微信扫一扫
PART.03
宇宙机→天坑→无限游戏
过去几年，计算机科学从“宇宙机”跌落为“天坑预备役”。
大厂裁员、AI替代初级编码、留学生回国找不到对口岗位、转码神话破灭，学计算机=高薪”的公式似乎彻底失效了。
社交媒体上充斥着“CS是不是完了”的哀嚎。
但黎家盈的故事提供了一个反直觉的样本，逼我们重新思考：CS的红利真的消失了吗？
回望二十年，这个专业经历了清晰的三个阶段：
吃“代码红利”，会写C++/Java就能溢价；
吃“算法红利”，卷LeetCode、卷KPI、卷大厂package；
工具红利正在以肉眼可见的速度消退，但“系统架构红利”刚刚开启。
黎家盈的经验就是证明，她不是“码农”，而是“用计算思维重新定义问题边界的人”。
这正是CS学科在AI时代的第二次生命，从“技术工具人”进化为“复杂系统的架构师”。
而港新名校的学科布局，早已印证了这一点。
当传统CS遇冷，香港、新加坡名校已经全面转向交叉学科，25fall、26fall密集上线AI+X新项目。
本质上都是“技术+行业的融合”，既保留计算机核心优势，又避开纯编码的内卷红海。
“CS+”路径，正被系统性地复制为两大黄金方向：
AI + 科学（AI for Science）
用AI赋能基础科研，覆盖生物、化学、物理、医学等领域，适配理工科背景学生。
这正是黎家盈作为“载荷”的核心工作，在太空用计算思维处理生命科学实验数据。
港城大 MSc in Artificial Intelligence for Science：
直接对口智慧城市与航天遥感数据处理，是最接近“载荷”思维的训练；
港中文 MSc in Artificial Intelligence for Science / 港中深 MSc Artificial Intelligence for Science：
用AI重构基础科研流程，培养的是“科学家+工程师”的双语能力；
新国立 MSc AI for Science / 南洋理工 MSc Artificial Intelligence in Medicine：
前者指向底层科研基础设施，后者对应太空生命健康监测，都是“AI+医学”的交叉操作。
AI + 商业与组织（AI in Business）
AI与商科、公共管理结合，聚焦企业AI应用、创新落地及组织数字化。
这正是黎家盈在警队IT部门多年的核心工作，让技术在庞大机构里“听话”。
港大 Master of AI in Business：
训练在复杂商业组织中做技术决策，复刻的正是她“从工程师到管理者”的跃迁路径；
港科 MSc in Artificial Intelligence and Entrepreneurship：
强调AI技术的商业化落地，适合想把算法变成产品的人；
港城大 MSc AI in Business / 浸会 MSc in AI for Business：
聚焦企业级AI部署，避开纯编码红海，直接进入“技术翻译官”的赛道。
这两个方向的共同点是，它们不培养“码农”，而是培养“黎家盈式”的接口型人才，既懂技术语言，又懂场景语言。
而对于正在选校的CS申请者，这意味着三条可落地的行动建议~
选CS项目时，要看学校有没有跨学院联合实验室、政府合作项目、非科技行业的实习通道。
一个能把你送进机构做交叉项目的院校，远比排名数字更有价值。
纯CS正在贬值，“CS+”正在升值。CS+生物信息、CS+金融工程、CS+公共政策、CS+航天工程……
技术必须锚定在具体领域，才能产生AI无法替代的“领域翻译能力”。
警队、医院、航天机构、政府数字化部门、制造业的智能化改造部门……
这些“非典型”组织往往有最真实的系统痛点，也是AI最难替代的场景。
当AI接管了编码，人类的价值将彻底从“执行”转向“定义”，护城河不再是“知识储备”，而是“跨系统的问题定义权”。
如何把自己变成一个“高兼容性”的人，而不仅仅是一个“高学历”的人，这或许是我们需要持续回答的问题~
