根据清华大学数据显示，在诸多人工智能技术方向中，计算机视觉（ComputerVision）是中国市场规模最大的应用方向，在整体中国人工智能市场应用中占比为34.9%。计算机视觉技术的研究目标是使计算机具备人类的视觉能力，能看懂图像内容、理解动态场景，已经广泛应用于智慧城市与新基建、安防、金融、医疗健康、电商与实体零售、无人驾驶等各类场景。人脸识别、图像搜索、文字识别、车辆分析、视频结构化、动作识别等算法为生产活动带来了安全保障与效率提升，也为人类生活提供了更多便捷与乐趣。
原标题：
《中国计算机视觉人才调研报告》
作者：李轶童等
▲人才城市分布情况
▲人才城市分布TOP8
▲中国计算机视觉人才专业背景分布情况（TOP5）
▲中国计算机视觉研究领域分布情况
▲近五年中国计算机视觉中文论文发表情况
▲近五年中国计算机视觉中文论文细分领域发表情况
开发习惯：中国计算机视觉人才最常用Pytorch和TensorFlow。Python是目前中国计算机视觉人才最常用的开发语言。Python编程语言具有简单、高效的特点，这使得初学者和计算机专家都可以很快的上手。另外，Python作为一门开源的语言，其社区中拥有大量的编程志愿者，使Python得以大规模推广。同时，不少将C/C++作为主要编程语言的计算机视觉人才，也会同时选择Python作为辅助工具，以满足不同任务的需求。
▲中国计算机视觉人才开发语言偏好
Pytorch和TensorFlow是当前学界和业界主流的两大深度学习框架，也是目前中国计算机视觉人才最常用的深度学习算法框架。由于人工智能领域的高速发展，不少软件、架构、硬件方向的研发人员也逐步转向计算机视觉算法岗位；Pytorch的易学易用使得其成为了大部分在职人员转岗时的首选框架。此外，近几年国内深度学习算法框架逐步上线，有6.49%的在职人员已经在工作中进行应用这类框架。
▲中国计算机视觉人才深度学习算法框架偏好
在中高收入（年薪大于40万）人数占比方面，算法岗人数占比则远高于其他岗位：算法研究员中的中高收入人数占比为29.54%，算法工程师岗位为32.84%，研发工程师岗位为14.58%，AI产品经理岗位为11.77%。在高收入（年薪大于80万）人数占比方面，算法研究员岗位占比最高，为4.55%，这由于该岗位进入门槛最高，不少企业或研究院要求候选人在计算机视觉领域顶级会议（CVPR、ICCV、ECCV等）和期刊（IEEE-TPAMI、IJCV等）或机器学习领域的顶级会议（NIPS、ICML等）上发表过论文。
此外，结合工作年限来看，工作经验5年以内的算法岗人才（包含算法研究员与算法工程师）与研发工程师的平均年薪相差不大。但是，工作经验5-10年的算法岗人才平均年薪比同等经验的研发工程师高出14万元；对于10年工作经验以上的人才，两类岗位年薪差距为12万。
▲2020年中国计算机视觉人才主要岗位薪资情况
▲计算机视觉算法岗与研发岗薪资对比情况
本次调研中，通过对计算机视觉在职人员所在企业涉及行业领域的调研统计发现，人工智能和互联网企业计算机视觉人才最多，同时，也有大量计算机视觉人才分布在电商、金融、企业服务、教育、文娱内容等领域，这主要由于计算机视觉技术在部分行业的发展中承担着越来越重要的角色。
如电商领域，商品以图搜图已经成为综合电商、垂直电商的标配；虚拟试妆功能则进一步丰富了美妆类产品线上营销的方式。在金融领域，部分机构在人工智能技术应用上选择“内外结合”的形式，即采购外部成熟算法模块或基础平台，交由内部算法工程团队或产品研发团队进行模型优化与二次开发，以提高对用户数据安全的保护及对业务场景的适用性。在教育行业，计算机视觉技术与自然语言处理、语音识别技术的深度结合，使得视频教学、智能阅卷等功能日趋完善，智能化水平成为教育类企业/机构的核心竞争力。
▲中国计算机视觉人才行业分布情况
