原文第 1 页
美国公民及移民服务局 行政上诉办公室 非先例决定
案号：42091410 日期：2026年4月2日
对服务中心运营处（SCOPS）决定的上诉
表格 I-140，外籍工人移民申请（国家利益豁免）
申请人寻求以持有高级学位的专业人士身份获得职业移民第二优先（EB-2）移民分类，并寻求豁免与该分类相关的职位offer要求。见《移民与国籍法》（本法）第203(b)(2)条，8 U.S.C. § 1153(b)(2)。
服务中心运营处（SCOPS）驳回了该申请，认定申请人符合持有高级学位的专业人士分类资格，但未能证明豁免所需职位offer、进而豁免劳工证将符合国家利益。现本事项依据8 C.F.R. § 103.3提交本办公室进行上诉审查。
申请人负有以优势证据证明其资格的责任。Matter of Chawathe, 25 I&N Dec. 369, 375-76 (AAO 2010)。本办公室对本事项中的问题进行重新审查（de novo）。Matter of Christa's, Inc., 26 I&N Dec. 537, 537 n.2 (AAO 2015)。经重新审查，本办公室将驳回上诉。
一、法律
为符合基础EB-2签证分类资格，申请人必须证明其为高级学位专业人士或在科学、艺术或商业领域具有特殊才能的个人。本法第203(b)(2)(A)条。
如果申请人确立了基础EB-2分类的资格，则必须进一步证明其值得行使自由裁量权，豁免职位offer要求，即符合“国家利益”。本法第203(b)(2)(B)(i)条。Matter of Dhanasar, 26 I&N Dec. 884, 889 (AAO 2016)提供了审理国家利益豁免申请的框架。Dhanasar指出，美国公民及移民服务局（USCIS）可作为自由裁量事项¹，在申请人证明以下各项时授予国家利益豁免：
- 拟从事的事业兼具实质价值和国家级重要性；
¹ 见 Flores v. Garland, 72 F.4th 85, 88 (5th Cir. 2023)（与第三、第九、第十一及哥伦比亚特区巡回上诉法院一致，认定USCIS授予或拒绝国家利益豁免的决定本质上属于自由裁量性质）。
原文第 2 页
- 该个人处于有利地位，能够推进其拟从事的事业；且
- 综合权衡，豁免职位offer要求将有利于美国。
同上。
二、分析
SCOPS认定申请人符合持有高级学位的专业人士资格，但未满足Dhanasar先例决定中所述三项要件中的任何一项。² 因此，唯一需要确定的问题是申请人是否已证明豁免职位offer要求、进而豁免劳工证将符合国家利益。
提交申请时，申请人在I 13担任相机算法工程师。他表示其“拟从事的事业是使用先进的深度学习和机器学习模型，创建高效、安全且性能良好的人工智能（AI）流水线，使AI模型能够安全高效地部署于更多现实场景，并造福人类。”申请人进一步陈述：
在可预见的未来，我计划继续在 I担任相机算法工程师，推进我的拟从事事业。我于2024年1月开始担任相机算法工程师一职，并计划在可预见的未来继续担任该职位。
作为相机算法工程师，我的工作包括使用和设计AI模型及算法以改进相机并提供高质量的照片和视频。其中一个主要研究项目是降低AI模型的功耗和延迟，同时保持模型性能，使其能够高效部署于资源通常有限的相机中。我还将研究如何使相机安全可靠地生成高质量照片和视频。我目前的职责与我的拟从事事业相关，因为在这些项目中，我致力于高效、安全且性能良好的AI模型，并将其部署于相机中，使人们能够拥有更好的相机并在生活中获得更多便利。
我还通过与B-M-博士在----...------~统计系、[D-X-博士]在1.r-______.,........,~--~计算机科学系以及[R-Z-博士]在._________.的合作研究来推进我的拟从事事业。
² 申请人于2023年12月在.__________获得统计学博士学位。 ³ 在其表格ET A-9089附录A：外籍工人信息中，申请人表明其该职位的“工作职责”包括：“在高效AI和安全AI领域开展研究。使用先进的深度学习和机器学习模型创建高效、安全且性能良好的AI流水线，使AI模型能够安全高效地部署于更多现实场景，并造福人类。设计AI模型和算法以改进相机并提供高质量的照片和视频。研究如何降低AI模型的功耗和延迟，同时保持模型性能，使其能够高效部署于资源通常有限的相机中。”由于申请人申请的是职位offer要求豁免，其无需拥有特定雇主的职位offer。但是，本办公室将考虑有关其职位的信息，以说明其打算以何种身份工作，从而确定其拟从事事业是否符合Dhanasar框架的要求。
