2026年5月24日23时08分，44岁的黎家盈搭乘神舟二十三号进入太空。
她的标签极具反差：香港大学计算机科学博士、香港警司、三个孩子的母亲、首位进入国家航天员序列的香港人。
而比这些标签更反差的，是她博导的评价——“并非学霸，但专注耐心，乐于接受挑战。”
PART.01 博士→警司→航天员
黎家盈祖籍广东顺德，在香港荃湾长大，出身普通家庭。
少年时期，并非学霸，小学时一度成绩不理想，甚至三年级时差点留级。
一个“非学霸”的港大CS博士，如何在40岁从全港120名候选人中拿到唯一通票？
答案藏在她的三次“突破”里。
第一次，放弃学术轨道
港大计算机科学博士毕业后，她没有进高校发论文，也没有去互联网大厂，而是于2012年加入香港警队IT支援部。
第二次，打破身份与地域局限
2022年10月，国家启动第四批预备航天员选拔，首次面向港澳招募载荷专家。
时年40岁、已是警司、育有三名子女的她，决定“试一试”。
全港120人报名，她最终成为唯一入选者，但这不是终点，而是长达两年严苛筛选的起点。
第三次，放弃“标准精英”叙事
2024年6月，42岁的她正式入选第四批航天员；同年8月进入航天员大队，开启系统训练。
她在一年内完成8大类200余项训练、累计1700多学时，最终以首位女性载荷专家的身份出征。
她的核心能力不是开飞船，而是把地面实验系统“翻译”成太空操作语言。
利用CS博士+项目管理+极限训练，构成了不可替代的“系统翻译官”身份。
PART.02 QS第27→第11→突破前十
当黎家盈在太空舱操作实验设备时，她的母校校长在接受凤凰卫视独家访问时评价：
“黎家盈的成功入选，正是港大跨学科培养复合型人才的最佳体现。”
港大官方小红书账号更是连发8条动态，在港大QS排名的置顶之下，全是关于黎家盈出征的祝福。
从倒计时点火到师生集体观礼，简直把“黎学姐”刷屏成了母校的骄傲。
这份近乎高调的祝贺，恰恰折射出港大十年蜕变的底气。
港大和黎家盈，共成长的10年
2017年，港大QS排名第27位，这一年黎家盈35岁，已在警队深耕五年。
2020年，港大在QS第25位横盘，这段平台期也恰巧是蓄力期。
港大在默默铺设与内地高校、政府、产业的接口；黎家盈则在警队从技术岗向管理岗过渡，积累“让技术在复杂组织中落地”的隐性能力。
2022年，港大跃升至第22位，40岁的黎家盈报名航天员选拔。
2024年，港大短暂回调至第26位。这一年恰是黎家盈最艰难的时刻：
6月入选，8月入队，一年多的极限训练中，离心机考核时即便视线模糊仍咬牙坚持。
母校排名的波动，与她个人承受的生理极限形成微妙对照。
2025年，港大重返第17位；2026年，一举冲上第11位。
2027QS排名即将发布，大家都在预测港大能否进一步突破，跻身前十行列。
虽然只有一步之遥，但此间的距离，是港大与牛津、剑桥、MIT之间的距离。
也是香港从“本地高等教育中心”迈向“全球科研枢纽”的一步。
PART.03 宇宙机→天坑→无限游戏
过去几年，计算机科学从“宇宙机”跌落为“天坑预备役”。
大厂裁员、AI替代初级编码、留学生回国找不到对口岗位、转码神话破灭，学计算机=高薪”的公式似乎彻底失效了。
社交媒体上充斥着“CS是不是完了”的哀嚎。
但黎家盈的故事提供了一个反直觉的样本，逼我们重新思考：CS的红利真的消失了吗？
回望二十年，这个专业经历了清晰的三个阶段：
1.0时代（2000-2010）
吃“代码红利”，会写C++/Java就能溢价；
2.0时代（2010-2020）
吃“算法红利”，卷LeetCode、卷KPI、卷大厂package；
3.0时代（2020-）
工具红利正在以肉眼可见的速度消退，但“系统架构红利”刚刚开启。
黎家盈的经验就是最好的证明，她不是“码农”，而是“用计算思维重新定义问题边界的人”。
这正是CS学科在AI时代的第二次生命，从“技术工具人”进化为“复杂系统的架构师”。
而港新名校的学科布局，早已印证了这一点。
当传统CS遇冷，香港、新加坡名校已经全面转向交叉学科，25fall、26fall密集上线AI+X新项目。
本质上都是“技术+行业的融合”，既保留计算机核心优势，又避开纯编码的内卷红海。
“CS+”路径，正被系统性地复制为两大黄金方向：
AI + 科学（AI for Science）
用AI赋能基础科研，覆盖生物、化学、物理、医学等领域，适配理工科背景学生。
这正是黎家盈作为“载荷专家”的核心工作，在太空用计算思维处理生命科学实验数据。
港城大 MSc in Artificial Intelligence for Science：
直接对口智慧城市与航天遥感数据处理，是最接近“载荷专家”思维的训练；
港中文 MSc in Artificial Intelligence for Science / 港中深 MSc Artificial Intelligence for Science：
用AI重构基础科研流程，培养的是“科学家+工程师”的双语能力；
新国立 MSc AI for Science / 南洋理工 MSc Artificial Intelligence in Medicine：
前者指向底层科研基础设施，后者对应太空生命健康监测，都是“AI+医学”的交叉操作。
AI + 商业与组织（AI in Business）
AI与商科、公共管理结合，聚焦企业AI应用、创新落地及组织数字化。
这正是黎家盈在警队IT部门多年的核心工作，让技术在庞大机构里“听话”。
港大 Master of AI in Business：
训练在复杂商业组织中做技术决策，复刻的正是她“从工程师到管理者”的跃迁路径；
港科 MSc in Artificial Intelligence and Entrepreneurship：
强调AI技术的商业化落地，适合想把算法变成产品的人；
港城大 MSc AI in Business / 浸会 MSc in AI for Business：
聚焦企业级AI部署，避开纯编码红海，直接进入“技术翻译官”的赛道。
这两个方向的共同点是，它们不培养“码农”，而是培养“黎家盈式”的接口型人才，既懂技术语言，又懂场景语言。
而对于正在选校的CS申请者，这意味着三条可落地的行动建议~
1.选校要看“接口密度”
选CS项目时，要看学校有没有跨学院联合实验室、政府合作项目、非科技行业的实习通道。
一个能把你送进顶尖机构做交叉项目的院校，远比排名数字更有价值。
2.课程组合要有“领域特点”
纯CS正在贬值，“CS+”正在升值。CS+生物信息、CS+金融工程、CS+公共政策、CS+航天工程……
技术必须锚定在具体领域，才能产生AI无法替代的“领域翻译能力”。
3.实习别只盯着互联网大厂
警队、医院、航天机构、政府数字化部门、制造业的智能化改造部门……
这些“非典型”组织往往有最真实的系统痛点，也是AI最难替代的场景。
当AI接管了编码，人类的价值将彻底从“执行”转向“定义”，护城河不再是“知识储备”，而是“跨系统的问题定义权”。
如何把自己变成一个“高兼容性”的人，而不仅仅是一个“高学历”的人，这或许是我们需要持续回答的问题~