第一章节调研结果显示，我国计算机视觉人才主要分布在一线与新一线城市，除人工智能与互联网企业，也广泛分布在各行业企业中，且算法岗人才拥有较高的薪资水平。根据极市平台计算机视觉开发者社区数据统计，自2016年到2020年，我国计算机视觉人才数量从不到2万人提升至20万人，已成为人工智能乃至科技领域中一类重要并且快速扩大的人才群体。计算机视觉人才对于个人未来的发展有何期望？他们将如何选择未来发展的城市、行业、岗位？对于薪资和研究领域有何诉求？本章节将从中国计算机视觉人才个人发展期望与规划角度，挖掘计算机视觉人才的核心诉求，为后续人才培养与发展建议提供参考。
德勤调研问卷结果统计，85.84%的计算机视觉人才填写了一线城市作为未来意向发展城市：北京（27.59%）、深圳（24.92%）、上海（22.78%）、广州（10.55%）。31.86%的人才填写了新一线城市：如杭州（7.15%）、南京（5.74%）、成都（3.74%）、武汉（2.47%），以及天津、郑州、合肥、青岛、长沙、重庆、苏州、西安等。11.42%的人才填写了二线城市，如厦门、太原、南昌等。由此可见，尽管一线城市就业面临落户、房价、竞争等多重压力，北京、上海、深圳对于计算机视觉人才的吸引力仍然巨大。
德勤在《全球AI城市白皮书》报告中提出，全球AI城市集群可以分为三类：综合枢纽型（如旧金山湾区）、融合应用型（如北京、上海）、创新引领型（如深圳、多伦多），这三类城市分别因其前沿的技术引领能力、雄厚的产业经济实力、卓越的科技创新环境吸引着大量人工智能人才，人工智能核心城市拥有明显的人才聚集效应。从中长期来看，融合应用型与创新引领型城市都将向综合枢纽型城市发展，我国一线与新一线城市将拥有更强的人才聚集能力。
在本次调研中，仅有0.27%的计算机视觉人才在未来意向发展城市中填写了港澳台及海外城市，这可能由于在2020年新冠疫情影响下，国内人才到港澳台或国外留学及就业的难度增加，且海外国家与地区在疫情后的经济恢复情况较国内相比较为缓慢，从而使大部分的中国计算机视觉人才都选择了未来在国内发展。
▲中国计算机视觉人才未来发展城市选择情况
计算机视觉人才在选择未来意向发展城市时，最看重的是当地薪资水平（72.68%）、就业机会（69.94%）和人才引进政策（51.77%）。同时，当地高新企业聚集程度、地理因素（环境、气候等）、家庭因素与房价等也是人才选择城市时的重点考虑内容。
在深度访谈中，在职计算机视觉人才全部提到会优先考虑家庭因素或伴侣的未来发展城市意向；学生群体中，如果求学所在地是一线城市或离家较近的城市，则会优先考虑在求学所在地发展。
▲中国计算机视觉人才选择未来意向发展城市的考虑因素
▲中国计算机视觉在校学生就业行业选择情况
计算机视觉学生群体的就业岗位选择集中在算法工程师、高校研究员、算法研究员和研发工程师等直接与计算机视觉专业技术对口的岗位。同时，也有部分学生选择了AI产品经理和AI项目经理岗等需要技术理解能力但无需直接参与代码工程的岗位。
▲中国计算机视觉在校学生就业岗位选择情况
本次调研数据显示，计算机视觉领域学生群体毕业后就业期望年薪普遍不低于18万，不同学历之间有明显差异。本科学历学生中，83%希望毕业后年薪不低于18万，56%希望年薪不低于24万；硕士研究生学生中，88%希望毕业后年薪不低于18万，64%希望年薪不低于24万；博士研究生学生中，86%希望年薪不低于24万，68%希望年薪不低于30万，54%希望年薪不低于36万，12%希望年薪不低于60万。
▲中国计算机视觉在校学生毕业后薪资期望（年薪）
