CANLab 的页面在 2025 到 2026 年连续更新：一边是 Nature Nanotechnology、Nature Communications、Nature Computational Science 这类论文往前推，另一边是成员页里十几名博士生的名单继续变长。
最初容易把 Can Li 教授看成一个“AI芯片年轻PI”。这个判断不算错，但太粗。真正影响博士申请的是另一件事：这个组不是只做算法，也不是只做材料，而是在把器件、架构、算法和具体应用重新接在一起。
今日核心判断：如果申请香港大学电机电子工程方向，想写“AI hardware”不能只写大模型加速。更稳的切口，是能把 memristor / compute-in-memory / analog precision / Transformer 或 genomic signal analysis 放进一条完整技术链。
第一处纠偏：这里的AI不是应用层关键词
香港大学电机电子工程系页面列出的研究兴趣很直接：AI Hardware、Neuromorphic Computing、Non-volatile Memories 和 Emerging Nanoelectronic Devices。个人简介里还写到，他加入港大前在 Hewlett Packard Labs 工作，博士来自 UMass Amherst，本科和硕士来自北京大学。
这组信息会把申请者筛掉一批。只会写“用机器学习解决某个问题”的申请者，和这个组的核心距离其实不近。实验室主页写得更清楚：他们从 micro/nanofabrication、prototype chip design、tape-out、measurement，一直做到 hardware-algorithm co-optimization。
所以 proposal 的第一层问题不是“我能不能蹭AI”，而是“我有没有能力把AI任务翻译成硬件可承载的计算形式”。这条判断我不会说满，因为不同项目会有不同入口，但单看公开材料，泛AI题目在这里不占优势。
组员名单里能看到一个隐性门槛
成员页目前列出博士后和十余名 PhD 学生，学生背景出现了北京大学、清华大学、中国科学技术大学、香港大学、浙江大学、哈尔滨工业大学、南京大学等学校。这个名单不能简单理解成“只收名校”，但它至少说明一个现实：这个组的竞争人群，通常已经有很强的电子、材料、计算或芯片训练。
这也是为什么我不建议只用一封泛套磁邮件去投。更合理的做法，是在邮件前半段直接对接一条技术线：例如 analog in-memory attention computing、memristor-based associative memory、或 real-time raw signal genomic analysis。邮件里最好能让导师看到，你不是只知道论文标题，而是知道它解决的是哪一层瓶颈。
2024之后，论文重心给了proposal线索
近两年的论文线索比“研究方向列表”更有用。2024 年 Science 的 memristor arrays high precision analog computing，指向的是高精度模拟计算这条底层能力。2025 年 Nature Computational Science 的 real-time raw signal genomic analysis，则把 memristor hardware 推到具体应用场景里。2026 年 Nature Nanotechnology 的 MoS2 flash memory for analogue in-memory searches，又把二维材料、存储器和类比搜索接起来。
如果只看“神经形态计算”四个字，会误判成一个传统 neuromorphic 题目。查到论文之后，判断需要修正：更关键的是 memory/computing device、analog search、attention computing 和应用级 benchmark 之间的闭环。
可写的RP切口：1. 面向 Transformer/LLM attention 的模拟存算协同架构，重点写 device non-ideality 和 peripheral overhead。2. 用 memristor crossbar 做组合优化或 associative memory，重点写算法映射和误差鲁棒性。3. 面向基因组原始信号或边缘AI任务的专用计算硬件，重点写应用约束如何反推芯片设计。
不要把“材料题”和“算法题”拆开写
这个组最容易踩坑的地方，是把题目写成两截。只写材料，容易像器件表征；只写算法，容易像计算机论文。CANLab 的公开路线反复出现“hardware-software codesign”“prototype chips”“analog computing platforms”，这意味着申请者最好能写出中间层：器件特性如何影响电路结构，电路结构如何影响模型任务，模型任务又如何决定评价指标。
旧的 proposal 切口如果停在“用AI优化芯片设计”或“做一个更好的神经网络加速器”，可能已经不够贴。更好的写法是把问题缩小：比如高精度模拟计算中的ADC开销、非理想器件下的attention近似、或者memristor CAM在特定检索任务中的能效边界。
经费信号强，但名额不能写死
资助部分可以分两层看。学校层面，香港大学研究生院列出 PGS 基本额为每月 HK$19,135，probation 确认后为 HK$19,655。HKPFS 2026/27 则为每月 HK$28,400，另有每年 HK$14,200 会议和研究差旅津贴，并与 HKU Presidential PhD Scholarship 叠加。
导师层面，CANLab 研究页列出的 Funding Support 包括 Croucher Foundation、Research Grants Council、Innovation and Technology Commission 和 NSFC，类别里出现 TRS、CRF、GRF、JRS、ECS、InnoHK 等。这个经费链足以说明研究平台很强，但网页没有逐条写出 2026 PhD opening 数量，所以这里保守写成“多项经费支撑、名额需邮件核实”。
申请判断边界：博士后招聘信息和研究生欢迎联系，可以作为申请窗口信号；但不能直接等同于“确定有几个PhD名额”。套磁时应问是否愿意接收2027入学或下一轮申请，并附上1页RP摘要。
这类组更适合什么人
更适合已经有电子、微纳器件、集成电路、计算机体系结构、机器学习硬件或相关交叉背景的人。申请材料里最好有一段能证明你做过真实系统：实验平台、仿真、版图、FPGA/PCB、器件测试、模型部署，至少要有一项能落地。
不太适合只想用“AI硬件”作为热门标签的人。这个组的公开材料显示，真正被看重的不是你能不能说出大模型，而是你能不能把一个计算任务拆到器件和架构层面。
你现在的题目更像“AI+芯片”的泛题，还是已经能写出器件、架构和应用三层对应关系？可以留言写下你的背景和想做的方向，我们看它更靠近哪条线。
