香港人工智能本科专业课程与申请指南
人工智能(AI)在过去几年从学术热点迅速转化为产业刚需,香港多所大学在 2024–2026 年间相继推出独立的 AI 本科学位课程,取代或并入原有的计算机科学 / 信息技术大类。对于内地高考生与国际课程申请者而言,香港的 AI 本科既是通往大湾区科技产业的高性价比跳板,也是申请海外顶尖研究生项目的良好过渡。本文系统梳理港校 AI 专业的课程结构、学制学费、申请流程与选校策略,供有意赴港的内地读者参考。
一、香港哪些学校开设 AI 本科?
截至 2026 年秋季入学的招生信息(以官方最新公布为准),开设或正在开设人工智能相关本科专业的港校主要包括:
- 香港大学(HKU):文理学士(人工智能与数据科学)
- 香港中文大学(CUHK):人工智能:系统与科技、电脑工程与人工智能双学位等
- 香港科技大学(HKUST):人工智能、决策分析学等
- 香港理工大学(PolyU):人工智能及数据分析、计算机科学(人工智能)
- 香港城市大学(CityU):人工智能、计算数学与人工智能、计算机科学(人工智能方向)
- 香港浸会大学(HKBU):人工智能与信息技术
- 香港教育大学(EdUHK):人工智能与教育科技
各校课程命名略有差异,但核心都涵盖机器学习、深度学习、计算机视觉、自然语言处理、机器人学、数据科学等模块。
二、课程结构对比:港大、港中文、港科大怎么选?
三所老牌强校的 AI 本科在课程侧重上有明显差异。
| 维度 | 港大 HKU | 港中文 CUHK | 港科大 HKUST |
|---|---|---|---|
| 学位名称 | 文理学士(AI 与数据科学) | 工科学士(人工智能:系统与科技) | 工科学士(人工智能) |
| 学制 | 4 年 | 4 年 | 4 年 |
| 课程侧重 | AI 与数据应用、人文社科融合 | 系统工程 + AI 产业落地 | 数学基础 + 算法研发 |
| 必修主线 | 机器学习、统计学、数据伦理 | 系统工程、计算机视觉、机器人 | 线性代数、优化理论、AI 算法 |
| 实习安排 | 弹性,暑期完成 | 必修业界实习 | 弹性,鼓励海外交换 |
| 学位归属 | 文理学院 | 工程学院 | 跨学科学院 |
选校提示:偏好 AI 在金融、医疗、社会科学应用者,可关注港大;想走系统工程与硬件结合的路线,港中文更适合;希望走学术路线或读研深造者,港科大的数理基础更扎实。
三、申请通道与基本要求
1. 内地高考生通道(High Percentile / Mainland Gaokao)
港校参与「内地本科生入学计划」,不占用内地高校志愿名额。申请者凭高考成绩独立申报,每所学校单独提交申请。
- 高考成绩通常需达到 一本线 / 特控线以上,AI 等热门专业录取线往往显著更高
- 英语单科成绩一般不低于 120–130 分(具体以官方最新公布为准)
- 部分专业需要面试或附加测试(见下文)
2. 国际课程 / 非高考通道
- A-Level、IB、SAT/AP、DSE 等课程均可直接申请
- 多数 AI 专业要求:A-Level 数学为必修,进阶数学或物理为加分项
- IB 一般要求 36 分以上,并提交 Extended Essay 与学科成绩
3. 转学与副学位路径
- 持有副学士(Associate Degree)或高级文凭者,可申请插班入读部分港校的 AI 或计算机专业大二、大三
- 学分互认政策因学校而异,需逐校确认
四、学费与奖学金
| 院校 | 2026/27 学费(参考) | 备注 |
|---|---|---|
| 港大 | 约每年港币 21.5 万 | 不含住宿、生活费 |
| 港中文 | 约每年港币 21.5 万 | 工程类标准 |
| 港科大 | 约每年港币 21.5 万 | 工程类标准 |
| 港城大 / 港理工 | 约每年港币 17 万–19 万 | 因专业而异 |
| 浸会 / 教大 | 约每年港币 14.5 万–17 万 | 视课程而定 |
学费以官方最新公布为准,每年可能有 3%–5% 调整。
奖学金方面:
- 入学奖学金:依据高考 / 国际课程成绩自动评审,金额从减免部分学费到全额奖学金不等
- 学术奖学金:大一之后按 GPA 持续评定
- 学院奖学金:AI、工程、数据相关学院常设项目,金额与名额以学院公示为准
五、面试与加试准备
并非所有 AI 专业都设面试,但近年港校越来越重视综合能力评估。
- 港大:部分申请人会收到 Band A 面试邀请,多以英文进行,考查逻辑思维与英语沟通能力
- 港中文:工程学院常设入学面试,含小组讨论或英文对话
- 港科大:AI 专业不强制面试,但鼓励提交补充材料(如编程作品集、竞赛奖项)
- 港城大 / 港理工:部分专业设有情景面试或在线测评
准备建议:
- 用英文准备 1–2 分钟自我介绍,讲述为何选择 AI
