.png) |
史丹佛Institute for Human-Centered Artificial Intelligence大重組 |
| - 2026/05/24 | |
5月4日，史丹佛大學宣佈：將旗下兩大AI與資料科學組織——Stanford HAI（以人為本人工智慧研究院）和Stanford Data Science（史丹佛數據科學）合併為一個統一機構，名稱保留Stanford HAI，由電腦科學家James Landay全面掌舵。而那位讓全世界記住ImageNet的女人——李飛飛，則升任校長Jonathan Levin的AI特別顧問，同時與史丹佛前校長、圖靈獎得主John Hennessy共同出任HAI顧問委員會聯席主席。
HAI，2019年由李飛飛、前教務長John Etchemendy、NLP大神Chris Manning和Landay聯合創立。7年間，它集結了超過400位跨學科學者，累計發放6000萬美元研究資助，覆蓋史丹佛全部七個學院。它做出了每年一度的AI Index報告，搞了面向國會議員的「AI訓練營」，還在基礎模型、數位經濟、環境智慧等領域建立了多個研究中心。Stanford Data Science，由數學與統計學家Emmanuel Candès領銜創建，專注大規模資料處理，建造了高性能計算集群Marlowe，並在天體物理、因果推斷、可持續發展、神經科學等領域建立了跨領域研究中心。
過去，兩個組織各有側重：HAI偏「人文視角+政策影響」，Data Science偏「算力基建+資料方法」。但AI發展到2026年，問題變了——無論做天文發現、腦科學建模還是歷史文本挖掘，都需要同時具備大規模資料能力、高性能算力和AI方法論。兩個團隊分開運作，效率越來越低。用史丹佛校長Levin的話說，合併後的HAI將是「史丹佛AI的統一入口」。也就是說，以後史丹佛搞AI，不管哪個學院、哪個方向，都從這一扇門進。
作為HAI創始院長和ImageNet的締造者，李飛飛在學術界和產業界的號召力毋庸置疑。但HAI發展到今天，需要的不只是學術聲望，更需要一個能同時完成「工程、協作、基礎建設」的操盤手。李飛飛升任校長AI特別顧問，管的是全校七個學院的AI策略，格局更大了。因為AI正在改變的不只是技術，還有追求科學發現、學習和教育、服務社會的方式。
而接棒的Landay，在人機互動（HCI）領域，也是一位教科書級的人物。他在1990年代開發的設計工具SILK，比Figma和Canva早了二十多年；他在2000年代初做的UbiFit項目，比Fitbit和Apple Watch早了近十年。2024年，他拿到了ACM SIGCHI終身研究獎——這是人機互動領域的最高榮譽之一。他強調「團隊科學（Team Science at Scale）」——不是傳統的五人小實驗室，而是20-30人的跨學科大團隊，包含教授、博士後、研究工程師、資料科學家、專案經理和設計師。恰恰是AI研究從「個人英雄主義」走向「工業化協同」所需要的組織形態。
John Hennessy——這位史丹佛前校長、圖靈獎得主、RISC架構之父、Alphabet董事長——也加入了顧問委員會。他的評價最為直接：這是史丹佛最重要的舉措。
合併後的HAI明確了三大支柱：
第一、重新定義大學裡的科學發現方式。史丹佛的天文學家用機器學習搜尋系外行星，神經科學家用模型預測腦活動，歷史學家用NLP挖掘檔案——這些不再是「AI+X」的點綴，而是新的研究模式。HAI要提供算力、研究工程師和數據科學家，讓「團隊科學」真正跑起來。
