一、七成以上CV人才集中在區(qū)域經(jīng)濟發(fā)達、相關產(chǎn)業(yè)聚集、高校資源豐富的一線與新一線城市，整體人才分布集中度高；目標檢測作為CV領域的基礎研究任務，是近年來中國CV產(chǎn)業(yè)落地過程中應用最廣泛的技術之一，也是CV人才最集中研究的細分領域；CV人才在「后疫情」時代仍擁有較高收入水平；除人工智能和互聯(lián)網(wǎng)行業(yè)外，電商、金融、企業(yè)服務、教育、文娛內(nèi)容等領域也擁有大量CV人才。

　　二、企業(yè)偏好多元化專業(yè)背景人才，以促進CV與更多學科深度交叉融合。CV人才在未來還需軟硬兼修，一方面加強新技術實用化的硬實力，另一方面積極提升解決問題的軟技能；企業(yè)已經(jīng)意識到在CV的落地場景中，單純依靠模型優(yōu)化并不能解決所有問題。因此，除算法崗外，超六成企業(yè)表現(xiàn)出對AI產(chǎn)品經(jīng)理的強烈需求。

　　三、人才培養(yǎng)上存在現(xiàn)實與期望的落差，這也是計算機視覺作為一門理論研究與工程實踐高度融合的學科在發(fā)展進程中的挑戰(zhàn)。在調(diào)研中，高校和企業(yè)對于建立聯(lián)合實驗室以及科研項目合作表示出強烈的意愿，這有望成為CV領域人才培養(yǎng)的重要方式。

　　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(guī)模最大的應用方向，占整體中國人工智能市場應用的34.9%，廣泛應用在智慧城市與新基建、安防、金融、醫(yī)療健康、電商與實體零售、無人駕駛等場景。

　　為了更好地解決「人才荒」問題，極市平臺、中國圖象圖形學學會、德勤共同發(fā)起 2020 年度中國計算機視覺人才調(diào)研活動，深度調(diào)研人工智能領域最受關注的計算機視覺方向研發(fā)人員，包括但不限于高校師生、算法研究者、企業(yè)算法工程師等群體，洞悉「后疫情」時代下CV人才現(xiàn)狀，了解中國企業(yè)與社會對CV人才的訴求，加速中國計算機視覺人才的培養(yǎng)與發(fā)展。

　　計算機視覺人才主要分布在哪些城市與行業(yè)？他們重點關注哪些研究領域？開發(fā)習慣如何？報告從中國計算機視覺人才所在城市、專業(yè)背景、研究領域、開發(fā)習慣、薪資情況、行業(yè)分布等維度，全面展現(xiàn)人才當前學習與工作的現(xiàn)狀。

　　在學術背景方面，50%左右的計算機視覺人才來自于計算機科學與技術專業(yè)。由于計算機視覺技術的發(fā)展涉及多種交叉學科，本次調(diào)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(shù)學等非計算機專業(yè)。

　　值得關注的是，人工智能專業(yè)在 2018 年被正式納入我國本科專業(yè)名單，至今已有超過 200 所高校開設了相關專業(yè)并啟動招生；在本次調(diào)研中，有 6.81%的人才正是來自于新開設的人工智能專業(yè)，并且已經(jīng)開始或即將進入計算機視覺方向的學習與研究。

　　在細分領域方面，現(xiàn)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(xiàn)出多元化的特點：摳圖 Matting、醫(yī)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。

　　在計算機視覺中文學術論文的統(tǒng)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(shù)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(shù)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(chǎn)業(yè)落地過程中應用最廣泛的技術之一，大量實際場景數(shù)據(jù)也為該任務的研究提供了有力支撐。

　　在開發(fā)習慣方面，中國計算機視覺人才最常用 Pytorch 和 TensorFlow。由于人工智能領域的高速發(fā)展，不少軟件、架構、硬件方向的研發(fā)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(nèi)深度學習算法框架逐步上線%的在職人員已經(jīng)在工作中進行應用這類框架。

　　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(fā)工程師（指計算機視覺領域企業(yè)/項目中，非算法類研發(fā)崗位，如系統(tǒng)架構師、軟件工程師）為 294,271 元，AI 產(chǎn)品經(jīng)理（指計算機視覺領域企業(yè)/項目中的產(chǎn)品經(jīng)理）為 274,265 元；四類崗位的平均年薪差距在 7.5 萬元以內(nèi)。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(yōu)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(shù)占比方面，算法崗人數(shù)占比則遠高于其他崗位：算法研究員中的中高收入人數(shù)占比為 29.54%，算法工程師崗位為 32.84%，研發(fā)工程師崗位為 14.58%，AI 產(chǎn)品經(jīng)理崗位為 11.77%。

　　在高收入（年薪大于 80 萬）人數(shù)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(yè)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(fā)表過論文。

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

　　如電商領域，商品以圖搜圖已經(jīng)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(chǎn)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(nèi)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(nèi)部算法工程團隊或產(chǎn)品研發(fā)團隊進行模型優(yōu)化與二次開發(fā)，以提高對用戶數(shù)據(jù)安全的保護及對業(yè)務場景的適用性。在教育行業(yè)，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(yè)/機構的核心競爭力。

