上周翻Bloomberg的一篇零售物流报道，里面引用了一位卡内基梅隆的助理教授——点进去一看，这人的履历让我愣了一下：MIT运筹学博士，刚拿到INFORMS最佳论文奖，研究方向是用AI做供应链优化和可持续运营。坦白讲，在商学院做运筹+AI这个交叉口，能同时发Management Science和上NeurIPS的人，真不多见。
这位导师是龚晓悦（Evelyn Xiao-Yue Gong），目前是卡内基梅隆大学（Carnegie Mellon University）Tepper商学院运营管理方向的助理教授，同时拥有B P Junior Faculty Chair冠名教职。她博士毕业于MIT运筹学专业，师从供应链管理领域的大牛David Simchi-Levi，本科是纽约大学上海分校+纽约大学的双学位，以Summa Cum Laude最高荣誉毕业。2025年拿到了CIB人工智能研究奖和BP美国青年教授研究基金，INFORMS Service Science最佳论文奖第二名——这个奖在运营管理领域分量很重。
说到组生态——Tepper的博士项目整体规模不大，每个方向每年招1-3人。从PhD学生名单来看，运营管理方向有几位中国学生在读。龚晓悦是课题组的PI，目前主要和博士生、合作者一起做项目。Funding方面，她手上有CIB AI Fellow奖金和BP Junior Faculty研究基金，加上与微软研究院的合作项目经费，资金来源比较稳定和多元。
赛道判断 + 代表论文
讲真，"AI+供应链"这个赛道现在处于快速上升期。工业界需求极大——亚马逊、HelloFresh、Lyft这些公司都在用运筹+机器学习解决实际运营问题，而学术界能把两边都打通的人还不够多。读完这个方向的博士，出来对接的是科技公司的运营研究员、供应链算法工程师，或者直接去顶级商学院当教授。薪资天花板很高，而且不像纯CS那么卷——会运筹+会ML的人，在就业市场上属于稀缺品种。
How Not to Overpackage: AI for Sustainability in HelloFresh's Service Supply Chain
M&SOM Major Revision · 2026 · INFORMS最佳论文奖第二名
Mason觉得这篇是最能代表她研究风格的作品——直接和HelloFresh合作，用AI算法解决餐饮配送中的过度包装问题。既有学术深度又有产业落地，这种"能发顶刊又能解决真问题"的研究，对想走Industry-Academic双轨的同学特别有参考价值。
Bandits Atop Reinforcement Learning: Tackling Online Inventory Models With Cyclic Demands
Management Science · 2024 · INFORMS计算学会荣誉提名奖
这篇把多臂老虎机和强化学习结合起来做周期性需求下的在线库存管理。方法论非常扎实，发在Management Science上说明学术圈对这个工作的认可度很高。如果你对RL在运营中的应用感兴趣，这篇必读。
Efficient Cloud Server Deployment Under Demand Uncertainty
M&SOM · 2025 · 与微软研究院AI团队合作
和微软研究院合作做的云服务器部署优化——这类产学研合作在Tepper商学院非常常见，也是这个方向博士能接触到的独特资源。如果你未来想去科技大厂做运营优化算法，这种项目经历就是你的敲门砖。
套磁友好度 + 入组路径
套磁友好度：🟡 被动接受型
Tepper博士项目通过系统申请，龚晓悦没有在官网放出明确的PhD opening。但从她的CIB AI Fellow奖金和新获批的研究基金来看，大概率有招人计划。她本科从上纽大出来，对中国学生的学术背景应该相当了解。建议通过正式申请+提前邮件联系双管齐下。
切入角度1：从AI+供应链可持续切入
如果你做过供应链优化或可持续运营相关的项目，在邮件中提到你读过她的HelloFresh包装论文，并说明你对"AI如何降低运营中的碳排放"这类问题的兴趣，是最直接的切入点。邮件关键词：AI for sustainability / supply chain optimization / overpackaging。
切入角度2：从强化学习/多臂老虎机方法切入
她在bandit algorithms和RL方面有NeurIPS和Management Science的发表。如果你的背景偏方法论——比如做过bandit或者RL的理论或应用工作，可以从方法角度切入，提出你想探索的运营场景。关键词：bandits / reinforcement learning / online optimization。
切入角度3：从数据驱动决策/平台运营切入
她的Assortment Optimization论文发在Management Science上，和平台经济、电商运营直接相关。如果你有电商/平台/物流的实习或项目经历，结合数据驱动决策的视角去套磁，会显得非常匹配。关键词：assortment optimization / data-driven decision making / platform operations。
申请建议
1. 学历背景准备
运筹学/统计学/数学/工业工程/计算机本科或硕士。Tepper博士项目STEM属性很强，量化背景是硬门槛。GRE数学尽量170。如果你本科不是这些专业但有相关辅修或网课证书（比如MIT OCW的线性代数、概率论），一定要在CV里体现。
2. 核心技能准备
Python必须熟练，重点掌握：Gurobi/CPLEX（求解器）、PyTorch（强化学习实现）、pandas/numpy（数据处理）。如果你有Kaggle竞赛或优化建模比赛（如MCM/ICM）经历，一定写上去。她的研究涉及bandit和RL算法，提前读一下Sutton的RL教材第二章（多臂老虎机部分）会很有帮助。
3. 申请材料准备
SOP要明确写你对"AI+运营管理"交叉方向的兴趣，提到1-2篇她的具体论文和你想延伸的方向。推荐信找做运筹或ML的老师——如果你参加过建模竞赛，指导老师的推荐信也可以。Tepper申请截止日期通常在12月中旬，GMAT或GRE都接受。
谁适合申 / 谁不太适合
更适合：
运筹学/数学/统计背景有优化建模经验会Python+求解器对供应链/RL感兴趣有MCM/ICM竞赛经历
具体来说，如果你是工业工程或管理科学出身，做过库存管理或排产调度相关的课程项目，再加上一些机器学习的基础——你和这个组的匹配度会非常高。
不太适合：纯文科背景且没有量化训练；只想做定性管理研究不想写代码；对数学建模没有兴趣的同学。另外如果你完全不了解运筹学是什么，建议先自学一下线性规划和随机优化再考虑这个方向。
家长视角一句话：读卡内基梅隆商学院的全奖博士不花钱，方向出来对接的是亚马逊、微软、谷歌这类大厂的运营算法岗，年薪起步20万美元以上。想留学术界的话，Tepper的博士毕业去密歇根、多伦多这种顶级商学院当教授，路径非常清晰。
毕业去向速览
Tepper运营管理方向的博士毕业去向整体非常好。从往届学生数据来看，毕业生主要去向包括：密歇根大学Ross商学院、多伦多大学Rotman商学院、杜克大学Fuqua商学院等顶级商学院任教；以及亚马逊、微软、Lyft等科技公司的运营研究岗位。龚晓悦作为新晋PI，她指导的第一批博士生目前还在培养中，但从她本人和合作者的学术网络来看，毕业去向预期会非常好。
有一说一，如果信息不够完整我一定会说——她入职时间不算长，组内目前可能还没有毕业的博士生，但Tepper的博士培养体系和placement记录在商学院里是第一梯队，这点不用担心。
写在最后
你们觉得"AI+供应链"这个方向，到底是去工业界做算法更好，还是留学术界当教授更有前途？评论区聊聊你的想法。
