製造晶片或者說設計與生產晶片相關的專業有兩個：微電子技術、積體電路設計與系統整合，另外電子科學與技術專業也有微電子方向。這幾個專業的學習內容都不涉及到機器人的製作；

網際網路是沒有這個專業的，網際網路是計算機科學與技術的一個技術方向，在軟體工程和電子資訊工程專業也會涉及到部分網際網路開發的內容；這幾個專業的學習和研究內容是如何設計和開發某一領域的資訊系統的硬體及軟體。也不涉及機器人的內容。

人工智慧專業是研究如何透過機器實現人的思維和推理能力，是包括計算機、控制工程、神經科學、認知科學的交叉科學，包括機器學習和深度學習等方向，主要是偏理論，也就是機器推理的演算法研究。

機器人的製作相關的專業包括：機器人工程、機械設計與製造等偏機械類的專業，一般來說研究的內容包括：計算機技術、仿生學、機械工程、感測器及控制工程等內容，也是一個典型的多學科交叉的專業領域，從就業角度來講，偏機械的專業的就業都不如偏軟體的專業就業質量好，所以建議選擇前一定考慮好。

人工智慧並不是單純意義上的製造晶片，製造機器人。更多的是一種技術融合，將軟體和硬體系統進行合理化整合，來實現人工智慧的方法，目前透過部署就能最終實現人類人工智慧的目的，來幫助人類有效建立高度文明。

在大資料時代，人工智慧相關技術得到了越來越多的，市場對於人工智慧產品的呼聲也越來越高，因此不少科技公司都陸續開始在人工智慧領域實施戰略佈局，由於人工智慧人才相對比較短缺，所以人才的爭奪也比較激烈。

未來人工智慧的就業和發展前景都是非常值得期待的，原因有以下幾點：

第一：智慧化是未來的重要趨勢之一。隨著網際網路的發展，大資料、雲計算和物聯網等相關技術會陸續普及應用，在這個大背景下，智慧化必然是發展趨勢之一。人工智慧相關技術將首先在網際網路行業開始應用，然後陸續普及到其他行業。所以，從大的發展前景來看，人工智慧相關領域的發展前景還是非常廣闊的。

第二：產業網際網路的發展必然會帶動人工智慧的發展。網際網路當前正在從消費網際網路向產業網際網路發展，產業網際網路將綜合應用物聯網、大資料和人工智慧等相關技術來賦能廣大傳統行業，人工智慧作為重要的技術之一，必然會在產業網際網路發展的過程中釋放出大量的就業崗位。

第三：人工智慧技術將成為職場人的必備技能之一。隨著智慧體逐漸走進生產環境，未來職場人在工作過程中將會頻繁的與大量的智慧體進行交流和合作，這對於職場人提出了新的要求，就是需要掌握人工智慧的相關技術。從這個角度來看，未來掌握人工智慧技術將成為一個必然的趨勢，相關技能的教育市場也會迎來巨大的發展機會。

在未來會透過具體演算法來實現人工智慧的應用，不會因為某個晶片或者技術來實現的，每一次的突破都是會有一個轉折點，目前人工智慧已經能夠實現智慧化操作，人類進行程式上的部署就可以讓機器人按照指令進行操作，這在以前是無法實現的，所以關於人工智慧不要理解的太片面。

希望，這個回答可以幫助到你。

機器人：你看是純軟體的機器人，還是能看到實體的機器人，純軟體的機器人其實還是程式，只是這個程式有一定的自我學習的能力。實體的機器人涉及的東西太多，比較複雜，如果只是簡單的跟隨節奏跳舞，或者是流水生成線上的某一個固定工作的工具，這目前是都已經實現的。

再簡單說一下，目前人工智慧的情況：

從早幾年前阿爾法狗和李世石、柯潔的圍棋對決開始，人工智慧的概念真正走進了大眾的視野，首先阿爾法狗是一個軟體程式，他是使用了神經網路演算法來提高自己的圍棋能力。

關於人工智慧的基本介紹，大家可以關注機率論、深度學習這些概念和學科，給大家一些初步的介紹：

目前涉及到的演算法主要有：貝葉斯演算法、樸素貝葉斯演算法、迴歸向量機、神經網路、卷積神經網路、決策樹演算法等。

給大家舉例說明目前人工智慧一些簡單的應用：

1.情感判斷：

（1）當你說的語句中，包含有：激動、興奮、笑、可愛等這些詞語時，你屬於開心的狀態的機率是89%；

（2）當你說的語句中，包含後：擔心、哭、鬱悶、糾結這些詞語時，你屬於悲傷狀態的機率是86%；

（3）那麼一個客服軟體就可以將已有的大量客戶文字互動資訊進行分析，先將不同的使用者情緒與不同的語氣詞進行關聯，把這個對應的結果讓程式學習，最後程式就能根據客戶在投訴時的文字，來判斷客戶當期的情緒狀態。

2.人臉識別：

（1）首先透過攝像頭，紅外感應器獲取人臉照片，以及頭部紅外掃描結果，提取一些特定的資訊，比如：人員瞳孔之間的距離（變化的可能性小），眉距，頭頂到下巴的距離，左右臉最遠的距離，五官之間的距離等資訊，來作為識別某一個人的資料；

（2）當人臉識別程式開始應用以後，每次使用者去掃臉的時候，攝像頭或者感應器都會獲取人臉上的更多資訊去完善人臉識別庫，當獲取的資訊約多，每次掃臉識別的效率就會約高；

（3）人每天其實都在產生變化，但是每次使用者掃描時同一個引數，或者更多的引數都在被獲取，所以人臉識別程式能夠透過一定的規則學習到人的變化，從而能一直適應人的變化，成功刷臉。