今年以来，人工智能正式成为风口上的浪尖。大厂资源跑步进场，新兴挑战者层出不穷。刚结束高考的学生也惊讶发现，许多学校新设了人工智能专业，分数甚至比传统计算机专业都高。

  这股热潮从行业卷向高校早已不是稀事。2018年，国内35所高校率先获得人工智能专业建设资格生。此后三年，每年都有100所左右高校申请开办这一专业，包括本科学院和专科院校。

  对于今年毕业的人工智能学生而言，似乎更是不同寻常。这些乘着“红利”的年轻人，在懵懂中被推向了时代的前沿。这股浪潮能持续多久？现实就业形势如何？职业发展前途如何？正值大学生毕业和高考报志愿的季节，他们带着困惑离开，接替的是另一群困惑的目光。

  后来发现人工智能远不止于此，三年的学习也不足以让她对机器人有多么深入的理解。她的专业由传统的软件专业分支出来，分为三个方向：计算机视觉，用计算机代替人眼去做目标检测等工作；自然语言处理，包括机器翻译和文本生成等；语音处理技术，协助机器与人类用声音进行交互。

  和注重编程能力的计算机专业相比，刘付的专业课更强调算法模型部署能力的培养，包括一些数据处理的课程。学校重视理论知识及实践的结合，会安排一些实训项目。像这几年非常火的，人脸识别、口罩检测、车牌识别、自然语言处理的相关项目，她都接触过。

  目前她的岗位，和专业方向契合，日常工作就是搭建视觉实施方案，利用机器视觉完成人眼做不到的事情。比如，通过机器视觉快速定位指挥流水线上的机械臂为产品贴标签，对物体进行精度达0.1毫米及以下的高精度测量，以及对智能工业领域的金属品表明上进行瑕疵缺陷检验测试等。

  和刘付一同毕业的近80位同学，1/3选择升学，2/3直接就业，大部分都能找到工作。就业去向有两条主线，要么从事传统的软件开发、软件测试等工作，要么做机器视觉、模型训练、数据标注等和人工智能强相关的岗位。总体来说，刘付感觉同学中从事研发工作的是比较少。软件开发或算法研发之类的岗位，往往门槛更高，也更青睐计算机专业。

  要说找工作不难，那是假的。刘付当时投递过很多公司，没有局限于人工智能，也找过软件测试、软件开发，甚至一些文职类工作。首先面对的就是学历问题，AI领域要掌握的东西多且广，专科学生在学历方面还是会面临一些限制。其次是性别，尤其在AI+智能制造领域，用人单位更愿意选择男性。包括她现在的工作，不时会有客户和同行说，很少见到女性机器视觉工程师。最后就是作为应届生无经验，学校教的东西偏基础，实操内容则不足。

  当然，这只是一部分猜测。和所有人一样，小王也无法轻易对AI的未来下定论。如果它成为和计算机一样、人人都要掌握的一项技能，那么市场对人才的需求将是非常广阔的，分工也会慢慢的细化。比如中小公司就会需要大量人工智能从业者，帮他们在大厂训练出来的模型的基础上，开发自己的产品，这将是一个十分普遍的从业场景。

  看到今年很多学校新开这个专业，专业招分还很高，小王觉得学生还是要多方面了解判断再做选择，避免单纯地根据现在的红利去追求四年后的红利。投简历的时候，面试官能把AI和计算机专业的学生同等看待，是一个比较理想的情况。但如果他们都以为本科就学人工智能过于细分，编程实力不如计算机的学生，人工智能的学生要如何自处就很难说。

  真的对这个方向感兴趣，小王觉得最好的学习方法是通过书本掌握基础知识后，再去看最前沿的论文，或者跟着有能力的老师做科研。师资没那么好的学校，能够最终靠各种渠道去实习。相比而言，他认为上课没那么重要，特别是AI领域现在每天都有新的发现，每一个新的发现都在改变从业者对行业的看法。如果课程内容没有紧跟实际，那么在课堂上获取的知识相当有限。

  小王本科是计算机系的，在实验室摸索很久后，才确定了人工智能作为研究方向。但他强调，时间不是十分宽裕的话，不建议在本科阶段进实验室。因AI作为前沿探索的研究，最好有老师一对一或者一对多地带。没有人带的话，可能花很多时间却做不出什么成果，甚至进入不了真正的科研状态。尤其是在一些师资力量比较薄弱的学校，老师带学生的精力和能力是有限的。

  尽管已经上了两年专业课，小山感觉能写进简历的经历寥寥无几。专业群里分享的大多都是公共类的实习，比如校园大使等，和人工智能不那么相关的岗位。学校的老师助教们倒是很乐意为学生提供科研的机会，好几个实验室都欢迎本科生加入。这个暑假，小山也抓紧时间加入了一个老师的项目，研究用AI算法进行DNA测序。

  但无论如何，小山的选项里，本科直接就业从始至终不在考虑范围内。那么对公司而言，是否对学历有一个硬性的门槛要求呢？一家人工智能有突出贡献的公司的招聘负责人告诉南都记者，人工领域的不同岗位对从业者的专业背景和基础能力的要求不一样。比如算法研究员对从业者的要求比较高，一般来说我们正真看到的算法研究员大部分都是博士或者硕士。

  人工智能专业学生的主要对口岗位有计算机视觉、无人驾驶、大模型、研发工程师等。上述负责人称，面试官最为看重的，一个是工程能力，熟悉基础架构及工程方面的技能，可以有效的进行架构设计，将科研问题实现落地。另一个是科研能力，学习获取领域知识，研究定义科研问题，提出创新解决方案。所以有较强的编程能力、学习能力、处理问题的能力，更受青睐。

  平台声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。