人工智能、具身智能专业全面介绍¶

目录¶

一、两个专业一句话区分
二、专业代码与学科定位
三、两个专业核心区别总览
四、两个专业的共同特点
1. 都是高度交叉的前沿工科专业
2. 都非常重视数学基础
3. 都非常重视编程能力
4. 都需要项目经验
5. 都建议读研，但本科也可以就业
五、人工智能专业
1. 专业特点
2. 专业定位
3. 适合人群
4. 典型课程
4.1 数学基础课程
4.2 计算机基础课程
4.3 人工智能核心课程
4.4 工程实践课程
5. 主要研究方向
5.1 机器学习方向
5.2 深度学习方向
5.3 自然语言处理方向
5.4 计算机视觉方向
5.5 大模型与生成式 AI 方向
5.6 推荐系统方向
5.7 强化学习与智能决策方向
5.8 AI 工程化方向
5.9 AI 安全、可信与伦理方向
6. 深造前景
7. 就业前景
六、具身智能专业
1. 专业特点
2. 专业定位
3. 适合人群
4. 典型课程
4.1 数学与计算基础
4.2 人工智能基础
4.3 机器人与控制课程
4.4 传感器与硬件课程
4.5 仿真与工程实践课程
5. 主要研究方向
5.1 机器人感知方向
5.2 机器人运动控制方向
5.3 SLAM 与导航方向
5.4 操作与抓取方向
5.5 强化学习与模仿学习方向
5.6 人形机器人方向
5.7 自动驾驶方向
5.8 无人机与无人系统方向
5.9 大模型与具身智能结合方向
6. 深造前景
7. 就业前景
七、人工智能与具身智能深造路径对比
八、人工智能与具身智能就业方向对比
九、学习难度对比
十、大学期间应该重点培养的能力
1. 两个专业都建议培养的基础能力
2. 人工智能专业建议重点培养
3. 具身智能专业建议重点培养
十一、常见证书与能力证明
1. 这两个专业更看重项目而不是证书
2. 可以作为辅助证明的能力
十二、常见误区
1. 误区一：人工智能就是会用 ChatGPT
2. 误区二：人工智能专业一定比计算机专业好就业
3. 误区三：学人工智能就一定能做算法工程师
4. 误区四：具身智能就是机器人专业换个名字
5. 误区五：具身智能只做人形机器人
6. 误区六：具身智能本科就业一定很成熟
十三、从不同目标出发的推荐
十四、就业前景综合判断
1. 人工智能就业前景
2. 具身智能就业前景
十五、最终建议
十六、参考资料

一、两个专业一句话区分¶

人工智能：主要研究如何让计算机系统具备感知、学习、推理、生成、决策和规划能力，核心关键词是机器学习、深度学习、大模型、计算机视觉、自然语言处理、智能决策、数据挖掘、AI 工程化。

具身智能：主要研究智能体如何通过身体、传感器、执行器和真实环境交互来获得智能，核心关键词是机器人、智能体、感知行动闭环、多模态感知、运动控制、强化学习、世界模型、操作抓取、自动驾驶、人形机器人。

简单说：

人工智能更像是“让机器会看、会听、会说、会理解、会推理、会决策”
具身智能更像是“让智能体拥有身体，并能在真实物理世界中感知、行动和完成任务”

也可以这样理解：

人工智能：偏算法、模型、数据、软件和智能系统
具身智能：偏 AI + 机器人 + 物理世界交互 + 自动控制 + 传感器 + 执行器

二、专业代码与学科定位¶

专业名称	专业代码	所属门类	所属专业类	专业属性	常见授予学位	简要定位
人工智能	080717T	工学	电子信息类	特设专业	工学学士	AI 算法、智能系统、数据建模与工程应用
具身智能	140012TK	交叉学科	交叉学科类	特设专业 + 国家控制布点	工学学士	AI、机器人、控制、感知、运动和真实环境交互

说明：

人工智能属于工学门类下的电子信息类，和计算机、软件工程、自动化、电子信息、智能科学与技术等专业联系紧密。
具身智能属于交叉学科门类下的交叉学科类，是非常新的本科专业。
T 通常表示特设专业。
K 通常表示国家控制布点专业。
具身智能是新专业，不同高校的培养方案可能差异很大，有的学校可能偏机器人，有的学校可能偏人工智能，有的学校可能偏智能制造，有的学校可能偏自动驾驶、人形机器人或空间智能。
报考时不能只看专业名称，一定要看具体学校的课程体系、学院平台、实验室方向、导师团队、企业合作和就业去向。

三、两个专业核心区别总览¶

对比维度	人工智能	具身智能
核心对象	算法、模型、数据、智能软件系统	智能体、机器人、物理环境、感知行动系统
主要问题	机器如何学习、理解、生成、推理和决策	智能体如何在真实世界中感知、行动、操作和适应
更偏向	软件、算法、数据、模型	AI + 机器人 + 控制 + 机械 + 传感器
典型场景	语音识别、图像识别、推荐系统、大模型、智能客服、AI 搜索	人形机器人、自动驾驶、机械臂、无人机、服务机器人、智能制造
数学要求	很高	很高
编程要求	很高	很高
算法要求	很高	很高
机器人要求	中等到高	很高
控制要求	中等	很高
硬件理解	中等	很高
物理世界建模	中等	很高
工程实践	高	很高
本科就业直接性	中高	中等到中高
读研价值	很高	很高
典型就业	AI 算法、数据科学、NLP、CV、大模型、推荐系统、AI 产品	机器人算法、运动控制、自动驾驶、智能制造、人形机器人、无人系统
最大优势	应用范围极广，软件和算法岗位多	面向未来机器人和实体智能，交叉壁垒高
最大挑战	竞争激烈，对算法和工程能力要求高	专业新、难度大、工程链条长，对软硬件综合能力要求高

