去向结构 · 示意
一届 CS 本科毕业生，都去了哪
示意结构：编辑按近年多份就业报告综合整理，非官方口径，用于建立量级感。“读研 + 体制内”合计约四成，这正是“进可攻、退可守”的现实含义。
专业现状 · ① 总体面 / 大致现状
曾经“万金油”，如今拼的是结构分化下的选择
计算机科学与技术（CS）连续多年是招生规模最大、就业面最广的理工专业之一：上可做 AI 算法， 下可做嵌入式开发，还能考公、当老师、进国企。但 2025—2026 年的就业数据同时传递出一个信号： 专业热度正在从“人人皆可”转向“能者多得”——基础重复岗位被 AI 提效挤压， 而懂算法、懂工程、懂业务的高层次复合人才依旧稀缺。
🏗️
基本面依然广阔
2025 年城镇非私营单位中，“信息传输、软件和信息技术服务业”以年均工资 248,752 元继续位居全行业第一；数字经济、机器人、新能源等产业仍在大量招聘 软件与算法人才[1][3]。对多数人而言，CS 仍是“进可攻、退可守”的专业底盘。
⚡
入门红利在消退
麦可思《2026 年中国本科生就业报告》显示，2025 届本科生毕业半年后平均月收入约 6,435 元，计算机科学与技术、软件工程等已跌出应届生月收入前十，近年也未再进入 “绿牌专业”之列[2]。会写基础 CRUD、模板页面的初级岗位，正被 AI 编程工具快速“平权”。
🚀
增量集中在 AI 与硬科技
智联招聘 2026 年 1—5 月数据显示，应届生招聘增速最快的行业是机器人（+83.8%）与 新材料（+60.1%）；人工智能工程师岗位增速 +31.1%、数据工程师 +28.3%[3]。 方向选对，比“专业名字”本身更重要。
248,752 元IT / 软件业年均工资
连续全行业第一[1]
连续全行业第一[1]
6,435 元2025 届本科毕业生
平均月收入（参照）[2]
平均月收入（参照）[2]
+31.1%人工智能工程师
岗位增速（2026.1—5）[3]
岗位增速（2026.1—5）[3]
19.18%含 AI / 大模型关键词
岗位占比（2025）[5]
岗位占比（2025）[5]
💡
一句话结论：“计算机还行不行”是伪命题，真正的问题是——
“以你目前的积累，走哪条细分路线胜率最高？”
下文用数据回答前半句，用你的简历画像回答后半句（见「我的推荐」页）。
② 具体到某一个职业
搜一个岗位，看它的现状、门槛与适配度
输入职业或技能关键词（如“AI、后端、Java、测试、考公”），或点下方分类；本地速查库共 16 个常见岗位，内容为编辑整理示意，仅供建立体感。
正在加载岗位速查卡…
宏观数据总览
六个数字，看懂 2025—2026 的行情
0元
软件与 IT 服务业年均工资（2025，非私营）
全行业最高，同比增长 +4.1%[1]
0元
2025 届本科毕业生平均月收入（总体参照）
毕业半年后口径，麦可思报告[2]
0%
机器人行业应届生招聘增速（2026.1—5）
全行业第一，新材料 +60.1% 次之[3]
0%
AI 相关岗位量同比增幅（2025）
脉脉《2025 年度人才迁徙报告》[5]
0万+
人工智能人才缺口（人社部测算）
供求比约 1:10，缺口长期存在[4]
0%
含“AI / 大模型”关键词岗位占比（2025）
从 2024 年的 12.25% 升至 19.18%[5]
⚠️ 读数据前先避两个坑
- “绿牌 / 红牌”≠ 个人出路。绿牌看的是大众化热度与供需，近年信息安全等也未上榜[2]，但安全人才缺口是结构性的——榜单热不代表个人机会多，榜单冷也不代表没机会。
- 平均薪酬 ≠ 你能拿到的薪酬。“6,435 元”是全国本科整体均值；“24.9 万”是非私营单位统计口径（含社保公积金等）。个人收入取决于城市、方向与能力，区间差异远大于均值差异。
