在本次的博士讲座中，我们与Jiaming老师进行了深入的对话，了解了计算机领域多样化的研究方向和申请要求。让我们一起回顾这期精彩的讲座，了解更多博士申请相关内容。
S: 您可以简单给我们介绍下您目前所研究的方向吗？
Jiaming:
我现在在约翰霍普金斯大学读博士二年级。我的研究主要是做手术机器人。现在它在医院里已经有一定规模的应用，但能真正替代的手术种类还比较有限。我主要研究的是通用手术机器人的控制算法，以及如何基于医学影像的引导来让机器人完成手术。目前这个方向还处在比较早期的阶段，还没有很多成果能真正进入临床。但从科研角度来说，这里面有非常多可以探索的空间，也还有很多问题值得去解决。
我们一般会基于已有的机器人模块进行优化，一方面改进其算法，另一方面开发新的算法，使其能够完成一些非常特定的任务。以一线摘除等微创手术为例，这类手术往往对操作精度有极为苛刻的要求，比如切口只能控制在几毫米范围内。这就需要采用与传统机器人不同的一套算法来完成。针对不同的临床需求，我们都会进行大量的算法研发。与普通机器人最大的区别在于，手术机器人一旦进入人体内部，外科医生无法直接观察其操作过程。因此，我们需要在机器人上安装摄像头，或结合 C-arm X 光成像，实现实时可视化引导。这个过程也涉及到计算机视觉和深度学习等技术的应用。
S: 计算机博士还有哪些研究方向呢？
Jiaming:
我觉得如果粗略地分类，可以分为两大块：与 AI 相关和与 AI 无关。
在 AI 相关领域，研究方向包括学习算法的设计与改进、特定模型或方法的创新，以及自然语言处理等应用。这些方向由于仍在快速发展，存在很多不确定性，因此研究空间非常大。
而在非AI领域，则更强调计算机的基础与底层原理。例如，研究计算机语言（如 C++ 或 Python）的构建与优化，或者研究计算机系统中 CPU、内存等硬件如何组合并协同工作。此外，网络安全也是一个重要方向，包括数据加密、网络通信等问题。这些内容大多建立在几十年前已经比较成熟的理论之上，学习时更多是掌握现有框架，并探索如何更好地应用。
我所研究的医疗机器人其实并不是目前最热门的方向。相比之下，大众和学界的关注更多集中在通用机器人、人形机器人、无人机和无人车等更贴近日常生活的应用领域。
在美国的计算机科学项目中，目前最热门的两个方向是 深度学习和自然语言处理。其中，深度学习的研究多以计算机视觉为载体展开，而 NLP 虽然也是深度学习的一个应用分支，但通常自成体系，例如语言模型的发展（如 GPT、千问、DeepSeek 等）就是一个独立而庞大的研究方向。
除了这两个主流方向外，还有一些相对小众但同样重要的研究领域，比如计算机系统（研究算法的时间复杂度与最优化，以及如何在时间和空间上更高效地部署与执行算法）和计算机网络与安全。这两类方向往往在就业市场上需求较大，更偏向于应用与产业实践；而深度学习和 NLP 则更强调科研探索，通常需要通过博士阶段的深入研究，再转向行业发展。
S: 国际生在选择研究方向的时候会受到一些限制吗？
Jiaming:
是否能参与某个项目，往往取决于项目经费的来源。很多安全类项目的资金来自相关企业，例如安全公司或防毒软件公司，这类情况下通常不会限制学生的国籍身份。但如果经费来自美国国防部或其他政府部门，那么大多数情况下是不会支持国际学生，尤其是中国学生参与的。
项目的类型往往也能反映资金来源，比如大部分安全方向的研究经费都来自国防部；而医疗相关的项目则更多由医院或 NIH 等机构资助。当然，这并非绝对，但如果某个研究得到了美国政府的资助，那么国际学生（特别是中国学生）大概率是无法参与的。
S: 申请这个方向的博士，套磁重要吗？
Jiaming:
据我的观察，在计算机科学领域，套磁往往是申请过程中最重要的环节，有时甚至比 GPA 或论文还要关键。原因在于，每个院系的招生逻辑都不一样，而这些差异很难从官网信息中看出来。只有与具体教授沟通，才能了解清楚：在该项目中，究竟是招生委员会占据主导权，还是教授个人有更大话语权。
此外，教授们有时还会分享一些细节性的建议。例如，在撰写 SOP 时，如果你已经和某位教授建立联系，最好把该教授的研究方向放在最显著的位置，并在文书中重点提及。这样，招生材料就更有可能优先分配到该教授手中，从而增加他看到并支持你申请的机会。不同学校、不同项目的政策差异极大，而这些信息通常只能通过套磁才能获得。
坦率地讲，我在套磁时的回复率大约是 20% 左右。总共发了 130 封邮件，收到约 20–30 封回复（包括“今年不招人”之类的）。回顾之后，我认为邮件措辞并不是决定性因素，更关键的是教授有没有时间看你的邮件。教授们每年会收到大量类似邮件，不可能逐一打开；再加上现在有 GPT 这样的工具，几乎每个人都能写出很流畅的邮件，所以差别不大。
真正重要的是数量和坚持。要多发，多跟进。如果第一次发出后两周没回，可以再发一次，连续跟进三四次后，就算教授不招人，通常也会礼貌地回复说明。