四、两个专业的共同特点¶

1. 都是高度交叉的前沿工科专业¶

人工智能和具身智能都不是单一学科。

它们共同涉及：

数学
统计学
计算机科学
软件工程
电子信息
自动控制
数据科学
机器学习
深度学习
认知科学
人机交互
工程伦理
系统工程

但侧重点不同：

人工智能更强调算法模型和数据系统。
具身智能更强调智能体与真实物理环境交互。

2. 都非常重视数学基础¶

人工智能和具身智能都离不开数学。

核心数学基础包括：

高等数学
线性代数
概率论
数理统计
离散数学
最优化方法
信息论基础
图论基础
矩阵分析
数值计算
随机过程
凸优化
微积分
贝叶斯方法

其中：

机器学习需要线性代数、概率统计和优化。
深度学习需要矩阵运算、微积分和数值优化。
计算机视觉需要线性代数、几何、概率和图像处理。
自然语言处理需要概率模型、向量空间、深度学习和统计建模。
机器人运动控制需要微积分、线性代数、动力学和控制理论。
强化学习需要概率、优化、动态规划和决策过程。
SLAM 和导航需要概率图模型、矩阵计算和几何。
具身智能中的世界模型需要预测建模、概率推理和时序建模。

3. 都非常重视编程能力¶

这两个专业对编程能力要求都很高。

建议重点掌握：

Python
C / C++
Linux
Git
SQL
数据结构
算法设计
面向对象编程
并行计算基础
CUDA 基础
深度学习框架
工程部署基础

常用框架和工具包括：

PyTorch
TensorFlow
JAX
scikit-learn
OpenCV
Hugging Face
NumPy
Pandas
Matplotlib
FastAPI
Docker
Kubernetes 基础
ROS / ROS2
Gazebo
Isaac Sim
MuJoCo
PyBullet
Unity
Unreal Engine

人工智能专业更常用：

PyTorch
TensorFlow
Hugging Face
OpenCV
scikit-learn
Spark
LangChain
vLLM
TensorRT
ONNX

具身智能专业更常用：

ROS / ROS2
Gazebo
Isaac Sim
MuJoCo
PyBullet
MoveIt
SLAM 工具包
PX4
ArduPilot
OpenCV
PCL
RealSense SDK

4. 都需要项目经验¶

人工智能和具身智能不是只靠听课就能学好的专业。

非常重要的项目包括：

图像分类项目
目标检测项目
语音识别项目
文本分类项目
推荐系统项目
大模型微调项目
多模态问答项目
智能客服项目
数据挖掘项目
AI 应用部署项目
机器人导航项目
机械臂抓取项目
强化学习控制项目
自动驾驶感知项目
SLAM 建图项目
无人机路径规划项目
人形机器人仿真项目

求职和深造时，项目经历非常重要。

一个好的项目最好能说明：

你解决了什么问题
使用了什么数据
采用了什么模型
为什么选这个方法
如何训练和评估
指标是否提升
是否部署落地
是否有代码仓库
是否有论文、报告或 Demo
是否能讲清楚失败和改进过程

5. 都建议读研，但本科也可以就业¶

人工智能和具身智能本科都可以就业，但读研价值很高。

原因包括：

算法岗位竞争激烈，硕士及以上更有优势。
大模型、多模态、机器人、自动驾驶等方向技术门槛高。
具身智能涉及控制、机器人、感知、执行器、仿真和系统集成，本科阶段很难学深。
高质量 AI 研发岗通常更看重科研经历、论文、竞赛和项目。
读研可以形成更明确方向，如 NLP、CV、大模型、机器人、强化学习、自动驾驶等。
AI 和具身智能更新速度极快，研究生阶段更适合深度跟进前沿技术。

本科更常见岗位包括：

AI 应用开发
数据分析
算法工程师助理
机器学习工程师助理
软件开发工程师
后端开发
测试开发
数据工程
机器人调试工程师
机器人应用工程师
自动化工程师
计算机视觉工程师助理
产品经理助理
AI 产品运营

硕士及以上更容易进入：

算法工程师
大模型算法工程师
计算机视觉算法工程师
NLP 算法工程师
推荐算法工程师
多模态算法工程师
机器人算法工程师
自动驾驶算法工程师
强化学习研究员
具身智能研究员
AI 研究科学家
高校和科研院所

五、人工智能专业¶

1. 专业特点¶

人工智能专业主要研究如何让机器表现出类似人类智能的能力。

它研究的问题包括：

机器如何从数据中学习？
计算机如何识别图像？
机器如何理解语言？
大模型如何生成文本、图像、音频和视频？
算法如何进行推理和规划？
推荐系统如何理解用户兴趣？
机器如何进行自动决策？
AI 如何辅助医疗、金融、制造、教育、交通和科研？
如何让 AI 更安全、可信、可解释？
如何把 AI 模型部署到真实业务系统中？

人工智能的核心是：

用算法、数据和计算能力，让机器完成感知、学习、理解、生成、推理和决策任务。

2. 专业定位¶

人工智能是计算机科学、电子信息、数学、自动化、认知科学和工程应用交叉的专业。

它与相关专业的区别可以这样理解：

专业	主要侧重点
计算机科学与技术	计算系统、算法、体系结构、软件与理论基础
软件工程	软件开发流程、工程化、系统架构、项目管理
数据科学与大数据技术	数据采集、处理、分析、建模和大数据平台
智能科学与技术	智能系统、认知智能、机器人和智能控制
人工智能	机器学习、深度学习、智能算法和 AI 应用
自动化	控制理论、系统控制、工业自动化和智能控制
具身智能	AI 与机器人、物理交互、控制和真实环境结合

