2023 至 2025 年，我在岭南大学担任客席助理教授，教授企业创新与社会企业相关课程。最近亦受邀在一个硕士课程上进行AI主题演讲，谈及我个人的学习历程与职业成长。正因如此，我开始系统梳理香港八大院校在AI方面的最新教学与研究动向。与其说是一份传统“调研”，不如视之为一个面向决策者与公众的“观察与总结”——希望回答两个实际问题：香港学界这几年在AI上做了甚么？而这些努力，如何转化为产业竞争力与人才红利？

文：Michael C.S. So（AiX Society 人工智能应用研究学会-创会会长）

香港大学：医疗与跨界的旗舰地位

港大于2024年成立“计算与数据科学学院”，把AI与数据科学上升至学校级战略。最引人注目的，是医学院团队研发的智慧听诊器 Vitogram——把手机变成医疗级心音分析仪，准确率高、临床应用清晰，并夺得国际发明奖项。这类“由科研直达临床”的范式，正是香港AI转化的示范。

在应用层面，港大涉猎保险科技（风险定价与反诈）、建筑机电（能效优化）、数码取证（与执法部门合作）等，显示其跨界协作能力。教学上，港大推出面向全校的AI素养课程，以及专业型AI硕士，试图把“AI识读”变成基础能力，再以“专精课程”承接产学需求。

香港中文大学：医疗机械人与图神经网络的突破

中大强调跨学科协作，在医疗机械人与图神经网络（GNN）上有国际级成果：手术机械人研究获国际顶会奖项，GNN研究在数据矿业界顶会摘下最佳论文。这些不是“概念展示”，而是能落地的核心算法与系统工程。

教学方面，中大早于2019年开办本港首个AI本科专业，近年再扩展至多个硕博课程，涵盖医疗、金融、IoT、机器人等方向；资助额度与国际联盟项目规模可观。这种“研究—课程—产学”闭环，使中大在高阶AI人才培育上具先发优势。

香港科技大学：生成式AI与本地化基础模型

科大聚焦生成式AI与多模态基础模型的本地化研发，牵头成立研发中心，集结本地与海外名校，针对法律、医疗、创意产业等垂直场景打造基础能力。关键在于：香港能否掌握“自己的底层模型与数据治理”，而非单靠外部API。

在人才路线上，科大一方面保持理工与计算的硬核训练；另一方面开办“生成式AI商业应用”等在职教育，让企业管理层快速把模型能力嵌入流程（如知识管理、客服自动化、研发辅助），以“用得起、用得好”作衡量标准。

香港城市大学：新兴研究院与可信AI

城大新设AI科研平台，主打智慧城市、教育科技与可信AI（包括安全、伦理、可解释）。可信AI不是加分项，而是“进场门票”：金融、公共服务、医疗与法规密集型行业，都需要可审计、可追溯、可控风险的系统。

教学端，城大推出涵盖自动驾驶、生成式AI与可信AI的硕士课程，对接产业“立刻可用”的人才缺口。科研成果上，城大在知识图谱与文本挖掘方面具体应用（如专利和文献分析平台），形成从学术到产业的桥梁。

香港理工大学：实务导向的智慧城市与教育创新

理大把AI纳入本科必修，强调“场景原生”（scenario-native）：以建筑安全监控为例，透过视觉辨识与行为分析，对工地进行即时风险预警，既节省成本亦提升安全合规。

在教育创新上，理大投资沉浸式教学（如HiVE），用AI驱动模拟与评估，培养“在真实任务中学习”的能力。研究生层面提供AI及大数据等专业学位，对象涵盖工程、商业与设计背景的跨域学生。

香港浸会大学：媒体、内容与数据的交叉

浸大的定位并非“高墙内的硬核模型研究”，而是媒体与数据的交叉创新：AI生成内容、新闻自动化、受众分析与品牌传播科学。面对内容经济、短视频与多平台分发，AI在策划、制作、审校到投放优化的全链条价值凸显。

浸大相关硕士课程将传播专业与AI工程“两头接地”，培养既懂叙事又懂算法的复合型人才——对文化与创意产业而言，这是香港可突围的利基。

岭南大学：人文社科视角下的“AI×商业”

岭大近年强化数据与AI教育，推出人工智能研究博士（DAIS）与多个商业智能、数据分析模组。其价值在于以人文社科视角，处理AI导入中的治理与变革：如何以资料伦理与流程设计，让AI真正提升效率而非增加组织摩擦？

在金融、营销与供应链的应用研究上，岭大更重视“策略与行为”层面的洞察，能为中小企提供可落地的导入路线图。这与研究型院校的“技术驱动”互补。

香港教育大学：成规模的AI教育专才供给

教大把AI视为教育变革工具：自适应学习、形成性评估、自动回馈与教学设计辅助。其本科“人工智能与教育科技”课程填补了香港AI EdTech专才缺口，对K-12与成人教育的数码转型具有关键意义。

在产品化路线上，教大重视与学校的实证合作（pilots），把研究做成可复制的教案与工具包，让AI真正进入课室与教师工作流。

横向观察：香港AI高教的“三层推进模型”

第一层：基础能力与科研高地——以港大、中大、科大、城大为主，负责核心算法、医疗机械人、可信AI、基础模型等“硬核”方向，产出国际发表与平台级技术。

第二层：场景牵引与行业转化——理大、城大、港大等在建造、智慧城市、金融风险、法证、保险与医疗等场景上形成示范，与政府、监管与龙头企业共创，缩短“从论文到营收”的距离。

第三层：人才与素养的普及化——港大把AI素养纳入通识，教大、浸大、岭大在教育、媒体与商业管理上扩散AI能力，建立广义的“AI识读”与跨域合作者群体。

产学合作与创业孵化：从“专案”到“生态”

近三至五年，八大院校的共同趋势是由“单点专案”走向“平台生态”：

资金与政策：政府创科基金、InnoHK平台、医疗与城市管理的公私合营专案，使大型跨校、跨境合作成为日常。

企业共创：金融、保险、建造、医疗与文创企业，以“资料可用＋合规可审＋场景可扩”为导向，与院校共同定义问题与验证方案。

转化机制：知识转移处、创业加速器与校友基金形成闭环，支持从原型到量产；同时，越来越多教研人员具备“双语”能力（学术语言与商业语言）。

要点很务实：算力与数据治理是香港能否做大做强的关键。若能在隐私计算、联邦学习、数据交换标准与监管技术（RegTech）上建立本地优势，香港的AI应用将更具全球可扩性。

给决策者与企业的三点建议

1.⁠ ⁠抓住“可信AI”与合规红利：以金融、医疗、公共服务为牵引，投资可审计、可追溯、可验证的模型与流程，这是香港的制度型比较优势。

2.⁠ ⁠以“双轮”驱动人才：上游强化基础模型与系统工程；下游大规模普及AI素养与产品思维，让“业务×技术”对话常态化。

3.⁠ ⁠建立“资料—算力—场景”三角稳态：以跨校资源共享与大湾区供应链补位，形成高性价比算力池与合规资料供给，推动AI在多行业“连环扩张”。

从医疗机械人到智慧教育，从生成式基础模型到内容产业的全链条升级，香港八大院校在AI生态中已形成互补分工。这不是一场单点爆发，而是一个结构性、长周期的能力建设：科研要持续突破，应用要直面刚需，人才要向下扎根、向上拔高。

站在2025年的分水岭上，若我们把“可信、可用、可扩”作为AI治理与产业化的共同语言，再把院校—企业—政府—社群连成一张网，香港完全有条件在未来五年，成为亚洲最具含金量的AI试验场与示范区。