最近，美国大学新开AI硕士项目的速度明显加快。

　　8月28日，芝加哥大学刚刚宣布推出一个新的硕士项目：

　　Master of Science in Applied Artificial Intelligence，MS-AAI。

　　这是一个全日制、9个月的项目，由芝加哥大学物理科学部和数据科学学院共同开设，第一届学生将在2027年秋季入学。学校在项目介绍中非常直接地提到，随着生成式AI、AI Agents以及其他新技术快速发展，企业越来越需要能够真正把AI应用到现实问题中的人才。

　　如果只是看一个新项目，这件事可能并不特别。

　　但如果把今年美国几所顶尖大学新推出或调整的AI硕士项目放在一起看，就会发现一个非常明显的变化：

　　AI正在从计算机科学下面的一个方向，逐渐成为一个独立的硕士学位，同时开始越来越多地进入不同的工程领域和行业。

　　而且，这个趋势在2026年尤其明显。

　　2月：哥大第一次推出独立的AI硕士

　　今年2月，Columbia Engineering宣布推出全新的：

　　Master of Science in Artificial Intelligence。

　　第一届学生从2026 Fall开始入学。

　　过去，如果学生希望在哥大学习AI，比较常见的选择是申请Computer Science、Data Science或者其他工程项目，再通过课程和track选择Artificial Intelligence、Machine Learning等方向。

　　但是这一次，Columbia直接建立了一个独立的 MS in Artificial Intelligence。

　　更值得注意的是，这个项目并不只是教授传统的Machine Learning或者Deep Learning，而是采用了一个非常明显的：

　　AI + Domain

　　培养模式。

　　学生在学习AI核心课程之后，可以进一步选择不同的concentration，包括机器人、金融、生物医学、医疗、公共卫生，甚至建筑和UI/UX设计等方向。

　　这个项目背后的逻辑其实很有意思。

　　过去市场上已经有大量CS和Data Science硕士，也有Healthcare、Finance、Engineering等不同领域的专业项目。但随着AI快速进入各个行业，市场开始需要另一类人才：

　　既拥有扎实的AI技术基础，同时又真正理解某一个应用领域。

　　这其实已经预示了今年AI硕士发展的一个重要趋势：

　　AI正在从一个专业方向，逐渐变成一种可以和不同专业结合的基础能力。

　　5月：JHU把AI硕士带到Washington D.C.

　　到了5月，Johns Hopkins又宣布了一个新的变化。

　　JHU本来就已经有Artificial Intelligence MS，但过去主要通过Engineering for Professionals提供。今年，JHU第一次在Washington D.C.推出这个项目的：

　　Full-time + In-person版本。

　　项目地点位于Johns Hopkins Bloomberg Center。

　　所以严格来说，这并不是一个从零开始的新AI学位，而是JHU原有AI硕士的一次重要扩展。

　　但我觉得这个变化仍然很值得关注。

　　过去很多AI项目主要面向在职人士或者online students，现在学校开始越来越重视：

　　全日制、线下、直接面向职业发展的AI教育。

　　这个项目的课程包括Applied Machine Learning、Generative AI、Deep Learning、AI/ML Ops等。

　　从课程设置就可以看出来，它的目标并不是单纯培养未来做AI理论研究的学生，而是希望学生毕业之后真正能够进入企业，把AI技术应用到工作中。

　　这和今年很多新AI硕士的方向非常一致。

　　AI开始越来越强调落地。

　　7月：Michigan开始做AI+

　　到了7月底，University of Michigan Engineering又推出了一种更加值得关注的模式：

　　AI + Engineering。

　　Michigan新推出的是：

　　Master of Engineering in Artificial Intelligence Engineering。

　　但它并不是简单建立一个统一的AI硕士，然后所有学生学习同样的课程。

　　Michigan选择直接把AI和七个传统工程领域结合起来，包括：

　　· Aerospace Engineering

　　· Biomedical Engineering

　　· Civil & Environmental Engineering

　　· Electrical & Computer Engineering

　　· Industrial & Operations Engineering

　　· Mechanical Engineering

　　· Nuclear Engineering

　　学生最终获得的是：

　　MEng in Artificial Intelligence Engineering + 某一个工程领域的concentration。

　　这个思路其实和CMU这些年发展的AI Engineering 很相似。

　　它背后反映的是一个很重要的人才培养变化。

　　未来企业需要的AI人才，可能并不只是：

　　“我是一个AI Engineer。”

　　而越来越可能是：

　　“我是一个懂AI的机械工程师。”

　　“我是一个懂AI的生物医学工程师。”

　　“我是一个懂AI的电气工程师。”

　　“我是一个懂AI的工业工程师。”

　　这就是所谓的：

　　AI + X。

　　我认为，这可能是未来硕士教育中最值得关注的趋势之一。

　　因为工业界真正需要的，不一定只是能够训练大模型的人。

　　医疗需要懂医疗场景的AI人才，机器人需要懂控制、机械和AI的人才，制造业需要能够理解生产流程同时掌握AI的人才，能源、航空航天、生物医药也都是一样。

　　AI本身越来越像一种基础工具，而真正产生价值的地方，往往是AI和具体行业的结合。

　　8月：Berkeley正式推出MAIML

　　到了8月，UC Berkeley又正式宣布推出：

　　Master of Artificial Intelligence and Machine Learning，MAIML。

　　第一届学生将在2027 Fall入学。

　　这是一个非常典型的professional master’s。

　　项目只有两个学期，全日制线下完成，由Berkeley的College of Computing, Data Science, and Society开设，同时由EECS和Statistics faculty共同参与课程设计和教学。

