根據清華大學數據顯示，在諸多人工智能技術方向中，計算機視覺（Computer Vision）是中國市場規模最大的應用方向，在整體中國人工智能市場應用中占比為 34.9%。計算機視覺技術的研究目標是使計算機具備人類的視覺能力，能看懂圖像內容、理解動態場景，已經廣泛應用于智慧城市與新基建、安防、金融、醫療健康、電商與實體零售、無人駕駛等各類場景。人臉識別、圖像搜索、文字識別、車輛分析、視頻結構化、動作識別等算法為生產活動帶來了安全保障與效率提升，也為人類生活提供了更多便捷與樂趣。

在技術與應用高速發展的另一面，是日漸突出的“人才荒”問題。根據工業和信息化部人才交流中心編寫的《人工智能產業人才發展報告（2019-2020）年》數據顯示，我國人工智能產業中，有效人才缺口達 30 萬，且特定技術方向和崗位上人才供需失衡比例尤為突出。其中，計算機視覺領域崗位人才供需比為 0.09，即100崗位需求，相關從業人才只有9個，屬于極度稀缺程度。我國計算機視覺人才的嚴重不足可能由于研究起步晚和產業化積累不足，導致人才培養速度沒有跟上產業發展需求。

本期的智能內參，我們推薦德勤的報告《中國計算機視覺人才調研報告》，深度調研人工智能領域最受關注的計算機視覺方向研發人員，“后疫情”時代下計算機視覺領域專業人才的學習與工作現狀、未來規劃、發展瓶頸，了解企業與社會對計算機視覺領域的人才訴求，為政府、企業、高校、科研院所等產業鏈相關機構提供參考，以加速我國計算機視覺人才的培養與發展。

本期內參來源：德勤

原標題：

《中國計算機視覺人才調研報告》

作者：李軼童 等

一、中國計算機視覺人才現狀

我國企業與社會對計算機視覺人才的需求巨大，但業內對計算機視覺領域整體從業人員和學生學者現狀的了解并不完整。計算機視覺人才主要分布在哪些城市與行業？他們重點關注哪些研究領域？開發習慣如何？本章節將從中國計算機視覺人才所在城市、專業背景、研究領域、開發習慣、薪資情況、行業分布等維度，全面展現人才當前學習與工作的現狀。

除北上廣深外，南京、武漢、杭州、成都作為新一線城市的代表，也擁有大量本領域人才；這前八名城市擁有的計算機視覺人才總和超過全國的 50%。同時，本領域人才的分布與各地經濟水平呈現密切相關性：根據我國各地統計局數據，南京、武漢、杭州、成都的 GDP 分別排在 2020 年我國城市 GDP 排行榜的第十名、第九名、第八名與第七名。關于城市對人才的聚集效應，報告將在第二章詳細闡述。

▲人才城市分布情況

▲人才城市分布 TOP 8

計算機視覺人才多來自計算機專業，主要研究領域為目標檢測。根據本次調研數據顯示，50%左右的計算機視覺人才來自于計算機科學與技術專業。由于計算機視覺技術的發展涉及到數學、物理學、光譜學、自動化學科、腦科學、神經心理學、認知心理學、行為心理學、生物科學等多種交叉學科，本次調研中也有超過 40%的計算機視覺人才來自電子與通信工程、電氣工程與自動化、數學等非計算機專業。值得關注的是，人工智能專業在 2018 年被正式納入我國本科專業名單，至今已有超過 200 所高校開設了相關專業并啟動招生；在本次調研中，有 6.81%的人才正是來自于新開設的人工智能專業，并且已經開始或即將進入計算機視覺方向的學習與研究。

▲中國計算機視覺人才專業背景分布情況（TOP 5）

現階段，計算機視覺人才的研究領域集中在目標檢測，圖像分割，文本理解和目標跟蹤幾個方向。同時，隨著技術的不斷深入，計算機視覺技術整體研究領域呈現出多元化的特點：摳圖 Matting、醫學影像處理識別、圖像增強、圖像修復與超分辨、3D 視覺、遙感與航拍影像處理識別也是本領域人才關注的方向。

