當然不是。隨著這些年網際網路和AI的發展，其包含的專業方向數量也日漸增多。在美國，CS基本上可以被粗略分為理論計算機科學、應用計算機科學、計算機系統三大部分，並細分為十餘個方向。

就著這個問題，談一談計算機專業的就業問題。

就業篇01 就業前景 02 薪資水平 03 跨界金融

CS專業的就業前景一直具有樂觀的增長預測和相對較高的薪水。而且根據美國勞工統計局(BLS)預測，隨著各行業創造了超過50萬個新技術工作崗位，到2029年，這種需求將以約15%的速度增長。計算機科學專業畢業的學生有以下幾個主流發展方向。

01 就業方向

Software Developer-

軟體開發

識別和評估組織的需求，設計計算機應用程式或程式，編寫和測試程式碼。

必須具有計算機工程、計算機科學或相關領域的學士學位，僱主傾向於擁有較多程式設計和編碼方面實際經驗者。

Computer Network Architects-

計算機網路架構師

設計和構建區域網、廣域網、內聯網等資料通訊網路，以及開發、修改和維護組織IP網路硬體和軟體。

至少有網路、計算機科學或相關領域的學士學位，僱主一般對於網路方面的經驗和額外的行業相關認證有所傾斜。

Computer Support Specialists-

計算機技術支援人員

負責為計算機和網路操作提供技術支援。

需要具有出色的分析和溝通能力，此外，計算機、網路支援技術員通常需持有網路證書。

Computer Systems Analysts-

計算機系統分析師

負責為企業、政府機構和其他組織研究、規劃、設計和維護計算機資訊系統。

Database Administrators and Architects-

資料庫管理員和架構師

負責建立或組織系統來儲存和保護資料，根據特定需求為相關部門建立和管理資料庫。

MISM生畢業後多進入該領域，

Network and Computer Systems Administrators-

網路和計算機系統管理員

負責計算機網路的日常運作。

通常需要計算機科學或資訊科技等領域的學士學位，相關的工程認證（如微軟或思科的認證）也必不可少。

Web Developers and Digital Designers-

網路開發人員

負責設計、建立和維護網站，用相關程式語言編寫程式碼，適合技術能力強且對相關硬體有大致的瞭解者。

一般需擁有計算機科學、程式設計、資訊科技或其他相關領域的學士學位，或足夠工作年限來代替學士學位要求

根據美國流量最大的求職網站Indeed釋出的矽谷2021年趨勢報告顯示，矽谷技術類崗位需求榜的前兩位分別為軟體工程和高階軟體工程，而計算機科學領域的工資居高不下。

02 薪資水平機器學習工程師：$17.2萬≈¥119.2萬平臺工程師：$15.4萬≈¥106.9萬軟體架構師：$14.2萬≈¥98.4萬高階系統工程師：$14.1萬≈¥97.8萬雲工程師：$13.2萬≈¥91.6萬後端開發人員：$13.1萬≈¥90.8萬軟體測試工程師：$12.3萬≈¥85.3萬資料工程師：$12萬≈¥83.2萬前端開發人員：$11.4萬≈¥79萬軟體工程師：$11.2萬≈¥77.6萬

另外像谷歌、FB、蘋果、因特爾和甲骨文等科技大廠，不僅出手闊綽對H1B申請的贊助也是相當給力，透過率非常之高。而且就算沒有抽到H1B，作為STEM家族的一員，36個月的OPT是毫無懸念的。

2018年，高盛一共聘請了850名CS相關專業畢業生進入其技術部門，這個數字是兩年前的將近兩倍；而摩根大通甚至還出現過強制要求資產管理部門所有300名分析師學習程式設計課程的情況。

上述情況的出現，得益於近些年經濟業態和金融科技的迅猛發展。這也使得本身已經是求職界當紅炸子雞的CS又開始成為另一高薪行業——金融業競相追逐的寵兒，並且可以選擇產品管理、科技諮詢、商業分析、運營等不錯的方向就業。

科技行業-

Product Manager

在谷歌和 FB兩大頂級科技公司中，最喜歡CS專業是軟體工程師和產品經理。有Coding基礎的產品經理因為了解開發過程，對專案的時間把握有充分的發言權，很大程度上保證了專案的開發進度。同時，Coding帶來的嚴謹邏輯思維，也對產品後期升級迭代有很大的幫助。

金融行業-

Trader，Quant

Trader沒有什麼對口專業，所以Trading Floor裡很多人都是理工科出身，也基本都是從頭學，而且Trader需要對數字敏感，而這完全是CS學生的特長。

Quant的工作是採用計算機程式設計設計並實現金融的數學模型，包括衍生品定價、風險估價或預測市場行為等，主要側重技術面分析，需要掌握一些CS專業的程式語言，對數學、統計有一定要求。