　　课程包括Data Science、Machine Learning、Probability、Statistical Inference、AI Ethics等，同时项目还特别设计了Silicon Valley immersion。

　　它的定位其实非常Berkeley：

　　扎实技术基础 + AI/ML + 硅谷就业。

　　过去Berkeley已经拥有非常强的CS、EECS、Statistics和Data Science项目。

　　现在又单独推出一个Artificial Intelligence and Machine Learning硕士，本身就说明学校越来越认为：

　　AI已经不只是CS里面的一组课程，而是值得成为一个独立的graduate professional degree。

　　8月28日：芝大推出Applied AI

　　然后就是刚刚发布的芝加哥大学。

　　UChicago推出：

　　MS in Applied Artificial Intelligence。

　　而且项目名称中特意强调了一个词：

　　Applied。

　　它不是一个传统的AI理论项目，而是希望学生能够真正做到：

　　Build、Deploy and Lead with Emerging AI Technologies。

　　项目只有9个月，第一届将在2027 Fall入学。

　　如果把这个项目和前面几所学校放在一起看，就会发现它们虽然课程不同、定位不同，但有一个共同特点：

　　学校越来越强调AI不是只用来研究，而是要真正进入工业界、真正解决现实问题。

　　为什么今年突然出现这么多AI硕士?

　　我认为，根本原因还是工业界发生了变化。

　　过去很长一段时间，AI更多还是计算机科学里面的一个研究方向。

　　后来Machine Learning和Deep Learning逐渐进入大型科技公司，Data Scientist、Machine Learning Engineer等岗位开始大量出现。

　　而最近几年，尤其是Generative AI和AI Agents快速发展以后，AI开始真正进入几乎所有行业。

　　医疗、金融、咨询、制造、能源、生物医药、教育、传媒、机器人，越来越多的行业都开始思考同一个问题：

　　AI到底能够如何改变我们的业务?

　　与此同时，企业需要的人才结构也开始变化。

　　过去，一家公司可能需要Software Engineer、Data Scientist或者传统工程师。

　　现在越来越多的岗位开始要求：

　　Software + AI

　　Data + AI

　　Engineering + AI

　　Healthcare + AI

　　甚至：

　　Business + AI

　　当工业界的人才需求发生变化以后，大学的专业设置一定会跟着发生变化。

　　所以我们现在看到的，并不是简单的“AI很热门，所以学校改了几个专业名字”。

　　背后其实是硕士教育体系正在重新调整。

　　从CS里的AI，到独立AI硕士，再到AI+

　　如果把过去几年的变化放在一起，我觉得大致可以分成三个阶段。

　　最早是：

　　CS → AI/ML Track

　　学生先申请Computer Science，然后选择Artificial Intelligence或者Machine Learning方向。

　　后来逐渐出现：

　　独立的AI Master’s

　　比如今年的：

　　Columbia MS in AI

　　Berkeley MAIML

　　UChicago MS in Applied AI

　　而现在，又开始出现第三种形式：

　　AI + X

　　比如Michigan：

　　AI + Mechanical Engineering

　　AI + Biomedical Engineering

　　AI + ECE

　　AI + Civil Engineering

　　AI + Aerospace Engineering

　　这可能才是接下来真正值得关注的趋势。

　　因为AI最终很可能不会成为一个孤立的专业。

　　它会越来越像数学、统计、计算机一样，成为很多专业共同需要掌握的一种工具和能力。

　　接下来，还会有越来越多学校开AI硕士

　　我的判断是，今年可能只是一个开始。

　　未来几年，我们很可能会看到越来越多学校推出独立的AI硕士，同时也会看到越来越多：

　　AI + Finance

　　AI + Healthcare

　　AI + Robotics

　　AI + Biology

　　AI + Materials

　　AI + Energy

　　AI + Manufacturing

　　甚至AI和公共政策、社会科学、传媒、设计等领域结合的项目。

　　因为当AI真正成为工业界的一项基础能力之后，大学的专业设置和培养方式也一定会随之发生变化。

　　对于准备申请研究生的学生来说，这也意味着未来在选择专业时，可能不能再简单地问：

　　“我要不要学AI?”

　　更值得思考的问题可能是：

　　“我的专业和AI能够如何结合?”

　　“我未来希望在哪个行业使用AI?”

　　“我需要成为一个纯AI技术人才，还是一个既懂某个专业领域、又能够使用AI解决问题的人?”

　　这可能才是这一轮美国名校集中开设AI硕士项目背后，真正值得关注的变化。

　　综合来看，美国 AI 硕士正经历从 CS 下设方向、独立 AI 硕士，再到 AI+X 交叉项目的迭代，哥大、伯克利等名校新项目均侧重 AI 技术落地，匹配产业真实用人需求。选择美国 AI 硕士，申请者不能只盯着纯 AI 方向，更要结合自身背景思考 AI 与目标行业如何结合。不同项目学制、培养侧重差异较大，选校选专业需要结合职业规划综合判断。想要精准匹配美国 AI 硕士项目，欢迎咨询托普仕留学了解详情，获取专业申请规划。