项目重点信息
香港理工大学相关研究型研究生计划列出的年津贴为HK$230,640，博士确认注册后为HK$235,920；Jiannong Cao主持的实验室也持续招收博士生。个人是否获得同一资助，仍以正式录取和奖学金文件为准。
这期最需要分开的，是“实验室有博士位置”和“申请者拿到哪一类资助”。招生信号说明课题组愿意接收匹配的研究生，奖学金页面说明学校存在可申请的资助标准，但评审、名额、学费安排和续期条件仍要分别核对。申请时不要把两条信息合并成“录取即自动年薪二十三万”。
导师信息与研究领域
Jiannong Cao长期从事分布式与并行计算、无线和移动计算、云边协同、大数据与机器学习研究。其互联网与移动计算实验室成立于2002年，研究重点不是单一模型，而是让计算、网络和数据在不同设备与节点之间可靠协作。
边缘AI可以理解为把部分模型推理和数据处理放到手机、传感器、车辆或靠近数据源的服务器，而不是把所有任务都送到远端云端。博士生需要同时考虑延迟、带宽、能耗、隐私、设备差异和故障。训练出来的能力可迁移到分布式系统、云计算、物联网、网络优化和高效AI工程，但具体岗位取决于论文方向、代码能力和实习经历。
研究问题与关键思路
一个典型问题是：多个边缘设备怎样在网络不稳定、算力不同和数据分布不一致时共同完成模型训练或推理。日常工作会包括阅读系统与算法论文，建立问题模型，设计调度或协同机制，搭建仿真与原型系统，再比较延迟、吞吐、精度、能耗和鲁棒性。
这类项目最常见的失败不是代码完全不能运行，而是实验只在理想网络或小数据集上有效。换到真实带宽、异构设备或更长任务后，通信开销可能抵消算法收益；基线实现不公平，也会让结果失去说服力。博士生需要保存配置、日志与随机种子，说明硬件环境，并做消融和压力测试。
论文中的方法只有转成可复现系统才有价值。申请者应能解释自己为什么选择某个模型或协议，怎样设定对照组，怎样排除缓存、并发和数据预处理造成的假提升。只写“熟悉大模型、边缘计算、联邦学习”不足以证明研究准备。
申请材料要点
CV可保留三类最接近的经历：分布式训练或推理、网络或系统实验、算法与真实设备结合。每个项目写清设备数量、数据规模、你的具体模块、评价指标、最难排查的错误和最后如何修正。软件名放在项目里，不要单独堆成一整页技能列表。
邮件第一段直接给一个匹配问题，例如“在异构设备上做过分布式推理，发现通信与排队延迟决定端到端性能”。第二段放可核验材料：论文、技术报告、代码仓库或实验表。还要说明你真正负责了哪部分，避免把团队项目全部写成个人成果。
面试前准备一页实验复盘。内容包括原假设、基线、失败结果、定位步骤和下一轮设计。系统方向导师通常更重视你能否发现测量错误、解释权衡并重做实验，而不是是否一次得到漂亮曲线。
Research Proposal 创新点
Research Proposal应先限定场景，例如资源受限终端上的多模态推理、动态网络中的协同训练，或隐私约束下的边缘任务分配。随后写清现有方法在哪个条件下失效，你准备控制哪些变量，用什么指标验证改进。不要同时塞入大模型、区块链、数字孪生、联邦学习和强化学习。
创新可以来自新的系统约束、可证明的调度方法、真实设备上的测量框架，或对精度、延迟、成本和隐私的联合优化。最重要的是给出可执行的第一年计划：先复现哪两篇工作，使用什么公开数据与硬件，三个月和六个月分别能产出什么。
Proposal还要写失败边界。若收益只在某类设备、某个网络范围或特定模型规模下成立，应提前说明。能够主动限定结论，比把题目写成“构建通用智能边缘平台”更可信。
奖学金和学费
香港理工大学公开的研究型研究生资助资料列出年津贴HK$230,640，博士确认注册后为HK$235,920，并列有会议资助和住宿资格等安排。不同计划的学费减免、现金奖、住宿和适用对象并不完全相同，不能只看最高数字。
申请前集中确认五项：个人走普通研究生资助、国际博士计划还是其他通道；学费是否另行缴纳或减免；资助覆盖几年；续期看哪些学业与研究要求；是否附带教学或研究支持工作。香港住宿与通勤成本也要按校内宿舍、合租地点和个人支出单独估算。
最终判断可以落在三个标准：课题组是否给出明确研究匹配，现有项目能否证明系统实验能力，正式文件能否覆盖学费与正常学制。三项都清楚，这个机会才从“有招生页面”变成可执行申请。