　　盡管一線城市就業(yè)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。受疫情影響，大部分的中國計算機視覺人才都選擇了未來在國內(nèi)發(fā)展，而選擇港澳臺及海外城市為發(fā)展意向的計算機視覺人才只有0.27%。2、人才選擇未來意向發(fā)展城市主要看重薪資水平、就業(yè)機會及人才引進政策。同時，當?shù)馗咝缕髽I(yè)聚集程度、地理因素（環(huán)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(nèi)容。

　　調(diào)研中有80%的學生群體介于21-25歲，人工智能企業(yè)（48.84%）、研究院（43.87%）、互聯(lián)網(wǎng)企業(yè)（42.82%）是學習計算機視覺的學生群體畢業(yè)后排行前三的意向工作單位，進入本領域核心企業(yè)或從事科研工作成為計算機視覺學生群體的主流就業(yè)方向。與此同時，他們會選擇諸如算法工程師、高校研究員、算法研究員和研發(fā)工程師等直接與計算機視覺專業(yè)技術對口的崗位。

　　對比在職人員現(xiàn)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(xiàn)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。

　　本科學歷學生中，83%希望畢業(yè)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(yè)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。

　　3 年以上計算機視覺的在職工作經(jīng)驗人員全部希望年薪不低于 30 萬。對于 1-3 年工作經(jīng)驗的人員，72%希望年薪不低于 30 萬；對于3-5 年工作經(jīng)驗的人員，67%希望年薪不低于 40 萬；對于 5-10 年工作經(jīng)驗的人員，76%希望年薪不低于 40 萬；

　　社會與產(chǎn)業(yè)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。這一部分將闡釋企業(yè)、社會對計算機視覺人才學歷、專業(yè)、技能等方面的具體訴求，同時說明企業(yè)對計算機視覺領域非算法崗位的需求情況。

　　計算機視覺在應用場景方面，需要與交通、安防、制造、醫(yī)療、零售、汽車、金融、傳媒等領域的行業(yè)知識相結合；技術領域上，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(shù)據(jù)、傳感器等多種技術融合。在此背景下，企業(yè)對計算機視覺人才要求頗多。

　　以面向制造業(yè)的工業(yè)機器人項目為例，計算機視覺人才首先需要理解制造企業(yè)的工藝流程，找準計算機視覺算法的切入點；之后在生產(chǎn)線上，前端需要結合光學攝像機、傳感器等設備對圖像數(shù)據(jù)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(lián)動；整個過程中還需要網(wǎng)絡工程、系統(tǒng)架構相關知識的支持。

　　由此說明，企業(yè)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，還涉及如何深度理解具體業(yè)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。正因如此，盡管我國計算機視覺人才群體已經(jīng)達到 20 萬人，但真正能夠滿足產(chǎn)業(yè)社會要求、達到目標水平的人才仍然稀缺。

　　深度訪談中，部分人工智能企業(yè)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(yè)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(jīng)驗，人才的專業(yè)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(yè)對計算機視覺人才的專業(yè)背景要求可能會更多元化。

　　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(diào)研重點了解了企業(yè)對該崗位的專業(yè)技能和能力要求。企業(yè)對計算機視覺算法工程師新技術實用化、算法實現(xiàn)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(yè)要求算法工程師具備的基本技術要求。

　　調(diào)研結果中還發(fā)現(xiàn)，對于算法工程師崗位，有算法的實際產(chǎn)品化及視頻分析經(jīng)驗的人才比發(fā)表過本領域優(yōu)秀論文的人才更受企業(yè)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(yè)項目或產(chǎn)品任務中，其工程實踐能力可能比理論研究能力更重要。

　　AI 產(chǎn)品經(jīng)理對于企業(yè)來說，不僅需要具備互聯(lián)網(wǎng)或 IT 企業(yè)中產(chǎn)品經(jīng)理的基礎能力，如產(chǎn)品設 計工具使用技能、產(chǎn)品規(guī)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(chǎn)品設計使得計算機視覺算法可以發(fā)揮最大優(yōu)勢。

　　以面向制造業(yè)的工業(yè)機器人項目舉例，AI 產(chǎn)品經(jīng)理需要同時具備軟件、算法、架構、硬件、網(wǎng)絡相關知識，才能設計出一套完整流暢的產(chǎn)品流程，其中任何一個環(huán)節(jié)處理不當都可能導致產(chǎn)品無法上線：如產(chǎn)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。

　　計算機視覺技術和人工智能相關產(chǎn)業(yè)的發(fā)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(tǒng) IT 企業(yè)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(fā)工程師開發(fā)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(yè)競相搶奪的對象。

　　企業(yè)與社會對計算機視覺人才提出了多維度的要求，計算機視覺人才自 身對未來廣闊的發(fā)展空間也充滿期待。究竟人才、企業(yè)、高校在計算機視覺領域還會面臨哪些發(fā)展瓶頸？目前國內(nèi)高校計算機視覺課程開設情況、校企合作情況、政府政策情況又是如何的？

　　調(diào)研顯示，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(shù)量暫時無法匹配學生的學習需求。

　　然而，短期內(nèi)在高校開設細分領域的課程仍有不小的挑戰(zhàn)：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(chǎn)業(yè)實際案例的支持，課程開設難度較大。

　　根據(jù)本次調(diào)研數(shù)據(jù)顯示，75%以上的高校及 72%以上的企業(yè)有過校企合作經(jīng)歷，主要合作方向集中在科研項目合作、學習實習/就業(yè)合作和聯(lián)合實驗室方面，部分高校與企業(yè)有進行過商業(yè)項目方面的合作，而雙方在課程建設方面合作最少。