這是一個好問題，我結合身邊同學的就業情況來回答一下。

首先，人工智慧一直是計算機專業同學比較關注的方向之一，即使早期很多同學因為課題專案的原因，無法選擇到自己更感興趣的人工智慧方向，也會在課題之外主動學習人工智慧相關知識。

人工智慧相關課題的大量爆發也就是近幾年的事情，之前很多課題都是集中在軟體體系結構、資料庫、嵌入式、實時作業系統等領域，這在一定程度上限制了學生的選擇，畢竟老師和學生都要圍繞課題專案展開科研實踐活動。

以我所在的課題組為例，早期主攻ML相關方向的同學基本上都會選擇進入教育和科研領域發展，還有一部分同學到國外大廠發展了，多年過去之後，這部分在國外大廠發展的同學往往也會進入到教育領域發展，基本上也都在國外的大學任教。

大概在10年前左右，我尚不能獨立帶學生，在一個大導師的組裡做一個方向的leader，當時其他組裡就有老師在做ML方向的研究，後來這名老師選擇去了一家德國公司，再後來就到美國一所大學任教了。

實際上，這也為大陸大學與國外大學開展科研合作搭建了橋樑，我目前就跟一些國外的大學教授開展合作，其中很多合作都是跟這些華人教授開展的。

從人才培養的角度來看，在大資料、人工智慧大熱之前，計算機專業整體的高階人才培養能力還是比較弱的，研究生的比例還非常低。

由於當時高附加值崗位並沒有現在這麼多，而且不同方向之間的熱度差異也沒有現在這麼大，所以在選擇發展方向的時候，也沒有太大的差異。

早期的研究生教育主要以學碩為主，大部分高階人才還會回到教育、科研領域發展，而且由於計算機專業人才培養規模擴張迅速，很多同學也都會在老師的鼓勵下選擇了留校任教。

伴隨著專碩人才培養規模逐年擴大，計算機專業高階人才終於走出了內迴圈，真正開始大規模走向產業領域，而且在當前研究生培養規模不斷擴大的背景下，學碩培養規模還有一定的萎縮，更多的名額被分配給了專碩，這就是一個比較明顯的訊號，希望更多高階人才能夠走進產業領域，為產業結構升級奠定人才基礎。

總體上來說，雖然當前人工智慧領域的高附加值崗位競爭比較激烈，但是大的行業發展趨勢還是比較明確的，所以只要在讀研期間能夠做好規劃，未來的就業前景還是比較廣闊的。