个落差会显出来。
我推荐的准备：高层读一下 InfiniBand 和 NVLink 的白皮书，熟悉 ML 训练架构（data parallelism、model parallelism、pipeline parallelism），并且准备好在时间压力下从零画完整系统。
如果你正在准备，欢迎问具体细节。