答主来自清华自动化系 。

无论是算法 、 数据一类 CS 岗位 ， 还是进入制造业做技术 、 研发等工作 ， 都是自动化专业的对口就业方向 。

但这种 「 万金油 」 既能成为被接受的理由 ， 也能成为被拒绝的理由 ， 要学习较大跨度的知识体系所带来的副作用是每个子方向都不够深入 。 因此 ， 在完成基本学业之余 ， 本科生需要广泛探索 、 规划未来的发展路径 ， 从而在一个较为精准的方向深化专业能力 。

如果对这个专业有兴趣 ， 可以看看下面的详细介绍 ： 学科本身 、 学科知识结构 、 深造与就业前景 、 专业氛围 。

1 关于学科本身

选择专业时 ， 常有人把各种 「 XXX 及自动化 」 与 「 自动化 」 专业混淆 ， 实际上它们是完全不同的 。

如 「 电气工程及自动化 （ 专业代码 080601 ） 」 可以直接理解成电气/电机系 ， 「 机械设计制造及自动化 （ 专业代码 080202 ） 」 可以理解成机械系 ， 等等 。

自动化专业 （ 专业代码 080801 ） 在本科招生中被归在 「 自动化类 」 之下 ， 和计算机 、 电子等信息类专业更相似 ， 在欧美院校的专业划分体系中与 EECS （ 即电子工程与计算机科学 ） 最为接近 ， 名称上通常只有 「 自动化 」 三个字 ， 有时也称 「 自动控制 」 、 「 控制科学与工程 」 等 。

自动化专业在院系划分上 因学校而异 ——如清华大学自动化系隶属于信息学院 ， 浙大自动化叫控制科学与工程学院 ， 北航自动化在自动化科学与电气工程学院下 ， 哈工大自动化在航天学院 。

大家在报考时可以找 「 控制科学与工程 」 这个学科 ， 也推荐在院系官网上查看研究方向和本科生培养方案部分 ， 以确定该学科的具体情况 。

现在各院校的自动化专业宣传的大都是 「 智能制造 」 ， 「 机器人 」 和 「 人工智能 」 ， 等等 。

「 自动化 」 的直观解释就是使用机器部分或全部代替人类的体力或脑力劳动 ， 甚至完成人类依靠自身体力和脑力无法直接完成的任务 。

人类生产力发展的过程 ， 很大程度上就是不断追求 「 自动化 」 的过程 。 现代社会的很多重要成果 ， 如无人机 、 自动化工厂 、 智能汽车 、 辅助飞行系统 、 宇宙飞船等 ， 其核心都是自动化系统 。

20 世纪中期 ， 随着电磁系统的发展 、 计算能力的提高和二战的契机 ， 控制学科在科学理论和工程应用上都得到了极大的发展 。 人们发现 ， 机械或电磁机器 、 社会组织或生物体 ， 这些系统在经过数学抽象后 ， 都能采用一套统一的理论进行建模 、 预测和控制 。

自动化学科依托于控制论而诞生 ， 以 「 信息论 」 、 「 系统论 」 、 「 控制论 」 为核心 ， 紧跟信息时代的技术变革 ， 从建立之初浓厚的军工气息 ， 到现在常和 「 人工智能 」 等字眼挂钩 ， 自动化学科以发展的 、 交叉包容的态度 ， 始终走在科技发展的前列 。

托住一根长杆使其立在手上 ， 通过眼睛实时观察杆的角度 、 通过手的移动施加力使杆保持不倒并按期望的轨迹运动 ， 这就是经典的倒立摆模型——如果把人的眼睛换成传感器 ， 人的手换成电机结构 ， 配合一套控制算法 ， 就形成了一个简单的自动化系统 。

进一步地 ， 把长杆换成导弹或航天器 ， 把 「 托住杆的手 」 换成发动机和自动尾翼 ， 让导弹落在期望的位置 ， 让航天器进入期望的轨道 ， 这就是 「 倒立摆 」 能做的 。

现在的自动化人面对的是更多样的领域和更复杂的问题 ， 研究方向也从控制理论更多地转向了 智能理论和系统的研究 。 我们想用药物控制癌症的发展 ， 想用科学的理论组织企业的管理 ， 想用智能技术在生活的方方面面解放人的重复劳动 。

