形勢分析：AI 模型競賽嘅新戰場 — 由文字走到影像定位

2026 年 6 月，HuggingFace 上出現咗一個令人矚目嘅現象：NVIDIA 最新推出嘅 LocateAnything-3B 模型，喺短短 7 日內獲得超過 1,878 個讚好，下載量突破 13 萬次。呢個數字唔單止反映咗 AI 社群嘅熱情，更重要嘅係，佢標誌住 AI 模型嘅能力由「生成內容」進化到「理解空間」。

對於香港同台灣嘅高中生同大專生嚟講，呢個趨勢意味住乜嘢？好簡單：未來 STEM 領域嘅競爭，唔再係鬥你識唔識寫 Code，而係鬥你識唔識用得啱嘅 AI 工具去解決真實問題。

根據教育局最新數據，2025/26 學年 JUPAS 申請人數較去年上升 3.2%，而競爭最激烈嘅 STEM 學科（如 HKU 嘅工程科學、CUHK 嘅人工智能、HKUST 嘅計算機科學）平均每個學位有 12.7 個申請者。喺呢個情況下，一份平平無奇嘅個人陳述（Personal Statement）已經唔足夠突圍而出。你需要嘅係 一個具體、有數據支撐、而且展示你識用最新科技嘅專題研習作品。

LocateAnything-3B 係乜嘢？點解對學生咁重要？

LocateAnything-3B 係 NVIDIA 開發嘅一個 影像特徵提取（image-feature-extraction）模型，佢嘅核心能力係：俾一張圖片同一個文字描述，佢可以精準咁喺圖片入面 定位出相關嘅物件位置。

舉個例：你俾一張香港街景相，然後話「揾出所有紅色嘅的士」，LocateAnything-3B 可以喺幾秒內標記出每一架的士嘅位置，甚至畫出邊框。呢個能力聽落好似好簡單，但實際上背後涉及複雜嘅電腦視覺（Computer Vision）技術，傳統上需要大量人手標註數據同訓練模型。

對學生嚟講，呢個模型嘅最大價值係：免費、開源、而且可以喺普通 Notebook 上運行。 唔似得其他需要雲端 GPU 嘅模型，LocateAnything-3B 嘅 3B 參數版本經過量化（safetensors 格式），即使係用緊舊款 MacBook 或者 Windows 筆記本嘅學生，都可以喺本地運行。

3 個應用場景：由課堂報告到升學面試

場景一：地理科專題研習 — 城市規劃分析

香港中學文憑試（DSE）地理科嘅校本評核（SBA）要求學生進行實地考察同數據分析。傳統做法係用 Google Maps 截圖，然後人手數吓某個區域有幾多棟建築物、幾多棵樹。呢個過程唔單止耗時，而且容易出錯。

用 LocateAnything-3B 嘅方法：

  1. 拍攝或下載衛星圖片
  2. 用模型自動識別同標記建築物、植被、道路等元素
  3. 輸出結構化數據（例如：呢個區域有 47 棟建築物，綠化覆蓋率約 23%）
  4. 將結果整合到報告中，展示你嘅數據分析能力

面試加分位： 喺 HKU 地理系或 CUHK 城市研究嘅面試中，你可以直接展示呢個項目，說明你點樣利用 AI 提升數據收集效率。面試官通常會問：「你點樣確保數據準確？」呢個時候你可以解釋模型嘅 Precision 同 Recall 指標，展示你嘅技術深度。

場景二：生物科專題研習 — 物種識別同分佈分析

對於修讀生物科嘅學生嚟講，野外考察嘅物種記錄一直係難題。傳統方法係影相、返屋企對圖鑑、然後手寫記錄。而家用 LocateAnything-3B，你可以：

  1. 拍攝大量野外照片
  2. 訓練模型識別特定物種（例如：香港常見嘅蝴蝶品種）
  3. 自動統計每種物種嘅出現頻率同分佈範圍
  4. 結合 GPS 數據，製作物種分佈熱力圖

大學銜接： HKUST 嘅生物科技同 HKU 嘅生態學課程，近年都強調 計算生物學（Computational Biology） 嘅應用。如果你喺高中階段已經展示到呢方面嘅能力，申請相關課程時會有好大優勢。

場景三：工程科專題研習 — 瑕疵檢測模擬

對於對工程有興趣嘅學生，LocateAnything-3B 可以用嚟模擬工業瑕疵檢測場景：

  1. 拍攝一組產品圖片（例如：有瑕疵同無瑕疵嘅電路板）
  2. 用模型訓練一個瑕疵檢測系統
  3. 測試模型嘅準確率，比較唔同參數設定嘅效果
  4. 撰寫報告，分析模型嘅優缺點同改進方向

PolyU 機械工程嘅面試重點： 根據 PolyU 官方公布嘅 2026 年入學要求，機械工程學士課程嘅面試會包括一個 小組討論環節，題目通常係「點樣用科技解決一個現實問題」。如果你可以拎住呢個瑕疵檢測嘅項目經驗去討論，絕對會令你喺其他考生中脫穎而出。

