01｜先看申请：DOT 研究型 PhD 已开放，学制按背景分 3 年或 4 年
香港中文大学商学院 Decisions, Operations and Technology（DOT）研究型 MPhil-PhD 项目覆盖 Management Information Systems、Operations Management、Quantitative Methods 等研究领域，其中直接包含 business analytics、AI/机器学习、库存与供应链、定价与收益管理等主题。CUHK 2027/28 研究生申请已于 2026 年 9 月 1 日开放，DOT 的主轮截止日期为 2026 年 12 月 1 日，clearing round 为 2027 年 3 月 31 日，后者只在仍有名额时考虑。
学制不能拿资助年限代替。CUHK Graduate School 当前对研究博士的 normative period 写得很清楚：全日制 PhD 如果入学时拥有被学校认定的 research master’s degree，规范学制为 36 个月；没有 research master’s degree，则为 48 个月。DOT 商学院项目页也采用同样的 36/48 个月安排。因此这里写成 3–4 年制，实际走哪一档由入学背景与学校认定决定。
费用方面，CUHK 已公布 2027/28 research postgraduate tuition 为每年 HK$49,500。这个学费数字和奖学金不是一回事：非本地生不能因为看到 studentship 就默认学费自动免除；本地全日制 RPg 的 tuition waiver 另有资格规则。申请时应把 tuition、现金 studentship 与其他奖项分开核对。
02｜PGS 现金目前是 HK$229,200/年，但它是“合资格者获发”，不是录取自动到账
CUHK Graduate School 当前列出的 Postgraduate Studentship（PGS）面向合资格的全日制研究型硕士和博士生，2026/27 年度金额为 HK$229,200/年，并在 normative period 内支付；studentship 结果通常和 admission offer 一起公布。这个口径可以用于理解目前的博士现金支持水平，但 2027/28 入学者最终金额仍应以学校届时正式通知为准。
人民币标题金额只折算这个公开现金 studentship，不把 tuition waiver、住宿或其他福利自行货币化。由于 2026 年 9 月 9 日的市场报价在本文生成时尚不可验证，折算采用截至 2026 年 9 月 4 日可核实的最近公开汇率 1 HKD≈0.856592 CNY：HK$229,200 约合人民币 19.6 万元/年。实际兑换和学校发放金额都可能因时间与政策变化而不同。
如果申请者同时冲 HKPFS，也要把它视为另一套竞争机制，而不是把不同 funding package 简单相加。对申请决策最有用的做法，是在拿到 offer 时逐项看清：现金资助是什么、覆盖多久、学费由谁承担、是否有教学或研究协助要求，以及奖项能否叠加。
03｜高翔宇的研究不是“做商业分析工具”，而是在不确定性里做可证明的运营决策
Gao Xiangyu（高翔宇）目前是香港中文大学商学院 Decisions, Operations and Technology 系副教授，同时担任 MSc in Business Analytics 项目主任。官方简介列出的研究兴趣包括 inventory and supply chain management、pricing and revenue management，以及 machine learning and data-driven algorithms；这些方向和 DOT 研究型博士的 operations / business analytics 研究版图直接重合。
这条研究线的核心不是把机器学习模型套到商业数据上，而是面对需求、供应、价格或观测都不完全确定时，怎样做出有理论保证、又能落到真实运营系统里的决策。申请者如果只写“我会 Python、想做 AI+供应链”，信息量还不够；更重要的是说明你如何把一个运营约束写成模型，并用数据学习未知参数，同时保留可解释的性能边界。
04｜2025 年的多级库存论文：数据驱动算法也要回答“近似到底损失了多少”
高翔宇与合作者 2025 年在 Management Science 发表 Sampling-Based Approximation for Series Inventory Systems。多级串联库存看起来是经典运筹问题，但当系统层级、随机需求和策略空间变复杂时，精确求解往往很贵。论文关注 sampling-based approximation，重点不只是“算得更快”，而是怎样利用样本构造可执行策略，并分析近似误差与系统结构之间的关系。
这类工作对博士研究很有代表性：现实数据推动算法，但理论仍然要解释为什么算法可靠。你可以从需求分布未知、样本量有限、供应提前期变化或多源供应等条件继续延伸；也可以研究当传统库存模型遇到在线数据流时，估计与控制如何同时进行。真正的研究问题通常落在“学习误差如何传导到运营决策”上，而不是单纯把预测精度再提高一点。
05｜2026–2028 的新项目把“在线学习”塞进双源、多级库存：边学边决策才是难点
CUHK Research Portal 显示，高翔宇作为 PI 的 RGC 项目 Online Learning with Sample Average Approximation for Dual Sourcing Multistage Inventory Systems 于 2026 年 1 月启动，并持续到 2028 年底。项目名称已经把三件难事叠到一起：multistage inventory、dual sourcing 与 online learning。它对应的现实场景，是企业同时拥有不同速度、成本和可靠性的供应渠道，而需求与系统参数又需要在运行中不断学习。
这给 Research Proposal 提供了很清楚的切口。例如：探索—利用如何影响补货策略？快速但昂贵的供应源能否兼具“保险”和“信息价值”？当需求存在结构性变化时，sample average approximation 需要怎样更新？这些都是从公开研究自然延伸出的申请者问题，不等于导师已经承诺的具体博士课题。
06｜申请对齐：把“商业场景”翻译成一个可估计、可优化、可验证的模型
更贴近这条研究线的背景通常包括运筹学、工业工程、管理科学、统计、应用数学、计算机或定量商科。CV 里值得突出的是概率统计、随机过程、优化、动态规划、机器学习、仿真与算法实现；如果你有供应链、平台、零售或物流数据项目，最好说明你解决的决策变量、约束、目标函数和不确定来源，而不是只放一个预测模型的 accuracy。
联系高翔宇副教授时，可以用一段很短的问题陈述开场：例如双源采购中怎样把需求学习纳入补货规则，或多级库存里预测不确定性怎样影响安全库存。随后给出你真正做过的一个模型、证明、算法或数据实验，再说明为什么 DOT 的 operations / business analytics 环境适合继续推进。这样的套磁比泛泛夸学校排名更能让研究匹配变得具体。
