選自然語言。如果你是選學科機器人小胖，那就選自然語言，如果你是工作，看你在什么地方，根據行業分布選，如果是想在北京，那就選自然語言，如果是在長三角，就選機器人視覺，在深圳就兩者都可以。

如果是工作的角度，選擇以后的發展方向，簡單的說一下計算機視覺和自然語言

1、計算機視覺目前已經比較成熟，包括2D視覺，3D視覺，包括OCR等等都比較成熟。且玩家已經固定了。

我們常規意義上講的計算機視覺也有不同層次的，例如應用于工業的計算機2D,3D視覺。這類主要是配合自動化，傳感器做信息采集，以及比對，做檢測，或者監控使用。比較典型的應用例如早年的CCD檢測，就算這類工業計算機市場的應用。這類工作也被稱為自動化工程師，包括現場調試以及方案編程。錢少，出差多，略有苦逼。但不是沒有前途的行業。只是略有辛苦，不少自動化行業的會進入這一領域。

這類企業比較典型的例如：基恩士，康耐視，大恒圖像，匯川技術等等。（很明顯，如果你想找這類工作，那多數集中在深圳，和長三角）

工業領域略微高深一些機器人視覺，主要應用于機器人導航：SLAM。

通過視覺慣性算法，實現環境描繪，路徑規劃。傳說比較牛逼的tesla無人駕駛，就采用的是視覺慣性導航，目前國內主推的無人駕駛導航，還是激光導航技術（性價比高，技術穩定）。

第二個，計算機視覺，就是比較高大上的圖像智能領域。從場景應用，上面可以有人臉識別技術，動態人臉識別，OCR，細粒圖像技術，以及在此基礎上涉及到的視頻技術：視頻語義理解。

這類偏向于互聯網及消費端的應用。

這類消費類的視覺，國內比較典型的企業：商湯科技，依圖科技，云從科技，曠視科技。當然還包括大家都熟悉的Apple，google，百度這類互聯網企業，主要應用在計算機以及手機領域。

自然語言的按照整個發展和規劃，還是主要傾向于人工智能的基本入口。

整個自然語言的使用場景，基本上以消費市場為主。

所謂的自然語言，可能有不少人不太懂：就是分析、理解、生成人類語言， 及相關綜合應用。

微信的文字語音轉文字，文字轉聲音，就屬于自然語言最初級的一種形式。

更為高級的是，能夠做語義分析，情感分析，意圖理解。

目前國內比較多的輿情分析網站，就是采用的這種自然語言的分析模式。

自然語言的發展契機就在于，如果要實現人工智能更高的飛躍，就一定需要自然語言的支持，不然人機互動中，你問機器人，我想找點好吃的，他給你推薦一大堆快餐，顯然并不合適。

目前自然語言的應用在消費領域，比較廣泛。

（1）語義理解

最近比較流向的一個網站，

就是非常典型的語義理解的搜索引擎。這類引擎也比較多。

（2）篇章理解

篇章理解，目前包括各類輿情監控的軟件。例如百度輿情，融文都是這種篇章理解的應用。從算法上面來說，就是分詞后，提取關鍵詞。（當然我說的比較籠統，用小學的教育，就是找中心思想）

（3）情感分析

情感分析，熟悉Python的朋友，應該都知道，做語義分析中情感分析的重要性。

（4）自動協作

自動協作，其實就是未來服務機器人的范疇了。目前我們常見的siri，或者天貓精靈，都算是這類的入門吧。

（5）語言理解與交互

那個曾經神乎其神的，科大訊飛的同聲翻譯機，就屬于這個范疇。

（6）翻譯軟件，百度，有道等等

這個就不細節介紹了機器人小胖，使用過的都懂。

那么我們看到如果在消費端口，這部分企業分布比較多。并且一般都是為自家服務，例如OPPO，小米都脫離不了自然語言的開發。所以相對而言，如果你是一直在互聯網領域，那就選自然語言吧。尤其是如果你在北京。北京不缺人工智能，但缺少機器人實體企業。