人工智能更偏：

算法
模型
数据
智能系统
软件实现
场景应用

3. 适合人群¶

人工智能适合：

数学基础较好
逻辑思维强
喜欢编程
对算法和模型感兴趣
喜欢解决复杂问题
愿意长期学习新技术
对图像、语言、语音、推荐、机器人、大模型感兴趣
能接受较强竞争和较快技术迭代
愿意做项目、读论文、调模型、写代码

不太适合：

完全不喜欢数学
完全不愿意写代码
不喜欢抽象思维
只想简单使用 AI 工具
不能接受技术快速变化
不愿意自学
不愿意做项目和调试
期待轻松进入高薪算法岗

4. 典型课程¶

4.1 数学基础课程¶

高等数学
线性代数
概率论与数理统计
离散数学
数值分析
最优化方法
信息论
随机过程
图论
矩阵分析

4.2 计算机基础课程¶

程序设计基础
面向对象程序设计
数据结构
算法设计与分析
操作系统
计算机组成原理
计算机网络
数据库系统
软件工程
编译原理
并行计算
云计算基础

4.3 人工智能核心课程¶

人工智能导论
机器学习
深度学习
模式识别
数据挖掘
知识表示与推理
自然语言处理
计算机视觉
语音识别
推荐系统
强化学习
多智能体系统
大模型技术基础
生成式人工智能
多模态学习
AI 安全与伦理

4.4 工程实践课程¶

Python 数据分析
深度学习框架实践
AI 工程化
MLOps
模型部署
大数据平台
GPU 并行计算
边缘 AI
移动端 AI
云端 AI 服务开发
AI 产品设计
综合课程设计
毕业设计

5. 主要研究方向¶

5.1 机器学习方向¶

机器学习是人工智能的基础方向。

研究内容包括：

监督学习
无监督学习
半监督学习
自监督学习
迁移学习
小样本学习
集成学习
贝叶斯学习
异常检测
模型评估
泛化能力
自动机器学习

典型应用：

信用评分
风险预测
用户画像
质量检测
销量预测
医疗风险预测
设备故障预测

典型岗位：

机器学习工程师
数据科学家
算法工程师
数据挖掘工程师
AI 应用开发工程师

5.2 深度学习方向¶

深度学习是当前 AI 的核心技术之一。

研究内容包括：

神经网络
卷积神经网络
循环神经网络
Transformer
注意力机制
图神经网络
生成模型
扩散模型
对比学习
大规模训练
模型压缩
模型蒸馏
模型加速

典型应用：

图像识别
语音识别
文本生成
视频理解
医学影像
自动驾驶
智能推荐
工业质检

典型岗位：

深度学习算法工程师
AI 研究员
模型训练工程师
AI 平台工程师
算法优化工程师

5.3 自然语言处理方向¶

自然语言处理简称 NLP，主要研究机器如何理解和生成语言。

研究内容包括：

文本分类
信息抽取
情感分析
机器翻译
问答系统
文本生成
对话系统
文本摘要
知识图谱
语义理解
大语言模型
检索增强生成
智能体系统

典型应用：

智能客服
AI 搜索
智能写作
智能办公
法律 AI
教育 AI
医疗问答
企业知识库
智能投研
代码生成

典型岗位：

NLP 算法工程师
大模型算法工程师
搜索算法工程师
对话系统工程师
知识图谱工程师
AI 应用工程师

5.4 计算机视觉方向¶

计算机视觉简称 CV，主要研究机器如何理解图像和视频。

研究内容包括：

图像分类
目标检测
图像分割
人脸识别
姿态估计
OCR
目标跟踪
三维视觉
视频理解
医学影像分析
工业缺陷检测
多模态视觉理解

典型应用：

自动驾驶感知
安防监控
工业质检
医学影像诊断
智慧零售
智能交通
无人机巡检
机器人视觉
AR / VR

典型岗位：

计算机视觉算法工程师
图像算法工程师
自动驾驶感知工程师
医学影像算法工程师
工业视觉工程师
OCR 算法工程师

5.5 大模型与生成式 AI 方向¶

这是当前人工智能最热门的方向之一。

研究内容包括：

大语言模型
多模态大模型
文生图模型
文生视频模型
语音大模型
代码大模型
指令微调
对齐训练
RLHF
RAG
Agent
模型压缩
推理加速
大模型安全
大模型评测

典型应用：

智能问答
AI 助理
AI 搜索
智能办公
自动编程
智能客服
内容生成
企业知识库
科研助手
教育辅导
多模态创作

典型岗位：

大模型算法工程师
多模态算法工程师
AI Agent 工程师
大模型应用开发工程师
模型评测工程师
Prompt / RAG 工程师
AI 平台工程师

5.6 推荐系统方向¶

推荐系统研究如何向用户推荐内容、商品、视频、音乐、新闻、广告等。

研究内容包括：

协同过滤
召回模型
排序模型
重排序
用户画像
点击率预估
转化率预估
多目标优化
强化学习推荐
内容理解
实时推荐系统

典型应用：

电商推荐
短视频推荐
新闻推荐
音乐推荐
广告推荐
本地生活推荐
信息流推荐

典型岗位：

推荐算法工程师
广告算法工程师
搜索推荐工程师
数据挖掘工程师
增长算法工程师

5.7 强化学习与智能决策方向¶

强化学习研究智能体如何通过试错学习最优行为策略。

研究内容包括：

马尔可夫决策过程
Q-learning
Policy Gradient
Actor-Critic
深度强化学习
多智能体强化学习
离线强化学习
模仿学习
逆强化学习
决策规划
组合优化
智能调度

