先說結論吧，如果題主對兩個方向沒有個人興趣的傾向，僅從就業、深造等方面考慮，本人建議選擇CV/NLP/ML等的演算法方向。原因如下：

1)我估計AI晶片這一個方向應該是重點學習AI計算晶片、輔以學習諸如視覺等感測晶片設計，這個方向歸屬於微電子、積體電路領域，而這些晶片本質上就是一類晶片，與AI不AI的沒有什麼關係。

2)當前，這一類晶片技術架構已經非常成熟。後續可見的10~20年估計就是效能提升、整合度提高、成本降低等，可供深入的機會有但較之演算法要少；

3)晶片設計是國之重器，後續一些年國家也會重點發展該領域。但由於晶片的通用性、複雜性及鏈條長，這一領域無論國內還是海外，都會被少數巨頭把控和壟斷，因此能夠提供的工作機會等要遠小於演算法領域能夠提供的工作機會；

4)需要說明的是，當前諸如CV/NLP/ML等演算法實際上也是達到了一個瓶頸，技術上突破依賴於基礎理論的進一步突破。但已成熟演算法的應用因為面很廣，因此還是能夠提供較多的工作機會及深造機會。同時，假設搞科研，也容易找到進行深入及突破的點。

5)最後想說明的是，個人觀點認為人工智慧專業提供AI晶片方向不合理。假設想學這個方向，遠不如一開始就選擇微電子或積體電路專業。當然，這個取決於學校的課程安排，比如假設第一年基礎課、第二年開始就細分那麼還是能夠接受的，但此時相當於頂著“人工智慧”專業的名進校、實際學習的是微電子之類的專業。

先說明一下，人工智慧 在本科階段設定成一個專業分的太細了，研究生設定成一個專業，都覺得分的細，本科需要學習公共英語，數學，物理，計算機各門基礎課，其實和計算機科學與技術專業不同的課程最多半年，半年時間，對ai 各種演算法，各種應用領域，有個初步體會就不錯了，深入研究需要時間的。ai 晶片研究 和演算法研究 涉及到不同的基礎知識，晶片研究需要熟悉 微電子和積體電路，演算法研究 熟悉程式語言 和基礎演算法就可以了。具體透過人工智慧解決計算機視覺，或自然語言處理，或醫療影象解讀，這個看自己的興趣。不管解決哪個領域的問題，都會涉及到機器學習演算法，神經網路，決策樹，最近鄰居法，線性迴歸法等。如果以後從事人工智慧的話，計算機程式設計基礎，機器學習演算法，以及與一個應用領域的具體結合 是一般的學習路線。這波人工智慧，是deepmind 開發出了 alphago,機器下圍棋 戰勝人類高手 而引發出來的，但是離實際創造商業價值還有些遠，deepmind 本身 也遠沒有盈利。前段時間，又有 用量子計算 模擬化學 反應的報道，不排除某些大學 說不來 過兩年，再設定個 量子計算 本科專業。

ML一般指可以從經驗中學習的系統

DL是可以從大型資料集的經驗中學習的系統

ANN一般是幫助計算機學習的人類神經網路模型

NLP 是語言處理系統

ASR是使用基於計算機硬體和軟體的技術來識別和處理人的語言

CV有點不同，他是一個大融合的交叉學科，有CS、ML、NLP、物理、生物、神經科學相交融的方向。讓計算機在單一或者一系列影象中提取、分析和理解有用的資訊。

AI/ML/NLP之間的關係

AI是涵蓋所有與使機器智慧化有關內容的學科。無論是機器人，汽車還是軟體應用程式，如果要使它們變得智慧，那就是AI。ML是AI的子集。ML是指可以自行學習的系統。隨著時間的推移，系統變得越來越智慧，無需人工干預。深度學習（DL）是ML，但適用於大型資料集。現在，大多數AI工作都涉及ML，因為智慧行為需要大量知識，而學習是獲取知識的最簡單方法。