第二、推動教育變革。 從K-12到終身學習，AI正在改變人類學習和被評估的方式。HAI要和史丹佛學習加速器等機構合作，探索適應性輔導系統和新型教育模式。
第三、研究和塑造AI的社會影響。就業怎麼變？組織流程怎麼變？設計方法怎麼從「以用戶為中心」升級到「以社區和社會為中心」？這些問題不能只靠工程師回答。
而貫穿這一切的關鍵字是：開放。開原始程式碼、開放數據、開放模型、開放課程。
史丹佛這次重組代表著大學AI競爭的下半場，拼的不再是一篇論文、一個明星教授，而是一整套系統能力——算力、數據、人才、組織力和開放研究生態。過去幾年，前沿AI研究的話語權加速向產業界集中。OpenAI、Google DeepMind、Anthropic手握最強算力和數據，學術界的聲量不斷被壓縮。史丹佛這次的動作，本質上是在回答一個存亡級問題：學術界在AI時代還有沒有不可替代的價值？答案是有的——但前提是要能提供產業界給不了的東西：透明性、可複現性、公共利益導向的長期研究，以及真正跨學科的融合視角。而這些東西，不是靠一兩個超級教授就能實現的，需要從組織架構層面去支撐。當產業界拼命推進模型、算力、融資的時候，史丹佛選擇聚焦「組織力」——用開放、跨學科、以人為本的方式，重新定義學術界在AI時代的角色。
|
 |
美國博士申請與就業：高學歷浪潮下的路徑與前景分析 |
| - 2026/05/16 | |
近年，美國研究生院校的申請諮詢熱度持續攀升，門戶開放資料網的官方統計清晰地印證了這一趨勢。本文將結合具體資料，深入分析這一現象背後的驅動因素，探討博士畢業生的就業優勢，並解析成功申請博士課程的關鍵要素。
數據印證：研究生留學的持續升溫
根據統計資料，在2019/2020學年，美國大學共接收了374,435名國際研究生（包含碩士與博士）。而在2023/2024學年，這一數字已躍升至502,291名。這127,856名的淨增長，在四年間實現了約34%的增幅，直觀地反映了國際學生，尤其是研究生層級，赴美升學的強烈意願持續走高。與此同時，希望在美積累工作經驗的學生數量也在同步上升。這體現在OPT的審批數量上：2022/2023學年：198,793份、2023/2024學年：242,782份。這一增長表明，儘管就業市場競爭激烈，但國際學生畢業後尋求在美實踐與就業的意圖非但沒有減弱，反而愈發明確。學歷提升（讀碩/博）與職業發展的強關聯性，構成了當前留學浪潮的核心動因。
博士畢業生的就業優勢：不止於學歷
博士畢業生在北美，尤其是在特定領域，具有顯著的求職優勢。這種優勢源於多個層面：
♦ 專業領域的深度門檻：在人工智慧、生物醫藥、先進製造及學術研究等領域，許多核心研發崗位的招聘要求中明確標注“PhD Preferred”或“PhD Required”。這不僅僅是學歷偏好，更是對候選人具備獨立研究、解決複雜問題能力以及專案從頭至尾把控能力的硬性要求。
♦ 教職與科研機構的獨特路徑：美國大學及各類國家、私人研究機構在招聘教職或專職研究員時，博士學位是基本門檻。這類職位的一大吸引力在於，它們通常屬於免抽籤（Cap-Exempt）的H-1B工作簽證類別。這對於希望長期留美發展的高學歷人才而言，規避了常規企業職位所需的簽證抽籤不確定性，是一條極具吸引力的穩定路徑。
♦ 求學期間的經濟壓力相對較小：與需要高昂學費的學士和授課型碩士相比，美國多數研究型大學能為博士研究生提供較為優厚的獎學金、助教（TA）或助研（RA）津貼。這些資助通常能覆蓋學費並提供基本生活開支，減輕了國際學生的經濟負擔，使他們能更專注於學術與研究。
博士申請的核心要素
