龙大生存指南特别篇在港中深“学计算机”怎么选学院？

Lithos

August 27, 2026

在港中深“学计算机”怎么选学院？

——SAI 人工智能学院、SDS 数据科学学院、SSE 理工学院新生专业选择指南

每年港中大（深圳）理科实验班新生入学之后，一个非常现实的问题很快就会出现：

学计算机到底选哪个学院好？

因为大一加课前就要确定学院，且大一无法“转专业”更无法“跨学院转专业”，从去年 SAI 从 SDS 分家以来大家最容易纠结的一直就是三个学院选哪个好：

SAI：人工智能学院（School of Artificial Intelligence）
SDS：数据科学学院（School of Data Science）
SSE：理工学院（School of Science and Engineering）

如果非要先给一句最简单的概括—— SDS 更像“偏代码的基础学术+软件工程/数据科学”；SAI 更像“AI 本身”；SSE 更像“偏数理的基础学术+硬件工程”。

而如果你~~不太喜欢画电路板~~，现在最纠结的是 SAI 人工智能 vs SDS 计算机科学，那么还可以进一步简化成一句： 不知道未来具体做什么，但确定想进入计算机行业——优先 SDS 的几个大方向专业；非常确定自己喜欢 AI，且愿意接受强专业绑定——再认真考虑 SAI。

专业版图

根据学校 2026 年正式招生章程，目前三个学院的本科专业结构如下。

学院	主要本科专业
SAI 人工智能学院	人工智能
SDS 数据科学学院	计算机科学与技术、数据科学与大数据技术、统计学
SSE 理工学院	数学与应用数学、物理学、化学、材料科学与工程、新能源科学与工程、电子与计算机工程
跨学院	金融工程（SDS + SSE + SME 联合培养）

光看这张表，其实三个学院的性格已经非常明显。

SDS：围绕“数据—算法—计算机”展开

SDS 是三个学院里与传统计算机行业连接最直接的。尤其是 计算机科学与技术。

学校对 CS 的官方定位包括计算机基础、网络、软件工程、信息安全、人工智能、机器学习、模式识别、NLP、语音和视觉等方向，同时强调数学基础以及计算机系统分析、设计和编程能力。(⁠数据科学学院)

换句话说：CS 不是“学编程”，而是涵盖数学(概统、线代与最优化…) + 算法 + 系统 + 软件(如游戏开发) + AI。这也是它最大的优势——宽 (你想学什么取决于选修课选什么，非常自由)。

今天你想研究 Harness 和 Agent 架构，可以；明天发现自己更喜欢数据库、分布式系统、编译器、网安，也可以；毕业以后去软件工程、量化 (FinTech)、具身、游戏，同样可以。

所以 SDS CS 最大的价值未必是某一门课特别前沿…说实话，任何学院甚至任何高校的本科课程都不可能真正的”前沿”。因为有“前沿”教授要是有真本事，精力一定放在科研和带博士生上了。比如我们亲爱的 CSC3050/3060 的徐慰中教授。But I digress，SDS 的优势在于：它给本科生留下了极大的探索空间，但也保留了很多后悔空间。

SAI：年轻、“高精尖”，但要谨慎选择

SAI 是一个非常特殊的存在，正式成立于 2025 年 2 月 13 日。这意味着什么？~~意味着在龙大它得叫我学长，见了 TA 边的哈基米高低得叫声爷~~ 意味着你目前无法用完整毕业数据证明“SAI 就业比 SDS 好”或者“AI 申请一定比 CS 强”。

但年轻不等于弱。恰恰相反，SAI 很可能是学校未来几年资源投入最明显的学院之一。

它的培养路线非常鲜明：从本科低年级开始围绕 AI 重构课程，基础包括编程、数学、物理、AI 导论与 AI Ethics，核心课程覆盖 Machine Learning、Cognitive Science、Embodied AI、Signal Representation、AI Infrastructure，高年级再延伸到：人工智能理论与技术、具身智能、AI4S/B/M……

换句话说，传统 CS 的逻辑更像：Computer Scientist → 再学 AI 而 SAI 的逻辑更像：AI Scientist / AI Engineer → 再进入不同应用领域。

这种“AI 原生”培养很新。比如 2026 秋季的 AIE1101《氛围编程：用 AI 创造应用》，已经直接把 Qwen、DeepSeek 等 AI Coding 工具放进一年级课堂。

SAI 另一个值得注意的优势是实践量很大。官方设计了贯穿四年的 AI Exploration、AI Practice 和毕业项目，实践课程合计约 16 学分。如果执行得好，它能避免一种很常见的 AI 教育问题：学了一堆线代、概率、ML、DL，最后只会调用 sklearn。

因此，SAI 最适合的是那种已经比较确定自己喜欢 AI 的学生，比如明确对大模型、CV、NLP、机器人、AI4Science 感兴趣，并且愿意继续读研甚至做研究。

它的优点很明显：

前沿、资源集中、AI 原生、实践导向强，而且具备本硕博贯通培养的想象空间。

但缺点也同样明显：

学院太年轻、没有完整毕业数据、课程体系仍在迭代，而且本科阶段过早绑定 AI，选择面会比 CS 窄。 所以选择 SAI，本质上有一点 Early Adopter Risk：潜在收益高，但确定性低。

为什么我更推荐摇摆的新生选 SDS？

核心原因只有一个：

Option Value——选择权

其一，你拥有更多选择权。假设你 18 岁时觉得 AI 很酷，但两年以后发现真正喜欢的是别的，CS 基本都能接住。反过来，CS → AI 很自然；AI → 一些传统 CS 系统方向，则往往需要额外补课。 所以如果你的状态是：“我喜欢计算机，也觉得 AI 很高端或者赚钱赚得多，但其实还不知道以后具体能做什么。”我会更推荐 SDS CS。
其二，大厂也有选择权……“为什么我非要你来我这里做 AI，而不是一个本科夯实计算机基础+硕士在新国立读 AI 的人？”——SAI 目前最大的问题不是培养方案，而是还没有完整毕业结果可以验证。

SDS CS 则已有多届毕业生。官方公开的 2021—2023 届 CS 数据中，共有 297 名本科毕业生；升学学生中约 77.53% 前往世界 QS 前 50 高校，去向包括 CMU、Cornell、Imperial、ETH、NUS、NTU、港大、港中文等，~~其中港校实在是太容易进了~~。根据往届学姐的倾情透露， cGPA 3.3+ 就可以考虑新国立计算机/AI 专业了（我甚至认识 2.9 分进南洋理工对口专业的……）

直接就业则进入华为、腾讯、字节、阿里、微软、OPPO、美团、摩根士丹利等公司，官方披露这一时期就业毕业生平均年薪约 21.55 万元。

这些数据当然不能预测四年后的就业市场，但至少说明：SDS CS 已经是一条经过多届学生验证的成熟路线。
第三，不知道各位有没有想过为什么我们社会上的企业选择把 AI 做的更好？肯定是为了保持竞争力，从而赚钱，又不是在做科研搞慈善。那最赚钱的是什么，股票。说到股票，恰好今年 AI 的研发遇到了它最严厉的父亲——WAIC2026。你猜猜为啥 AI 相关科技股在 WAIC 后会跌的这么严重？总书记让中国成为世界(AI)技术基础建设服务巨头有何言外之意？字里行间只有三个字，国有化。这是一切关键领域的必然，水电煤如此，互联网如此，点到为止。