2023 至 2025 年，我在嶺南大學擔任客席助理教授，教授企業創新與社會企業相關課程。最近亦受邀在一個碩士課程上進行AI主題演講，談及我個人的學習歷程與職業成長。正因如此，我開始系統梳理香港八大院校在AI方面的最新教學與研究動向。與其說是一份傳統「調研」，不如視之為一個面向決策者與公眾的「觀察與總結」——希望回答兩個實際問題：香港學界這幾年在AI上做了甚麼？而這些努力，如何轉化為產業競爭力與人才紅利？

文：Michael C.S. So（AiX Society 人工智能應用研究學會-創會會長）

香港大學：醫療與跨界的旗艦地位

港大於2024年成立「計算與數據科學學院」，把AI與數據科學上升至學校級戰略。最引人注目的，是醫學院團隊研發的智慧聽診器 Vitogram——把手機變成醫療級心音分析儀，準確率高、臨床應用清晰，並奪得國際發明獎項。這類「由科研直達臨床」的範式，正是香港AI轉化的示範。

在應用層面，港大涉獵保險科技（風險定價與反詐）、建築機電（能效優化）、數碼取證（與執法部門合作）等，顯示其跨界協作能力。教學上，港大推出面向全校的AI素養課程，以及專業型AI碩士，試圖把「AI識讀」變成基礎能力，再以「專精課程」承接產學需求。

香港中文大學：醫療機械人與圖神經網絡的突破

中大強調跨學科協作，在醫療機械人與圖神經網絡（GNN）上有國際級成果：手術機械人研究獲國際頂會獎項，GNN研究在數據礦業界頂會摘下最佳論文。這些不是「概念展示」，而是能落地的核心算法與系統工程。

教學方面，中大早於2019年開辦本港首個AI本科專業，近年再擴展至多個碩博課程，涵蓋醫療、金融、IoT、機器人等方向；資助額度與國際聯盟項目規模可觀。這種「研究—課程—產學」閉環，使中大在高階AI人才培育上具先發優勢。

香港科技大學：生成式AI與本地化基礎模型

科大聚焦生成式AI與多模態基礎模型的本地化研發，牽頭成立研發中心，集結本地與海外名校，針對法律、醫療、創意產業等垂直場景打造基礎能力。關鍵在於：香港能否掌握「自己的底層模型與數據治理」，而非單靠外部API。

在人才路線上，科大一方面保持理工與計算的硬核訓練；另一方面開辦「生成式AI商業應用」等在職教育，讓企業管理層快速把模型能力嵌入流程（如知識管理、客服自動化、研發輔助），以「用得起、用得好」作衡量標準。

香港城市大學：新興研究院與可信AI

城大新設AI科研平台，主打智慧城市、教育科技與可信AI（包括安全、倫理、可解釋）。可信AI不是加分項，而是「進場門票」：金融、公共服務、醫療與法規密集型行業，都需要可審計、可追溯、可控風險的系統。

教學端，城大推出涵蓋自動駕駛、生成式AI與可信AI的碩士課程，對接產業「立刻可用」的人才缺口。科研成果上，城大在知識圖譜與文本挖掘方面具體應用（如專利和文獻分析平台），形成從學術到產業的橋樑。

香港理工大學：實務導向的智慧城市與教育創新

理大把AI納入本科必修，強調「場景原生」（scenario-native）：以建築安全監控為例，透過視覺辨識與行為分析，對工地進行即時風險預警，既節省成本亦提升安全合規。

在教育創新上，理大投資沉浸式教學（如HiVE），用AI驅動模擬與評估，培養「在真實任務中學習」的能力。研究生層面提供AI及大數據等專業學位，對象涵蓋工程、商業與設計背景的跨域學生。

香港浸會大學：媒體、內容與數據的交叉

浸大的定位並非「高牆內的硬核模型研究」，而是媒體與數據的交叉創新：AI生成內容、新聞自動化、受眾分析與品牌傳播科學。面對內容經濟、短視頻與多平台分發，AI在策劃、製作、審校到投放優化的全鏈條價值凸顯。