原文第 3 页
计算机科学系。我们目前的研究聚焦于提升计算机视觉和自然语言处理中的AI效率和AI安全性。我们致力于设计一种新颖的训练流水线，以获得安全、稀疏的深度神经网络，使AI模型在效率和安全性方面均具有良好特性。此外，我们为大型生成模型开发加速推理流水线，以提升其效率。通过这些项目，我持续开发兼具效率、安全性和良好性能的AI模型，为AI模型在人类日常生活中的广泛积极部署作出贡献。
在回应SCOPS的证据请求（RFE）时，申请人声称其计划“继续[其]关于高效安全的深度学习和机器学习模型的研究，旨在为多样化的资源受限场景和安全关键.......---'-"...............__...,___......_....,构建可靠的AI系统”，并概述了其声称计划开展的“三个研究项目”： ,--!=========~=====-_._-----------.-------------'"以及'" ._________________________." 关于其“长期就业计划”，申请人陈述：
我的长期职业目标是设计高效且安全的相机算法系统，使人们能够捕捉和保存生命中最珍贵的时刻，同时确保始终如一的可靠用户体验。. . . 此外，通过整合现代数据挖掘技术以满足相机系统日益增长的需求，我的研究有助于构建新一代智能、资源高效的边缘AI平台。
如下文所述，本办公室认定申请人未能依据Dhanasar所述分析框架确立国家利益豁免的资格。
A. 拟从事事业的实质价值和国家级重要性
Dhanasar第一项要件——实质价值和国家级重要性——聚焦于个人拟从事的具体事业。Dhanasar, 26 I&N Dec. at 889。事业的实质价值可在商业、创业、科学、技术、文化、健康或教育等一系列领域中得到证明。同上。本办公室同意SCOPS的认定，即申请人的拟从事事业具有实质价值。
在确定拟从事事业是否具有国家级重要性时，本办公室考虑其潜在的前瞻性影响。同上。本办公室撤回SCOPS关于申请人未能依据Dhanasar第一项要件确立其拟从事事业国家级重要性的结论。作为其拟从事研究具有实质价值和国家级重要性的证据，申请人提交了有关AI和机器学习在商业中益处的信息。他还提供了支持信函，讨论其工作如何有助于AI的进步。此外，申请人提交的文件表明，其拟从事研究的效益在AI领域具有更广泛的影响，因为研究成果通过科学期刊和会议传播给该领域的其他人。由于申请人已证明其拟从事研究兼具实质价值和国家级重要性，其已确立符合Dhanasar框架的第一项要件。
原文第 4 页
B. 处于有利地位能够推进拟从事事业
第二项要件将焦点从拟从事事业转向个人。同上，第890页。为确定其是否处于有利地位能够推进拟从事事业，本办公室考虑以下因素，包括但不限于：其教育背景、技能、知识以及在相关或类似工作中的成功记录；未来活动的模式或计划；实现拟从事事业的任何进展；以及潜在客户、用户、投资者或其他相关实体或个人的兴趣。同上。
记录中包含申请人的简历、博士学位、已发表和已展示的作品、同行评审服务以及资金来源的文件。申请人还提供了引用其已发表作品的文献、引用指标以及讨论其研究生研究的支持信函等证据。
申请人在上诉中主张，SCOPS未正确评估记录中的证据，且该证据证明其处于有利地位以推进拟议事业。申请人进一步主张，SCOPS未正确分析其已发表和已展示的作品、引用证据、支持信函、教育背景、同行评审服务及研究资金。4 基于下文所述理由，记录支持SCOPS的裁定，即在Dhanasar分析框架的第二项要件下，证据不足以证明申请人处于有利地位以推进其拟议事业。
在支持申请的信函中，申请人的推荐人讨论了其涉及机器学习建模的研究生研究项目。例如，B-M-博士，一位在 I的教授兼申请人的博士导师，表示他们“构建了一个贝叶斯分层模型以整合全球COVID-19数据并识别了国家层面的风险因素”，并“构建了一个自主实验设计框架，其表现优于基于高斯过程的方法”。B-M-博士进一步断言申请人“发现其内置的不确定性量化改善了COVID-19轨迹的预测，且其模型为卫生专家提供了可操作的见解”，但他未详细说明申请人的具体发现已在多大程度上被用于公共卫生监测。申请人也未以其他方式证明其研究发现构成成功或进展的记录，从而使其处于有利地位以推进其拟议事业。