▲中國計算機視覺研究領域分布情況

根據對中國知網收錄的中文學術論文的統計，中國計算機視覺領域論文發布數量逐年上升，從 2015 年至2019 年，相關論文數量從 2033 篇增長到 3842 篇，增幅近九成。同期，計算機視覺領域的外文論文數量由 1896篇上升到 2848 篇，增幅為 50%，明顯低于中文論文的增長幅度。但在高水平論文領域，清華大學-中國工程院知識智能聯合研究中心近日發布的《智慧人才發展報告》指出，中國在人工智能領域的高水平論文發表量居世界第二，僅次于美國，但是與美國相比仍存在較大差距：美國的高水平論文發表量（69764） 是中國（25418）的 2.74 倍，美國（49116）高水平論文作者數量是中國（17368）的 2.83 倍。

在計算機視覺中文學術論文的統計中，目標檢測作為計算機視覺領域的基礎研究任務，相關論文成果數量和增長速度明顯高出其他研究領域，在過去五年（2015-2019）目標檢測相關論文數量增長了超 200%。同時，目標檢測也是近年來中國計算機視覺產業落地過程中應用最廣泛的技術之一，大量實際場景數據也為該任務的研究提供了有力支撐。

▲近五年中國計算機視覺中文論文發表情況

▲近五年中國計算機視覺中文論文細分領域發表情況

開發習慣：中國計算機視覺人才最常用 Pytorch 和 TensorFlow。Python 是目前中國計算機視覺人才最常用的開發語言。Python 編程語言具有簡單、高效的特點，這使得初學者和計算機專家都可以很快的上手。另外，Python 作為一門開源的語言，其社區中擁有大量的編程志愿者，使 Python 得以大規模推廣。同時，不少將 C/C++作為主要編程語言的計算機視覺人才，也會同時選擇 Python作為輔助工具，以滿足不同任務的需求。

▲中國計算機視覺人才開發語言偏好

Pytorch 和 TensorFlow 是當前學界和業界主流的兩大深度學習框架，也是目前中國計算機視覺人才最常用的深度學習算法框架。由于人工智能領域的高速發展，不少軟件、架構、硬件方向的研發人員也逐步轉向計算機視覺算法崗位；Pytorch 的易學易用使得其成為了大部分在職人員轉崗時的首選框架。此外，近幾年國內深度學習算法框架逐步上線，有 6.49%的在職人員已經在工作中進行應用這類框架。

▲中國計算機視覺人才深度學習算法框架偏好

本次調研對計算機視覺相關人才 2020 年度的薪資情況進行了統計，結果顯示，計算機視覺算法研究員在2020 年度平均薪資（年薪）為 328,977 元，算法工程師為 348,507 元，研發工程師（指，計算機視覺領域企業/項目中，非算法類研發崗位，如系統架構師、軟件工程師）為 294,271 元，AI 產品經理（指計算機視覺領域企業/項目中的產品經理）為 274,265 元；四類崗位的平均年薪差距在 7.5 萬元以內。由此可見，在 2020 年疫情影響下，計算機視覺領域人才的薪資收入仍處于較高水平，且本領域各崗位的優秀人才均能獲得豐厚的報酬。

在中高收入（年薪大于 40 萬）人數占比方面，算法崗人數占比則遠高于其他崗位：算法研究員中的中高收入人數占比為 29.54%，算法工程師崗位為 32.84%，研發工程師崗位為 14.58%，AI 產品經理崗位為 11.77%。在高收入（年薪大于 80 萬）人數占比方面，算法研究員崗位占比最高，為 4.55%，這由于該崗位進入門檻最高，不少企業或研究院要求候選人在計算機視覺領域頂級會議（CVPR、ICCV、ECCV 等）和期刊（IEEE-TPAMI、IJCV等）或機器學習領域的頂級會議（NIPS、ICML 等）上發表過論文。

此外，結合工作年限來看，工作經驗 5 年以內的算法崗人才（包含算法研究員與算法工程師）與研發工程師的平均年薪相差不大。但是，工作經驗 5-10 年的算法崗人才平均年薪比同等經驗的研發工程師高出 14 萬元；對于 10 年工作經驗以上的人才，兩類崗位年薪差距為 12 萬。