典型应用：

游戏 AI
机器人控制
自动驾驶决策
智能调度
物流优化
能源调度
金融交易
广告投放
资源分配

典型岗位：

强化学习算法工程师
智能决策算法工程师
运筹优化工程师
自动驾驶规划控制工程师
机器人算法工程师

5.8 AI 工程化方向¶

AI 工程化研究如何把模型真正部署到业务系统中。

研究内容包括：

数据清洗
特征工程
模型训练
模型评估
模型部署
模型监控
MLOps
推理加速
模型压缩
分布式训练
在线服务
边缘部署
A/B 测试
数据闭环

典型岗位：

机器学习工程师
AI 工程化工程师
MLOps 工程师
AI 平台工程师
数据工程师
模型部署工程师
算法应用工程师

5.9 AI 安全、可信与伦理方向¶

随着 AI 应用扩大，安全和可信问题越来越重要。

研究内容包括：

模型可解释性
公平性
隐私保护
对抗攻击
数据安全
模型安全
大模型幻觉
AI 伦理
算法治理
内容安全
深度伪造检测
可信 AI

典型岗位：

AI 安全工程师
算法治理专员
内容安全算法工程师
可信 AI 研究员
模型评测工程师
数据合规技术岗

6. 深造前景¶

人工智能专业常见深造方向包括：

人工智能
计算机科学与技术
软件工程
电子信息
控制科学与工程
智能科学与技术
数据科学
网络空间安全
统计学
应用数学
模式识别与智能系统
计算机视觉
自然语言处理
机器学习
机器人
大数据技术
生物信息学
金融科技
智能制造
智慧医疗

如果想做算法研究：

人工智能
计算机科学与技术
机器学习
计算机视觉
自然语言处理
大模型
强化学习

如果想做工程应用：

电子信息
软件工程
数据科学
AI 工程化
云计算
大数据系统

如果想做交叉方向：

医学人工智能
金融人工智能
智能制造
智慧交通
智慧能源
智能教育
具身智能
机器人

7. 就业前景¶

人工智能就业行业非常广，包括：

互联网公司
人工智能公司
大模型公司
自动驾驶企业
金融科技公司
智能制造企业
医疗 AI 企业
智能硬件企业
机器人企业
教育科技企业
游戏公司
广告推荐平台
电商平台
云计算公司
数据服务公司
政务数字化机构
科研院所
高校实验室

典型岗位包括：

AI 算法工程师
机器学习工程师
深度学习工程师
计算机视觉工程师
NLP 算法工程师
大模型算法工程师
推荐算法工程师
数据科学家
数据挖掘工程师
AI 应用开发工程师
AI 平台工程师
MLOps 工程师
多模态算法工程师
AI 产品经理
智能系统工程师
软件开发工程师
后端开发工程师

总体判断：

人工智能是就业面非常广、技术更新非常快、竞争也非常激烈的专业。它适合数学、编程和自学能力强的学生。本科可以走 AI 应用开发、数据分析、软件开发和算法助理方向；如果目标是高质量算法岗、大模型研发、AI 科研和核心技术岗位，建议读研，并尽早积累项目、竞赛、论文或实习经历。

六、具身智能专业¶

1. 专业特点¶

具身智能是人工智能、机器人、自动控制、机械工程、电子信息、认知科学和物理世界交互深度融合的新兴专业。

“具身”可以理解为：

智能不是只存在于电脑程序中，而是通过身体、传感器、执行器和环境交互形成的。

具身智能研究的问题包括：

机器人如何感知真实环境？
智能体如何通过行动学习？
机器人如何理解三维空间？
机械臂如何完成抓取和装配？
人形机器人如何行走、平衡和操作？
自动驾驶汽车如何感知、规划和控制？
无人机如何自主导航？
服务机器人如何与人交互？
机器人如何从仿真迁移到真实世界？
大模型如何控制机器人完成任务？
智能体如何在开放环境中自主决策？

具身智能的核心是：

让 AI 拥有身体，并能在真实世界中感知、理解、规划、行动和学习。

2. 专业定位¶

具身智能可以看作以下学科的交叉：

人工智能
机器人
自动控制
机械工程
电子信息
计算机视觉
强化学习
运动规划
传感器技术
嵌入式系统
认知科学
人机交互
智能制造
自动驾驶
仿真系统

它和人工智能的区别在于：

维度	人工智能	具身智能
智能载体	主要是软件系统和模型	有身体的智能体
交互对象	数据、文本、图像、音频、用户输入	真实物理环境
主要任务	识别、预测、生成、推理、推荐	感知、移动、抓取、操作、导航、协作
核心难点	模型能力、数据质量、泛化、安全	感知行动闭环、控制稳定、真实环境不确定性
工程对象	服务器、软件、平台、应用	机器人、车辆、无人机、机械臂、传感器
典型技术	深度学习、大模型、NLP、CV	机器人学、控制、SLAM、强化学习、运动规划

3. 适合人群¶

具身智能适合：

喜欢人工智能
喜欢机器人
喜欢自动驾驶、无人机、人形机器人、机械臂
愿意学习控制理论
愿意接触硬件和传感器
既能写代码，也愿意调设备
喜欢物理世界中的工程问题
数学、物理、编程基础较好
能接受复杂系统调试
愿意做长期项目和实验

不太适合：

只想做纯软件，不想碰硬件
完全不喜欢机械、控制和物理
不愿意做实验和调试
不能接受机器人系统经常出错
只想调用大模型 API
不愿意学习数学、控制、动力学和工程系统
希望短期快速进入成熟岗位