此外，D-X-博士，一位在 的助理教授表示， I l申请人“引入了I l，这是一种将推理与基于工具观察相分离的模块化范式。[申请人]构建该范式以最小化所使用的token数量，直接解决了计算和成本问题。”5 尽管D-X-博士表示申请人的“系统实现了指令微调，以提升跨基准的性能并促进高效、可扩展的增强语言模型（ALM）开发”，但他未提供具体的
4 在其上诉书面论证意见中，申请人称SCOPS要求其证明“工作已对该领域作出重大意义的原创贡献”是错误的。我们同意申请人的观点，即Dhanasar第二项要件下不存在此类要求，并承认SCOPS的决定包含一些有问题的表述。然而，SCOPS在此方面的错误并不严重到足以削弱其余拒绝理由。 5 D-X-博士曾与B-M-博士及申请人合著多篇研究论文。
原文第 5 页
示例说明申请人的工作如何影响了该领域，或以其他方式表明其成功或进展达到使其处于有利地位以推进其拟议事业的水平。
此外，M-J-B-博士，一位在.__________________的教授，断言申请人“正朝着基于贝叶斯优化（BO）的完全自主实验设计框架取得有意义的进展。他整合了两个先进的代理模型，贝叶斯多元自适应回归样条和贝叶斯加性回归树。”M-J-B-博士进一步表示申请人“评估了模型的稳健性并确定BO框架增强了探索设计空间的效率……这些进展验证了[申请人]的方法，并为领域自适应机器学习的未来突破奠定了关键基础。”M-J-B-博士还写道，他和其他人在自己的工作中引用了申请人关于该主题的研究论文，但申请人未证明其工作受到的这种关注程度或其研究成功记录足以证明其处于有利地位。
申请人在上诉中称其研究论文“已在知名期刊上发表并在世界级会议上展示”，如n • Com utational Materials Scientific Reports、Heli·on、 ，以及I I 。他提供了'------------------------------------'文件，表明期刊的影响因子以及Google Scholar信息，将会议列为“1 I”和“~--------~”等类别中的顶级排名。出版物具有高期刊排名或影响因子反映了该出版物的整体引用率。然而，这并不显示任何特定作者的影响力，也不以其他方式证明个人的研究如何代表其所在领域的成功记录。
关于其工作的引用情况，申请人提交了其2024年6月和——应SCOPS的RFE——2025年10月的Google Scholar档案。最新档案显示其被引次数最高的五篇文章，标题分别为.........__________________________......,I 1 c2020), 1__________________ I r (2021), I.____________________ I t c2023) I I (2023), 以及'1~----------------~t' (2023)，分别获得139、131、118、89和21次引用。6
申请人还提供了Clarivate Analytics（In Cites Essential Science Indicators）2025年数据，涉及“计算机科学”研究领域按出版年份的基线引用率和百分位数。申请人主张“其九篇论文在各自出版年份中位列计算机科学被引次数最高论文的前10%，其中两篇达到该类别的前1%。”在此，申请人依赖关于计算机科学更大领域的引用信息，并将其在AI和机器学习领域的引用频率与更大领域进行比较。虽然我们承认AI和机器学习是计算机科学更大领域的一部分，但申请人未提交充分证据确认从更大领域推断的信息同等适用于计算机科学内的每个子领域，包括AI和机器学习。因此，申请人将其领域的引用次数与
6 截至2025年10月，申请人其余文章中没有任何一篇获得超过16次引用。
原文第 6 页
关于计算机科学更大领域引用情况的信息不足以确立其在机器学习领域的成功或影响水平。
此外，申请人提交了一篇发表在Scientometrics上的文章，作者为 和 ，标题为~----------------------------~ 基于引用百分位数的方法提案。”该文章提出了“如何评估自然与生命科学领域个体研究人员”的建议，用于资助、晋升或招聘决策。作者指出“在其学科领域内位列被引次数最高10%的出版物通常被称为高被引或优秀”，且“基于前10%的优秀指标”在“比较单个研究人员的科学表现时应给予最高权重”。虽然作者提出了研究表现文献计量分析的建议方法，但记录未表明其方法已被学术界接受和实施。此外，关于Google Scholar的引用信息，作者建议不要“使用Google Scholar（GS）作为文献计量分析的基础。多项研究指出GS在研究评估方面存在诸多缺陷。”
