.png) |
OpenAI選出37位「超級大學生」：他們為什麼被頂尖AI公司選中？ |
| - 2026/08/11 | |
2026年，OpenAI正式推出ChatGPT Futures計畫，面向全球篩選出 37位 18–25歲的年輕人才，組成「Class of 2026」—— 這是第一代從入學到畢業，全程與大模型共生的AI新生代。他們每人獲得1萬美元無償資助、獨家前沿模型許可權，並於6月受邀參訪 OpenAI 總部。這群來自Harvard、MIT、Stanford、Oxford、UC Berkeley等頂尖院校的年輕人，沒有空泛的頭銜，而是用真實項目證明：AI不是工具，而是改變世界的杠杆。這批年輕人為何值得關注？他們代表著頂尖 AI 公司眼中最閃亮的青年畫像：科研深度、社會關懷與驚人年輕活力。
Creators 創造者：用AI做出能付諸實行的產品
他們不寫論文、不追概念，直接用 AI 解決具體問題，不少項目已融資、上線、規模化運行。
太空機器人團隊：Columbia +Caltech學子打造太空站Embodied AI，幫太空人省下大量維護時間，已融資610萬美元，計畫2027年上太空站。
AI相親平臺：用大模型資料脫敏、語音智慧引導，線下約會轉化率高達70%，遠超行業平均。
女性科技社區：迦納出身的20歲學生搭建Z世代女性CS最大社區之一，成員超1.2萬，用通俗語言普及電腦科學。
災難生命探測：18–19歲三人組用 Wi‑Fi 信號穿牆定位倖存者，不需要倖存者攜帶任何設備。
對沖基金AI負責人：23歲在校期間搭建全公司 AI 系統，從架構到培訓一手負責。
國家安全與AI分析：Yale學子用 AI 快速處理海量檔案，助力政策分析師高效產出決策備忘錄。
Explorers 探索者：用 AI 推開科學的新大門
他們把AI用於天文、神經科學、藥物研發、材料化學，把人類認知邊界往前推。
神經科學 + AI 逆轉疾病模型：Harvard + Oxford Rhodes Scholars，12歲開始科研，用AI發現可逆轉雙相情感障礙、降低阿茲海默症風險的藥物方向。
青少年心理健康AI：19歲Stanford研究者，用AI分析腦影像與焦慮抑鬱關係，搭建本地心理健康服務快速查找工具。
AI降低藥價：Harvard學子開發基因表達優化系統，效率最高提升236%，被全球研究者廣泛使用。
碳捕獲材料知識圖譜：University of Toronto團隊用大模型統一文獻資料，解決材料科學資訊碎片化難題。
發現150萬顆未知變星：MIT 少年用AI處理NASA天文資料，以獨立作者發表論文並開放資料集。
化學界經典模型：17歲把NLP思路遷移到化學分子，成為領域最常用 AI 模型之一。
星系自然語言搜尋引擎：用GPT自動標注星系圖像，讓天文學家搜星系像搜網頁一樣簡單。
蛋白質功能AI推理：伊朗出身團隊打造的工具，開源幾周就被19國3000+研究者使用。
AI輔助低成本考飛行執照：用ChatGPT模擬空管對話、練習無線電通話，用時遠低於全美平均，省下數千美元訓練費。
Advocates 宣導者：AI最溫柔的力量，是照顧被忽略的人
這一群人最打動人心：他們用 AI 關注老人、窮人、邊緣社區、瀕危文化、糧食安全、無障礙教育。
消費品逆向物流AI：讓500萬磅商品免於填埋，AI 幫企業高效媒合捐贈與轉售管道。
老年人反網路詐騙：19歲創立組織，推動州級網路安全課程更新，覆蓋近2萬人。
瀕危語言復興：用低資料演算法保存口述歷史，為瀕危方言建立第一份結構化文檔。
無家可歸學生扶持系統：AI 秒級生成家庭資源方案，讓社工每天節省1小時以上。
