花2万学CV，年薪百万梦碎：一场关于计算机视觉的真相课
去年年底，小陈坐在培训机构的教室里，手里攥着攒了三年的存款——2万块。
那时他刚被裁，HR跟他说”计算机视觉是未来，年薪百万不是梦”，培训机构的宣传单上印着”学完包进大厂”，连他妈都相信了。如今三个月后，小陈拿着简历跑了十几家公司，面试被问得哑口无言，最后连个实习生都没混上。
这不是一个故事，这是最近半年发生的真实案例，而且不是个案。
营销号吹出来的”年薪百万”神话
先说个真相：年薪百万的CV工程师确实存在，但跟你想象的完全不是一回事。
我去查了几个招聘网站，发现一个有趣的现象——
在Boss直聘上搜”计算机视觉算法工程师”，职位标题通常是这样写的：
计算机视觉算法工程师（15-30K·14薪）
点进去一看，要求栏写着：
- 硕士学历，C9或海外名校优先
- 至少2-3年工作经验
- 熟悉目标检测、分割、跟踪等核心方向
- 有顶会论文者优先
- 年薪百万标注在”资深专家/架构师”级别，且要求10年以上经验
这就好比你去餐馆，看见菜单上写着”龙虾刺身 ¥9999”，旁边小字写着”仅限VIP会员，需消费满50万开通”。
营销号玩的就是信息差。
培训机构和自媒体深谙此道，他们把”年薪百万”做成横幅，把”大厂offer”做成案例，但故意不告诉你：
- 这个年薪对应的是哪个级别
- 这个offer是外包还是正式编制
- 这个人是不是已经有5年相关经验
我认识一个做数据分析的朋友，他专门帮培训机构做”案例包装”。他说实话挺扎心的：
“我们给学员做简历优化，本来只是普通简历，我们会把’熟悉Python’改成’精通Python数据处理’，把’学过PyTorch’改成’有PyTorch项目实战经验’。”
这不是玩笑，这是行业潜规则。
小陈的2万块，到底花在哪了
我找了个做CV培训的朋友，他给我看了他们的课程大纲：
第一阶段：Python基础 + NumPy/Pandas/Matplotlib
- 时长：2周
- 内容：变量、函数、数组操作、数据可视化
- 难度：高中数学水平
第二阶段：深度学习基础
- 时长：3周
- 内容：神经网络原理、反向传播、PyTorch入门
- 难度：大学线性代数 + 概率论
第三阶段：目标检测（YOLO系列）
- 时长：2周
- 内容：YOLOv5/v8源码解读、模型训练
- 难度：需要前两个阶段打底
第四阶段：图像分割（U-Net、Mask R-CNN）
- 时长：2周
- 内容：语义分割、实例分割
- 难度：同上
第五阶段：项目实战 + 面试辅导
- 时长：1周
- 内容：做一个”车牌识别系统”或”人脸检测系统”
- 难度：前四个阶段的综合运用
总时长：约9周，2万块。
说实话，这个课程设计本身没问题，甚至算得上”精简高效”。
问题出在哪？
问题出在学员的背景和课程的深度完全不匹配。
小陈之前是做电商运营的，他连Python的for循环都没写过。到了第一节课，老师讲numpy数组切片，他听得像听天书。
但我没让他退课，因为我知道：
- 他基础差，需要更多的时间消化
- 培训机构不会因为你基础差就放慢进度
- 课程是录播，他可以自己回看，但没人给他答疑
到了第三阶段，他开始跟不上。YOLO的代码他看着像看天书，自己从头到尾跑一遍demo都要3天。
三个月后，他拿着一个”车牌识别”的项目去面试，面试官问他：
“YOLOv8的neck部分用的是PANet还是SIoU？锚框是怎么生成的？数据增强的Mosaic具体做了什么？”
小陈答不上来。
因为他根本没理解，他只是把代码跑通了。
这就是大多数培训班学员的通病：会用，但不理解。
资深工程师眼里的CV行业
我找了几个在CV领域干了5年以上的工程师，聊了聊真实的就业情况。
老张，32岁，某大厂CV算法专家，10年经验：
“CV行业现在已经不是蓝海了，甚至可以说是红海中的红海。”
“五年前，我会做CNN我就敢说自己精通深度学习。现在呢？Transformer、Diffusion Model、多模态大模型，哪个不是门槛？”
“我们面试一个人的时候，首先看学历。本科的直接pass，除非是竞赛拿过国际大奖的。然后看项目，你说的’车牌识别’，我一天能做十个。”
“最后看论文。没有顶会，你连简历筛选都过不去。”
小李，28岁，某独角兽公司算法工程师，5年经验：
“我当年找工作的时候，投了100多份简历，只有3个面试机会，最后拿了2个offer。”
“其中一个offer是月薪12K，另一个是月薪18K。年薪百万？那是10年后的事。”
“而且你要注意，CV岗位的分化很严重。做检测的、做分割的、做生成的，每个方向都需要深耕。培训班那种’大而全’的教学，出来之后什么都不会。”
王总，某CV创业公司CTO，15年经验：
“我们招人的时候，最头疼的不是技术，而是基础。”