申请人的RFE回复包括OpenAlex作者指标，其声称将其引用影响力与“计算机科学”领域的其他研究人员进行比较。申请人再次依赖关于计算机科学更大领域的引用信息，并将其在AI和机器学习领域的引用频率与更大领域进行比较，但他未证明从更大领域推断的信息同等适用于计算机科学内的每个子领域，包括AI和机器学习。无论如何，引用频率本质上是定量的，并不揭示引用的原因，这涉及定性分析。换言之，高引用次数可能表明该领域的其他人注意到了申请人的工作，但并不能确认其工作以使其处于有利地位的方式影响或推进了该领域。
关于对申请人著作引用情况的定性分析，案卷中包含了引用其论文的文章的部分副本（例如，题为[已隐去]的文章）。这些文章包括引用的文本，申请人主张这些引用凸显了其论文的影响力。虽然我们同意申请人的观点，即这些引用表明其同事和领域内同行对其研究有一定程度的兴趣，但该证据不足以证明存在某种程度的兴趣或研究成功的记录，从而使其处于有利地位。案卷中的文章引用其工作，或是作为该领域所做研究的示例，或是在其引言部分作为当前研究概述的一部分，但没有任何一篇文章以能够证明其处于有利地位以推进拟议事业的方式突出或评论其研究。
申请人主张其引用记录比Dhanasar博士——即我们Dhanasar先例决定中的申请人——更强。虽然我们在Dhanasar博士所提交的文件中列出了其“出版物及其他引用其工作的已发表材料”，但我们根据第二项要件认定其处于有利地位并非基于其引用记录。相反，在我们的先例决定中，我们认定“申请人在其领域的教育背景、经验和专业知识，其在研究项目中角色的重要性，以及政府实体如NASA和AFRL的持续关注和资助，使其处于有利地位，能够继续推进其拟议的高超音速技术研究事业。”Dhanasar, 26 I&N Dec. at 893。
原文第 7 页
关于申请人的教育背景，虽然其博士学位使其符合基础EB-2签证类别的资格，但他未能证明其学术成就本身足以表明其处于有利地位以推进其拟议事业。7 在Dhanasar案中，案卷证明申请人持有多个研究生学位，包括“机械工程和应用物理学两个理学硕士学位，以及工程学博士学位。”Id. at 891。在确定申请人是否处于有利地位以推进其拟议事业时，我们考察多种因素，教育仅仅是可能有助于此类认定的众多因素之一。
申请人还主张其工作获得了“主要资金来源”的支持。为支持其主张，申请人提交了其与D-X-博士、B-M-博士等人合著的研究论文，其中包含致谢，注明其工作得到了国家科学基金会、国家癌症研究所、半导体研究公司、思科、德勤、联邦网络倡议和4-VA等组织的支持。在Dhanasar案中，案卷证明申请人“发起”了多项获资助的拨款提案，或是“多个获资助拨款提案的主要联系人”，并且其“在许多拨款中是唯一列名的研究人员。”Id. at 893, n.11。而在此案中，案卷并未显示申请人是（而非其教授）主要负责为其研究项目获取资金的人。
关于其同行评审活动，申请人提交了文件表明其为《Journal of Data Science》、《Trials》、《Heliyon》和《Neural Networks》以及[已隐去]等会议审阅稿件。然而，他未能证明其在广泛同行评审过程中的参与代表了其领域的成功记录，或是以其他方式表明其处于有利地位以推进其研究事业。8
关于申请人的未来计划，其初始陈述声称打算通过与[已隐去]统计系的B-M-博士、[已隐去]计算机科学系的D-X-博士以及[已隐去]计算机科学系的[R-Z-博士]合作研究来推进其拟议事业，但他未详细说明其未来的AI研究项目将如何获得资助。B-M-博士和D-X-博士的信函也未指明他们计划与申请人合作开展的具体研究项目。此
