本次调研中的计算机视觉人才都是目前推进我国计算机视觉领域发展的中坚力量。与2020年的调查结果相同，计算机视觉产业规模的高速发展，加剧了行业对于人才的需求。调研组经过分析，总结出以下发现：

3.1 研究领域对比：学术界VS产业界

在研究领域上，学术界和产业界既有共性，也有差别。目标检测是学术界和产业界共同关注的TOP1，占据前四的研究领域：目标检测、图像与视频理解、语义分割、底层视觉与图像处理，学术界和产业界有着高度的重合。

通过对比学术界和产业界在研究领域的差异后发现，产业界在姿态估计、人脸以及三维视觉等细分领域的关注度高于学术界，可见计算机视觉技术在这些研究方向的产业落地已有较多成功实践。

而对于多模态学习、小样本学习等研究方向，学术界则表现出更高的研究兴趣，证明这些研究领域仍存在着大量的研究工作，这些领域尚未进入产业落地阶段。

3.2 计算机视觉人才供给严重不足，AI产品类岗位供需矛盾最为突出

根据拉勾招聘数据研究院提供的数据，2021年人工智能行业岗位需求量同比增长率约为103%，位列全行业第二名。自2019年到2021年，计算机视觉技术岗招聘量的年均增长率为49%，产品岗为42%。

在产业欣欣向荣的另一面，计算机视觉人才供不应求的日益突出。根据工业和信息化部人才交流中心对我国人工智能领域的人才需求预测，预计到2022年，我国人工智能领域产业人才缺口约为48万左右。

从人才供给端来看，存量在职人员的岗位属性和求职意向现集中于算法工程师岗，且远高于其他相关岗位。同时，通过调研学生群体毕业后的岗位选择发现，算法工程师和算法研究员是最受学生群体青睐的就业岗位。然而，仅有15%的学生将AI产品经理作为其毕业后的就业选择，这将可能会加剧未来产业内AI产品经理岗位人才储备不足的问题。

从薪资的角度出发，与计算机视觉算法岗相比，AI产品经理岗位的平均起薪和薪资涨幅情况均存在着一定的差距。对于刚刚步入职场或即将步入职场的高校学生群体来说，因为薪资恰恰是影响其工作岗位选择的重要因素之一，所以现在行业内AI产品经理的薪资水平或许导致了该岗位暂时无法成为高校学生最向往的就业岗位。

然而，通过与多位在职AI产品经理的深度访谈，调研组发现，当下计算机视觉人才市场中的AI产品经理有部分是从算法岗转岗而来。其中，市场需求和AI产品岗的职能价值是该部分群体转岗的主要原因。

3.3 校企双方暂未形成成熟的人才培养体系，人才软硬技能培养欠缺

通过对企业在人才软硬技能偏好的调研发现，在软技能方面，企业最为看重人才的创新能力、解决问题能力和学习能力。在硬技能方面，除了对专业知识的要求外，企业在招聘人才时更加关注人才是否具有计算机视觉领域相关项目经验和科研/实习经验。

在软技能要求方面，与2020年调研结果对比显示，企业越来越关注人才的创新能力。在计算机视觉领域，企业更加期望通过人才的创新能力帮助其快速实现技术创新与突破、抢占时代发展制高点、实现在行业中的技术领先地位，从而拓展其业务规模和经济收益。

学习迁移能力也显得尤为重要，特别是对于行业内的基础技能岗位，员工需要不断学习新的工作技能和生产方式，才能满足日益提高的岗位需求。

在硬技能方面，与2020年相比，企业对于人才的要求依然聚焦在实习实践经验上。在人才招聘过程中，面试官往往会关注求职者的项目、实习经验，了解求职者在项目中担任何种角色，解决了哪些问题以及采用了哪些解决方案。

不论是高校端还是企业端，对于人才在上述技能的培养上还存在较大的改进空间。目前高校更关注对人才科研实力以及专业能力的培养，而在解决问题以及沟通表达能力等方面则缺乏应对策略。在企业端，因为缺少内部人才培训机制，加之在职人员很难利用自身空余时间学习前沿技术，所以存在人才软硬技能无法全面发展的情况。