当然，如果你有论文成果，把论文附上是加分项。如果能简单表达对教授项目的兴趣，或说明自己有类似的研究经历，也是好的，但这往往不是决定性因素。套磁的本质还是靠量取胜，加上适度的坚持。
S: 博士整体录取的流程大概是什么样的？
Jiaming:
在审核申请时，GPA 是一个基本门槛。通常 3.6 以上会被认为没有问题；3.3–3.6 之间的申请人则需要在其他方面有突出的优势才可能进入下一轮；而 3.3 以下则相对困难。3.6 可以理解为一个及格线。此外，成绩单上最好不要有 fail 记录，超过三门 fail 会被认为背景存在较大问题。如果学校允许重修并覆盖原成绩，则最终以重修成绩为准。
文书质量也很重要。如果SOP或Personal Statement 过于草率、缺乏思考，通常会被直接淘汰。在文书审核过程中，我经常发现两个常见问题。第一是标点和拼写错误（typos）。现在有 AI 工具可以轻松完成校对，这类错误完全可以避免。偶尔一两处错误尚可理解，但如果每句话都有标点错误，或出现五六处以上的拼写问题，就会被认为文书不够合格。第二是未遵循学校的格式要求。不同学校对文书格式的要求略有差异，但有些申请人会直接套用其他学校的模版，一眼就能看出来不是按照要求准备的。这种情况并不会直接导致淘汰，但会被标记为需要进一步仔细审查。
在过了这些基本门槛后，最终的评估主要取决于推荐信的力度和论文成果的质量。这部分没有统一的标准，更多依赖评审的经验进行分类。被分类后的申请材料会发给申请人所填写的意向教授。如果该教授不招生或未查看，材料会进入一个“候选池”，供其他有兴趣的教授查阅和挑选。很多教授如果最终没有招到心仪的学生，还会最后到这个池子里面来捞人。
S: CS博士的面试大概是什么样的形式？
Jiaming:
从我的经验来看，博士申请的面试很少是单纯的 behavioral interview。大多数情况都会以 technical环节开头。通常流程是：先做一个 presentation，介绍自己的研究内容、方法和成果，接着教授会根据你的报告进行讨论。这是最常见的模式。部分要求比较严格的教授，可能还会让你当场写一点代码。
如果是 committee-based 的学校，面试流程一般包括两个阶段：线上面试，包括自我介绍和研究展示（presentation），教授或小组成员会提问和探讨；Campus Visit，获得邀请后到校，与潜在导师以及分配的委员会成员面谈，有时会要求在黑板上做一些简单的数学推导或解题。
整体而言，博士面试的重点是考察研究展示能力、数学功底和编程能力。问题不会特别刁钻或困难，更多是验证“你会不会”而不是“能否做到极致”。相比求职面试，学术面试在难度和压力上反而略低一些。
S: 您这个领域的博士毕业后未来有哪些就业方向？
Jiaming:
在 surgical robots 这个细分领域，目前行业格局比较集中，有几家大型企业处于主导地位。多数毕业的 PhD 学生最终都会进入这些公司，从事研发工程师（R&D） 或research scientist的岗位，并且基本上选择留在美国工作，因为这一领域在国内的发展尚处于起步阶段。
至于学术方向，据我了解，每年大约有 2–3 位毕业生会选择走博士后或教职岗位，比例相对较低（约占十几到二十人毕业规模中的一小部分）。至于回国发展，目前我身边还没有遇到相关案例，因此对国内的职业去向情况不太确定。因为目前 surgical robots在国内仍然是一个非常小众的行业，很多产品还处在审批阶段，各方面的验证也在进行中，因此整体发展相对缓慢。国内这几年确实出现了不少发展迅速的新公司，但行业整体尚未完全成熟。
从就业去向来看，我的观察是：硕士毕业生中有不少人会进入国内的手术机器人公司工作；但对于博士毕业生，目前大多数仍选择留在美国发展，尤其是在研发或研究型岗位上。到目前为止，我身边还没有见到有博士毕业后回国的案例。
S: 怎么样判断自己是否适合读PhD？
Jiaming:
我认为最重要的能力之一，是能否对一个问题进行持续而深入的思考。举个例子，在做研究或与导师合作项目时，你可能会遇到某个数学问题：公式推到某一步之后，接下来该如何解决并没有现成答案。在这种情况下，你不一定要立刻完全解决问题，但关键在于你是否具备从已有线索出发去做探索、查阅背景资料、设想几种可能路径并逐步分析的能力。
这种训练不仅能帮助你在学术研究中取得进展，更能提升你在面试中的表现。因为通过不断的深入思考，你会形成清晰的逻辑链条，表达也会更加有条理。教授或面试官最担心的情况是学生在回答时思路混乱、逻辑不清，而持续的思考训练正好能避免这一点。
更重要的是，这种能力并非天生，而是可以通过刻意训练培养出来的。只要你每天都花一些时间去思考自己感兴趣的问题，逐渐就会养成这种逻辑清晰、善于追问“为什么”的思维模式。这不仅能提升研究能力，也会大大增强你的表达连贯性和逻辑性。
【竞赛报名/项目咨询+微信：mollywei007】
