人工智能(AI)学科:全球高校红黑榜

2025年，全世界大学都在”搞AI”。

但同样是AI，它们做出来的东西——从组织架构到资金来源，从治理逻辑到战略目标——几乎完全不同。

芝大在关人文学部的时候，KAIST正在新建韩国第一所AI本科学院。MIT拒绝联邦AI合同，港科大冯·诺依曼研究院挂牌第一天就拿到了大湾区产业资本。Princeton用校友捐赠基金养AI Lab，剑桥用政府拨款做”公共服务AI”。

今天，我们把部分大学的AI战略放在一起，做一期横向红黑榜——看谁在闷声发大财，谁在大冒险，谁在假装很努力。

一、战略野心榜：谁的目标最大？

🏆 红榜 · 最敢想的

KAIST：国家战略直通车

别的大学还在”要不要成立AI学院”这个问题上开会，KAIST已经拿到了总统委员会的直接授权。2025年，韩国总统李在明亲自担任国家AI委员会委员长，KAIST负责落地执行——这不叫大学战略，这叫国家战略外包。KAIST计划2026年正式成立AI本科学院，4个系、300个招生名额，政府掏钱，学生毕业直接进三星/LG/SK的AI岗位。整个链条，从政策到招生到就业，政府全包了。

这不是大学在做AI，这是国家在养AI。

Stanford HAI：标准制定者的野心

Stanford HAI每年的《AI指数报告》是全球引用最高的AI行业评估，没有之一。当别的大学在建AI学院的时候，Stanford在做的是——定义什么叫”好的AI”。AI安全、治理、政策、教育……HAI不只做技术，它在做整个AI时代的规则框架。这是最高段位的战略：不只是参与游戏，而是制定规则。

Harvard Kempner：做”智能的大一统理论”

哈佛Kempper研究院不接受”AI就是机器学习”这种俗套定义。它的使命是从第一性原理出发，统一理解自然智能和人工智能——也就是说，不只研究AI怎么工作，还要研究人类大脑为什么也能”智能”。2026年3月，Kempner宣布ExaFLOP级超算集群大规模扩展，全年完成75万次计算任务、300万GPU小时。这个量级，不是普通的研究，这是国家级基础设施。

⚫ 黑榜 · 战略最模糊的

CMU：老牌AI霸主，正在被追赶

这件事说出去很多人不信——CMU是AI的发源地（Herbert Simon和Allen Newell1950年代在这里创立了AI），它拥有全球第一个AI本科专业，它的School of Computer Science是全球最强的计算机学院之一。但2024-2025年的这波AI浪潮里，CMU的存在感出奇地低。它的核心问题在于：CMU的AI战略高度嵌入SCS（计算机科学学院）框架内，缺乏独立的战略叙事，没有”KAIST那种国家背书”，也没有”Stanford HAI那种议题定义能力”。它是AI领域的苹果公司——产品很强，但没人觉得它在重新定义行业。

Oxford：最矛盾的战略

牛津的AI战略是这次调研里最让人看不懂的。一方面，它至今没有独立的AI学院或研究院，AI研究高度分散在各传统系所里。另一方面，2025年3月，它与OpenAI签署了5年战略合作，成为全球首家与AI商业公司建立系统性合作的顶级名校。这个合作有多深？OpenAI向牛津提供资金、研究资助、API访问权限，并参与博德利图书馆3500份古籍数字化项目。

这到底是”与狼共舞”还是”饮鸩止渴”？学界争议极大。牛津自己都承认，这个决定让很多教授不舒服。但它的AI战略也确实因此上了全球头条。

二、资金结构榜：谁的钱最干净？

🏆 红榜 · 资金结构最健康的

Princeton：校友基金+联邦拨款，最稳定的组合

Princeton的AI Lab用捐赠基金（Princeton Endowment，规模约350亿美元，2025财年回报率11%）作为主要资金来源，外加联邦政府NSF/DARPA/NIH的研究拨款。这个结构牛津、剑桥都馋：没有产业资本的干预风险，没有政府资金的战略约束，教授们爱怎么研究怎么研究。Princeton AI Lab主任Sanjeev Arora（Princeton Language and Intelligence Initiative负责人）可以完全凭学术判断决定研究方向，不用看任何人的脸色。