区间参考 · 非官方口径
一线城市参考月薪区间
| 方向 | 应届参考 | 3—5 年参考 |
|---|---|---|
| 前端 / Web 研发 | 8—15k | 15—30k |
| 后端 / 分布式 / 全栈 | 9—16k | 16—35k |
| AI 应用 / 大模型工程 | 10—18k | 18—40k+ |
| AI 算法 / 研究 | 15—25k（硕士为主） | 25—60k+ |
| 数据工程 / 分析 / BI | 9—15k | 15—32k |
| 网络安全 / 安全工程 | 9—16k | 16—35k |
| 运维 / SRE / 云原生 | 8—14k | 14—30k |
编辑按公开招聘平台综合整理的区间示意：城市、公司规模与个人能力都会让实际值明显偏离区间，这里只用于横向感受，不要当成“标准价”。
供需分层
不同方向，“卡”在哪一关
- 前端 / 后端：投递量最大、简历关最卷；作品、实习与项目复盘是分水岭。
- 算法 / 大模型：学历与论文门槛偏高，岗位量少于工程岗，缺口集中在“能落地的人”。
- 安全 / 运维 / 测试：对学历相对宽容，更看重证书、实战与排障复盘能力。
- 体制内 / 国企：笔试、面试与学历、政治面貌权重高，节奏与大厂完全不同。
- 产品 / 解决方案：技术背景是加分项，沟通、文档与业务理解决定上限。
判断自己“卡哪一关”，比只看平均薪资更有用：先想清楚是学历关、简历关还是面试关。
1热度 ≠ 你能进
AI 岗位量同比 +543%，但 2025 年简历供给首次超过岗位需求——风口变热的同时，竞争也在升级。
2城市差大于均值差
同一岗位在一线与新一线可差 30%—50%；谈薪前先算清房租、通勤与生活成本。
3转码窗口未关，成本变高
“作品 + 实习”的转码者依然有市场；只靠刷题、没有落地项目的转码越来越难。
就业方向对比
十一条主流路线，按你的积累来挑
薪酬区间综合公开招聘平台信息（2026-09 检索，一线城市口径，含浮动）， 景气度与 AI 冲击度为编辑整理的主观判断（1—5 星），请结合自身情况交叉验证。
🌐
前端 / Web 研发
Frontend · 可视化 · 低代码
成长线：初级前端 → 高级前端 → 前端架构师 / 可视化专家
一句话点评：存量最大、上手相对快，但初级岗竞争激烈；数据可视化、AI 界面生成、端智能是增量，资深前端依旧稀缺。
适合谁：对界面与交互敏感、喜欢即时可见的反馈、想做全栈的人。
⚙️
路线① 第 2 站
后端 / 分布式 / 全栈
Backend · Microservices · Cloud
成长线：后端 / 全栈工程师 → 高级工程师 → 系统架构师 / 技术专家
一句话点评：需求基本盘最大的方向之一；AI 应用落地离不开后端集成、数据流与稳定性设计，Java / Go / Node 任一扎实即可立足。
适合谁：对系统设计、性能优化着迷，数据结构、网络、数据库基本功扎实的人。
🤖
🔥 热度最高 · 路线① 第 3 站
AI 应用 / 大模型工程
LLM App · RAG · Agent
成长线：AI 应用工程师 → AI 应用架构师 → AI 技术负责人
一句话点评：最热增量：RAG、Agent、MCP、效果评测与数据飞轮都需要“懂工程”的人来落地；红利窗口仍在，但已开始要求真实项目而非调 API。
适合谁：好奇心强、能快速试错，并把模型能力转化为产品价值的人。
🧠
🎓 学历与论文壁垒高
AI 算法 / 研究
ML · DL · NLP / CV
成长线：算法工程师 → 高级算法 → 算法科学家 / 架构