4. 典型课程¶

由于具身智能是新专业，不同学校课程体系可能不同，但一般会包括以下模块。

4.1 数学与计算基础¶

高等数学
线性代数
概率论与数理统计
离散数学
数值计算
最优化方法
程序设计基础
数据结构
算法设计与分析
Python
C / C++
Linux
计算机系统基础

4.2 人工智能基础¶

人工智能导论
机器学习
深度学习
计算机视觉
强化学习
多模态学习
大模型技术
生成式 AI
智能决策
模仿学习
世界模型
多智能体系统

4.3 机器人与控制课程¶

自动控制原理
现代控制理论
机器人学
机器人运动学
机器人动力学
机器人控制
运动规划
路径规划
SLAM
导航与定位
机械臂控制
移动机器人
人形机器人基础
智能无人系统

4.4 传感器与硬件课程¶

电路原理
模拟电子技术
数字电子技术
嵌入式系统
传感器技术
机器视觉系统
激光雷达
深度相机
IMU
电机与驱动
执行器
机器人操作系统
边缘计算
实时系统

4.5 仿真与工程实践课程¶

ROS / ROS2
Gazebo
MuJoCo
Isaac Sim
PyBullet
机器人综合实践
具身智能系统设计
自动驾驶仿真
机械臂抓取实践
人机交互实验
多智能体协同实验
机器人竞赛实践
毕业设计

5. 主要研究方向¶

5.1 机器人感知方向¶

机器人感知研究机器人如何理解环境。

研究内容包括：

图像识别
目标检测
语义分割
深度估计
三维重建
点云处理
多传感器融合
目标跟踪
场景理解
机器人视觉
触觉感知
视觉语言导航

典型应用：

服务机器人识别物体
工业机器人检测工件
自动驾驶感知道路
无人机识别障碍
机械臂定位抓取目标
人形机器人理解室内环境

典型岗位：

机器人视觉算法工程师
感知算法工程师
自动驾驶感知工程师
点云算法工程师
多传感器融合工程师

5.2 机器人运动控制方向¶

运动控制研究机器人如何稳定、准确地运动。

研究内容包括：

运动学
动力学
轨迹控制
力控制
阻抗控制
平衡控制
步态控制
机械臂控制
移动机器人控制
人形机器人控制
运动优化
低层控制器设计

典型应用：

机械臂抓取
人形机器人行走
四足机器人奔跑
无人机稳定飞行
机器人装配
康复机器人控制

典型岗位：

机器人控制算法工程师
运动控制工程师
机械臂控制工程师
人形机器人算法工程师
无人系统控制工程师

5.3 SLAM 与导航方向¶

SLAM 是 Simultaneous Localization and Mapping，即同步定位与建图。

研究内容包括：

激光 SLAM
视觉 SLAM
视觉惯性 SLAM
多传感器融合定位
地图构建
路径规划
避障导航
机器人定位
室内导航
自动驾驶定位
多机器人地图融合

典型应用：

扫地机器人
仓储机器人
无人配送车
自动驾驶汽车
无人机导航
服务机器人
巡检机器人

典型岗位：

SLAM 算法工程师
导航算法工程师
自动驾驶定位工程师
移动机器人算法工程师
机器人路径规划工程师

5.4 操作与抓取方向¶

操作与抓取研究机器人如何用手、夹爪或工具完成物理任务。

研究内容包括：

机械臂规划
抓取检测
灵巧手控制
物体操作
视觉伺服
力觉控制
装配任务
机器人操作学习
模仿学习
人类示教
语言指令到动作
大模型控制机械臂

典型应用：

工业装配
物流分拣
家庭服务机器人
医疗手术机器人
实验室自动化
人形机器人操作

典型岗位：

机械臂算法工程师
抓取算法工程师
机器人操作工程师
具身操作算法工程师
工业机器人应用工程师

5.5 强化学习与模仿学习方向¶

强化学习和模仿学习是具身智能的重要方法。

研究内容包括：

深度强化学习
离线强化学习
多智能体强化学习
模仿学习
逆强化学习
人类反馈学习
策略优化
机器人技能学习
仿真训练
Sim-to-Real
任务泛化
自主探索

典型应用：

机器人学走路
机械臂学抓取
自动驾驶决策
游戏智能体
无人机控制
多机器人协作

典型岗位：

强化学习算法工程师
具身智能算法工程师
机器人学习工程师
自动驾驶决策算法工程师
多智能体算法工程师

5.6 人形机器人方向¶

人形机器人是具身智能的重要前沿方向。

研究内容包括：

双足行走
动态平衡
全身控制
手眼协调
灵巧手操作
人机交互
语音对话
视觉理解
任务规划
大模型驱动机器人
机器人安全
人形机器人系统集成

典型应用：

工业协作
家庭服务
商业服务
康养陪护
教育展示
应急救援
工厂巡检

典型岗位：

人形机器人算法工程师
机器人系统工程师
全身控制工程师
机器人感知算法工程师
机器人应用开发工程师

5.7 自动驾驶方向¶

自动驾驶是具身智能的重要应用场景之一。

研究内容包括：

环境感知
多传感器融合
高精地图
定位
轨迹预测
行为决策
路径规划
运动控制
仿真测试
端到端自动驾驶
车路协同
自动驾驶安全

典型岗位：

自动驾驶感知工程师
自动驾驶规划工程师
自动驾驶控制工程师
自动驾驶仿真工程师
自动驾驶数据工程师
车载 AI 工程师

5.8 无人机与无人系统方向¶

无人系统也是具身智能的重要形态。

研究内容包括：

无人机飞控
视觉导航
路径规划
编队控制
多机协同
目标跟踪
任务规划
空地协同
无人车
无人船
无人集群

典型岗位：

无人机算法工程师
无人系统工程师
路径规划工程师
多机协同算法工程师
飞控算法工程师
无人设备应用工程师

5.9 大模型与具身智能结合方向¶

这是当前最前沿的方向之一。

研究内容包括：

视觉语言动作模型
大模型控制机器人
语言指令理解
任务规划
世界模型
多模态感知
机器人通用技能
具身智能 Agent
场景记忆
长程任务分解
真实环境泛化
机器人基础模型