諮詢行業-

Tech Consulting

Tech諮詢的業務模式是透過諮詢幫助改善企業的IT組織，改進軟體開發方法，以軟體帶動企業業務發展，這就勢必需要就有CS背景的人員進行IT系統的建立和最佳化。

這個問題沒有標準答案，我從兩種情況來解答。一、不選擇人工智慧和大資料方向。目前沒有人工智慧一級學科，人工智慧課程分散在計算機、自動化、機械等相關專業中，因此，計算機專業讀研究生，並不會與人工智慧和大資料分割開，之間聯絡緊密。計算機專業還有計算機網路、實時計算機應用、CIMS、計算機圖形學、平行計算、網路資訊保安、資料庫、情感計算等方向可讀，尤其是現在資訊時代，只要認真學習，掌握相關知識，肯定能學有所獲。二、讀人工智慧和大資料方向。人工智慧和大資料現在是大熱門，是一個交叉學科，包括很多領域內容。選擇讀這個，在將來就業的時候可能會更容易得到用人單位的賞識。總之，不管選擇讀什麼專業，都得靠自己好好學，只要真正學到家了，終有用武之地，都會有前途的。

其實不是的，有時讀的專業不一定要去擠熱門專業，根據個人的喜好即可，三十年河東，三十年河西。計算機專業也有好多有意思的方向，如網路安全、視覺化、分散式儲存、雲計算和高效能計算等等。

兩個熱門專業方向固然好，學其他專業也可以兼顧這兩個方向，就是看每人的學習興趣，及知識儲備能力，其他方向的研究生也可以從事這兩個方向的工作

你想多了，進入大公司你會發現你在學校學到的90%以上的東西都是基礎和原理，真實情況基本用不到實戰，但是用來學習公司的技術框架會快很多，在中國你覺得人工智慧能幹嘛……

主要看自己喜歡的的方向，現在人工智慧和大資料很多非科班出身都往裡面擠，真正研究生是提高對問題看法，解決問題和創新的能力。

計算機專業研究生那個方向都有前途！目前計算機及相關專業就業“錢”景都比較好，計算機大類包括計算機科學和技術、人工智慧、大資料、網路安全等。本科最好讀面寬一點的計算機科學和技術，努力加強動手能力和專案實踐能力，這樣找到高薪的工作比較容易。研究生讀人工智慧和大資料方向是不錯的選擇，契合時代發展，但其他方向由於學的相對少，就業也很好，關鍵還是看自身的實力，在研究生階段努力提高自己的實力才是硬道理。

專業技能學的過硬都有前途的。

人工智慧和大資料只是一個就業方向，其中運用到的知識包括不僅於底層語言、演算法等。比如你本科階段學習了java程式語言，那這個就是大資料方向的基礎技術之一。

再者如果自己的Java程式設計技能突出，即使不是大資料方向，依舊能找到一份很好的工作。現在的Java高階工程師薪資就能達到2W+和大資料剛畢業的學生也差不多。

所以說啊，專業技能過硬就是最有前途的。

另外，時代不斷髮展，現在的確是人工智慧和大資料熱門，但是過幾年又可能是另外一個方向呢？

不盲目，專注提升底層能力，新技術出現還需再學習。

計算機的世界很大，你說的人工智慧與大資料只是很少很少的一個方向。而且，如果你不是牛頓愛因斯坦這種開天闢地的人物，讀了畢業後也未必會繼續做這個方向。也許你會去做公務員，或者去做自媒體，或者加入美團外賣。世界這麼大，何必自己找不愉快，去盯著針眼大的地方。

又是一個被網路帶偏的問題。。。我來說說我的情況供你參考，也說說我的建議。首先說下結論：計算機的任何一個專業方向都有前途。

首先介紹下我個人情況：本人2011年本科畢業，武漢某普通大學，專業是電子資訊工程。2014年研究生畢業，在重慶郵電大學，專業是電子與通訊工程，目前在華為子公司工作。崗位是海外解決方案銷售，或者叫做產品經理。因為我自己搞不來研發，所以選擇去了市場崗位。我在海外待了7年，目前待遇雖然還沒到年薪百萬，再努力一兩年肯定到了。我有很多計算機專業的碩士研究生，我來說說我的理解：