一句话点评：高薪但拥挤——2025 年 AI 人才供需比首次超过 1（供大于求），算法岗供给明显上升；硕博学历、论文与实习履历比拼激烈，不要只盯着高薪。
适合谁：数学基础强、能啃论文并复现、享受长期钻研的人。
📊
增长 +28.3%
数据工程 / 数据分析 / BI
Data Eng · Analytics · BI
成长线：数据工程师 → 数据架构师 → 数据 / BI 负责人
一句话点评：2026 年招聘增速 +28.3%[3]；对话式 BI 与 AutoML 会提效，但指标体系、数据治理与业务解读仍依赖人，且 AI 应用需要高质量数据管道。
适合谁：细心、结构化思维强、愿意深入理解业务指标的人。
🔍
⚠️ 转型窗口收窄
测试 / 质量保障
QA · Test Dev
成长线：功能测试 → 测试开发 → 质量架构 / 负责人
一句话点评：AI 自动生成用例与低代码自动化正在替代纯手工功能测试；尽早转向“测试开发 + AI 辅助测试”才有溢价空间。
适合谁：严谨、爱找问题，且愿意写代码做测试工具的人。
🛡️
国家战略需求
网络安全 / 安全工程
Security · 攻防 · 合规
成长线：安全工程师 → 安全架构师 → 安全负责人（CISO）
一句话点评：攻防两端都在用 AI，产业与政策投入持续增加；但该方向近年同样未入“绿牌”榜[2]，说明大众赛道竞争激烈，需要真实技能与认证背书。
适合谁：爱钻研漏洞与攻防对抗、自驱力强、能接受“长期学习”的人。
☁️
平台工程新叙事
运维 / SRE / 云原生
DevOps · Platform · SRE
成长线：运维工程师 → SRE / DevOps → 平台架构师
一句话点评：云原生与 AI 基建带来新增量；从“背锅运维”转向平台工程、可观测性与稳定性设计，职业价值显著提升。
适合谁：喜欢排查疑难问题、热衷自动化，对操作系统与网络底层着迷的人。
🔌
机器人风口传导
嵌入式 / 物联网 / 端侧
Embedded · IoT · Edge AI
成长线：嵌入式工程师 → 系统架构师 → 端侧 / 硬件负责人
一句话点评：机器人行业应届招聘增速 +83.8% 居首[3]，背后是大量软硬结合岗位；端侧 AI、自动驾驶、IoT 需要 C/C++ 与硬件底子。学习曲线陡，岗位集中于长三角、珠三角与北京。
适合谁：动手能力强、喜欢硬件与底层、能长期啃文档与示波器的人。
🧭
AI 产品经理增幅第一
技术产品经理 / 解决方案
Tech PM · Solution
成长线：产品助理 → 产品经理 → 产品总监 / 业务负责人
一句话点评：2025 年新发岗位增幅 TOP1 是 AI 产品经理[5]；“懂技术 + 懂用户 + 懂商业”是稀缺组合，适合不想只写代码但不想丢掉技术优势的人。
适合谁：沟通表达强、愿意对结果负责、商业敏感度高的人。
🏛️
稳定优先之选
公务员 / 教师 / 国企数字化
体制内 · 稳定路线
成长线：技术岗 / 综合岗 → 职级、职称体系内晋升
一句话点评：计算机专业在考公职位专业目录中覆盖面广（网信、公安、税务、大数据局、学校等）；把稳定放在第一位是完全合理的选择，代价是收入上限与竞争方式不同。
适合谁：追求工作生活平衡、可接受体制内节奏与考试竞争的人。
* 上述景气度、冲击度与稳定性为编辑整理的主观综合判断；薪酬为一线城市公开招聘平台综合区间（2026-09 检索），仅供参考，请以实际 Offer 与官方统计为准。
各种 AI · 热点与风口
各种 AI 热点扎堆，风口与创新在哪？
从大模型、智能体到 AI 编程、具身智能，热点每 6—12 个月就换一波。 下面按 热点与风口 盘点 2025—2026 值得 CS 学生关注的 8 类 AI： 它是什么、风口期判断、以及你可以从哪里切入。热度为编辑综合公开报道整理，仅作方向参考[3][5]。
