多年来，专注于优化英伟达（Nvidia）芯片的CUDA工程师一直是科技行业稀缺的高端人才。如今，这一群体的工作重心正发生显著转变：从手动编写代码，逐渐转向管理能够自动完成优化任务的AI系统。
CUDA是英伟达为其GPU提供的编程架构，工程师通过编写高效代码以最大化AI运行效率。鉴于算力成本高昂，能够从芯片中挖掘极致性能的工程师可为企业节省数百万美元开支，因此该职位长期备受追捧。
传统模式下，CUDA工程师的核心工作是编写并测试“内核”（kernels）——即指导GPU以最快速度执行单一任务的代码片段，从中筛选出最优版本。现在，AI正在接管这一繁琐流程，通过自动生成数百个内核、执行测试并挑选最佳方案，大幅替代了人工操作。
这意味着，CUDA工程师将更多时间用于监督“编码智能体”（coding agents）。这是软件行业从“编写代码”向“管理AI”转型的缩影。Infinity创始人杰里米·尼克松（Jeremy Nixon）指出，新工作流程包括设定目标、检查结果，以及在AI陷入停滞时进行人工干预。
然而，这种转变也带来了新挑战。Standard Kernel联合创始人安妮·欧阳（Anne Ouyang）表示，由于AI可能引入人类程序员不会犯的“离奇”错误，代码审查工作变得“更加紧张和严格”。
需求逆势增长，资深专家价值凸显
尽管角色演变，市场对CUDA工程师的需求依然强劲。劳动力市场分析公司Lightcast全球研究主管埃琳娜·马格里尼（Elena Magrini）指出，虽然整体软件工程师需求低于2023年水平，但对CUDA等特殊技能的需求却在持续增长。
数据显示，截至2026年前八个月，美国要求具备CUDA技能的职位发布量已超过2025年全年总和。英伟达仍是该类职位的最大雇主，截至9月，其在美国有超过300个活跃招聘岗位。公开信息显示，相关工程职位的基本工资（不含股票和福利）最高可达43.125万美元。
人工智能优化初创公司INT21创始人徐冰（Bing Xu）认为，稀缺性源于深厚的CUDA专业知识需要超过20年的积累，远早于本轮AI需求爆发期。
业内观点认为，AI降低了初级工程师的入门门槛，同时推动资深从业者向更高阶的系统监督角色转型。欧阳表示，那些能够超越AI表现并有效验证其工作的专家，价值将进一步提升。
随着技术发展，AI的角色有望进一步扩大。徐冰透露，其公司研究表明，在编写内核的某些基准测试中，AI表现已优于人类工程师。尼克松则指出，在某些情况下，AI已能写出工程师无法完全理解但可验证正确性的CUDA代码，这为现实世界中“超人类”AI的出现提供了早期迹象。