“很多培训班出来的学生，PyTorch用得挺溜，但让你手写一个反向传播，他写不出来。让你推导一下Softmax的梯度，他懵了。”
“这些基础的东西，决定了你的上限。培训班教的是’怎么用’，但企业需要的是’为什么’。”
为什么CV这么难入行？
1. 市场饱和，高端岗位少
我之前看过一份报告，国内CV相关的从业者数量已经超过50万，但高端岗位（年薪50万以上）的数量不到5万。
这意味着：90%的CV从业者，都在争剩下的10%的岗位。
2. 技术迭代太快
2012年，AlexNet横扫ImageNet，CNN时代开启。 2015年，ResNet发布，深度残差网络成为主流。 2017年，Transformer横空出世，NLP领域大地震。 2020年，YOLOv4/v5相继发布，目标检测进入实时化时代。 2021年，ViT（Vision Transformer）让Transformer在CV领域崛起。 2022年，Stable Diffusion引爆AIGC浪潮。 2023年，CLIP、DALL-E 2、Midjourney，多模态成为新热点。
五年时间，技术迭代了三轮。
培训班学的技术，等学生学完，可能已经落后了。
3. 企业要求越来越高
以前：懂Python，会PyTorch，做过项目，就能找工作。 现在：硕士学历，有顶会论文，熟悉Transformer架构，懂分布式训练，有工程落地经验。
差距，越来越大。
那普通人还有机会吗？
当然有，但你需要换一种思路。
1. 放弃”速成”幻想
CV不是3个月能学会的。它是一个需要深厚数学基础、扎实编程能力、丰富项目经验的领域。
如果你想在CV领域深耕，至少需要1-2年的系统学习。
2. 打好基础，别急着追热点
很多人一上来就学YOLOv8、Stable Diffusion，结果基础不牢，遇到任何问题都不知道怎么排查。
建议的学习路径：
第1-2个月：数学基础
- 线性代数：矩阵运算、特征值分解、SVD
- 概率论：贝叶斯定理、常见分布、极大似然估计
- 微积分：偏导数、梯度、链式法则
第3-4个月：编程基础
- Python进阶：装饰器、生成器、面向对象
- NumPy/Pandas：数组操作、数据处理
- Git/Linux：版本控制、命令行操作
第5-6个月：深度学习基础
- 神经网络原理：前向传播、反向传播
- PyTorch入门：Tensor操作、自动求导
- 经典模型：LeNet、AlexNet、VGG、ResNet
第7-9个月：CV核心方向
- 目标检测：YOLO系列、Faster R-CNN
- 图像分割：U-Net、Mask R-CNN
- 特征提取：SIFT、ORB、DNN特征
第10-12个月：项目实战 + 面试准备
- 完成2-3个完整项目
- 刷LeetCode算法题（至少100道）
- 准备简历和面试话术
3. 找到差异化赛道
CV太大了，不要什么都学。你可以选择一个小方向，深耕下去。
比如：
- 医疗影像：需要医学知识，门槛高，竞争小
- 工业检测：需要工程能力，落地性强
- 自动驾驶：技术含量高，薪资高，但学历要求也高
- AIGC：热门方向，但需要持续学习，迭代快
4. 用项目证明能力
学历不够，项目来凑。
你可以在Kaggle上参加竞赛，争取拿个奖牌；或者在GitHub上开源一个项目，积累star和贡献；也可以做一些开源项目的贡献，证明你的工程能力。
给培训机构的建议
我不是来黑培训机构的，因为我承认，优质的培训确实能帮助一些人入门。
但问题出在虚假宣传和质量参差不齐。
建议培训机构：
- 如实宣传：不要说”年薪百万”，要说”学习完成后，具备初级CV工程师的面试能力”
- 分层教学：根据学员的基础，提供不同难度的课程
- 注重基础：不要只教API调用，要教原理
- 提供长期支持：学完后，提供简历优化、面试辅导、社区交流等服务
给想入行的人的最后几点忠告
1. 不要轻信”包就业”、”包进大厂”的承诺
这些都是营销话术。真正能帮你找到工作的，是你自己的能力。
2. 2万块可以花在刀刃上
如果你真的想学，2万块可以买书、买课程、买云算力、买竞赛会员，但不要买一个”虚假的承诺”。
3. 先问问自己：是真的喜欢，还是被”高薪”诱惑？
CV是一个需要长期投入的领域，如果你只是被”年薪百万”吸引，大概率会半途而废。
4. 找几个圈内人聊聊
在你决定投入之前，找几个在CV行业工作的人聊聊，了解真实的情况。别听营销号，听业内人士。
小陈后来怎么样了？
他没有完全放弃CV，而是转做了图像处理工程师，用OpenCV做一些传统的图像处理项目。月薪8K，但他觉得比之前踏实。
他说：
“如果早点知道这些，我可能不会花2万块报班，而是先把Python和数学基础打好。”
这个故事没有赢家，但希望它能让你少走一些弯路。