这就是”有钱任性”的学术自由。

MIT：私人捐赠的天花板

MIT Schwarzman计算学院由黑石集团CEO Stephen Schwarzman个人捐赠3.5亿美元，总承诺规模11亿美元。这笔钱干净、持续、没有附加条件。MIT用它建了独立学院（Building 45新大楼）、25个跨学科桥梁项目、博士后奖学金计划，以及一个覆盖全校的计算伦理治理框架。整个战略推进的节奏完全由MIT自己掌控，没有任何外部压力干扰战略方向。

这才是顶级战略应有的资金样子。

⚫ 黑榜 · 资金压力最大的

Berkeley：公立大学的AI困境

作为加州大学系统的旗舰，UC Berkeley面临一个结构性矛盾：它是公立大学，依赖州政府拨款；但它的AI研究规模已经大到州政府根本供养不起。2025年，Berkeley被迫推出BAIR Grant——一个1200万美元的风险投资支持项目，引入社会资本来补贴学术研究。这意味着什么？意味着部分AI研究的资金来源从”服务公共利益”变成了”服务VC回报”。Berkeley AI Hub的存在本身，就是公立大学AI资金困境的最好注脚。

KAIST：政府绑定是把双刃剑

KAIST的AI战略资金80%以上来自韩国政府——这不是夸张，这是事实。好处是：钱多、规模大、执行快。坏处是：KAIST的AI学院本质上是为韩国国家AI战略服务的，它的课程设计、招生规模、研究方向，都要与政府的”K-Moonshot计划”（总投资7.5万亿韩元）和”AI G3国家目标”对齐。如果政府战略方向调整，KAIST的AI学科必须跟着转。这不是大学在做AI决策，这是大学在执行国家计划。

三、治理模式榜：谁的组织最聪明？

🏆 红榜 · 治理模式最值得学习的

Imperial College London：融合科学学院，系统性组织创新

这次调研里，最让我意外的高校是帝国理工。大多数人提到Imperial，印象还停留在”它是一所很好的理工科大学”。但2025年6月，Imperial正式启动了四大融合科学学院——这在英国高校里是史无前例的制度性创新。

这四所学院不是传统意义上的”AI学院”或”数据科学学院”。它们以问题为导向，跨越传统系所边界，围绕复杂社会技术问题（气候变化、公共健康、AI安全、精准医疗）重新组织学术架构。这是真正的组织设计创新——不是加一个AI项目，而是在制度层面重新设计学科之间的协作关系。

Imperial的故事告诉我们：有时候，最聪明的AI战略，是不直接做AI。

Cambridge ai@cam：公共服务导向的AI使命

剑桥的ai@cam在这次调研里是”最被低估”的选手。它的AI战略不追求”最大”或”最强”，而是明确提出要”服务于科学、公民和社会”。具体怎么落地？AI-deas冲刺计划支持跨学科团队将AI研究转化为可工作原型；Policy Lab探索AI与公共政策的交叉领域；Sciencepreneurship推动科研成果的商业转化；甚至还有”AI for Ops”资助项目，支持用AI优化大学自身的运营。

这不是在追逐AI的风口，这是在认真思考AI应该为谁服务。

⚫ 黑榜 · 治理模式最令人担忧的

HKUST冯·诺依曼研究院：明星战略的风险

港科大冯·诺依曼研究院的组建逻辑很清晰：以明星学者（计算机视觉与AI领域知名专家贾佳亚教授）为核心，围绕其研究领域建院设方向。这在短期内能快速产出，明星效应也能吸引资金和关注。

但这个模式有一个隐含风险：如果这位明星学者离开，整个研究院的战略方向会怎样？这种”人治”大于”机制治”的治理结构，在学术机构里并不罕见，但往往在创始人离任后迅速瓦解。斯坦福DeepMind当年也遇到过类似问题。冯·诺依曼研究院需要在贾佳亚教授离开之前，建立起不依赖个人的制度体系。