學術成績門檻值：通常最低要求3.5/4.0。競爭力標準：頂尖學校錄取者的平均GPA常在3.8/4.0甚至更高。高GPA是學習能力和學術嚴謹性的基礎證明。
標準化考試政策多樣化：疫情後，大量學校採取不要求（Not Required）或可選提交（Optional）政策，但也有部分學校堅持要求。策略：務必提前仔細查詢目標學校官網的最新要求，據此決定備考投入。
科研經歷與能力量化參考：具有1-2年及以上的實質性科研經歷（如實驗室研究、學術論文、會議報告）極具競爭力。核心價值：經歷本身是為了證明自己掌握科研方法，具備發現問題、解決問題的潛力，並能適應博士階段的獨立研究工作。
語言能力分數要求：雖然學校官方最低線可能較低（如托福4.5分、雅思6.5），但想要具備競爭力，尤其是應對未來高強度的學術交流與寫作，托福5.0+分、雅思7.0+分是更穩妥的目標。
申請時間規劃關鍵截止日：博士課程主流申請截止日期集中在前一年12月初（如12月1日、12月15日）。入學時間：幾乎全部為次年秋季入學，春季或夏季入學極為罕見，規劃需以此為准。
錄取難度錄取規模：博士課程以小而精著稱。許多學校每年全球招生人數僅為個位數，遠低於同系碩士課程的招生規模，競爭異常激烈。
綜合來看，赴美攻讀博士學位是一條以深度學術訓練為導向、以長期職業發展為目標的道路。它適合那些對特定領域有真正熱情、能夠沉心投入數年時間進行艱苦鑽研，且綜合實力（學術、科研、語言）突出的學生。對於有志于此的同學們，建議如下：
► 儘早啟動規劃：如果目標是大學直博，最晚應從大二、大三開始有意識地積累科研經歷、維護GPA，而不是等到大四才倉促決定。
► 以研究為核心：整個申請準備的焦點應放在如何證明自己是一名有潛力的研究者上，所有材料（SOP/PS、CV、推薦信）都應圍繞此展開。
|
 |
CMU最新就業報告：CSAI科系2025大學畢業生平均年薪近12萬美元 |
| - 2026/05/06 | |
近日，卡內基美隆大學（CMU）發佈了2025屆大學畢業生的就業報告，報告中的資料令人驚歎不已，尤其是電腦科學（CS）和人工智慧（AI）畢業生的薪資水準，更是刷新了人們的認知。
整體薪資：穩中有升，彰顯實力
根據CMU官網公佈的資料，2025屆大學畢業生的整體表現堪稱出色。在畢業去向方面，學生們展現出了理性且務實的態度，連續兩年保持穩定態勢：60%的學生選擇直接投身職場，開啟自己的賺錢之旅。31%的學生則選擇繼續深造，為未來的職業發展積蓄力量。在薪資方面，儘管科技行業近年來波動較大，但CMU的畢業生依然實現了薪資的穩步增長。全校就業的大學生平均年薪達到了116,882美元，相較於2024屆的114,704美元，增長了約2%。這一漲幅雖然看似不高，但在當前複雜多變的行業大環境下，卻足以證明CMU畢業生具備強大的硬實力和競爭力，能夠在激烈的就業市場中脫穎而出。
就業去向：名企雲集，創業風起
選擇直接就業的學生們，大多將目光投向了高含金量的領域。互聯網和軟體、投行、電子和電腦硬體成為了三大主流就業方向。其中，不少畢業生成功躋身全球頂尖企業，如亞馬遜、谷歌、Meta、微軟、蘋果等科技巨頭，以及高盛、NVIDIA等金融和硬體領域的領軍企業。這些企業不僅為員工提供了豐厚的薪資待遇，還提供了廣闊的發展空間和優質的職業資源。值得一提的是，還有一部分學生展現出了非凡的創業精神和勇氣，直接選擇創業。他們憑藉著在CMU所學的知識和技能，以及對市場的敏銳洞察力，勇敢地踏上了創業之路，為自己的未來拼搏奮鬥。
深造去向：名校彙聚