具體院校入學要求同申請策略

HKU 工程學院（JS6901）

  • 2025 年收生中位數： 4C+2X 約 28 分（Best 6）
  • 面試形式： 小組討論 + 個人面試（約 30 分鐘）
  • 面試重點： 對工程問題嘅解難能力、團隊協作、創新思維
  • 獎學金： HKU 工程學院入學獎學金（最高 HK$80,000/年，需 DSE Best 6 達 30 分或以上）
  • 應用策略： 喺個人陳述中提及你用 LocateAnything-3B 完成嘅項目，並解釋點樣將電腦視覺技術應用於工程問題

CUHK 人工智能：系統與科技（JS4470）

  • 2025 年收生中位數： 4C+2X 約 29 分（Best 6）
  • 面試形式： 筆試（60 分鐘編程測試）+ 個人面試（20 分鐘）
  • 面試重點： 編程能力（Python 優先）、數學基礎（線性代數、概率）、對 AI 嘅熱誠
  • 獎學金： CUHK AI 入學獎學金（最高 HK$120,000/年，需 DSE Best 6 達 32 分或以上）
  • 應用策略： 面試時可以直接展示你點樣喺本地環境部署 LocateAnything-3B，解釋模型嘅技術細節（例如：Vision Transformer 架構、特徵提取機制），展示你嘅技術深度

HKUST 計算機科學（JS5210）

  • 2025 年收生中位數： 4C+2X 約 30 分（Best 6）
  • 面試形式： 小組討論（45 分鐘）+ 個人面試（15 分鐘）
  • 面試重點： 邏輯思維、編程能力、項目經驗
  • 獎學金： HKUST 入學獎學金（最高 HK$100,000/年，需 DSE Best 6 達 31 分或以上）
  • 應用策略： 將你嘅 LocateAnything-3B 項目放上 GitHub，面試時分享 GitHub Repository，展示你嘅開源貢獻同程式碼質量

PolyU 機械工程（JS3600）

  • 2025 年收生中位數： 4C+2X 約 22 分（Best 6）
  • 面試形式： 小組討論（30 分鐘）
  • 面試重點： 對工程嘅興趣、解難能力、團隊協作
  • 獎學金： PolyU 入學獎學金（最高 HK$60,000/年，需 DSE Best 6 達 25 分或以上）
  • 應用策略： 即使成績未去到最高分，一個實體嘅 AI 項目經驗可以幫你喺面試中突圍

行動清單：今日開始準備

第一階段：技術準備（今個星期內完成）

  • 下載 LocateAnything-3B 模型：去 HuggingFace 搜尋「nvidia/LocateAnything-3B」，跟住官方教學下載 safetensors 格式模型
  • 安裝必要套件：確保你嘅電腦裝咗 Python 3.10+、PyTorch 同 Transformers 套件
  • 運行官方範例：跟住 NVIDIA 提供嘅 Notebook 範例跑一次，確保模型可以正常運行

第二階段：項目開發（未來 2-4 星期）

  • 選擇主題：根據你嘅 DSE 選修科，揀一個適合嘅專題（地理/生物/工程）
  • 收集數據：拍攝或下載至少 100 張相關圖片作為訓練數據
  • 標註數據：用模型自動標註，然後人手修正，確保數據質量
  • 測試同優化：記錄模型嘅準確率，嘗試調整參數睇下有冇改善
  • 撰寫報告：包括項目背景、方法、結果、討論同結論

第三階段：升學應用（JUPAS 申請截止前）

  • 更新個人陳述：將項目經驗整合到 JUPAS 嘅個人陳述中，重點係你點樣應用 AI 解決真實問題
  • 準備面試材料：製作一個 5 分鐘嘅簡報（PPT 或影片），準備喺面試時展示
  • 上傳 GitHub：將程式碼同報告放上 GitHub，面試時可以分享連結
  • 模擬面試：搵老師或同學幫你模擬面試，練習點樣清晰解釋你嘅項目

第四階段：獎學金申請

  • 查閱截止日期：各大學獎學金申請截止日期通常喺 JUPAS 放榜後 1-2 星期
  • 準備證明文件：包括 DSE 成績單、項目報告、推薦信
  • 撰寫獎學金申請信：強調你嘅 AI 項目經驗點樣展示你嘅潛力同獨特性

延伸閱讀

總結：AI 時代嘅升學策略 — 唔係鬥高分，係鬥應用

2026 年嘅大學入學競爭已經唔再係單純鬥 DSE 分數。當大部分考生都係攞住差唔多嘅成績時，一個具體、有深度、展示你識應用最新科技嘅項目經驗，就係你突圍而出嘅關鍵。

NVIDIA LocateAnything-3B 嘅出現，為香港高中生提供咗一個難得嘅機會：用最前沿嘅 AI 技術，完成一個真正有意義嘅專題研習。唔好等啦，今日就開始下載模型，開始你嘅 AI 項目之旅。記住，機會永遠留俾準備好嘅人，而呢個機會，就喺你嘅電腦螢幕前面。