▲2020 年中國計算機視覺人才主要崗位薪資情況

▲計算機視覺算法崗與研發崗薪資對比情況

本次調研中，通過對計算機視覺在職人員所在企業涉及行業領域的調研統計發現，人工智能和互聯網企業計算機視覺人才最多，同時，也有大量計算機視覺人才分布在電商、金融、企業服務、教育、文娛內容等領域，這主要由于計算機視覺技術在部分行業的發展中承擔著越來越重要的角色。

如電商領域，商品以圖搜圖已經成為綜合電商、垂直電商的標配；虛擬試妝功能則進一步豐富了美妝類產品線上營銷的方式。在金融領域，部分機構在人工智能技術應用上選擇“內外結合”的形式，即采購外部成熟算法模塊或基礎平臺，交由內部算法工程團隊或產品研發團隊進行模型優化與二次開發，以提高對用戶數據安全的保護及對業務場景的適用性。在教育行業，計算機視覺技術與自然語言處理、語音識別技術的深度結合，使得視頻教學、智能閱卷等功能日趨完善，智能化水平成為教育類企業/機構的核心競爭力。

自 2018 年起，全球計算機視覺技術不斷成熟，開源生態、技術社區、人工智能開放平臺的建立也使得算法的開發與應用門檻顯著下降。德勤在《全球人工智能發展白皮書》中指出，由深度學習驅動的計算機視覺在某些領域已經超越人類，特別是在人臉識別、圖像分類等任務中。同時，在我國，計算機視覺技術的應用擁有龐大的市場空間與豐富的場景數據，因而當技術成熟度達到產業要求時，不少垂直行業，尤其是行業中的頭部企業，選擇了在組織內部搭建計算機視覺團隊，打造行業專屬的計算視視覺算法產品或相關功能。

▲中國計算機視覺人才行業分布情況

二、計算機視覺人才個人期望與規劃

第一章節調研結果顯示，我國計算機視覺人才主要分布在一線與新一線城市，除人工智能與互聯網企業，也廣泛分布在各行業企業中，且算法崗人才擁有較高的薪資水平。根據極市平臺計算機視覺開發者社區數據統計，自 2016 年到 2020 年，我國計算機視覺人才數量從不到 2 萬人提升至 20 萬人，已成為人工智能乃至科技領域中一類重要并且快速擴大的人才群體。計算機視覺人才對于個人未來的發展有何期望？他們將如何選擇未來發展的城市、行業、崗位？對于薪資和研究領域有何訴求？本章節將從中國計算機視覺人才個人發展期望與規劃角度，挖掘計算機視覺人才的核心訴求，為后續人才培養與發展建議提供參考。

德勤調研問卷結果統計，85.84%的計算機視覺人才填寫了一線城市作為未來意向發展城市：北京（27.59%）、深圳（24.92%）、上海（22.78%）、廣州（10.55%）。31.86%的人才填寫了新一線城市：如杭州（7.15%）、南京（5.74%）、成都（3.74%）、武漢（2.47%），以及天津、鄭州、合肥、青島、長沙、重慶、蘇州、西安等。11.42%的人才填寫了二線城市，如廈門、太原、南昌等。由此可見，盡管一線城市就業面臨落戶、房價、競爭等多重壓力，北京、上海、深圳對于計算機視覺人才的吸引力仍然巨大。

德勤在《全球 AI 城市白皮書》報告中提出，全球 AI 城市集群可以分為三類：綜合樞紐型（如舊金山灣區）、融合應用型（如北京、上海）、創新引領型（如深圳、多倫多），這三類城市分別因其前沿的技術引領能力、雄厚的產業經濟實力、卓越的科技創新環境吸引著大量人工智能人才，人工智能核心城市擁有明顯的人才聚集效應。從中長期來看，融合應用型與創新引領型城市都將向綜合樞紐型城市發展，我國一線與新一線城市將擁有更強的人才聚集能力。