選擇繼續讀研究所的學生們大多成功沖進了CMU本校、康乃爾、史丹佛、杜克、MIT、普林斯頓、西北大學、UCLA等頂尖學府。在深造方向上，他們高度集中在電子與電腦工程、機械工程、CS、機器學習等領域，延續了CMU在工程與電腦領域的傳統優勢。這些領域的學術研究和實踐應用都具有極高的價值，未來學生們在完成深造後，有望在相關領域取得更加卓越的成就。
學院薪資：各有千秋，驚喜不斷
CMU不同學院的薪資水準存在一定差距，但每個學院都展現出了獨特的優勢和亮點，甚至有不少學院爆出了意外驚喜。
電腦科學學院：王牌之師
作為全球電腦領域的天花板，CMU電腦科學學院的表現從未讓人失望過。這裡的畢業生堪稱吸金王牌，72%選擇直接就業，25%繼續深造。他們的薪資水準更是令人矚目，平均年薪高達156,396美元，年薪中位數也有140,400美元。亞馬遜、谷歌、Meta是吸納該學院畢業生最多的三家企業，這充分體現了科技行業對CMU CS學子的高度認可。畢竟，CMU是全球首個開設人工智慧科系的大學，在AI領域的領先地位毋庸置疑。其AI課程涵蓋了電腦科學、數學、統計學等多學科知識，還注重培養學生的倫理與社會責任意識，使得畢業生在就業市場上備受青睞。
工程學院
與CS學院主打直接就業不同，工程學院的畢業生更傾向于深造鍍金。47%的學生選擇直接就業，57%的學生選擇繼續讀研究所，這與工程學科需要高階知識儲備的特點相契合。在薪資方面，工程學院也毫不遜色，平均年薪達到108,968美元，中位數為110,000美元。雇主方面，亞馬遜、蘋果、Meta同樣是主力軍，這充分證明了工程學院學生具備強大的跨學科適應能力，能夠在不同的領域和崗位上發光發熱。
商學院
如果說CS學院以薪資取勝，那麼商學院則以就業率見長。該學院的直接就業率高達82%，是全校就業比例最高的學院，這足以看出商科人才在就業市場的穩定需求。平均年薪有92,993美元，中位數為95,000美元，放在商科領域依然具有很強的競爭力。畢業生主要進入Deloitte、PwC、Goldman Sachs等知名顧問與金融機構，成為了金融新貴的搖籃。
人文與社會科學學院
最讓人意想不到的是人文與社會科學學院，平均年薪竟然比商學院還高，達到了99,911美元，中位數更是直接突破10萬美元。畢業生去向十分均衡，53%直接就業，33%繼續深造。他們既有進入企業從事人文相關崗位的，也有繼續深耕學術領域的，成功打破了人文科系薪資低的刻板印象。這得益于CMU注重將人文社科與統計、資料分析等相結合，培養了學生的複合型能力，使他們在就業市場上更具競爭力。
科學學院
科學學院的畢業生深造比例相對較高，有38%的學生選擇繼續讀研究所，畢竟基礎科學領域對學術訓練的要求更高。但就業的學生同樣表現出色，平均年薪達到100,935美元，成功突破了10萬美元大關。這表明基礎科學並不是冷門無用，只要學得扎實，在就業市場依然能夠展現出強大的競爭力，未來在科研、醫藥、半導體等領域有著廣闊的發展空間。
|
 |
德州大學奧斯汀分校成立電腦學院 |
| - 2026/04/29 | |
德州大學奧斯汀分校近日宣佈，其全新的School of Computing（電腦學院） 已正式獲得德州大學系統董事會批准，並計畫於2026年秋季正式啟用。作為長期穩居美國公立大學前列、電腦學科實力極強的院校，UT Austin此次並不是簡單增設一個新院系，而是一次規模更大的學科重組。新學院將把校內原本分散的電腦科學系、資訊學院以及統計與資料科學相關資源進行整合，並統一歸屬於自然科學學院之下，構建一個更加開放的計算學科體系。此次調整的核心目標，是打破傳統院系之間的邊界，將電腦科學、數據科學、統計學與資訊科學等領域的研究力量彙聚起來，以更好地應對人工智慧時代帶來的技術與產業變化。
師資與科研資源同步升級
