2026香港本科AI路径分化加剧：港大与港科大全面对比

近年来，人工智能正迅速崛起为香港本科申请中增长最为迅猛的方向之一。从港大的Computing and Data Science（CDS）、BASc Applied AI，到港科大的Artificial Intelligence（AI）、Engineering with Extended Major in AI，香港高校正在以前所未有的速度扩张AI本科教育版图。

然而，AI专业看似持续扩张，学生可选择的路径却在变得愈发分化。许多家长初次接触两校AI项目时，往往形成直觉判断：AI就是AI，本质上大同小异。但如果仔细拆解课程结构、招生逻辑与学额分布，会发现港大与港科大代表着两条截然不同的人才培养路径。AI专业的选择早已不只是"选学校"，而是直接影响未来四年甚至十年发展方向的关键决策。

01香港本科体系学额结构

【图片来自网络】

过去三年，香港AI相关专业申请量持续攀升，尤其在国际课程体系学生中表现突出。但如果从招生结构深入剖析，港大与港科大并非简单扩招AI，而是将AI拆解为不同功能模块。同样被称作"AI"，本质上已演化为两种截然不同的培养逻辑。这种分化并非课程层面的表面差异，而是从招生设计之初便已固化。

许多家长习惯性关注"是否扩招"，但在香港本科体系中，更关键的指标是学额结构，学额直接决定竞争密度。

从港大AI相关项目来看，Computing and Data Science（CDS）相关通道合并学额约为91个核心入口，Applied AI项目规模约100人，BA&BEng AI相关路径则分散在多个学院之中。港大AI并非单点爆发型专业，而是由多个中小规模入口组合而成。学生分散在多个路径竞争，不同路径的录取标准差异极大：

Applied AI：偏向跨学科综合能力

BEng AI & Data Science：偏向数学与工程能力

CDS Delta+：偏向计算机与数据基础

同样是AI方向，录取逻辑完全不同。

港科大结构则更加集中，主要集中在BEng in Artificial Intelligence、Engineering with Extended Major in AI和Science Group A with AI Extended Major，共同构成高度聚焦的AI工程体系。从近几年JUPAS中位分表现来看，这些项目长期维持在高位竞争区间。

02课程结构本质差异

【图片来自网络】

如果只看专业名称，两校AI似乎差别不大，但拆解课程逻辑，会发现两者完全不属于同一教育体系。

港大：应用驱动，场景导向

以BASc Applied AI为例，课程设计具有鲜明跨学科特征。学生在学习AI核心技术的同时，需深入不同应用领域：

商业与金融

医疗与健康

城市规划与智慧城市

社会科学与政策分析

人工智能伦理与治理

课程核心特点：AI作为工具嵌入不同学科，强调应用场景理解，鼓励跨领域组合，允许高度自由选修。同一AI方向的学生，可同时学习机器学习基础、进入商业分析方向、接触社会政策研究。港大培养的是能将AI应用到多元现实问题中的复合型人才。

港科大：工程驱动，技术核心

港科大AI路径截然不同，核心牢固建立在计算机科学体系之上。以BEng Artificial Intelligence为例，课程通常包含：

Machine Learning、Deep Learning

Computer Vision、Natural Language Processing

Data Mining、Algorithms & Data Structures

依托CAiRE研究中心、CSE核心课程体系、工程学院实验平台，港科大强调的是数学能力、编程能力、系统设计能力、算法优化能力。港科大不是培养"AI使用者"，而是培养能设计、优化和构建AI系统本身的技术人才。

03港科大特有AI辅助

【图片来自网络】

港科大有一个关键但容易被误解的结构Extended Major in AI。很多学生误以为这是AI专业的补充版本，但逻辑完全不同。

Extended Major本质是在主修专业基础上叠加AI能力模块：

Mechanical Engineering + AI

Civil Engineering + AI

Finance + AI

Design + AI

港大是AI作为主路径，港科大Extended Major是AI作为辅助。一个是"从AI出发走向行业"，一个是"从行业出发引入AI"。

04三类学生对应三种路径

【图片来自网络】

从课程设计差异出发，可将申请者划分为三类：

纯技术导向（科研/读博/算法）

典型特征：数学强、编程扎实、对算法底层感兴趣。

更适合港科大BEng AI或CSE+AI体系，因其更强工程训练、更完整科研路径、更接近计算机底层。

应用导向（就业/产品/跨学科）

典型特征：表达能力强、对商业/社会问题感兴趣、不希望路径单一。

更适合港大BASc Applied AI或CDS/BA&BEng AI，因其跨学科空间大、职业路径灵活、易进入产品/咨询/商业分析方向。

方向不明（探索型）

典型特征：未确定方向、希望保留转专业空间、关注选择自由度。

更适合港科大Science Group A+AI Extended Major或港大CDS Delta+，因其允许后期分流、不锁死专业、兼容多方向发展。

AI申请已不再是单点选择，而是需要系统性规划的战略问题。对2026–2027申请者而言，真正重要的不是"选不选AI"，而是是否选择了与自身能力结构、职业愿景和学术兴趣相匹配的AI路径。只有找准定位、精准匹配，才能在日益分化的AI本科教育中获得最大成长空间和竞争优势。

冲击英国G5名校

如何才能 有的放矢 事半功倍？

G5英才计划为您保驾护航

长按下方二维码扫描添加戴森云导师

更多公益讲座

长按下方二维码扫描添加戴森云导师

回复【讲座预约】即可了解更多内容

点击关注【戴森云】了解更多

点分享

点收藏

点点赞

点在看