全球多語言教育AI：把知識自動翻譯成幾十種語言視頻，降低全球教育門檻。
農業病害提前檢測：AI 在肉眼可見前識別作物病害，減少22%損失，服務聯合國糧食專案。
盲人音訊教育遊戲：服務20萬+視障學生，打造無障礙學習硬體。
秘魯小販AI記帳：基於WhatsApp的輕量工具，幫街頭小販建立信用與財務記錄。
為什麼是他們？OpenAI 的選人邏輯很清晰
這37人不是「成績最好的學生」，而是最早把AI用透、用深、用到實處的年輕人：有人用 AI 加速科學發現、有人用 AI 降低創業門檻、有人用 AI 彌補社會不公。OpenAI 選中的，不是天才神話，而是AI時代真正的行動者，他們證明下一代領袖不再只靠學歷與資源，而靠用技術解決真實問題的能力。
|
.png) |
金融科技(FinTech)與商業分析(Business Analytics)的區別 |
| - 2026/08/05 | |
顧問和同學討論選校及科系時，時常有同學對於金融科技、商業分析等科系性質混淆不清，今天顧問來為各位同學簡單通俗地拆解兩個熱門科系的本質差異。
金融科技（FinTech）是指電腦軟體、網路和其他資訊科技在金融機構和市場的創新應用。這包括支援數位貨幣（例如加密貨幣）、數位資產、金融流程自動化、財富管理和交易、機器人顧問、支付和交易、金融數據分析、信貸和借貸等許多領域的技術。其側重依託技術實現金融產品與系統，重點是創新資金流轉模式，核心鑽研方向：借助數位化技術，讓各類金融交易提速、降本、提升風控安全性。
商業分析（Business Analytics）以數據挖掘分析為核心，貫穿企業業務流程中經營環節，依靠數據優化企業各項決策，核心探究兩件事：現有經營數據能反映企業哪些現狀？依託數據該怎樣優化經營方案。
二者就業路徑區分明顯：金融科技行業屬性高度垂直，求職集中在銀行、證券、保險、投融資等金融圈層；商業分析適配全行業，各行各業均有數據分析崗位需求，互聯網科技、生物醫藥、電商零售、文化娛樂行業，外加金融領域全都能擇業，就業覆蓋面更廣泛。
從學科構成來看可直觀類比：金融科技 = 軟體發展 + 金融學融合；商業分析 = 數據科學 + 企業管理學結合。雖說兩個專業日常都會接觸數據與演算法，但深耕的技術體系截然不同。
金融科技主打區塊鏈、智慧合約、量化交易開發、介面開發、金融網路安全等技術；商業分析主攻數理統計建模、數據視覺化、預測研判、SQL資料庫等工具。
簡單來說：金融科技是在金融領域研發硬核工具、搭建風控壁壘，看重系統穩定性、即時運算與實現全自動化；商業分析依託數據梳理業務全貌、拆解行業現狀，重在提煉商業洞察、輸出實際可行的優化方案。
|
.png) |
NACE 2026研究生薪資報告：CS登頂、商科大漲 |
| - 2026/07/28 | |
近年來，美國就業市場波動不斷，最難就業季的說法頻頻出現。美國大學與雇主協會（National Association of Colleges and Employers, NACE）最新發佈的《2026冬季薪資調查》，卻勾勒出一幅更為複雜的圖景——企業縮減招聘規模的同時，願意為核心人才支付更高的薪酬。
NACE是美國大學就業領域的權威機構，其年度薪資調查報告被廣泛視為美國研究生就業市場的風向標。2026年冬季報告資料直接來自雇主的實際招聘回饋，而非網路問卷，因此參考價值高。報告不僅呈現了各科系的薪資水準，還揭示了雇主的需求偏好和地域薪酬差異。
一、總體趨勢：漲薪、不減招聘名額？
2026屆碩士畢業生的薪資數據，呈現出一種結構性的上漲。
宏觀層面：招聘預期回暖