未來幾年，UT Austin計畫新增50個教職崗位，面向全球引進電腦、人工智慧與數據科學領域的學者，進一步擴大師資規模。同時，新學院還將與校內多個頂尖研究機構形成更緊密的合作網路，包括科克雷爾工程學院的ECE、奧登計算工程與科學研究所、德州先進運算中心（TACC）等。
從2026 Fall開始，申請者將可以直接申請整合後的大學科系與研究所。除傳統電腦科學方向外，新學院還將提供數據科學、資訊科學、統計與計算跨學科等複合路徑，進一步強化“計算+”的人才培養模式。學院更詳細的課程體系與申請資訊預計將在2026年3月至5月期間陸續公佈。類似的調整，近兩年在美國大學中也越來越常見。
美國大學CS正在發生變化
過去兩年，美國大學電腦教育正在明顯調整。不少學校將原本的CS系升級為計算學院，並整合數據科學、統計學等相關學科，例如UC Berkeley、UIUC、USC、UCSD等大學。另外，AI相關科系與課程也在快速增加。不少大學陸續推出人工智慧項目，並在課程中強化AI應用與跨學科訓練，電腦教育整體正逐漸轉向 “AI+”培養模式。
在人工智慧（AI）能夠替代程式設計崗位的認知下，許多考慮攻讀電腦科學（CS）的學生正陷入焦慮。這種衝突顯而易見：學生們熱愛程式設計，渴望用技術解決問題，且從小就開始學習代碼，目標就是通往CS的職業生涯。但近來，學生們越來越多地質疑這條道路的效用，他們反復在問：“我還能找到工作嗎？在CS領域還能擁有成功的職業生涯嗎？”
簡單的回答是：YES（可以）！攻讀電腦科學學位依然具有價值，它仍是目前最全能的職業基石之一。然而，CS的價值正在發生轉移。因此，調整職業目標與技能組合，是贏得未來的關鍵策略。
01核心競爭力：不僅僅是寫代碼
AI無法取代對邏輯、系統、數學以及計算思維等基本原理的深刻理解。CS學科的範疇遠超寫代碼本身；它是一門教授演算法、系統設計、安全性和解決問題的綜合學科。正因如此，美國勞工統計局預測 IT 崗位的需求將持續增長（儘管增速較以往更為溫和）。這表明，AI 並非在消滅崗位，而是將工作重心推向了高階批判性思維任務。
02警惕：傳統模式正在失效
必須承認那些專注於常規、簡單任務的角色（如傳統的初級軟體工程崗位）正在減少，因為AI可以自動化執行此類任務。同時，一些大學提供的傳統課程體系可能已經過時。理想的尖端CS訓練應當融合其他學科，為新興職業空間做準備。
03 “CS + X”：獲勝的跨學科策略
為了應對變化，學生應考慮通過輔修學位、證書等方式，將CS與以下學科結合：
> 技術核心類：機器學習、自動化、機器人、數據科學/分析、自然語言處理、資訊科學、雲端工程、生物技術計算、網路安全、人機互動、電子工程。
> 跨領域應用類：金融、商業、衛生醫療、國防、政策研究、人類介面、倫理學。
關鍵在於：現在的CS畢業生可以利用這種混合型背景，開啟需求量極大的跨學科職業生涯。
04結論：AI 改變了職業，而非消滅了職業
總體而言，現在的雇主正在尋找那些能夠與AI工具互動、維護並監督它們，同時能構建全新、創意且令人興奮專案的畢業生。這證明了AI並沒有取代計算類職業，而是將其轉向了更廣闊的新機遇。雖然常規任務正在消失，但CS專業人士正在邁向更複雜、更具創造性、更具監管性和系統層面的工作。
AI 無法取代複雜的技能組合，例如：
♦ 創造力
♦ 批判性思維
♦ 複雜問題解決能力
♦ 協作能力
♦ 倫理與社會推理
♦ 系統級思維
通過在攻讀CS學位期間進行戰略性規劃，這些核心能力都是可以習得的。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 TOP