🌋 爆发期风口01
大模型与智能体（Agent）
是什么：能读文档、调工具、自己拆任务并执行的 AI 应用，常见形态有 RAG 问答、Agent 工作流、多智能体协作。AI 相关岗位发布量 2025 年同比 +543%[5]，应用工程是其中缺口最大的环节。
🔥 创新点：从“聊天”走向“干活”——记忆、工具调用、任务规划与结果评测。
🚀 成长期风口02
AI 编程与开发者工具
是什么：AI 结对编程、自动补全、代码审查、测试生成、一键修 Bug。它正把“写模板代码”变免费，把“会设计、会验证、会兜底”的人变得更重要。
🔥 创新点：从“补全代码”到“多文件改造 + 自主跑测试 + 仓库级智能体”。
🌋 爆发期风口03
具身智能与机器人
是什么：大模型“装进”机器人：人形机器人、机械臂操作、自动驾驶、巡检与家庭服务。2025 年机器人行业应届招聘增速 +83.8%，居全行业第一[3]，软硬结合岗位明显增多。
🔥 创新点：多模态感知 × 强化学习 × 物理世界数据，是 CS × 机械/控制 的交叉风口。
🚀 成长期风口04
多模态生成（图 / 视频 / 语音）
是什么：文生图、文生视频、声音克隆、数字人、AI 作曲。内容生产的边际成本被拉低，产品化与工作流集成（电商、营销、影视、教育）出现大量新岗位。
🔥 创新点：可控生成、角色一致性、视频编辑式生成，拼的是工程化与产品体验。
🚀 成长期风口05
端侧 AI 与开源小模型
是什么：把模型跑在手机、PC、眼镜、车机里：本地推理、离线助手、隐私优先。开源小模型让“人人可私有化部署”成为趋势，端侧芯片与量化技术持续升温。
🔥 创新点：小模型蒸馏、量化/剪枝、端云协同与隐私计算。
🛠️ 平台期刚需06
AI 基础设施与推理优化
是什么：算力调度、推理加速、向量数据库、数据管线、模型评测与可观测。热点会换，但“把 AI 跑稳跑省”是所有公司都要做的事，是确定性最强的方向之一。
🔥 创新点：推理成本优化（KV Cache、投机采样）、RAG 数据质量与评测体系。
🚀 成长期风口07
AI × 行业（医疗 / 教育 / 金融 / 工业）
是什么：通用大模型 + 行业数据与流程 = 医疗助手、AI 教研、智能风控、工业质检。政策与预算在向“落地”倾斜，“懂 AI 又懂行业”的复合工程师比纯调接口更稀缺。
🔥 创新点：行业知识库、私有化部署、人机协同流程设计。
🚀 成长期风口08
AI 产品经理与 AI 安全合规
是什么：一边是定义“AI 能做什么”的产品岗——AI 产品经理是 2025 年新发岗位增幅第一[5]；一边是守住“AI 不能做什么”的安全合规——越权、幻觉、隐私、内容安全成为上线前必答题。
🔥 创新点：AI 应用评测、红队、Agent 权限治理、合成内容标识。
🧭 风口很多，怎么不踩空？
三条筛选原则：① 兴趣 × 积累 × 市场的交集，优先于“哪个最热”； ② 看 12—18 个月的趋势，而不是这一个月的热搜； ③ 用 mini 作品验证——1—2 个月做一个可演示的小项目，再决定要不要深耕。
对 CS 学生更现实的策略：把“地基”（数据结构 / OS / 网络 / 数据库）当作下限，把“一种 AI 方向的真实交付”当作上限，用作品而不是收藏夹证明你跟上过风口。
行动建议 · 基础 + 详细问答
先把基础建议做扎实，再带着问题问详细建议
上半部分是通用底盘（四件事 + 按年级刻度）；下半部分是详细建议——写下你的处境与问题，规则库会给你针对性回答（本地运行，不联网）。
🧱 1. 打地基：大学四年别只卷学分
- 数据结构与算法、操作系统、计算机网络、数据库——四门课决定技术天花板，AI 普及后依然成立。