四、战略逻辑榜：谁想得最清楚？

🏆 红榜：最清晰的战略逻辑

NUS：国家战略的精准执行者

新加坡国立大学的AI战略几乎没有任何模糊地带。NAII（AI研究院）成立于2024年3月，核心使命是”推动卓越研究，赋能个人、社区和企业，培养创业精神——实现AI为公众利益服务”。它同时绑定Google（联合AI中心）、Microsoft Research Asia（深度研究合作）、IBM（混合计算中心）三大产业伙伴，背后是新加坡政府S$10亿国家AI研发计划（2025-2030）的资金支持。

NUS的战略逻辑非常干净：国家有Smart Nation战略 → 政府给钱给政策 → NUS负责执行落地 → 培养的人才服务国家产业。整个链条没有任何多余环节。这就是小型发达经济体高校战略的极致：没有资源可以浪费，每一步都必须精准对接国家需求。

MIT：融合战略的长期主义者

MIT Schwarzman学院的定位不是”做一个AI学院”，而是”用计算重塑整个MIT”。它的25个”桥梁项目”（Bridge Programs）连接计算学院与校内所有其他学科——从生物学到哲学，从经济学到设计。它设有专门的”计算的社会与伦理责任”副教务长职位，确保AI战略不只追求技术进步，还同步推进伦理治理。

MIT的核心战略逻辑是：AI不是目的，AI是连接所有学科的”结缔组织”。这个判断，比大多数”建一个AI学院”的策略深刻得多。

⚫ 战略逻辑最混乱的

Oxford（再次登场）

把牛津放在这里可能有点刻薄，但它的AI战略确实让人困惑。

牛津有全球最好的NLP（自然语言处理）研究团队，有欧洲最强的AI安全研究积累（Future of Humanity Institute就在牛津），但在2025年之前，牛津没有任何独立的AI战略叙事。它的AI研究高度分散在各传统系所里，没有统一的协调机制。

然后，OpenAI合作来了。这个合作本身不是问题，但它像是”为了回应外界的期待”而做的决定，而不是基于牛津自身清晰的AI战略规划。牛津需要先回答一个问题：我们想成为什么样的AI大学？然后再决定要不要接受OpenAI的钱。在这个问题没有答案之前，任何合作都是治标不治本。

五、综合排名：谁在认真做AI战略？

把四个维度加起来，12所高校的AI战略可以排成这个样子：

尾声：最值得深思的一个发现

调研到最后，我反复思考的一个问题不是”哪个大学AI最强”——这个问题没有意义，因为”强”的定义本身就不一样。

真正的问题是：一个大学的AI战略，到底在多大程度上是这个大学自身历史、价值观和制度环境的自然延伸，而不是对外部压力的应激反应？

MIT的融合战略，来自MIT对跨学科合作的长期信仰。Stanford HAI的人本主义，来自Stanford对”技术服务于人”的坚持。Imperial的融合科学学院，来自Imperial打破学科壁垒的组织实验传统。

而那些战略模糊的大学，往往不是因为资源不够，而是因为还没有想清楚自己到底相信什么。

AI是一面镜子，照出来的不是技术能力的强弱，而是一个机构对自己身份的回答。

这个问题，值得每所大学认真想一想。

参考来源

1. MIT Schwarzman College of Computing
2. Stanford HAI – Human-Centered AI Institute
3. Harvard Kempner Institute
4. Princeton AI Lab
5. CMU AI at Carnegie Mellon
6. Berkeley AI Hub
7. Cambridge ai@cam
8. Imperial College Schools of Convergence Science
9. Oxford and OpenAI Collaboration – Bodleian Libraries
10. KAIST Graduate School of AI
11. NUS Artificial Intelligence Institute
12. HKUST Von Neumann Institute
13. Singapore National AI Research and Development Plan
14. Korea K-Moonshot AI Initiative