在本次調研中，僅有 0.27%的計算機視覺人才在未來意向發展城市中填寫了港澳臺及海外城市，這可能由于在 2020 年新冠疫情影響下，國內人才到港澳臺或國外留學及就業的難度增加，且海外國家與地區在疫情后的經濟恢復情況較國內相比較為緩慢，從而使大部分的中國計算機視覺人才都選擇了未來在國內發展。

▲中國計算機視覺人才未來發展城市選擇情況

計算機視覺人才在選擇未來意向發展城市時，最看重的是當地薪資水平（72.68%）、就業機會（69.94%）和人才引進政策（51.77%）。同時，當地高新企業聚集程度、地理因素（環境、氣候等）、家庭因素與房價等也是人才選擇城市時的重點考慮內容。

在深度訪談中，在職計算機視覺人才全部提到會優先考慮家庭因素或伴侶的未來發展城市意向；學生群體中，如果求學所在地是一線城市或離家較近的城市，則會優先考慮在求學所在地發展。

▲中國計算機視覺人才選擇未來意向發展城市的考慮因素

本次調研中的學生群體 80%集中在 21-25 歲，即 95 后為主，人工智能企業（48.84%）、研究院（43.87%）、互聯網企業（42.82%）是學習計算機視覺的學生群體畢業后排行前三的意向工作單位，進入本領域核心企業或從事科研工作成為計算機視覺學生群體的主流就業方向。值得關注的是，有 1/3 的學生希望畢業后可以到高校任教，同時，有 30.09%的計算機視覺學生群體希望未來可以進入政府機構工作。

▲中國計算機視覺在校學生就業行業選擇情況

計算機視覺學生群體的就業崗位選擇集中在算法工程師、高校研究員、算法研究員和研發工程師等直接與計算機視覺專業技術對口的崗位。同時，也有部分學生選擇了 AI 產品經理和 AI 項目經理崗等需要技術理解能力但無需直接參與代碼工程的崗位。

▲中國計算機視覺在校學生就業崗位選擇情況

本次調研數據顯示，計算機視覺領域學生群體畢業后就業期望年薪普遍不低于 18 萬，不同學歷之間有明顯差異。本科學歷學生中，83%希望畢業后年薪不低于 18 萬，56%希望年薪不低于 24 萬；碩士研究生學生中，88%希望畢業后年薪不低于 18 萬，64%希望年薪不低于 24 萬；博士研究生學生中，86%希望年薪不低于 24 萬，68%希望年薪不低于 30 萬，54%希望年薪不低于 36 萬，12%希望年薪不低于 60 萬。

▲中國計算機視覺在校學生畢業后薪資期望（年薪）

調研中，計算機視覺在職人員全部期望年薪在 20 萬以上，不同工作年限人員期望有顯著差異，其中，3 年以上工作經驗人員全部希望年薪不低于 30 萬。對于 1-3 年工作經驗的人員，72%希望年薪不低于 30 萬；對于3-5 年工作經驗的人員，67%希望年薪不低于 40 萬；對于 5-10 年工作經驗的人員，76%希望年薪不低于 40 萬；對于 10 年以上工作經驗的人員，79%希望年薪不低于 40 萬，49%希望年薪不低于 50 萬。可以發現，大部分在職計算機視覺人才希望自己的年薪不低于本領域同等工作經驗人才的平均薪資。

▲中國計算機視覺在職人員薪資期望（年薪）

在計算機視覺技術發展過程中，隨著前沿理論的不斷突破、產業應用的趨勢變化，計算機視覺領域的人才研究方向也在相應作出調整。本次報告對在職人員希望未來研究的領域進行了調研，結果發現：目標檢測、圖像分割、文本理解、目標跟蹤仍為計算機視覺人才未來研究的重點方向，同時醫學影像處理識別的研究興趣排名由第 7 位上升到第 5 位，這可能與新冠疫情后醫療領域計算機視覺相關需求驟增有關。

如果對比在職人員現階段的研究領域，可以看到，即使在過往沒有研究過相關課題，不少計算機視覺人才也表現出對未來研究 3D 技術、行人檢測與重識別、圖像生成（GAN）、動作識別的興趣，相關技術領域有望在新的一年迎來突破。