- 用“教别人”检验掌握度：能讲清楚 TCP 三次握手、B+ 树索引、进程调度，才算真懂。
- 数学（线代、概率）不要丢：未来无论是算法还是 AI 应用，都建立在理解模型行为之上。
📦 2. 攒证据：作品 > 绩点 > 空话
- 大二开始做项目：课程设计 → 开源贡献 → 竞赛（蓝桥杯、ACM、挑战杯）→ 实习，逐级升级。
- 把代码推到 GitHub、把过程写成技术博客：面试官想看的是“你怎么解决问题”，不是证书清单。
- 主动实习 1—2 段真项目，比刷 10 门网课更能拉开差距。
🤝 3. 抱大腿：信息差是最大的成本
- 加一个高质量技术社区 / 开源群，认识比你大 2—3 届的学长学姐，获取真实岗位反馈。
- 秋招前研究目标岗位 JD（职位描述），按 JD 反向补技能树，而不是海投乱撞。
- 关注国家统计局、麦可思、智联、脉脉等年度报告（文末有来源），建立自己的“行情数据库”。
🔁 4. 用 AI，而不是被 AI 用
- 把 Copilot / ChatGPT 当“结对程序员”：让它写初稿，你来 review、改架构、背责任。
- 警惕“会用 AI = 会开发”的幻觉：能正确提问、能验证输出、能修错误的人才有溢价。
- 每季度给自己一个小目标：一个 AI 辅助完成的上线项目，胜过一百次“AI 生成 demo”。
🚫不要裸辞追热点
“转 AI 算法”前先算沉没成本：数学与论文积累不足时，AI 应用工程更现实。
🚫不要只刷题不写代码
八股与力扣过不了“能不能落地”这一关，作品集才是硬通货。
🚫不要被“绿牌红牌”绑架
榜单统计的是大众样本；你的路线由兴趣 × 积累 × 市场交集决定。
按阶段拆解
把四年切成四段，每段只盯三件事
大一 · 适应期
- 高数、线代、程序设计学透，这是所有方向共同的地基
- 养成“每天写一点代码”的习惯，哪怕是 30 行小练习
- 学期末完成一个小作品：图书管理、个人网页、小工具都算数
大二 · 攒作品期
- 数据结构与算法是硬课，配合 OJ 保持手感
- 组队做项目 / 参加竞赛（蓝桥杯、服务外包、挑战杯）
- 把过程写成博客，GitHub 开始积累提交记录
大三 · 收敛期
- 方向收窄到 1—2 个，简历按目标岗位 JD 反向补技能
- 争取 1—2 段实习或长期开源贡献，作品要“能讲清难点”
- 秋招前用「我的推荐」生成 90 天清单并按周推进
大四 · 冲刺期
- 提前批 → 网申 → 笔试 → 面试，每轮结束当天写复盘
- 毕业设计选“能写进简历”的题目，兼顾开源与论文
- Offer 对比算总包与成长曲线，别只比起薪
详细建议 · 你的问题我来答
带着你的问题来问，按你的处境给答案
下面是本地规则问答库（13 个高频主题 + 智能兜底）：问题描述得越具体，匹配越准。本功能不联网、不收集你的问题，刷新即清空。
不知道怎么问？试试模板：
我的专属推荐
基于我的简历，下一步怎么走？
自动读取你在「简历工坊」保存的简历草稿（同一浏览器即可），结合本页的方向数据， 生成主推方向与 90 天成长清单，清单任务与本站学习资料一一对应，可一键跳转开练。推荐为本地规则推断，仅供方向参考。
学习资料检索
告诉我你的目标方向，帮你找学习资料
输入你想从事的岗位或正在学的技能（例如：AI 应用开发、前端可视化、 网络安全、数据分析、嵌入式），即可获得对应方向的分阶段学习路线与免费资源。
热门方向：
已收录 11 个职业方向、132 条学习资料。输入目标职业或技能关键词（如：大模型 / 数据分析 / 渗透测试），即可获得分阶段学习路线。
账号中心
登录 / 注册
注册后可以在本机保存你的账号与偏好；本页面为演示版，账号数据仅保存在当前浏览器中，请勿使用真实密码。