NACE 2026年春季更新報告顯示，預計2026屆的招聘將增長5.6%，高於去年秋季預測的1.6%，而85.6%的雇主表示他們會增加或保留應屆畢業生的招聘名額。這一數據有力扭轉了此前的悲觀預期。
微觀層面：熱門賽道薪資普漲
但並非所有畢業生都能享受這一紅利。市場已從過去的大水漫灌，轉向今天的精準篩選——留美讀研究所的路，越來越成為一門精打細算的投資，而非單純的體驗。
二、科系格局：CS登頂，商科回暖
今年的榜單最顯著的變化，是電腦科學（CS）成功擠下工程學，成為2026屆碩士級別的起薪第一科系。以下是具體科系的表現：
電腦科學：逆襲登頂，漲幅第一
• 平均薪資：$94,212
• 漲幅：+10.9%
• 強勢反轉去年微跌態勢，成為2026屆薪資最高碩士科系。
工程類：高位維穩，小幅回落
• 平均薪資：$92,873
• 變化：-1.3%
• 去年基數已大幅上漲，整體仍處高薪區間，細分領域分化明顯。
商科：全線回暖，漲幅驚人
• 平均薪資：$86,563
• 漲幅：+11.5%
• MBA：+15%（$98,514）
• 市場行銷：+15.8%（$88,125）
• 商科回暖信號明確，需求與薪資雙升。
數學與科學：觸底反彈
• 平均薪資：$81,129
• 漲幅：+8%
• 從去年近10%跌幅轉為正增長，重回上升通道。
三、雇主需求排行：哪些科系最吃香？
薪資高不代表崗位多。NACE同時發佈了雇主招聘意願調查，勾勒出2026屆碩士就業市場的需求骨架。
• 電腦科學（24.7%） 以絕對優勢位居雇主需求榜首，軟體工程（14.7%）和電腦工程（13.3%）也穩居前列。三個電腦相關科系同時上榜，意味著CS的熱度並非局限於某一細分領域，而是整個Technology Stack在雇主端仍有成體系的需求。
• 工程類方面，機械工程（20.0%）和電機工程（17.3%）分列第二和第五位。與科技大廠的大起大落不同，工程類崗位的需求曲線更加平緩、更具可預期性。
• 商科方面，MBA（18.7%）、金融（17.3%）和會計（16.0%）全部擠進前十。MBA和金融不僅起薪漲幅超過兩位數，雇主招聘意願也在同步升溫——薪資與需求的雙重印證，為商科回暖提供了堅實支撐。
總覽前10名，工程與電腦相關科系佔據6席，商科及管理類佔據4席。STEM領域的碩士畢業生在就業市場依然非常搶手。如果核心目標是高就業率，優先選擇STEM科系更為穩妥；如選擇商科方向，建議結合金融科技、數據分析等技能提升競爭力。
四、地域差異：同一專業，不同身價
地理位置帶來的薪酬差異值得特別關注。NACE將美國劃分為四大區域進行分析：
新英格蘭 / 中大西洋（紐約、波士頓）
• 電腦工程：$103,200（全美最高）
• 金融、市場行銷薪資穩健，名校密集，產業學術深度綁定。
五大湖 / 平原（芝加哥、底特律）
• MBA：$106,567（四大區商科第一，超東北部 30%）
• 工業 / 機械工程需求穩定，生活成本遠低於沿海。
東南 / 西南（德州、佛州）
• 電腦科學：$98,339
• MBA、金融薪資超東北部，新興科技與能源產業崛起。
洛磯山 / 遠西（矽谷、西雅圖）
• 航空航太工程：$106,200（全區獨一檔）
• 軟體工程、材料工程薪資天花板極高，創新生態領先。
五、就業策略：看懂數據，選對賽道
面對“冰與火”並存的就業市場，求職者需主動調整策略：
技術能力是門檻
NACE資料顯示，近1/3的雇主已將AI技能列為招聘要求，較去年秋季增長近3倍。AI雖在替代初級崗位，但對懂演算法、架構的高層次人才需求仍在增加。留在CS賽道的關鍵，不在於是否寫代碼，而在於如何寫、如何跨學科解決問題。
