 |
美國大學AI大戰進入白熱化！南加大獲2億美元天價捐贈 |
| - 2026/06/04 | |
5月5日南加州大學（USC）正式對外公佈了一項足以載入校史的重磅消息——矽谷傳奇投資人、英偉達董事Mark Stevens攜夫人，向母校一次性捐出2億美元，這筆款項將全部用於驅動學校在人工智慧領域的全面突破。幾乎同步，原屬Viterbi School of Engineering旗下、2024年方才設立的高級計算學院，正式更名為"USC Mark and Mary Stevens計算與人工智慧學院"。在高等教育捐贈屢見不鮮的當下，2億美元本身或許已不足以令人驚愕，但這次捐贈背後捐贈者拋出的那番話，卻讓整個美國學術界為之一震。
這位金主究竟是誰？
Mark Stevens絕非尋常慈善家。他是南加大土生土長的"特洛伊人"——1981年在此拿下電機工程與經濟學雙學位，繼而攻讀電腦工程碩士，隨後進入哈佛商學院完成MBA學位。這種"技術+商科"的複合基因，貫穿了他此後數十年的職業軌跡。畢業後，Mark Stevens從英特爾的一名銷售工程師起步，迅速轉入風投賽道，在紅杉資本締造了一段傳奇：他在Google、Yahoo!、YouTube、NVIDIA等科技巨頭尚處萌芽期時便果斷下注，親眼見證這些公司成長為改變世界的力量。如今，他執掌自己創辦的S-Cubed Capital，個人淨資產突破110億美元，穩居Forbes全球百大風投家之列，同時還握有金州勇士隊的部分股權。
Mark Stevens對南加大的反哺，早已不是新鮮事。過去二十餘年間，他與夫人持續為母校輸血：2004年捐出2200萬美元，催生了Stevens創新中心，專注科研成果的產業化落地；2015年追加5000萬美元，將神經影像與資訊學研究所冠以自己之名；近年又先後投入1000萬美元支援橄欖球訓練中心建設，另捐1000萬美元助力Keck School of Medicine打造骨科生物製劑中心。然而，此次2億美元的AI專項捐贈，無論從規模還是戰略意義上，都是他所有投入中分量最重的一次。
再不投AI，大學就完了
Mark Stevens在接受媒體採訪時，罕見地拋開了慈善場合慣用的客套措辭，直言不諱地發出警告：當下AI領域最具顛覆性的突破，幾乎全部出自企業實驗室，而非大學。如果美國大學不立刻加大在AI上的投入，很可能被這個時代徹底拋棄。
回顧過去幾年，從深度學習到大語言模型，從圖像生成到蛋白質結構預測，那些動搖人類認知根基的里程碑式成果，幾乎無一例外地誕生于Google DeepMind、OpenAI、Meta AI等商業巨頭的研究團隊。大學正在從技術創新的發源地，淪為亦步亦趨的跟隨者，甚至在部分前沿方向上變成了旁觀者。
Mark Stevens認為，南加大在電腦科學、醫學、工程、商科和藝術領域的深厚積累，恰恰構成了探索AI邊界最理想的土壤。他這筆捐贈的核心意圖，就是幫母校在這場全球技術競賽中搶下一個不可替代的席位。這不僅是一位校友對母校的深情回饋，更像是一位頂級資本玩家向整個學術界扔出的一記警鐘：AI未來的定義權，不能只交給商業公司。
提到南加大，多數人的第一反應往往是傳媒神校、電影殿堂。但事實上，這所學校在工程、電腦和商科領域的實力同樣位列全美第一梯隊。根據Niche排名，其傳播學與建築學均居全美榜首，表演藝術、設計、電影攝影排名全美第三；U.S.News榜單中，商科位列全美第八（其中房地產方向全美第三、會計方向全美第七），電腦科學排名全美第十六（遊戲設計方向更是獨佔鰲頭，AI方向全美第十九），工科整體排名全美第二十八。更值得關注的是，南加大早已是全美電腦與資訊科學類畢業生的最大輸出源之一，同時也是矽谷科技巨頭最青睞的人才庫之一。
美國勞工局資料顯示，未來數年AI相關崗位需求將呈井噴式增長。此次獲贈2億美元的Mark and Mary Stevens計算與人工智慧學院，並非從零搭建，而是在原有高等計算學院已有的頂尖師資和專業架構上進行全面升級。學院首任院長Gaurav Sukhatme對此信心十足：這筆資金來得恰逢其時。我們的項目剛剛啟動，金斯伯格人機互動計算大樓即將落成，各學科在計算與AI驅動下正發生顛覆性變革。我堅信，南加大未來十年完全有能力躋身全球AI研究的核心領導者行列。
不止純AI，更要打造"AI+"全學科生態