自动化毕业生大多不会成为控制工程师 ， 更多地则是带着自动化学科的思想前往各种交叉学科进行进一步的科研工作 ， 或专注于智能算法和软硬件开发 。

无论作为科研工作者 ， 还是研发工程师 ， 自动化相关的实际工作都没有那些炫酷的字眼听起来那么潇洒 。 我们大多是站在前人的肩膀上 ， 基于对实际的科学或工程问题的理解 ， 对模型和方法加以选择 、 测试和改进 。

这中间可能包含大量数据的收集和整理工作 ， 以及漫长的调试 ， 和结果不尽人意却找不出问题所在的懊恼 ， 不乏琐碎枯燥之处 ； 但也有灵光一现的欣喜和解决问题的成就感 。 在这一点上 ， 我想大部分学科都是相似的 。

2 学科的知识结构

2.1 培养方案

在本科的课程设置上 ， 由于近年来信息技术领域迭代比较快 ， 自动化专业正处于转型的过程中 。 有些学校积极革新 ， 课程体系在近几年发生了一定的变化 ， 也有部分学校的课程体系仍然比较陈旧 ， 需要参考对应的高校具体的培养方案进行判断 。

这里以 清华大学自动化系 的最新培养方案为例 ， 按照知识深度递增大约可分为 ：

基础课 ： 必修课 ， 通常在大一至大二上学期学完 ， 大多与其他工科院系有所重叠 。 数学基础课在工科中要求较高 ， 此外编程和电路基础对后续课程的学习十分重要 。

• 数学课程 ： 微积分 、 线性代数 、 离散数学 、 随机数学与统计
• 物理课程 ： 大学物理 、 物理实验
• 学科基础 ： 计算机语言程序设计 （ C 语言 ） 、 电路原理 、 工程制图

专业主修课 ： 课程主要分布在大二 、 大三两年 ， 是专业自己开设的核心课程 ， 多为硬课 。 由于涉及的内容比较广泛 ， 在后续科研工作中一部分课程知识可能用不到 ， 在确定自己的方向后 ， 一些同学可能会对不同的课程上的精力分配有所取舍 ， 难言利弊 。

部分课程对微积分 、 线性代数 、 概率统计基础有一定的要求 。 此外 ， 很多课程会涉及各种软硬件编程 、 仿真 、 电路的设计与搭建等实践应用 ， 此时 「 大作业 」 将成为主要的压力源 。

• 数学 ： 运筹学
• 电路 ： 数字电子技术 、 模拟电子技术 、 电子技术实验与课程设计
• 计算机软件与算法 ： 面向对象程序设计 、 计算机网络与应用 、 数据结构 、 人工智能原理 、 模式识别与机器学习
• 系统控制理论与技术 ： 信号与系统 、 自动控制原理 、 过程控制 、 电能变换 、 智能传感与检测技术

自主发展课程 ： 自主发展课程是自动化学科下面大量交叉研究方向的基础入门课程和简单实践 ， 帮助同学体验和确定自己继续深入学习研究的具体方向 ， 这一部分的课程的设置很大程度上取决于院校的实验室科研方向 ， 主要在大三学年自主选修 3~5 门左右 。

• 生物信息学 ： 合成生物学 ， 生物信息学概论 ， DNA 存储
• 成像与计算机视觉 ： 智能机器视觉 ， 成像与智能技术
• 系统与网络 ： 系统工程导论 ， 智能网联系统 ， 群体智能系统 ， 卫星星座大数据分析 ， 智能无人机系统
• 机器人 ， 光电探测 ， 脑科学与人工智能 ， 企业数字化转型研究 ， 等等

2.2 细分方向

自动化系交叉方向较多 ， 不同研究所 、 甚至同一研究所下不同导师研究方向差异较大 ， 不同院校的优势方向也可能不同 。

这里以清华大学为例 ， 自动化系的一级学科为 「 控制科学与工程 」 ， 该一级学科下设有八个学科方向 ， 包括 ：

控制理论与控制工程 ： 工业大数据分析 、 复杂生产过程优化调度 、 故障诊断等

模式识别与智能系统 ： 计算机视觉 、 机器学习 、 「 人工智能 」 等

系统工程 ： 物联网 、 智能交通 、 智能建筑等

检测技术与自动化装置 ： 嵌入式系统 、 故障检测等