※ 本文为指南者留学原创，转载请联系授权

2026 年 5 月 24 日 23 时 08 分，44 岁的黎家盈搭乘神舟二十三号进入太空。

她的标签极具反差：香港大学计算机科学博士、香港警司、三个孩子的母亲、首位进入国家航天员序列的香港人。

而比这些标签更反差的，是她博导的评价——" 并非学霸，但专注耐心，乐于接受挑战。"

PART.01

博士→警司→航天员

黎家盈祖籍广东顺德，在香港荃湾长大，出身普通家庭。

少年时期，并非学霸，小学时一度成绩不理想，甚至三年级时差点留级。

一个 " 非学霸 " 的港大 CS 博士，如何在 40 岁从全港 120 名候选人中拿到唯一通票？

答案藏在她的三次 " 突破 " 里。

第一次，放弃学术轨道

港大计算机科学博士毕业后，她没有进高校发论文，也没有去互联网大厂，而是于 2012 年加入香港警队 IT 支援部。

第二次，打破身份与地域局限

2022 年 10 月，国家启动第四批预备航天员选拔，首次面向港澳招募载荷专家。

时年 40 岁、已是警司、育有三名子女的她，决定 " 试一试 "。

全港 120 人报名，她最终成为唯一入选者，但这不是终点，而是长达两年严苛筛选的起点。

第三次，放弃 " 标准精英 " 叙事

2024 年 6 月，42 岁的她正式入选第四批航天员；同年 8 月进入航天员大队，开启系统训练。

她在一年内完成 8 大类 200 余项训练、累计 1700 多学时，最终以首位女性载荷专家的身份出征。

她的核心能力不是开飞船，而是把地面实验系统 " 翻译 " 成太空操作语言。

利用 CS 博士 + 项目管理 + 极限训练，构成了不可替代的 " 系统翻译官 " 身份。

PART.02

QS 第 27 →第 11 →突破前十

当黎家盈在太空舱操作实验设备时，她的母校校长在接受凤凰卫视独家访问时评价：

" 黎家盈的成功入选，正是港大跨学科培养复合型人才的最佳体现。"

港大官方小红书账号更是连发 8 条动态，在港大 QS 排名的置顶之下，全是关于黎家盈出征的祝福。

从倒计时点火到师生集体观礼，简直把 " 黎学姐 " 刷屏成了母校的骄傲。

这份近乎高调的祝贺，恰恰折射出港大十年蜕变的底气。

港大和黎家盈，共成长的 10 年

2017 年，港大 QS 排名第 27 位，这一年黎家盈 35 岁，已在警队深耕五年。

2020 年，港大在 QS 第 25 位横盘，这段平台期也恰巧是蓄力期。

港大在默默铺设与内地高校、政府、产业的接口；黎家盈则在警队从技术岗向管理岗过渡，积累 " 让技术在复杂组织中落地 " 的隐性能力。

2022 年，港大跃升至第 22 位，40 岁的黎家盈报名航天员选拔。

2024 年，港大短暂回调至第 26 位。这一年恰是黎家盈最艰难的时刻：

6 月入选，8 月入队，一年多的极限训练中，离心机考核时即便视线模糊仍咬牙坚持。

母校排名的波动，与她个人承受的生理极限形成微妙对照。

2025 年，港大重返第 17 位；2026 年，一举冲上第 11 位。

2027QS 排名即将发布，大家都在预测港大能否进一步突破，跻身前十行列。

虽然只有一步之遥，但此间的距离，是港大与牛津、剑桥、MIT 之间的距离。

也是香港从 " 本地高等教育中心 " 迈向 " 全球科研枢纽 " 的一步。

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：

1.0 时代（2000-2010）

吃 " 代码红利 "，会写 C++/Java 就能溢价；

2.0 时代（2010-2020）

吃 " 算法红利 "，卷 LeetCode、卷 KPI、卷大厂 package；

3.0 时代（2020-）

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。

黎家盈的经验就是最好的证明，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 " 载荷专家 " 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 " 载荷专家 " 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 ~

1

选校要看 " 接口密度 "

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。

一个能把你送进顶尖机构做交叉项目的院校，远比排名数字更有价值。

2

课程组合要有 " 领域锚点 "

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 "。

3

实习别只盯着互联网大厂

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 ~

END

▼

需要一对一留学规划指导

点击获取专属顾问咨询