▲中國計算機視覺在職人員研究領域興趣變化

面對高速迭代的計算機視覺技術，計算機視覺人才只有不斷學習才能保持自身競爭力。92.3%的計算機視覺人才選擇在業余時間提升技術水平，主要選擇通過自學（53.57%）、線上技術論壇交流（48.16%）、付費課程（44.56%）、社群交流（43.82%）等形式。當前，由于計算機視覺技術迭代快、工程實踐要求高，單純依靠相關書籍自學已經無法滿足人才的學習要求，線上技術論壇及社群交流等互動類學習形式可以幫助計算機視覺人才與同領域人才相互學習、共同進步。同時，調研發現近 45%的計算機視覺人才對于通過付費課程提升技術水平的方式有較強興趣，但本領域付費課程在市場中尚未普及。

▲中國計算機視覺人才業余時間技術提升途徑

三、企業、社會對計算機視覺人才的訴求

在過去的幾年間，計算機視覺應用的開發與實施在各行業展開，不少企業通過應用相關技術獲得了切實好處，如提升生產線自動化水平、吸引更多消費者或節省了用工成本。德勤在《制勝人工智能時代》報告中，對九個國家中 2,737 名應用了人工智能的企業高管進行了調研，結果顯示：53%的受訪者過去一年在人工智能相關技術和人才方面的支出超過 2,000 萬美元。社會與產業對計算機視覺技術需求強烈、投入龐大，對本領域人才更是提出了全方位的要求。本章節將闡釋企業、社會對計算機視覺人才學歷、專業、技能等方面的具體訴求，同時說明企業對計算機視覺領域非算法崗位的需求情況。

工信部近日發布的《人工智能產業人才發展報告（2019-2020 年版）》指出，人工智能屬于高度知識密集型產業，對人才的業務能力、工作經驗、教育背景等方面都有著較高的要求。隨著人工智能技術的不斷更迭和應用落地的快速推進，僅具備單一能力的產業人才無法匹配企業的實際需求。

聚焦在計算機視覺領域，本次調研中，企業所涉及項目領域呈現出百花齊放的狀態，這也正說明了計算機視覺技術是我國目前應用范圍最廣的人工智能技術之一。從應用場景上，計算機視覺需要與交通、安防、制造、醫療、零售、汽車、金融、傳媒等領域的行業知識相結合；從技術領域上，計算機視覺需要與云計算、人機交互、智能硬件、機器人、自然語言處理、大數據、傳感器等多種技術融合。

例如在面向制造業的工業機器人項目中，計算機視覺人才首先需要理解制造企業的工藝流程，找準計算機視覺算法的切入點；之后在生產線上，前端需要結合光學攝像機、傳感器等設備對圖像數據精準采集，保證算法可以有效進行識別，后端需要將識別結果與機械臂進行聯動；整個過程中還需要網絡工程、系統架構相關知識的支持。

在這樣的項目背景下，企業對計算機視覺人才提出的不僅僅是算法模型設計能力要求，如何深度理解具體業務場景、如何快速學習新技術并有機融合，這些都是考驗計算機視覺人才的難題。也正因如此，盡管我國計算機視覺人才群體已經達到 20 萬人，但真正能夠滿足產業社會要求、達到目標水平的人才仍然稀缺。

▲中國計算機視覺相關企業重點項目領域

本次調研中，九成的受訪企業對于計算機視覺人才有學歷背景上的要求。其中，64.29%的企業要求計算機視覺人才至少為碩士研究生學歷，28.57%的企業準入門檻要求為博士研究生學歷。當前，隨著國內開設人工智能本科專業的院校增多，如果結合產業需求進行定向培養，或許未來企業對計算機視覺人才的學歷要求會降低為本科。

