Skip to content

香港人工智能硕士课程设置与申请指南

香港自《2022年施政报告》明确将人工智能列为重点产业后,八所公立大学陆续增设人工智能相关硕士课程。截至2026年秋季学期,香港大学、香港中文大学、香港科技大学、香港理工大学均已开设独立的授课型 AI 硕士项目,另有计算机、电子工程、数据科学等院系下设的 AI 方向可供选择。

对内地学生而言,香港 AI 硕士的优势在于:学制短(多为 1—1.5 年)、课程紧贴产业前沿、毕业后可获 24 个月的 IANG 签证留港工作,且港校在 AI 论文产出与产业合作上长期处于亚洲第一梯队。本文从课程方向、学费、申请节点三方面做一次梳理。

文中涉及的具体学费、截止日期以各校官方最新公布为准。


一、四校核心 AI 硕士项目一览

下表汇总 2026/27 学年秋季入学的主流项目(以授课型 MSc 为主),研究方向与必修学分均来自各校官网公开课表。

学校 项目名称 学制 核心方向 备注
香港大学 MSc in Artificial Intelligence 1 年 机器学习、自然语言处理、计算机视觉、机器人、强化学习 工程学院与计算与数据科学院合办
香港中文大学 MSc in Artificial Intelligence and Engineering 1—1.5 年 智能系统、AI 系统工程、深度学习架构、大模型应用 工程学院新设项目
香港科技大学 MSc in Artificial Intelligence 1 年 AI 基础理论、应用机器学习、AI for Science、产业 AI 跨计算机与工程学院
香港理工大学 MSc in Artificial Intelligence and Big Data Computing 1.5 年 大数据基础设施、机器学习、智慧城市与工业 AI 工程学院电脑学系

四校均要求全日制学生修读至少 6—8 门必修课 + 选修课与项目(capstone project),部分课程接受跨院选修,如港大的金融科技、港中文的量化金融、港科大的金融科技等模块均可与 AI 课交叉选修。

课程结构对比

维度 港大 港中文 港科 港理工
必修学分占比 约 50% 约 45% 约 45% 约 60%
Capstone 项目 必选(6 学分) 必选(6 学分) 必选(6 学分) 选修
实习学分 暂未单独设 暂未单独设 暂未单独设 有选修实习课
跨院选修自由度 高 中等 高 中等

二、学费与生活费参考

下表为 2026/27 学年秋季入学的官方学费区间(以官方最新公布为准):

学校 学费(港币) 分期方式 是否设奖学金
港大 MSc in AI 约 33 万 两期 / 三期 有入学奖学金、Dean 奖学金
港中文 MSc in AI&E 约 23—26 万 两期 有入学奖学金、院系奖学金
港科大 MSc in AI 约 30 万 两期 有入学奖学金、企业赞助奖学金
港理工 MSc in AI&BD 约 20—22 万 两期 有入学奖学金

生活费参考(按 12 个月计):

建议内地学生预算 35—55 万港币(含学费)作为一学年的资金准备。


三、内地学生申请节点(2026 秋季入学)

港校普遍实行 滚动录取(rolling basis),先到先审、招满即止。2026 年秋季入学主轮时间线如下:

时间节点 事项
2025 年 9—10 月 选校、准备文书(PS、CV、推荐信)
2025 年 11 月—2026 年 1 月 港中文、港科大部分项目开放首轮申请
2026 年 1—3 月 港大、港理工首轮截止;陆续发放面试与 offer
2026 年 4—5 月 第二轮 / 末轮申请截止,部分热门方向招满
2026 年 6—7 月 接受 offer、缴纳押金、办理学生签注
2026 年 8—9 月 抵港、注册开学

热门方向(如大模型、AI for Science)往往在 2 月前就发放大量 offer,建议尽早递交。


四、申请材料与硬性要求

下表为四校共性材料清单,细节差异以各校官网为准:

材料 说明
本科成绩单 985/211 院校均分 80+ 较有竞争力;双非院校建议 85+
学位证 / 在读证明 应届毕业生提供在读证明与预期毕业证明
英文成绩 雅思 6.5(单项不低于 6.0)或托福 80+;部分项目接受 CET-6
GMAT / GRE AI 项目一般非强制,但量化背景弱的学生建议提交 GRE 量化成绩
个人陈述(PS) 1—2 页,阐述研究方向、过往项目、未来规划
推荐信 通常 2 封,学术推荐人 + 实习/工作推荐人
简历 突出编程、机器学习、竞赛、科研、实习成果
作品 / 项目 GitHub、Kaggle、开源项目、论文均可作为加分项

是否需要编程与数学基础?