南加大校長Beong-Soo Kim在官方聲明中透露，學校的AI戰略遠不止於技術研發本身，核心目標是構建一套"AI+"跨學科生態系統——用AI賦能醫學、網路安全、商業、娛樂等已有優勢領域，同時大力招募既精通AI技術、又能推動學科交叉突破的複合型學者。目前，學校已開設超過30個與人工智慧及計算技術相關的學位課程，涵蓋人工智慧、商業人工智慧、人機互動、電腦遊戲設計、數據科學等方向。2026年秋季，學校還將首次推出獨立的人工智慧理學學士學位（B.S. in AI），由工程學院與計算科學學院聯合打造，課程覆蓋機器學習、機器人、自然語言處理、電腦視覺、深度學習等核心技術模組，並通過Common App系統面向全球招生——這對志在AI賽道的高中生而言，無疑是一條直通未來的快車道。
此外，學校還佈局了一系列兼具人文關懷與前瞻性的特色課程：
> 商業人工智慧學位由馬歇爾商學院與維特比工程學院聯手推出，培養"懂AI的商業領袖"
> 計算倫理與信任研究所彙聚哲學家、電腦科學家、記者、醫生和政策制定者，共同探討AI的負責任使用
> 社會人工智慧中心則專注於用技術服務弱勢群體，是最早一批"AI for Good"實踐機構之一
尤其值得藝術方向申請者關注的是，南加大全美排名第一的遊戲設計課程以及全美頂尖的電影藝術學院，正在深度引入AI工具，如虛擬製作等前沿技術。這意味著，未來在這些領域學習的學生，將有機會接觸到最尖端的創作手段，真正打破藝術與科技的邊界。
工程與藝術的碰撞、數據與敘事的交融、生物與倫理的交織——這類打破傳統學科壁壘的申請者，往往更容易脫穎而出。這與Stevens計算與人工智慧學院的底層邏輯高度一致：未來屬於那些能跨越邊界、用技術解決真實世界問題的人。Mark Stevens用2億美元，不僅為自己的"特洛伊人"身份續寫了一段新傳奇，更為無數懷揣AI夢想的年輕人，鋪出了一條通往未來的寬闊跑道。而這場圍繞AI人才的全球爭奪戰，才剛剛開始。
|
.png) |
美國研究所春季vs秋季入學的差別 |
| - 2026/05/31 | |
美國碩士課程通常一年有三次入學機會，分別是秋季 (8月/ 9月)、春季 (1月)和夏季 (5月)。其中秋季入學是國際學生的首要選擇，因為它提供最廣泛的課程、研究機會和資金支援選項；春季入學是錯過秋季截止日期申請者的優質備選；而夏季入學則開放特定課程，招生規模和選擇範圍都十分有限。正因為三季入學的時間差，美國研究所才為不同準備節奏、不同需求的申請者提供了多樣化選項。但是需要注意的是：不是所有美國研究所都開放三季入學，熱門院校、熱門科系（比如商學院）大多只集中招秋季，具體一定要查目標院校官網，別白準備！
另外，申請截止日期也有明確規律：秋季入學申請截止大多在12月至次年3月之間，春季入學在9月至10月之間，夏季入學則多為課程提前截止（部分滾動錄取），提前規劃對成功申請至關重要。也就是說，美國研究所本來就不是只有一個入學時間，秋季入學是主流，春季入學則像是補充管道，用來幫助那些：
> 錯過秋季入學申請的人
> 申請準備不充分的人
> 英文考試成績還沒出分的人
> 因簽證、時間安排等原因無法趕上秋季入學的人
春季和秋季，到底有哪些區別？
很多同學誤以為春季入學申請水、秋季入學申請香，其實兩者的核心區別不在含金量，而在申請難度、選擇範圍、實習銜接等實際問題上。
申請時間不同：秋季申請是主流，開放時間通常更早、週期更長。秋季申請一般從8月左右開始，大部分學校在12月到次年1月截止，部分學校可延續到次年3月。春季申請一般從6月左右開始，截止時間多在8月到11月之間，節奏更緊湊。如果是那種準備得比較早、背景也比較完整的學生，秋季入學申請通常更從容。而如果是臨近申請季才補材料、補成績的同學，春季入學申請往往是更現實的選擇。
學校選擇不同：秋季是主流招生季，所以開放的學校更多，學校和科系的覆蓋面也更廣。春季課程則相對少很多，尤其是一些熱門學院、熱門科系，往往只開秋季班，不開放春季班。比如一些商學院科系、部分數據科學、熱門工程類課程，春季名額就比較有限。這意味著：秋季入學申請可選學校更多，能申請的學校更全面，而春季入學申請可選項更少，篩選時必須先看這個學校到底收不收春季入學。但是也有一些課程只開設春季入學，比如UC Berkeley的金融工程，該校MFE課程在春季開始，不提供秋季入學，目前春季入學已開放申請。所以大家要申春季班的話一定要先確認是否開放、是否適合自己背景、課程是否合理。
競爭情況不同：秋季入學申請人數多，競爭自然更激烈。春季入學申請人數少，所以很多課程的競爭壓力確實會小一些。這也是為什麼很多人覺得春季班申請更好申的原因。但這裡要注意一個關鍵點：春季班更好申，不等於春季班一定好錄。因為春季課程的錄取情況並不是固定的，它會受到很多因素影響，比如：