▲企業對于計算機視覺人才的最低學歷要求

本次調研中，六成左右的企業對于計算機視覺人才的專業背景有具體要求，其中 47.06%的企業要求計算機視覺人才擁有計算機科學與技術專業背景。與此同時，電子與通信工程、軟件工程、數學、信息計算科學和自動化也是企業用人部門偏好的專業背景。深度訪談中，部分人工智能企業負責人則表示，計算機視覺技術在實際場景落地過程中會遇到大量的、各類型、多領域技術問題，不管任何專業背景的人才，在工作中都需要隨時學習新的知識與技能，因此只要掌握基本計算機視覺技術能力或擁有相關項目經驗，人才的專業背景并沒有那么重要。在未來，計算機視覺與多學科更深度地交叉融合情況下，企業對計算機視覺人才的專業背景要求可能會更多元化。

▲企業對于計算機視覺人才的專業背景偏好

針對計算機視覺人才求職意向最大的算法工程師崗位，本次調研重點了解了企業對該崗位的專業技能和能力要求。調研發現，企業對計算機視覺算法工程師新技術實用化、算法實現能力方面的硬性技能最為重視；同時，熟悉深度學習框架和熟悉使用常用視覺計算開源庫也是企業要求算法工程師具備的基本技術要求。

調研結果中還發現，對于算法工程師崗位，有算法的實際產品化及視頻分析經驗的人才比發表過本領域優秀論文的人才更受企業歡迎，這主要由于算法工程師崗位是以技術應用落地為導向的崗位，在企業項目或產品任務中，其工程實踐能力可能比理論研究能力更重要。

在軟技能層面，參與調研的企業中，全部都選擇了解決問題能力；學習能力、團隊協作能力、創新能力也是企業選拔計算機視覺人才過程中重點考量的方面。

▲企業對于計算機視覺算法工程師軟硬技能要求

計算機視覺技術的落地應用需要與行業知識和多種技術相結合，在遇到細分行業、具體場景時，單純依靠算法工程師進行模型優化并不能解決所有問題，因此，培養全產業鏈相關崗位的人才也至關重要。本次調研中，除算法崗外，有超六成的企業表現出了對于 AI 產品經理的強烈需求，這甚至高過企業對研發工程師的需求。

AI 產品經理對于企業來說，不僅需要具備互聯網或 IT 企業中產品經理的基礎能力，如產品設計工具使用技能、產品規劃/設計/推進的能力、用戶需求分析能力等，還需要對計算機視覺技術有充足的知識儲備，懂得技術的邊界，知道如何通過產品設計使得計算機視覺算法可以發揮最大優勢。用本章 4.1 節中提到的面向制造業的工業機器人項目舉例，AI 產品經理需要同時具備軟件、算法、架構、硬件、網絡相關知識，才能設計出一套完整流暢的產品流程，其中任何一個環節處理不當都可能導致產品無法上線：如產品中的光學攝像機有成像問題，那么計算機視覺算法再精準都沒有絲毫實用價值。

在許多的計算機視覺企業/項目中，由于缺少具備上述綜合能力的 AI 產品經理，計算機視覺算法工程師有時不得不承擔產品經理的角色，導致相應的算法工作難以按照預期完成；這也不難解釋為何企業對于 AI 產品經理需求如此強烈。除了行業應用型 AI 產品，人工智能開發框架、開發工具、開發平臺類產品對 AI 產品經理有著更高的技術能力要求。

計算機視覺技術和人工智能相關產業的發展催生了大量專屬于本領域的技術人才需求，如 AI 算法測試工程師、AI 售前解決方案工程師等。相較于傳統 IT 企業的測試工程師，AI 算法測試工程師需要理解計算機視覺算法的識別邏輯和影響算法精度與性能的因素，搭建算法評價體系甚至配合研發工程師開發算法測試工具。這些本領域專屬的技術人才也成為不少企業競相搶奪的對象。

▲除算法工程師和算法研究崗外，企業對于計算機視覺其他崗位的需求情況

四、計算機視覺人才培養與發展

面向未來，只有更好地了解了當前計算機視覺人才、技術與產業發展困境，才能提出更有價值的解決方案。本章節將主要分析人才、企業、高校在計算機視覺領域的發展瓶頸，同時通過總結國內高校計算機視覺課程開設情況、校企合作情況、政府政策情況，力求為未來人才培養與發展提供一定參考。