四校均希望申请者具备:

跨专业申请者(如本科为商科、文科)若选修过 Coursera / edX 上的机器学习微硕士,并在 PS 中说明学习路径,仍有录取机会,但需在面试中表现出较强的自学能力。


五、面试与录取偏好

港校 AI 硕士面试多为 20—40 分钟的在线英文面试,形式包括:

面试官通常由授课老师组成,偏好具有 动手能力 + 数学直觉 + 行业理解 的申请者,纯应试型选手通过率较低。


六、签证与毕业后路径

内地学生持 学生签注(Student Visa) 赴港,毕业后可申请 IANG(Immigration Arrangements for Non-local Graduates) 签证:

港府 2024—2025 年陆续推出”高端人才通行证计划(TTPS)”与”优秀人才入境计划(优才)”的 AI 专项加分项,硕士毕业留港就业者在续签与永居申请上具有明显优势。


七、选校建议(按背景匹配)

背景 推荐优先 理由
985/211 计算机 / 软工 / AI 本科,均分 85+ 港大、港科 学术声望高,校友与雇主网络强
985/211 理工科跨专业,均分 80—85 港中文、港理工 课程对跨专业友好,先修要求宽松
双非计算机 / 数据科学,均分 85+ 港中文、港理工、港科(部分方向) 滚动录取下尽早递交仍有机会
已有 2—3 年 AI 行业经验 港大、港科 偏好工程经验,奖学金机会多
预算有限、追求性价比 港理工 学费最低,且地处红磡,生活成本相对友好

八、常见误区

  1. “AI 硕士 = 就业包分配”:港校授课型硕士以课程为主,就业依赖个人努力与校友人脉,学校提供求职辅导但不保证结果。
  2. “GPA 低就完全没机会”:AI 项目更看项目经验与编程能力,工作数年且有开源贡献者,GPA 80 仍有机会拿到港中文、港科 offer。
  3. “香港生活费等于一线城市水平”:港校宿舍价格远低于深圳南山、上海张江,月租 5,500—9,000 港币含家具与网络。
  4. “必须考 GRE”:四校 AI 项目均不强制 GRE,但提交 GRE 量化 168+ 可加分。
  5. “毕业必须留港”:IANG 是选项而非义务,回内地或赴海外同样可行。

九、行动清单(可复制)


如果你正筹划赴港深造、人工智能方向只是起点,hkguide.org 还整理了香港高校申请总览、IANG 签证详解、留港生活与租房指南等系列内容,可一并参考。

常见问答

香港 AI 授课型硕士学制一般是多久?可以提前毕业吗?

文章提到港大、港科大的 MSc in AI 学制为 1 年,港中文的 MSc in AI and Engineering 为 1—1.5 年,港理工的 MSc in AI and Big Data Computing 为 1.5 年。学制由各校课程结构与必修学分决定,是否允许提前毕业须以入学后所在院系的教务规定为准。

内地学生申请香港 AI 硕士,雅思和托福最低要多少分?

文章给出的参考门槛为雅思 6.5(单项不低于 6.0)或托福 80+,部分项目接受 CET-6 作为英文能力证明。需要注意的是,分数只是入围门槛,实际录取分数线往往高于此,建议尽早考出目标分数。

双非院校背景申请香港 AI 硕士有机会吗?

文章明确表示,双非计算机、数据科学专业的学生若均分达到 85+,在滚动录取下尽早递交仍有获得港中文、港理工及港科大部分方向录取的机会。文章还提到 GPA 80 但拥有开源贡献或多年 AI 行业经验者,同样有机会拿到港中文、港科 offer,学校更看重项目经验与编程能力。

GRE 不是强制项,还有没有必要考?

根据文章,四校 AI 项目均不强制要求 GRE,但提交 GRE 量化 168+ 可以作为加分项。如果量化背景相对薄弱,例如跨专业申请者,建议提交 GRE 量化成绩以增强竞争力。

香港 AI 硕士毕业后可以留港工作吗?签证怎么办?

文章指出,毕业生可申请 IANG(Immigration Arrangements for Non-local Graduates)签证,获得 2 年无条件逗留期,期间可在港自由就业或创业;满 7 年通常可申请永居,前提是保持连续在港工作记录。文章同时提示,IANG 是选项而非义务,是否留港由个人规划决定。

读香港 AI 硕士一年,总预算大概要准备多少?

文章建议内地学生准备 35—55 万港币作为一学年的资金,涵盖学费与生活费。其中生活费约 13.6—20.8 万港币,包括住宿 6.6—10.8 万、伙食 5—7 万、交通通讯杂费 2—3 万。具体学费区间与是否设奖学金,以各校官方最新公布为准。

跨专业申请香港 AI 硕士可行吗?需要补什么基础?

文章认为跨专业申请者仍有机会,但需在个人陈述中说明机器学习学习路径,并在面试中展现自学能力。学校普遍希望申请者具备 Python 编程、至少一种深度学习框架(PyTorch / TensorFlow)的使用经验,以及线性代数、概率论、微积分、最优化等数学基础,还有回归、分类、神经网络等机器学习基本概念。

延伸阅读