典型应用：

用自然语言控制机器人
家庭机器人完成复杂任务
机器人理解场景并规划行动
大模型驱动机械臂操作
人形机器人对话与执行任务
智能体在仿真环境中自主学习

典型岗位：

具身智能研究员
机器人基础模型工程师
多模态具身算法工程师
机器人 Agent 工程师
大模型机器人应用工程师

6. 深造前景¶

具身智能常见深造方向包括：

人工智能
机器人
控制科学与工程
机械工程
电子信息
计算机科学与技术
自动化
智能科学与技术
模式识别与智能系统
机器人工程
自动驾驶
智能无人系统
计算机视觉
强化学习
多智能体系统
人机交互
脑机接口
仿生机器人
智能制造
未来机器人

如果想做机器人算法：

机器人学
控制科学与工程
人工智能
计算机视觉
强化学习
SLAM
运动规划

如果想做人形机器人：

机器人
机械工程
控制科学与工程
人工智能
运动控制
多模态感知

如果想做自动驾驶：

人工智能
计算机视觉
控制科学与工程
电子信息
车辆工程
交通运输工程

如果想做机器人硬件和系统：

机械工程
电子信息
机器人工程
控制工程
嵌入式系统

7. 就业前景¶

具身智能就业行业包括：

机器人企业
人形机器人企业
自动驾驶企业
智能制造企业
工业自动化企业
无人机企业
智能硬件企业
智能物流企业
服务机器人企业
医疗机器人企业
康复机器人企业
智能汽车企业
智慧农业企业
智慧矿山企业
科研院所
高校实验室
国防科技相关单位

典型岗位包括：

具身智能算法工程师
机器人算法工程师
机器人系统工程师
机器人感知算法工程师
机器人控制算法工程师
SLAM 算法工程师
路径规划工程师
机械臂算法工程师
自动驾驶算法工程师
多传感器融合工程师
机器人应用开发工程师
嵌入式软件工程师
运动控制工程师
机器人测试工程师
智能制造工程师
无人系统工程师

总体判断：

具身智能是非常前沿、交叉性很强、技术壁垒较高的新专业。它的发展前景与人形机器人、自动驾驶、智能制造、服务机器人、无人系统和大模型机器人结合密切相关。它比人工智能更强调机器人和真实物理世界，因此学习难度更高，工程实践更重。由于专业非常新，本科就业需要依靠具体项目、机器人竞赛、实验室经历和硬技能来证明能力。

七、人工智能与具身智能深造路径对比¶

深造方向	人工智能	具身智能
人工智能	很对口	很对口
计算机科学与技术	很对口	对口
软件工程	对口	可转
电子信息	对口	对口
控制科学与工程	对口	很对口
机器人	对口	很对口
机器人工程	对口	很对口
智能科学与技术	很对口	很对口
计算机视觉	很对口	很对口
自然语言处理	很对口	可转
大模型	很对口	对口
多模态学习	很对口	很对口
强化学习	对口	很对口
SLAM	可转	很对口
自动驾驶	对口	很对口
机械工程	一般	对口
人机交互	对口	对口
脑机接口	可转	可转
智能制造	对口	对口
数据科学	很对口	对口
统计学	对口	可转
应用数学	对口	可转
网络空间安全	可转	一般
生物医学工程	可转医学 AI	可转医疗机器人

八、人工智能与具身智能就业方向对比¶

就业方向	人工智能	具身智能
机器学习工程师	很对口	对口
深度学习工程师	很对口	对口
NLP 算法工程师	很对口	一般
大模型算法工程师	很对口	对口
多模态算法工程师	很对口	很对口
计算机视觉工程师	很对口	很对口
推荐算法工程师	很对口	一般
搜索算法工程师	很对口	一般
数据科学家	很对口	可转
AI 应用开发	很对口	对口
AI 产品经理	对口	对口
机器人算法工程师	对口	很对口
机器人控制工程师	可转	很对口
SLAM 算法工程师	可转	很对口
自动驾驶算法工程师	对口	很对口
无人机算法工程师	可转	对口
人形机器人算法工程师	可转	很对口
机械臂算法工程师	可转	很对口
多传感器融合工程师	对口	很对口
嵌入式 AI 工程师	对口	对口
智能制造工程师	对口	对口
工业视觉工程师	对口	对口
本科就业直接性	中高	中等到中高
读研提升幅度	很高	很高

九、学习难度对比¶

维度	人工智能	具身智能
数学要求	很高	很高
编程要求	很高	很高
算法要求	很高	很高
数据结构与算法	很高	高
机器学习	很高	很高
深度学习	很高	很高
大模型	很高	高
计算机视觉	高	很高
自然语言处理	很高	中等
强化学习	中高	很高
控制理论	中等	很高
机器人学	中等	很高
机械和动力学	低到中等	高
电子和传感器	中等	高
嵌入式系统	中等	高
工程调试	高	很高
实验成本	中等	很高
项目复杂度	高	很高
专业成熟度	较高	较新
本科就业成熟度	较高	中等
读研价值	很高	很高