1 本科，研究生，博士的區別。在中國，本科和研究生都是嚴進寬出，博士是寬進嚴出。對於找工作而言，本科和研究生都是看的基本能力。比如你學的計算機，你學的通訊，你學的自動化，其實區別真的不大，找工作的時候，誰通過了筆試，誰通過了面試，誰就能錄取。只要是工科專業，主要是學過程式設計，就是看個人能力了。只要你是計算機畢業，不管研究哪個方向，相信我，找工作你絕對不會和你工作的方向一模一樣的。我研究生期間做的是衛星影象處理，現在工作做的是無線通訊解決方案銷售，真的沒有一點關係。研究生主要是鍛鍊你解決問題的能力，而不是看你的研究方向。研究生一般都是透過演算法不斷地最佳化，達成某某效果，在這個過程中提升的是你解決問題的能力，至於方向不重要。就好比你工作一樣，不管做哪個領域，你解決問題的能力在，哪個領域都一樣。而且說實在的，最終其實都是演算法的最佳化。

2 人工智慧和大資料方向。我不知道筆者是否真正地瞭解人工智慧和大資料方向。是否真正的瞭解計算機。人工智慧和大資料方向的核心是什麼，同樣也是演算法的不斷提升。哪些人才最珍貴，那肯定是不斷最佳化演算法的人。比如我一個文科專業畢業生，我對人工智慧非常感興趣，自學了不少理論，你覺得他能夠給公司創造什麼價值？一定是基礎最重要的。人工智慧和大資料是很熱，你得知道他們缺哪些人才。只要是計算機畢業，不管哪個方向，你把個人能力提升上去了，到時候筆試面試都能過，為什麼不要你。

這個不是絕對的，當前社會大環境下人工智慧和大資料是時代的熱點，但這並不意味著只有這些就夠了，人工智慧和大資料背後需要很多相關的基礎學科來支撐，而不是隻有人工智慧演算法就可以，比如說深度學習對計算機硬體效能要求很高，如果計算機硬體晶片和相關碳基晶片和矽基晶片的技術沒有得到突破，那麼計算機計算效率將會大大削弱，這時即使有先進的人工智慧學習演算法也無濟於事。所以說，任何專業都是有必要的，只是在社會發展的某個時期有些專業則會成為領跑者，成為時代寵兒，但是沒有其他的基礎科學積累，她也會黯然失色。當前的人工智慧和大資料是熱點，很多人也在扎堆於此，但是有所突破有所成就的並不多，可見並不是你一旦選擇了人工智慧方向就可以高枕無憂，就可以拿到高薪工作，反而你會感到前所未有的壓力，因為你的競爭者眾多，如何超越他們脫穎而出是你每天必須要思考的問題。計算機的其他的與人工智慧和大資料關係較小的專業選擇的人較少，如果你選擇這些較冷專業，甘坐冷板凳，那麼你畢業後也會有一番作為，那時也許你的專業優勢就會凸顯，由於人工智慧專業的畢業生太多，很多千篇一律的，競爭性一般，所以之前火熱的人工智慧相關的企業會逐漸青睞那些計算機科學技術基礎相關度較高的專業出來的畢業生，因為他們會很高的彌補公司競爭的短板，所以真到畢業的時候誰是贏家還不一定，不要太過於扎堆人工智慧和大資料，這只是一個應用方向，裡面蘊含著很多基礎學科，學那些基礎學科也未必不是一個明智的選擇。

作為一名計算機專業的教育工作者，我來回答一下這個問題。

首先，人工智慧並不是一個新的概念，而且人工智慧領域的研究方向非常多，在上世紀人工智慧沒有受到如此廣泛關注之前，就有很多研究生在從事相關方向的科研，比如機器學習、自然語言處理等。

實際上計算機領域的技術迭代速度是相對比較快的，所以研究方向也在不斷隨著技術迭代而有所變化。當前很多方向也確實與人工智慧或多或少存在一定的聯絡，這也是比較正常的現象，畢竟當前諸多新技術最終都指向了人工智慧，比如雲計算、大資料、物聯網等，所以圍繞這些領域的研究都需要或多或少涉及到一些人工智慧領域的技術。

除了人工智慧方向之外，當前計算機專業還有很多主攻方向，比如資料探勘、網路與資訊保安、實時控制系統、嵌入式系統、工業控制系統、資料庫系統、軟體體系結構、數控系統等等，這些方向也都有長期的科研積累，選擇這些方向同樣會有比較好的學習和科研體驗。

主攻方向的選擇要考慮到多方面因素，其中個人的興趣和能力特點是比較重要的，還需要考慮到當前的技術發展趨勢和人才需求趨勢，以及所在學校的科研資源情況。從目前的技術發展趨勢來看，大資料、人工智慧、區塊鏈、邊緣計算這些大方向確實是不錯的選擇，未來的前景也比較廣闊。

研究生在研一期間要明確自己的主攻方向，然後圍繞主攻方向做大量的積累，之後才能逐漸明確自己的創新點，這往往需要一個過程，而且這也是比較艱難的一個過程，尤其是對於本科期間科研積累較少的同學來說，更是如此。