香港科技大学计算机科学与工程系的Mo Li教授目前明确写着长期招收PhD和研究助理。对申请者来说，这类信息的价值不只是“导师愿意收人”，而是可以把学校层面的资助、导师当前职位和实验室正在扩展的议题放在一起判断：先确认钱从哪里来，再判断自己的项目经历是否能直接进入组里的研究工作。
博士资助与实际预算
HKUST公布的研究型研究生资助中，Postgraduate Studentship为HK$229,620/年。与此同时，2026/27研究型研究生学费为HK$47,000/年。也就是说，看到“有studentship”时，不要把整个金额简单理解为可自由支配的生活费；申请前更实用的做法，是把学费、住宿和日常支出单独列出来，再看奖学金对现金流的覆盖程度。
如果竞争力足够强，HKPFS是另一条路径：年度津贴为HK$340,800，最长4年，并有学费减免等配套。它和常规PGS不是同一套资助逻辑，因此材料准备也不能只停留在“成绩不错”。更有帮助的是把学术能力、独立研究潜力和已有成果做成一条清楚的证据链，让评审能看到你如何从课程训练走到真正的研究执行。
两条资助路径放在一起看，申请策略会更清楚：PGS可以作为学校研究型博士的常规资助基线，HKPFS则要求你把最强的研究证据、推荐信与整体学术轨迹呈现得更完整。预算上先用PGS测算能否接受，材料上再按更高竞争强度准备，能减少“只冲奖学金、却没做好博士申请本身”的错位。
导师职位与实验室窗口
Mo Li现任香港科技大学计算机科学与工程系Professor，同时担任低空经济研究中心主任。他的个人主页把招募信息写得很直接：长期寻找PhD学生和研究助理。学校工程学院资料还列出他是IEEE Fellow。对申请者而言，这意味着判断重点应该从“导师名气”转向“现在的团队正在解决什么问题、你能在其中承担什么工作”。
他的研究覆盖无线与移动计算、城市数据、AIoT和低空系统。普通申请者不需要在邮件里堆这些名词，更有效的方式是挑一到两个最接近的项目：例如你做过传感器系统、移动端实验、网络测量、城市数据分析或端侧AI，就把问题设置、实验设计、代码与部署结果写清楚。没有完整系统项目的人，也可以用研究型课程项目证明自己会定义问题、搭实验和复现实验。
如果你的经历偏算法，也不要只把模型精度放在最前面。系统方向往往还关心数据怎么来、实验环境如何控制、基线是否公平、失败场景是什么，以及方法能不能在真实约束下运行。把这些执行细节写进CV或项目说明，会比单独罗列框架名更接近导师判断研究能力的方式。
申请材料与研究工作的对应关系
CV最好把“做过什么”改成“解决了什么问题”。项目经历里至少交代问题、方法、个人贡献和可验证结果，代码或论文只是证据的一部分。研究计划不必写成宏大愿景，而要能说明你准备如何把已有能力延伸到导师当前的系统研究，并且知道哪些环节需要真实数据、实验平台或跨团队协作。
联系导师前，可以先检查自己的材料是否回答三个现实问题：是否有足够的编程和实验能力进入系统研究；是否能独立处理数据与复现实验；希望在博士阶段把哪一类问题做深。如果答案都只能用课程名称替代，就说明材料仍停留在“学过”，还没有充分证明“做过并能继续做”。
申请节奏与优先事项
这类机会的核心不是“看到招PhD就尽快发一封信”，而是把学校资助和导师招募状态一起核对。对于预算敏感的申请者，先按PGS和学费做现实测算；对于冲刺HKPFS的人，提前把最强研究成果和推荐信准备好。最后再根据Mo Li组的当前研究选择最能证明执行能力的经历，整套材料会更连贯。
如果暂时缺少与AIoT或城市系统完全同题的经历，也不必硬凑方向。更好的做法是找出可迁移能力：网络实验、分布式系统、时序数据、嵌入式开发、优化或机器学习中，哪些能力已经被真实项目验证。博士申请看的是你能否进入新的研究问题，而不只是题目名称是否一字不差。