十、大学期间应该重点培养的能力¶

1. 两个专业都建议培养的基础能力¶

无论选择人工智能还是具身智能，都建议培养：

Python 编程能力
C / C++ 基础
数据结构与算法
Linux 使用能力
Git 协作能力
数学建模能力
线性代数
概率统计
最优化方法
机器学习
深度学习
计算机视觉基础
强化学习基础
英语论文阅读能力
项目复现能力
代码工程能力
实验记录能力
技术报告写作能力
团队协作能力
自主学习能力

2. 人工智能专业建议重点培养¶

建议重点掌握：

机器学习
深度学习
自然语言处理
计算机视觉
大模型技术
推荐系统
数据挖掘
强化学习
数据工程
模型部署
MLOps
算法工程化
AI 安全
多模态学习

建议项目：

做一个图像分类项目
做一个目标检测项目
做一个文本分类项目
做一个情感分析项目
做一个推荐系统项目
做一个知识库问答系统
做一个 RAG 应用
做一个大模型微调项目
做一个多模态问答 Demo
做一个模型部署项目
参加 Kaggle、天池、DataFountain 等竞赛
参加大学生人工智能、数学建模、程序设计竞赛

3. 具身智能专业建议重点培养¶

建议重点掌握：

机器人学
自动控制原理
现代控制理论
计算机视觉
SLAM
路径规划
运动规划
强化学习
模仿学习
多传感器融合
ROS / ROS2
嵌入式系统
机械臂控制
移动机器人
人形机器人基础
仿真平台
Sim-to-Real

建议项目：

做一个移动机器人导航项目
做一个视觉 SLAM 项目
做一个机械臂抓取项目
做一个机器人路径规划项目
做一个强化学习控制仿真
做一个多传感器融合定位项目
做一个无人机自主避障项目
做一个自动驾驶感知小项目
做一个人形机器人仿真项目
做一个语音或视觉指令控制机器人项目
参加 RoboMaster、RoboCup、机器人创新大赛、智能车竞赛等
进入机器人、自动驾驶、智能制造相关实验室

十一、常见证书与能力证明¶

1. 这两个专业更看重项目而不是证书¶

人工智能和具身智能求职时，最重要的是：

项目经历
代码能力
GitHub 仓库
实习经历
算法竞赛
科研经历
论文或专利
机器人竞赛
模型训练经验
工程部署经验
实验室经历
真实系统 Demo

普通证书通常不是核心竞争力。

2. 可以作为辅助证明的能力¶

可以关注：

英语四六级
雅思 / 托福
计算机等级考试
程序设计竞赛经历
数学建模竞赛经历
Kaggle / 天池竞赛成绩
机器人竞赛获奖
软件著作权
专利
论文
开源项目贡献
云计算相关认证
数据分析相关项目证明
深度学习框架项目证明

十二、常见误区¶

1. 误区一：人工智能就是会用 ChatGPT¶

不准确。

会使用 AI 工具只是应用能力。

人工智能专业真正学习的是：

算法原理
模型训练
数据处理
深度学习
模型评估
模型部署
智能系统设计
AI 安全与伦理

简单说：

使用 AI 是用户能力，开发 AI 才是人工智能专业能力。

2. 误区二：人工智能专业一定比计算机专业好就业¶

不一定。

人工智能专业很热门，但竞争也非常激烈。

很多 AI 岗位同时招聘：

计算机科学与技术
软件工程
数据科学
统计学
自动化
电子信息
数学
人工智能

如果人工智能专业学生编程和算法基础不扎实，就业未必比计算机专业更有优势。

3. 误区三：学人工智能就一定能做算法工程师¶

不一定。

算法工程师通常需要：

扎实数学基础
扎实编程能力
机器学习和深度学习项目
论文阅读能力
模型调参经验
工程部署能力
实习经历
研究生学历优势

本科毕业也可以进入 AI 行业，但未必一开始就是核心算法岗。

4. 误区四：具身智能就是机器人专业换个名字¶

不完全正确。

具身智能和机器人专业有重叠，但具身智能更强调：

人工智能
大模型
多模态感知
任务规划
自主学习
感知行动闭环
真实环境交互
智能体能力泛化

传统机器人更偏机械结构、控制、运动和工业应用。

具身智能更强调：

机器人不仅能动，还要能理解任务、学习技能、适应环境。

5. 误区五：具身智能只做人形机器人¶

不准确。

人形机器人是具身智能的重要方向，但不是全部。

具身智能还包括：

机械臂
移动机器人
服务机器人
自动驾驶汽车
无人机
无人船
四足机器人
工业机器人
医疗机器人
康复机器人
智能制造系统
虚拟智能体与仿真智能体

6. 误区六：具身智能本科就业一定很成熟¶

不一定。

具身智能是非常新的本科专业，就业市场正在发展。

目前产业需求增长很快，但岗位往往不会直接写“具身智能专业”，而是写：

机器人算法工程师
SLAM 算法工程师
控制算法工程师
计算机视觉工程师
自动驾驶算法工程师
机械臂算法工程师
多传感器融合工程师
嵌入式软件工程师
机器人系统工程师