3.4 产学研助力计算机视觉人才培养

高校作为我国计算机视觉人才供应链中最为重要的人才培养和输出载体，其人才培养体系和方式对解决该领域人才供需不平衡的问题有着深远的意义和影响。根据本次调研对校企合作意愿的数据统计发现，高校对企业较为期待的专业共建、课程开发、实践实训项目和商业项目均表示出了较低的合作意向度。为此，本报告集中调研了来自国内多所院校的近80位人工智能专业教师，总结出原因并尝试为企业提供了一些可行性建议以推进校企合作模式的落地，解决高校的后顾之忧。

在商业项目合作方面，尽管企业表现出了较高的合作意向，但仅有不到18.64%的教师表示愿意尝试。通过与部分高校教师的深度访谈发现，造成这一现象的原因可能是，相比于商业项目所带来的经济价值和项目实践机会，高校更倾向于纵向课题所带来的科研和学术价值。调研组建议企业方可以积极搭建科研项目合作渠道，在推动商业项目合作的同时，充分提炼和分析项目背后的科研与学术价值，满足高校科研需求，从而实现科研价值、产业落地、人才培养的三方共赢。

在实践实训项目方面，高校的合作意向度仅为13.56%。由于我国高校人工智能专业建设仍处于初期阶段，教师更关注基础知识、原理和方法论的传授，而联合企业开展实训实践只是辅助性选择。然而，考虑到目前计算机视觉领域算法迭代速度快、产业落地需求多样化等现状，调研组建议企业应反哺高校实践教学，联动教师、学生等教学主体转变思路，让产业资源和实践项目成为学生接触实际技术应用场景、提升行业认知、拓展眼界的方法和途径。

在专业共建和课程开发方面，高校的合作意向度仅为20.34%。目前，从事人工智能领域课程教学的一线年轻教师大部分还承担着明确的科研工作指标，科研的压力导致其无法抽出时间改善课程体系，同时，由于专业师资的不足，仅凭个人力量也难以完成专业建设模式的探索。为了解决上述问题，调研组建议高校可引入企业外部导师形成“双师”教学模式，为专业建设和课程开发提供产业端建议和人力支援，也可为学生提供更为专业的就业辅导和职业规划咨询。另外，调研组建议企业应利用自身优势，为高校提供开发平台、教学平台、教学内容等工具与资源，减轻高校教师的教学压力、提升科研效率。

3.5 联合产业资源，打造标准化岗位晋升体系与企业内部培养体系

针对人才职业规划不明确的问题，企业在参考和借鉴传统互联网大厂较为规范的晋升体系的同时，在具体执行上，需要结合行业及自身发展需要，提出明确的岗位工作职责，结合工作产出制定相应的绩效奖励方案，逐步建立起内部人才评价体系。除此之外，企业也可联合政府、行业协会、产业协会等多方组织共同建立起计算机视觉行业人才岗位能力标准体系，通过顶层设计，对不同岗位提出相应的职业规划方案并形成行业共识。

针对人才专业知识和技能储备不足的问题，在产业端，各家企业应积极主动地建立内部人才培养体系，帮助在职人员快速提升计算机视觉领域专业知识和工作技能。从企业内部培养本身出发，企业可以直接从内部发掘学习能力强、应用能力强的人才来进行定岗定向培养，指定人才发展上升路径。另外，企业也可以主动寻求外部专业资源支持，与市场专业职业技能与软技能培训机构建立合作，在固定的时间组织培训会，让企业员工有机会集体学习和提升工作所需的软技能，为公司人才持续提升和专业转化打下坚实基础。

一边，计算机视觉作为中国人工智能市场中规模最大的技术方向，已经在工业、安防、能源、医疗、农业、金融、商业、政府、公共安全等行业中初露锋芒。

另一边，计算机视觉人才供不应求的矛盾日益突出，校企双方暂未形成成熟的人才培养体系，人才软硬技能培养欠缺、职业规划迷茫，人才的发展面临各种瓶颈。

这是一个机会与挑战并存的时代，本次发布《2021年度中国计算机视觉人才调研报告》，我们是希望通过提供一些有价值的数据和观点来激发出更多讨论和思考。

对于中国计算机视觉人才的培养与发展，未来还需要企业、高校、政府、科研院所、国家政策、人才本身等多方面共同努力，携手打造有利于人才培养与发展的良好环境。