> 秋季入學人數是否招滿
> 課程當年是否還保留春季名額
> 申請人數是否足夠
> 學校是否臨時縮招或停招春季班
換句話說，春季招生更像是動態調整。有些學校春季會補招一批人，有些學校春季直接不開，甚至同一學校不同科系的春季政策都可能完全不同。所以春季入學申請看上去有撿漏機會，但實際上更考驗學生對課程的判斷和資訊搜集能力。
課程安排不同：雖然春季和秋季入學拿到的學位沒有區別，畢業證書也不會因為春季入學就變得不值錢，但課程安排往往會有所不同。由於秋季是主招生季，學校的課程體系通常也會優先圍繞秋季新生來設計。春季入學的同學，可能會遇到：
> 部分專業課不開
> 選修課選擇更少
> 課程順序和秋季班不完全一樣
不過這並不意味著會影響正常畢業。一般來說，受影響最大的，更多是選課靈活度，而不是學歷本身。所以如果學生對課程豐富度、選課自由度要求很高，秋季往往更佔優勢。
實習銜接不同：這是春季入學申請裡最容易被低估、但實際上最影響體驗的一點。對於美國研究生來說，實習很重要。尤其是很多同學讀研究所的核心目的之一，就是為了後續找實習、找工作、提升就業競爭力。而春季入學最大的挑戰就在於可能錯過第一個完整的暑期實習機會。對於國際學生來說，是否能申請校外實習，通常和在美學習時長有關。很多情況下，秋季入學的學生讀完第一個學年後，正好可以趕上暑期去實習。但春季入學的學生，一般到美國時已經是1月左右，等到第一個夏天時，可能還沒完全滿足實習條件，或者還沒來得及建立足夠的專案和經歷積累。這就會導致：
> 第一年的暑期更偏向上課或校內專案
> 實習銜接更緊
> 需要更早規劃職業路徑
所以如果學生很重視美國本地實習、尤其希望利用第一個暑假積累經歷，春季入學就要慎重一點。
獎學金機會不同：春季入學通常比秋季更少獎學金機會，因為很多學校的獎學金發放是按年度進行的，而年度獎學金通常更集中在秋季入學時分配。因此，春季入學申請者拿到獎學金的機率往往更低，有些學校甚至會明確寫出春季無獎。所以如果特別看重獎學金或者希望盡可能爭取funding，秋季入學一般更有優勢。
春季入學真的更容易申請嗎？
這個問題沒有絕對答案，但可以給出一個相對真實的判斷，春季入學申請在競爭人數上通常更少，但在課程數量和穩定性上也更弱。也就是說，春季入學申請的優勢在於：
> 競爭沒有秋季入學申請激烈
> 能縮短等待時間
> 適合錯過秋季入學申請、準備晚、想儘快入學的人
但它的劣勢也很明顯：
> 可選學校少
> 實習銜接難度更高
> 獎學金機會少
> 課程安排可能沒那麼完整
> 不確定性更強
所以春季並不是更容易申請的萬能答案，而是一個適合特定人群的備選方案。如果時間充足、準備完整，秋季入學依然是大多數人的首選。如果同學已錯過秋季入學申請，或者想儘快入學，不妨認真看看春季課程，也許會有意想不到的機會。
2027 Spring申請時程
2026年5-7月：確定目標院校/課程，確認是否開放春季入學申請，考出理想語言成績；
2026年8-9月：評估自身背景，確定申請院校清單，準備申請文書（履歷、SOP/PHS、推薦信）；
2026年9-10月：提交申請表格，寄送申請材料，密切關注截止日期（主流10月中旬前）；
2026年11-12月：查看申請狀態，補交材料，等待offer，拿到offer後辦理簽證、預訂住宿；
2027年1-3月：入學，適應學術生活，提前瞭解學校實習政策。
|
.png) |
史丹佛Institute for Human-Centered Artificial Intelligence大重組 |
| - 2026/05/25 | |
5月4日，史丹佛大學宣佈：將旗下兩大AI與數據科學組織——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+數據方法」。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數據能力、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，以後史丹佛做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。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 TOP