跨學科是加分項
單一技能已難滿足複合崗位需求。商科學生掌握Python、數據分析等工具，職業競爭力將顯著提升。
地域選擇同樣關鍵
就業資源集中的地區，其重要性不亞於科系本身。工作保障最強的仍是工程、護理、CS、會計等技術或執照類領域；人文社科畢業生的困難，更多來自工作經驗差距，而非學科不受重視。
核心信號
碩士薪資整體上漲，商科回暖與CS反超成為結構性轉折。真正具備核心競爭力的人，“貴”的邏輯依然成立。讀懂數據，是選對賽道的第一步。
|
.png) |
加州大學柏克萊分校部分學生過度依賴AI導致推理與學習能力萎縮 |
| - 2026/07/22 | |
UC Berkeley電腦基礎課不及格率飆升至 35%：AI時代下，學生的基礎能力正在流失？
前陣子，《加利福尼亞人日報》的一則報導在學術圈引發熱議：UC Berkeley Department of Electrical Engineering and Computer Sciences下的多門電腦基礎課的被當率在 2026 年春季學期突然飆升，其中一門課甚至高達 35.3%。在全球頂尖 CS 學府裡，這樣的數字極為罕見。更令人擔憂的是，教授們給出的原因指向了同一個核心問題 —— 學生對生成式 AI 的過度依賴，正在侵蝕他們的數學與計算思維能力。
被當率為何突然暴漲？
根據報導，UC Berkeley EECS 系兩門電腦入門課的被當率分別達到：
> The Beauty and Joy of Computing 35.3%（歷史罕見）
> The Structure and Interpretation of Computer Programs 10.6%（也顯著高於往年）
而在過去兩年，這些課程的不及格率從未超過 10%。
另一門Optimization Models in Engineering 的不及格率也達到 16.8%，是正常水準的三倍。
教授們普遍認為：AI 工具讓學生輕鬆完成作業，卻無法讓他們真正掌握知識，學生考試時原形畢露。異常偏高的不及格率，主要原因之一是學生大量依賴大型語言模型完成作業，一部分不及格學生是因為作弊遭查獲並移送學生紀律單位處理；另一部分則是在平時過度依賴 AI 完成作業，等到考試無法使用工具時，才發現自己並未真正掌握課程內容。
AI 不是“外掛”，反而成了認知萎縮器？
報導中提到，許多學生在平時作業中大量使用 ChatGPT、Claude、Gemini 等工具：
> 作業代碼寫得很漂亮
> 證明題邏輯嚴密
> 數學推導也能自動生成
但一到閉卷考試或獨立解題場景，問題就暴露出來：
> 學生無法獨立完成最基本的推理、計算與代碼構建。
換句話說，AI 讓他們看起來很強，但真正的能力並沒有建立起來。
這不是 AI 的問題，而是學習方式的錯位。
數學基礎的缺失，被 AI 放大了
UC Berkeley教授們還指出另一個關鍵因素：線性代數、向量微積分、證明能力等數學基礎正在全面下滑。這些能力本來就是電腦科學的底層邏輯，而 AI 的出現讓學生更容易跳過痛苦但必要的學習過程。於是出現了一個惡性循環：
> 數學基礎弱
> 依賴 AI 完成作業
> 缺乏真實練習
> 考試無法獨立思考
> 不及格率上升
AI 並沒有讓學生變強，反而讓基礎更薄弱。
AI 時代更需要培養獨立思考能力
面對 AI 已成為學習工具的新環境，大學教育應該更加重視批判思考與分析能力。教育的目標是培養學生面對未知挑戰的能力，而不是讓 AI 代替他們思考。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 TOP
