一、七成以上CV人才集中在區域經濟發達、相關產業聚集、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產業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；除人工智能和互聯網行業外，電商、金融、企業服務、教育、文娛內容等領域也擁有大量CV人才。
二、企業偏好多元化專業背景人才，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；企業已經意識到在CV的落地場景中，單純依靠模型優化并不能解決所有問題。因此，除算法崗外，超六成企業表現出對AI產品經理的強烈需求。
三、人才培養上存在現實與期望的落差，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展進程中的挑戰。在調研中，高校和企業對于建立聯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、德勤共同發起 2020 年度中國計算機視覺人才調研活動，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，包括但不限于高校師生、算法研究者、企業算法工程師等群體，洞悉「后疫情」時代下CV人才現狀，了解中國企業與社會對CV人才的訴求，加速中國計算機視覺人才的培養與發展。
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？報告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。
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。由于計算機視覺技術的發展涉及多種交叉學科，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。
在細分領域方面，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。
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。
在開發習慣方面，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%的在職人員已經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。
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。
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。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發展，而選擇港澳臺及海外城市為發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展城市主要看重薪資水平、就業機會及人才引進政策。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。
調研中有80%的學生群體介于21-25歲，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。與此同時，他們會選擇諸如算法工程師、高校研究員、算法研究員和研發工程師等直接與計算機視覺專業技術對口的崗位。
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。
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。
3 年以上計算機視覺的在職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；
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。這一部分將闡釋企業、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。
計算機視覺在應用場景方面，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；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、大數據、傳感器等多種技術融合。在此背景下，企業對計算機視覺人才要求頗多。
以面向制造業的工業機器人項目為例，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。
由此說明，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，還涉及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。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。
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。
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。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。
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。
以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。
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。
企業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 身對未來廣闊的發展空間也充滿期待。究竟人才、企業、高校在計算機視覺領域還會面臨哪些發展瓶頸？目前國內高校計算機視覺課程開設情況、校企合作情況、政府政策情況又是如何的？
調研顯示，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。
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。