面對計算機視覺技術的快速更新迭代和企業對人才軟硬技能的較高要求，計算機視覺學生群體普遍反饋自身面臨專業技能/知識儲備不足（60.42%）以及相關項目/比賽經驗不足的問題（46.76%）。有近 40%的學生群體認為自己當前學習/研究領域不符合預期，這可能由于當前計算機視覺領域、甚至人工智能專業并沒有形成完善的人才培養方案，導致學生群體難以專業化、體系化進行學習與研究。另外，超過 30%的計算機視覺學生群體認為找工作困難較大，這是 2020 年各專業畢業生面臨的普遍挑戰，也與計算機視覺學生的個人綜合能力與競爭力有關。

計算機視覺領域在職人員主要發展瓶頸在崗位本身，如：崗位和工作方向不符合預期（44.19%）、晉升空間/機會不符合預期（32.9%）、發展方向不明確（31.63%）等。這主要歸因于計算機視覺技術產業化進程發展歷程較短，社會尚未建立針對本領域人才職業技能的統一評價體系；在企業中，相比于研發工程師等崗位，計算機視覺算法人才的職級評定標準、晉升要求也相對模糊甚至是缺失的。

41.55%的計算機視覺在職人員反饋自己無法平衡工作與生活，可見當前優質計算機視覺人才的稀缺使得產業對計算機視覺技術的高需求無法被滿足，導致市場現有計算機視覺在職人員面臨較為繁重的工作任務。

▲中國計算機視覺在校學生發展瓶頸

▲中國計算機視覺在職人員發展瓶頸

對于高校/研究院而言，當前制約工作發展的核心問題是科研經費不足（55.7%）以及校企合作困難（51.9%）。這兩方面問題將在本章第 3 節詳細闡述。針對教研人員自身發展來講，有超過 30%的教研人員認為目前的發展瓶頸在于職稱評定困難和發表論文困難，這與本領域研究難度較高也存在一定關聯。另外，科研項目啟動/進展慢、學生人數不足、高校與企業間人才流動困難等問題也成為了教研人員研究和發展的限制因素，這需要高校、研究院、企業、甚至整個社會共同探討解決。

企業在計算機視覺領域發展的首要問題便是招聘問題。深度訪談中，絕大部分企業均表達了市場上缺乏符合要求的計算機視覺產業人才的情況，但不同類型企業的招聘問題略有差異：對于人工智能企業而言，雖然公司經營范圍與計算機視覺領域人才研究領域對口程度最高，但由于企業知名度不如互聯網巨頭，加之部分創業型 AI 企業持續盈利模式不清晰，在人才爭奪戰中并不能吸引到足夠優秀的計算機視覺人才；而對于想要進行產業升級的傳統企業而言，即使擁有雄厚的資金實力和穩定的行業地位，但缺乏接觸計算機視覺人才群體的有效渠道，同時部分傳統企業尚未發展出符合計算機視覺人才期待的科技創新文化氛圍。

針對這類情況，企業在提升公司業務、技術、品牌、文化的綜合影響力之外，還應深入到計算機視覺人才群體中，通過拓寬招聘渠道來提高企業的曝光度。除了主流的互聯網招聘渠道，人工智能領域學術會議、學會聯盟、技術社區、開發者論壇甚至垂直領域科技媒體都是挖掘計算機視覺人才的有效陣地。此外，有條件的企業還可以選擇與國內外高校共建人工智能學院或研究院，通過校企合作的模式定向培養企業所需計算機視覺產業人才。

▲中國計算機視覺教研人員發展瓶頸

▲中國計算機視覺相關企業發展瓶頸

為了響應國務院《新一代人工智能發展規劃》的號召，同時滿足產業的人才訴求和人才自身的研究興趣，國內高校積極開設了人工智能與計算機視覺相關課程。事實上，我國高等教育體系內，計算機視覺相關技術的教學已經歷了數十年的發展。在 2018 年“人工智能”本科專業增設之前，教育部已經開設了多項與計算機視覺領域高度相關的專業，如機器人工程（2015 年開設）與智能科學與技術（2003 年成立）等。

