博士项目的资助与培养条件
香港科技大学计算机科学与工程系目前有明确的博士培养体系，Song Guo 是该系讲席教授，同时担任副系主任（研究及知识转移）。他的个人主页直接写明正在寻找有强烈研究动机的博士生加入 Pervasive Intelligence Lab。对申请者来说，这类信息的价值不在于“导师主页有招生字样”本身，而在于学校项目、导师身份和课题组招募信号能够同时对上：申请不是向一个孤立的实验室投递，而是进入学校正式的研究型博士项目。
资助方面，香港科技大学全日制常规研究型研究生可获研究生助学金，当前标准为每月 HK$19,135。这个数字适合拿来做预算，但不能理解成“找到导师就自动拿到”。真正决定能否进入项目的仍是正式录取、院系安排和具体 offer。做资金规划时，建议把助学金看成博士培养制度的一部分，同时单独核对学费、住宿、保险和个人生活开销，不要只拿月度金额判断一份博士 offer 的实际可执行性。
导师团队的研究平台与招生信号
Song Guo 的研究集中在大语言模型、Physical AI 和机器学习系统。他在香港科技大学计算机科学与工程系的主页列出了 Pervasive Intelligence Lab，并明确表示正在招收博士生。这里更值得注意的是“系统研究”的属性：课题往往不只是把一个现成模型换数据集测试，而是需要同时处理算法、系统实现、资源约束、实验设计和工程验证。对于只做过课程级机器学习项目的申请者，最需要补的往往不是再堆几个模型名称，而是把一个研究问题完整做成可复现实验。
他的职务也反映出团队所处的平台位置。作为讲席教授和系内负责研究及知识转移的副系主任，他既有稳定的学术团队，也处在较强的跨项目协作环境里。申请材料里不需要把这些头衔重复一遍，而要回答更实际的问题：你过去做过什么研究，哪些结果能证明你具备独立推进问题的能力，你的经验与实验室正在做的方向在哪里发生真实交集。
研究内容对应的能力准备
如果目标是大模型与机器学习系统，CV 最好把“做过什么”写成可以检查的证据。比如一个系统项目，不要只写使用了某个框架，而要交代你负责的数据流程、训练或推理瓶颈、系统优化目标、对照实验和最终结果；如果做过分布式训练、边缘计算、机器人系统或模型服务，更应把工程规模和个人贡献拆清楚。代码仓库、技术报告和可复现实验比泛泛的“熟悉 Python、PyTorch”更能说明研究准备度。
研究计划也不适合写成宽泛的热门方向综述。更有效的做法是先从课题组现有工作里找到一个清楚的限制条件，再提出可以验证的研究问题。例如，模型在真实设备上受到算力、时延、通信或可靠性约束时，现有方法在哪里失效；你准备用什么实验来区分不同假设。哪怕计划最终会在入学后调整，这种写法也能体现你已经理解博士研究需要把问题转化为可证伪、可实现、可评估的任务。
申请材料与博士岗位要求的对应关系
导师公开招募信息强调“strongly motivated”，因此材料不能只靠成绩单撑起来。CV 应把研究经历放在最前面，按问题、方法、个人贡献和结果组织；个人陈述或研究陈述则要说明为什么是这个实验室，而不是把所有人工智能方向都写一遍。若有论文，写清自己承担的部分；没有论文，也可以用毕业设计、科研助理经历、开源贡献或长期工程项目证明你有持续推进复杂任务的能力。
准备初次沟通时，可以把内容压缩到几个核心元素：你的当前身份与研究背景、最相关的一段项目经历、你对实验室某类问题的具体理解，以及可供快速判断的 CV 或项目材料。避免把邮件写成一篇完整研究计划，也不要只问“是否有名额”。导师已经公开了招募信号，真正有区分度的是你能否让对方迅速看到匹配点和研究准备度。
从申请到入组的执行重点
这类博士申请的执行难点通常不是信息缺失，而是申请者容易把“方向很热门”误当成匹配。香港科技大学的正式项目给了清晰的培养入口，Song Guo 的主页给了明确的招生信号，资助标准也有公开信息。接下来最值得投入时间的，是把自己的技术经历整理成可验证的研究能力：能读论文、能搭系统、能做严谨实验、能解释失败结果，也能把问题写清楚。对系统与人工智能交叉方向而言，这些能力往往比在材料里罗列更多关键词更重要。