- 准备一个自己感兴趣的小项目(如用 Python 跑简单模型),能讲清楚动机与结果
- 熟悉常见的机器学习概念名词,不必深挖公式,但能说清楚监督学习与无监督学习的区别
- 关注近一年 AI 行业大事,能给出自己的看法
六、毕业出路与发展方向
AI 本科毕业后大致有三条主流路径:
| 方向 | 代表岗位 | 起薪范围(参考) |
|---|---|---|
| 互联网 / 大厂 | 算法工程师、数据分析师 | 月薪 2.5 万–5 万港元 |
| 金融科技 / 量化 | 量化分析师、风控模型 | 月薪 3 万–6 万港元 |
| 学术深造 | 海外 / 港校研究生 | 视项目而定 |
起薪以行业一般水平为参考,受个人能力、公司规模与经济周期影响较大,请勿视作绝对承诺。
香港作为国际金融中心与大湾区科技枢纽,对 AI 人才需求持续旺盛;大湾区内地城市如深圳、广州、东莞,也提供了大量与 AI 相关的产业岗位。毕业生在港工作满一定年限后,可依据「非本地毕业生留港 / 回港就业安排」(IANG)申请续签与居留。
七、申请时间表(内地高考生参考)
| 时间节点 | 事项 |
|---|---|
| 每年 10–12 月 | 港校陆续开放「内地本科生入学计划」申请系统 |
| 次年 3–5 月 | 部分专业安排面试 / 加试 |
| 次年 6 月 | 高考;公布成绩后正式填报志愿 |
| 次年 6 月底–7 月 | 录取通知陆续发出 |
| 次年 8–9 月 | 抵港报到,办理签证、注册等 |
国际课程申请者的时间表一般更早,A-Level / IB 考生通常在 10 月–次年 1 月递交申请。
八、选校策略小结
- 看课程而非看名字:不同学校的「人工智能」可能侧重数学、系统、应用或伦理,先看课程清单再判断匹配度。
- 看师资与研究资源:港中文、港科大与港大都有国家重点实验室级别的 AI 研究团队,可在学院官网查阅教授的研究方向。
- 看地理位置与生活成本:港岛、九龙、新界三地校园租金差异显著,需结合住宿安排综合考虑。
- 看衔接路径:若计划本科后出国读硕,可优先考虑港科大、港大等在国际声誉上更有优势的院校;若希望留港或进入大湾区产业,港中文、港理工的本地网络更密。
- 看自身定位:高考成绩超一本线 50 分以上者,可大胆冲击港大、港中文、港科大的 AI 专业;接近一本线 / 特控线者,可关注港城大、港理工。
AI 是过去十年香港高校扩展速度最快的本科方向之一,也是内地学生赴港求学的高热度选项。建议有意向的同学提前 6–12 个月开始规划,把高考 / 国际课程成绩、英语能力、课外项目与面试准备统筹安排,提升综合竞争力。
如果你还想了解香港的住宿安排、签证办理、生活开销或研究生申请路径,香港大全 上还有更多香港相关指南,供你对照查阅。
常见问答
香港人工智能本科要多少分才能被录取?
文章指出,AI 等热门专业的录取线往往显著高于一本线 / 特控线,但并未给出具体分数线。港大、港中文、港科大三所院校录取门槛相对更高,港城大、港理工次之,浸会、教大相对友好。建议参考目标院校近三年在所在省份的录取数据,并以官方最新公布为准。
内地高考生申请香港 AI 专业会占用内地志愿名额吗?
不会。港校参与「内地本科生入学计划」,申请者凭高考成绩独立申报,不占用内地高校志愿名额。每所学校需要单独提交申请,可以同时报读多所港校,录取结果与内地志愿批次互不影响。
没有高考成绩,靠 A-Level 或 IB 可以申请港校 AI 吗?
可以。文章提到 A-Level、IB、SAT/AP、DSE 等国际课程均可直接申请港校 AI 本科,多数专业要求 A-Level 数学为必修,进阶数学或物理为加分项;IB 一般要求 36 分以上,并提交 Extended Essay 与学科成绩。具体分数门槛与学科要求以各校官方最新公布为准。
香港 AI 本科学费一年多少钱?有没有奖学金可以申请?
根据文章整理的 2026/27 参考学费:港大、港中文、港科大工程类约每年港币 21.5 万;港城大、港理工约 17 万–19 万;浸会、教大约 14.5 万–17 万。学费不含住宿与生活费,每年可能有 3%–5% 调整,以官方最新公布为准。奖学金方面,入学奖学金依据高考或国际课程成绩自动评审,金额从减免部分学费到全额不等;大一之后还有按 GPA 评定的学术奖学金与学院项目奖学金。
申请香港 AI 本科需要面试吗?面试会问什么?
并非所有 AI 专业都设面试,但近年港校越来越重视综合能力评估。港大部分申请人会收到 Band A 面试邀请,多以英文进行;港中文工程学院常设入学面试,含小组讨论或英文对话;港科大 AI 专业不强制面试,但鼓励提交编程作品集或竞赛奖项;港城大、港理工部分专业设有情景面试或在线测评。准备时可重点练习英文自我介绍、讲述一个自己做过的小项目,并熟悉常见的机器学习基础概念。