本次調研中，有 57.69%的院校開設了計算機視覺相關課程，其中 51%為計算機視覺通識課程，且一般只開設了 1-2 門課程。在細分領域上，目標檢測、圖像分割、圖像增強相關課程開設比例相對較高，這也與當下我國計算機視覺教研人員和學生主要研究方向相符合。但在目標跟蹤、文本理解、摳圖 Matting 等學生未來希望深造的領域，當前院校所開設的相關課程數量暫時無法匹配學生的學習需求。

然而，短期內在高校開設細分領域的課程仍有不小的挑戰：一方面，計算機視覺細分領域廣泛，學生興趣較為分散，細分領域課程可能無法滿足全部學生需要；另一方面，由于本領域技術迭代速度極快，且部分領域的學習需要多樣化產業實際案例的支持，課程開設難度較大。

針對這種情況，高校與相關領域學會或機構應定期組織細分領域學術研討活動，幫助學生了解計算機視覺領域最新技術與產業動態。此外，學生群體也可以在高校課程之外，主動通過多種形式進行新領域知識的學習：如參與中國圖象圖形學學會、極市平臺等機構或社區組織的學科前沿講習班、線上技術直播及學術交流研討會等活動。

▲國內高校計算機視覺相關課程開設情況

教育部在《高等學校人工智能創新行動計劃》中強調，要完善人工智能領域多主體協同育人機制，以多種形式培養多層次的人工智能領域人才。工信部《人工智能產業人才發展報告》中指出，國內諸多本科大學與專科院校已經開始籌劃和建設人工智能學院和研究院，通過聯合人工智能產業鏈各環節的領先企業，加強在人才培養、實訓課程、項目共享、實踐機會等方面的合作，著重培養具備人工智能實踐經驗的應用開發型人才。

在計算機視覺領域，根據本次調研數據顯示，75%以上的高校及 72%以上的企業有過校企合作經歷，主要合作方向集中在科研項目合作、學習實習/就業合作和聯合實驗室方面，部分高校與企業有進行過商業項目方面的合作，而雙方在課程建設方面合作最少。從雙方未來合作意向上看，高校和企業均計劃加深科研項目合作，對于聯合實驗室建設也表現出了強烈的意愿，這有助于加快構建深度“產學研”一體化的進程，形成計算機視覺人才培養的新形式和新方法。

2019 年，教育部公布了兩批產學合作協同育人項目，數百家企業參與，共支持項目 22,997 項，這極大地推動了產教融合的發展，也為高校和企業的項目合作提供了完善的模式參考。從人才的培養與發展來看，除了短期的項目合作，企業的產業需求與人才培養目標仍需更深度地融入高校的教學體系中，以及通過共創計算機視覺實訓課程、共建人才實訓基地、企業導師進校指導等更加豐富的形式展開教學合作。

▲本次調研高校側的校企合作經驗

▲本次調研企業側的校企合作經驗

▲高校與企業在計算機視覺領域未來合作意向

計算機視覺人才選擇城市時的考慮因素可以看出，當地政府人才引進政策已成為計算機視覺人才在選擇未來意向發展城市的重點衡量因素。同時近年來，面對計算機視覺行業的快速發展，國家和地方政府已經出臺了眾多扶持人工智能、計算機視覺產業人才和企業發展的相關政策，并將人工智能產業人才和企業的引進作為推動人工智能產業發展的重要戰略部署。因此，本報告匯總了近年來國家和各地方政府層面的相關政策，見下圖，供人才和企業參考。

▲政府對相關人才、企業扶持政策匯總

智東西認為，機器視覺是人工智能應用最廣泛的技術方向，尤其是在中國。雖然機器視覺、人工智能這些概念已經火了有一陣子了，各高校也在加緊開設相關專業，但相關領域仍然面臨著“人才荒”的問題。無論是人才、高校還是企業，都面臨滿足未來期望的發展瓶頸。學生未能學以致用，高校科研經費囊中羞，企業聘請高技術人才舉步維艱。所以，未來高校和企業增強合作將是大勢所趨，建立聯合實驗室，有助于發揮三方優勢，實現各方目標，開拓共贏格局。