浸大相關碩士課程將傳播專業與AI工程「兩頭接地」，培養既懂敘事又懂算法的複合型人才——對文化與創意產業而言，這是香港可突圍的利基。

嶺南大學：人文社科視角下的「AI×商業」

嶺大近年強化數據與AI教育，推出人工智能研究博士（DAIS）與多個商業智能、數據分析模組。其價值在於以人文社科視角，處理AI導入中的治理與變革：如何以資料倫理與流程設計，讓AI真正提升效率而非增加組織摩擦？

在金融、營銷與供應鏈的應用研究上，嶺大更重視「策略與行為」層面的洞察，能為中小企提供可落地的導入路線圖。這與研究型院校的「技術驅動」互補。

香港教育大學：成規模的AI教育專才供給

教大把AI視為教育變革工具：自適應學習、形成性評估、自動回饋與教學設計輔助。其本科「人工智能與教育科技」課程填補了香港AI EdTech專才缺口，對K-12與成人教育的數碼轉型具有關鍵意義。

在產品化路線上，教大重視與學校的實證合作（pilots），把研究做成可複製的教案與工具包，讓AI真正進入課室與教師工作流。

橫向觀察：香港AI高教的「三層推進模型」

第一層：基礎能力與科研高地——以港大、中大、科大、城大為主，負責核心算法、醫療機械人、可信AI、基礎模型等「硬核」方向，產出國際發表與平台級技術。

第二層：場景牽引與行業轉化——理大、城大、港大等在建造、智慧城市、金融風險、法證、保險與醫療等場景上形成示範，與政府、監管與龍頭企業共創，縮短「從論文到營收」的距離。

第三層：人才與素養的普及化——港大把AI素養納入通識，教大、浸大、嶺大在教育、媒體與商業管理上擴散AI能力，建立廣義的「AI識讀」與跨域合作者群體。

產學合作與創業孵化：從「專案」到「生態」

近三至五年，八大院校的共同趨勢是由「單點專案」走向「平台生態」：

資金與政策：政府創科基金、InnoHK平台、醫療與城市管理的公私合營專案，使大型跨校、跨境合作成為日常。

企業共創：金融、保險、建造、醫療與文創企業，以「資料可用＋合規可審＋場景可擴」為導向，與院校共同定義問題與驗證方案。

轉化機制：知識轉移處、創業加速器與校友基金形成閉環，支持從原型到量產；同時，越來越多教研人員具備「雙語」能力（學術語言與商業語言）。

要點很務實：算力與數據治理是香港能否做大做強的關鍵。若能在隱私計算、聯邦學習、數據交換標準與監管技術（RegTech）上建立本地優勢，香港的AI應用將更具全球可擴性。

給決策者與企業的三點建議

1.⁠ ⁠抓住「可信AI」與合規紅利：以金融、醫療、公共服務為牽引，投資可審計、可追溯、可驗證的模型與流程，這是香港的制度型比較優勢。

2.⁠ ⁠以「雙輪」驅動人才：上游強化基礎模型與系統工程；下游大規模普及AI素養與產品思維，讓「業務×技術」對話常態化。

3.⁠ ⁠建立「資料—算力—場景」三角穩態：以跨校資源共享與大灣區供應鏈補位，形成高性價比算力池與合規資料供給，推動AI在多行業「連環擴張」。

從醫療機械人到智慧教育，從生成式基礎模型到內容產業的全鏈條升級，香港八大院校在AI生態中已形成互補分工。這不是一場單點爆發，而是一個結構性、長周期的能力建設：科研要持續突破，應用要直面剛需，人才要向下扎根、向上拔高。

站在2025年的分水嶺上，若我們把「可信、可用、可擴」作為AI治理與產業化的共同語言，再把院校—企業—政府—社群連成一張網，香港完全有條件在未來五年，成為亞洲最具含金量的AI試驗場與示範區。