调研中，计算机视觉在职人员全部期望年薪在20万以上，不同工作年限人员期望有显著差异，其中，3年以上工作经验人员全部希望年薪不低于30万。对于1-3年工作经验的人员，72%希望年薪不低于30万；对于3-5年工作经验的人员，67%希望年薪不低于40万；对于5-10年工作经验的人员，76%希望年薪不低于40万；对于10年以上工作经验的人员，79%希望年薪不低于40万，49%希望年薪不低于50万。可以发现，大部分在职计算机视觉人才希望自己的年薪不低于本领域同等工作经验人才的平均薪资。
▲中国计算机视觉在职人员薪资期望（年薪）
▲中国计算机视觉在职人员研究领域兴趣变化
工信部近日发布的《人工智能产业人才发展报告（2019-2020年版）》指出，人工智能属于高度知识密集型产业，对人才的业务能力、工作经验、教育背景等方面都有着较高的要求。随着人工智能技术的不断更迭和应用落地的快速推进，仅具备单一能力的产业人才无法匹配企业的实际需求。
聚焦在计算机视觉领域，本次调研中，企业所涉及项目领域呈现出百花齐放的状态，这也正说明了计算机视觉技术是我国目前应用范围最广的人工智能技术之一。从应用场景上，计算机视觉需要与交通、安防、制造、医疗、零售、汽车、金融、传媒等领域的行业知识相结合；从技术领域上，计算机视觉需要与云计算、人机交互、智能硬件、机器人、自然语言处理、大数据、传感器等多种技术融合。
在这样的项目背景下，企业对计算机视觉人才提出的不仅仅是算法模型设计能力要求，如何深度理解具体业务场景、如何快速学习新技术并有机融合，这些都是考验计算机视觉人才的难题。也正因如此，尽管我国计算机视觉人才群体已经达到20万人，但真正能够满足产业社会要求、达到目标水平的人才仍然稀缺。
本次调研中，九成的受访企业对于计算机视觉人才有学历背景上的要求。其中，64.29%的企业要求计算机视觉人才至少为硕士研究生学历，28.57%的企业准入门槛要求为博士研究生学历。当前，随着国内开设人工智能本科专业的院校增多，如果结合产业需求进行定向培养，或许未来企业对计算机视觉人才的学历要求会降低为本科。
▲企业对于计算机视觉人才的最低学历要求
▲企业对于计算机视觉人才的专业背景偏好
针对计算机视觉人才求职意向最大的算法工程师岗位，本次调研重点了解了企业对该岗位的专业技能和能力要求。调研发现，企业对计算机视觉算法工程师新技术实用化、算法实现能力方面的硬性技能最为重视；同时，熟悉深度学习框架和熟悉使用常用视觉计算开源库也是企业要求算法工程师具备的基本技术要求。
调研结果中还发现，对于算法工程师岗位，有算法的实际产品化及视频分析经验的人才比发表过本领域优秀论文的人才更受企业欢迎，这主要由于算法工程师岗位是以技术应用落地为导向的岗位，在企业项目或产品任务中，其工程实践能力可能比理论研究能力更重要。
在软技能层面，参与调研的企业中，全部都选择了解决问题能力；学习能力、团队协作能力、创新能力也是企业选拔计算机视觉人才过程中重点考量的方面。
▲企业对于计算机视觉算法工程师软硬技能要求
在许多的计算机视觉企业/项目中，由于缺少具备上述综合能力的AI产品经理，计算机视觉算法工程师有时不得不承担产品经理的角色，导致相应的算法工作难以按照预期完成；这也不难解释为何企业对于AI产品经理需求如此强烈。除了行业应用型AI产品，人工智能开发框架、开发工具、开发平台类产品对AI产品经理有着更高的技术能力要求。
▲除算法工程师和算法研究岗外，企业对于计算机视觉其他岗位的需求情况
面向未来，只有更好地了解了当前计算机视觉人才、技术与产业发展困境，才能提出更有价值的解决方案。本章节将主要分析人才、企业、高校在计算机视觉领域的发展瓶颈，同时通过总结国内高校计算机视觉课程开设情况、校企合作情况、政府政策情况，力求为未来人才培养与发展提供一定参考。
计算机视觉领域在职人员主要发展瓶颈在岗位本身，如：岗位和工作方向不符合预期（44.19%）、晋升空间/机会不符合预期（32.9%）、发展方向不明确（31.63%）等。这主要归因于计算机视觉技术产业化进程发展历程较短，社会尚未建立针对本领域人才职业技能的统一评价体系；在企业中，相比于研发工程师等岗位，计算机视觉算法人才的职级评定标准、晋升要求也相对模糊甚至是缺失的。