7 “USCIS认为，STEM领域的高级学位，特别是哲学博士（Ph.D.），若与拟议事业相关且与推进关键和新兴技术或其他对美国竞争力或国家安全重要的STEM领域的工作相关，则是在第二项要件评估中应与其他证据一并考虑的一个特别积极的因素。”参见6 USCIS Policy Manual, F.5(D)(4), https://www.uscis.gov/policy-manual。然而，仅凭学位本身并不足以认定某人处于有利地位以推进拟议事业。Id. 8 为证明豁免工作邀请要求符合国家利益，申请人必须超越仅仅展示其在某一特定领域的专业知识。8 C.F.R. § 204.5(k)(2)将“特殊能力”定义为“显著高于某一事业领域通常遇到的专业知识水平”。根据法规，具有特殊能力的个人通常受工作邀请/劳工证要求的约束；他们并不因其特殊能力而获得豁免。因此，无论某一申请人是寻求被归类为具有特殊能力的个人，还是作为持有高级学位的专业人士，该个人都不能仅通过证明其专业知识水平显著高于其专业领域通常遇到的水平来获得豁免资格。参见Dhanasar, 26 I&N Dec. at 886 n.3。
原文第 8 页
此外，案卷中不包含R-Z-博士的信函来佐证申请人的主张或指明其合作研究项目。无支持的断言和推测没有证据价值，不足以证明提交方已满足其举证责任。参见Matter of Mariscal-Hernandez, 28 I&N Dec. 666, 673 (BIA 2022)。
申请人最初还声称，“在可预见的未来”，他计划继续“在[已隐去]作为摄像头算法工程师推进我的拟议事业”。然而，申请人在回应SCOPS的补件通知时提供的更新陈述并未解释他计划如何通过其作为摄像头软件工程师的工作来开展与[已隐去]相关的拟议研究项目。
申请人的补件通知回应包含一封来自[已隐去]图像与视频处理经理H-C-博士的“雇佣信”，其中写道：
[申请人]担任以研究为重点的职位，约30%的时间致力于推进算法，这在其工作的各个方面发挥着至关重要的作用。其工作涉及开发和优化用于图像和视频处理与增强以及算法加速的机器学习和深度学习算法。通过这些努力，[申请人]为产生高质量照片和视频的创新做出了贡献。
H-C-博士的“雇佣信”未使用[已隐去]的信笺抬头，也未包含公司标志、实际地址或电话号码。此外，该信仅简要提及申请人致力于算法开发的工作，并未讨论其与拟议事业——即使用先进的深度学习和机器学习模型来创建高效、安全和性能良好的AI流水线——相关的具体研究项目。因此，申请人未能证明其在[已隐去]受雇期间将如何推进其拟议事业。9 案卷未显示[已隐去]对申请人具体拟议事业的支持，而非仅是一封宽泛主张的信函。因此，申请人未能充分证明其在[已隐去]推进其事业的能力以及其处于有利地位以推进该事业。
案卷表明申请人已开展、发表和展示了与其在[已隐去]研究生学习相关的研究，但他未能证明这项工作使其处于有利地位以推进其拟议事业。虽然我们认识到研究必须以某种方式为知识库增添信息才能被接受发表、展示、获得资助或学术学分，但并非每一位进行了原创研究的人都会被认定处于有利地位以推进其拟议事业。相反，我们考察Dhanasar案中列出的因素，以确定例如个人在实现拟议研究目标方面的进展、在类似努力中的成功记录或在相关方中产生的兴趣是否支持此类认定。Id. at 890。然而，申请人未能充分证明其研究生工作构成AI研究中的成功或进展记录，从而使其处于有利地位以推进其拟议事业。由于申请人未能证明其处于有利
9 申请人的研究出版物均未列出其与[已隐去]的隶属关系。
原文第 9 页
地位以推进其拟议研究事业，他未能证明其满足Dhanasar框架的第二项要件。
III. 结论
由于记录中的文件材料未能证明申请人处于有利地位，能够按Dhanasar先例决定第二项要件的要求推进拟议事业，因此他未能证明其符合国家利益豁免的资格。由于该问题对申请人的上诉具有决定性，我们拒绝审理并在此保留关于其依据Dhanasar所述第三项要件是否具备资格的上述论点。See INS v. Bagamasbad, 429 U.S. 24, 25 (1976) (per curiam)（裁定行政机关无须对最终决定所不必要的问题作出“纯属咨询性的认定”）。
由于申请人未满足Dhanasar分析框架所要求的第二项要件，我们认定其未能证明其符合资格，或经裁量本应获得国家利益豁免。基于上述理由，上诉将被驳回，每一项理由均作为本决定的独立且替代依据予以考量。
命令：上诉被驳回。
通知：本决定构成本事项的最终决定。提交动议不会推迟本决定的效力。8 C.F.R. § 103.5(a)(1)(iv)。非法居留的外国人，或原本不可入境或可被驱逐的外国人，可能因签发Form I-862出庭通知而面临依据该法第240条启动的驱逐程序。该等程序可能导致其被驱逐出美国，并可能使其丧失未来签证或其他移民福利的资格。