所以学生必须通过项目和技能证明自己，而不是只依赖专业名称。

十三、从不同目标出发的推荐¶

你的目标	更推荐的专业
想做大模型	人工智能
想做自然语言处理	人工智能
想做计算机视觉	人工智能 / 具身智能
想做推荐系统	人工智能
想做数据科学	人工智能
想做 AI 应用开发	人工智能
想做 AI 产品	人工智能
想做机器人	具身智能
想做人形机器人	具身智能
想做机械臂抓取	具身智能
想做自动驾驶	具身智能 / 人工智能
想做无人机	具身智能
想做 SLAM	具身智能
想做运动控制	具身智能
想做强化学习控制	具身智能
想做多模态智能体	人工智能 / 具身智能
想做智能制造	具身智能 / 人工智能
想本科就业面更宽	人工智能
想方向更前沿、壁垒更高	具身智能
想读研做 AI 科研	人工智能
想读研做机器人科研	具身智能
想进入互联网算法岗	人工智能
想进入机器人或自动驾驶企业	具身智能

十四、就业前景综合判断¶

1. 人工智能就业前景¶

总体判断：

人工智能是应用范围极广、产业需求较大、但竞争非常激烈的专业。它适合数学、编程、自学能力强的学生。真正有竞争力的不是“学过 AI”，而是能用算法解决问题、能训练模型、能部署系统、能理解业务场景。

优势：

就业行业广
技术应用场景多
与大模型、智能制造、医疗、金融、教育、交通等方向结合紧密
软件和算法岗位较多
读研后发展空间大
可向多个行业迁移

挑战：

学生人数多，竞争激烈
算法岗门槛提高
本科阶段容易学得宽而不深
需要持续自学
技术迭代快
高质量算法岗通常偏好硕士及以上
简单 AI 应用开发岗位可能被工具化

建议：

打牢计算机基础
学好数据结构和算法
学好机器学习和深度学习
选择一个方向深耕：NLP、CV、大模型、推荐、强化学习、数据科学等
做可展示项目
争取实习
如果想做核心算法和研究，建议读研

2. 具身智能就业前景¶

总体判断：

具身智能是面向未来机器人、自动驾驶、无人系统和智能制造的重要新方向。它技术壁垒高，发展潜力大，但专业很新、学习难度高、工程实践要求强。想发展好，必须同时具备 AI、机器人、控制、感知和工程调试能力。

优势：

面向机器人和实体智能前沿
与人形机器人、自动驾驶、智能制造、无人系统高度相关
交叉技术壁垒高
项目能力强的人竞争力明显
读研和科研空间大
与大模型、多模态和机器人结合潜力大

挑战：

专业新，就业岗位名称不一定直接对应
学习跨度非常大
需要同时懂算法和硬件
工程调试难度高
实验设备和平台要求高
本科阶段很难掌握全部核心能力
高端岗位通常要求硕士或博士

建议：

打牢 AI 和控制基础
学 ROS / ROS2
做机器人项目
参加机器人竞赛
掌握计算机视觉、SLAM、运动规划或控制中的一个核心方向
进入实验室积累真实机器人经验
如果目标是人形机器人、自动驾驶、机器人算法研发，建议读研

十五、最终建议¶

如果你更喜欢算法、模型、数据、大模型、自然语言处理、计算机视觉、推荐系统和 AI 软件应用，优先考虑：

人工智能

如果你更喜欢机器人、自动驾驶、人形机器人、机械臂、无人机、控制、感知行动闭环和真实物理世界交互，优先考虑：

具身智能

最简单的判断方式是：

想让机器会思考、会识别、会生成、会推荐：人工智能
想让机器会行动、会抓取、会移动、会操作真实世界：具身智能
想进互联网、大模型、数据和算法岗位：人工智能更直接
想进机器人、自动驾驶、人形机器人和智能制造岗位：具身智能更直接
想本科就业面更宽：人工智能更宽
想走未来机器人前沿方向：具身智能更前沿
想做纯软件算法：人工智能更合适
想做软硬件结合和机器人系统：具身智能更合适
想做高端算法或研究：两个专业都建议读研

一句话总结：

人工智能偏“让机器拥有智能能力”，具身智能偏“让智能体在真实世界中行动”。人工智能更偏算法、模型、数据和软件系统；具身智能更偏机器人、感知、控制、执行和物理交互。两个专业都很前沿，但真正拉开差距的是数学基础、编程能力、项目经验、科研训练、工程落地能力和是否能在一个细分方向形成长期积累。

十六、参考资料¶

普通高等学校本科专业目录相关资料
https://www.btnsss.gov.cn/wcm.files/upload/CMS13s/202604/2026040907330558189.pdf
教育部关于公布《普通高等学校本科专业目录（2026年）》的相关信息
https://gaokao.chsi.com.cn/gkxx/zcdh/202604/20260428/2293468784.html
教育部发布《普通高等学校本科专业目录（2026年）》相关报道
https://www.edu.cn/ke_yan_yu_fa_zhan/gao_xiao_cheng_guo/gao_xiao_zi_xun/202604/t20260428_2731285.shtml
普通高校本科专业目录增设“交叉学科”门类相关报道
https://tech.gmw.cn/2026-04/28/content_38736394.htm
人工智能本科专业相关报道
https://www.edu.cn/rd/gao_xiao_cheng_guo/gao_xiao_zi_xun/201904/t20190401_1652513.shtml
中国研究生招生信息网：硕士专业目录
https://yz.chsi.com.cn/zsml/
中国人工智能学会
https://www.caai.cn/
中国计算机学会
https://www.ccf.org.cn/
中国自动化学会
https://www.caa.org.cn/
IEEE Robotics and Automation Society
Association for the Advancement of Artificial Intelligence
https://aaai.org/
Association for Computational Linguistics
https://www.aclweb.org/
Conference on Neural Information Processing Systems
https://neurips.cc/
International Conference on Machine Learning
https://icml.cc/
IEEE/CVF Conference on Computer Vision and Pattern Recognition
https://cvpr.thecvf.com/