41.55%的计算机视觉在职人员反馈自己无法平衡工作与生活，可见当前优质计算机视觉人才的稀缺使得产业对计算机视觉技术的高需求无法被满足，导致市场现有计算机视觉在职人员面临较为繁重的工作任务。
▲中国计算机视觉在校学生发展瓶颈
▲中国计算机视觉在职人员发展瓶颈
对于高校/研究院而言，当前制约工作发展的核心问题是科研经费不足（55.7%）以及校企合作困难（51.9%）。这两方面问题将在本章第3节详细阐述。针对教研人员自身发展来讲，有超过30%的教研人员认为目前的发展瓶颈在于职称评定困难和发表论文困难，这与本领域研究难度较高也存在一定关联。另外，科研项目启动/进展慢、学生人数不足、高校与企业间人才流动困难等问题也成为了教研人员研究和发展的限制因素，这需要高校、研究院、企业、甚至整个社会共同探讨解决。
企业在计算机视觉领域发展的首要问题便是招聘问题。深度访谈中，绝大部分企业均表达了市场上缺乏符合要求的计算机视觉产业人才的情况，但不同类型企业的招聘问题略有差异：对于人工智能企业而言，虽然公司经营范围与计算机视觉领域人才研究领域对口程度最高，但由于企业知名度不如互联网巨头，加之部分创业型AI企业持续盈利模式不清晰，在人才争夺战中并不能吸引到足够优秀的计算机视觉人才；而对于想要进行产业升级的传统企业而言，即使拥有雄厚的资金实力和稳定的行业地位，但缺乏接触计算机视觉人才群体的有效渠道，同时部分传统企业尚未发展出符合计算机视觉人才期待的科技创新文化氛围。
针对这类情况，企业在提升公司业务、技术、品牌、文化的综合影响力之外，还应深入到计算机视觉人才群体中，通过拓宽招聘渠道来提高企业的曝光度。除了主流的互联网招聘渠道，人工智能领域学术会议、学会联盟、技术社区、开发者论坛甚至垂直领域科技媒体都是挖掘计算机视觉人才的有效阵地。此外，有条件的企业还可以选择与国内外高校共建人工智能学院或研究院，通过校企合作的模式定向培养企业所需计算机视觉产业人才。
▲中国计算机视觉教研人员发展瓶颈
然而，短期内在高校开设细分领域的课程仍有不小的挑战：一方面，计算机视觉细分领域广泛，学生兴趣较为分散，细分领域课程可能无法满足全部学生需要；另一方面，由于本领域技术迭代速度极快，且部分领域的学习需要多样化产业实际案例的支持，课程开设难度较大。
教育部在《高等学校人工智能创新行动计划》中强调，要完善人工智能领域多主体协同育人机制，以多种形式培养多层次的人工智能领域人才。工信部《人工智能产业人才发展报告》中指出，国内诸多本科大学与专科院校已经开始筹划和建设人工智能学院和研究院，通过联合人工智能产业链各环节的领先企业，加强在人才培养、实训课程、项目共享、实践机会等方面的合作，着重培养具备人工智能实践经验的应用开发型人才。
在计算机视觉领域，根据本次调研数据显示，75%以上的高校及72%以上的企业有过校企合作经历，主要合作方向集中在科研项目合作、学习实习/就业合作和联合实验室方面，部分高校与企业有进行过商业项目方面的合作，而双方在课程建设方面合作最少。从双方未来合作意向上看，高校和企业均计划加深科研项目合作，对于联合实验室建设也表现出了强烈的意愿，这有助于加快构建深度“产学研”一体化的进程，形成计算机视觉人才培养的新形式和新方法。
2019年，教育部公布了两批产学合作协同育人项目，数百家企业参与，共支持项目22,997项，这极大地推动了产教融合的发展，也为高校和企业的项目合作提供了完善的模式参考。从人才的培养与发展来看，除了短期的项目合作，企业的产业需求与人才培养目标仍需更深度地融入高校的教学体系中，以及通过共创计算机视觉实训课程、共建人才实训基地、企业导师进校指导等更加丰富的形式展开教学合作。