題主所在的高校該專業(yè)應(yīng)該是設(shè)置在電子信息學(xué)院或系的，因此會有這樣兩個方向。因為不知道題主所在的高校，無從得知該校人工智能專業(yè)的具體課程設(shè)置，因此就按一般該專業(yè)的情況回答該問題。若有不符，題主可討論區(qū)提出或私信。

先說結(jié)論吧，如果題主對兩個方向沒有個人興趣的傾向，僅從就業(yè)、深造等方面考慮，本人建議選擇CV/NLP/ML等的算法方向。原因如下：

1)我估計AI芯片這一個方向應(yīng)該是重點學(xué)習(xí)AI計算芯片、輔以學(xué)習(xí)諸如視覺等傳感芯片設(shè)計，這個方向歸屬于微電子、集成電路領(lǐng)域，而這些芯片本質(zhì)上就是一類芯片，與AI不AI的沒有什么關(guān)系。

2)當前，這一類芯片技術(shù)架構(gòu)已經(jīng)非常成熟。后續(xù)可見的10~20年估計就是性能提升、集成度提高、成本降低等，可供深入的機會有但較之算法要少；

3)芯片設(shè)計是國之重器，后續(xù)一些年國家也會重點發(fā)展該領(lǐng)域。但由于芯片的通用性、復(fù)雜性及鏈條長，這一領(lǐng)域無論國內(nèi)還是海外，都會被少數(shù)巨頭把控和壟斷，因此能夠提供的工作機會等要遠小于算法領(lǐng)域能夠提供的工作機會；

4)需要說明的是，當前諸如CV/NLP/ML等算法實際上也是達到了一個瓶頸，技術(shù)上突破依賴于基礎(chǔ)理論的進一步突破。但已成熟算法的應(yīng)用因為面很廣，因此還是能夠提供較多的工作機會及深造機會。同時，假設(shè)搞科研，也容易找到進行深入及突破的點。

5)最后想說明的是，個人觀點認為人工智能專業(yè)提供AI芯片方向不合理。假設(shè)想學(xué)這個方向，遠不如一開始就選擇微電子或集成電路專業(yè)。當然，這個取決于學(xué)校的課程安排，比如假設(shè)第一年基礎(chǔ)課、第二年開始就細分那么還是能夠接受的，但此時相當于頂著“人工智能”專業(yè)的名進校、實際學(xué)習(xí)的是微電子之類的專業(yè)。

希望能夠幫助到你。

歡迎關(guān)注下我、歡迎評論！

先說明一下，人工智能 在本科階段設(shè)置成一個專業(yè)分的太細了，研究生設(shè)置成一個專業(yè)，都覺得分的細，本科需要學(xué)習(xí)公共英語，數(shù)學(xué)，物理，計算機各門基礎(chǔ)課，其實和計算機科學(xué)與技術(shù)專業(yè)不同的課程最多半年，半年時間，對ai 各種算法，各種應(yīng)用領(lǐng)域，有個初步體會就不錯了，深入研究需要時間的。ai 芯片研究 和算法研究 涉及到不同的基礎(chǔ)知識，芯片研究需要熟悉 微電子和集成電路，算法研究 熟悉編程語言 和基礎(chǔ)算法就可以了。具體通過人工智能解決計算機視覺，或自然語言處理，或醫(yī)療圖像解讀，這個看自己的興趣。不管解決哪個領(lǐng)域的問題，都會涉及到機器學(xué)習(xí)算法，神經(jīng)網(wǎng)絡(luò)，決策樹，最近鄰居法，線性回歸法等。如果以后從事人工智能的話，計算機編程基礎(chǔ)，機器學(xué)習(xí)算法，以及與一個應(yīng)用領(lǐng)域的具體結(jié)合 是一般的學(xué)習(xí)路線。這波人工智能，是deepmind 開發(fā)出了 alphago,機器下圍棋 戰(zhàn)勝人類高手 而引發(fā)出來的，但是離實際創(chuàng)造商業(yè)價值還有些遠，deepmind 本身 也遠沒有盈利。前段時間，又有 用量子計算 模擬化學(xué) 反應(yīng)的報道，不排除某些大學(xué) 說不來 過兩年，再設(shè)置個 量子計算 本科專業(yè)。