非先例裁决
行政上诉办公室
美国公民及移民服务局
案件编号：35664074
日期：2025 年 3 月 4 日
对德克萨斯服务中心裁决的上诉
表格 I-140，外籍劳工移民申请（国家利益豁免）
申请人是一名机器学习工程师，寻求以持有高等学位的专业人士身份获得职业移民第二优先（EB-2）分类，并请求豁免该分类所附的工作邀请要求。见《移民与国籍法》（本法）第 203(b)(2) 条，8 U.S.C. § 1153(b)(2)。
德克萨斯服务中心审理主任拒绝了该申请，认定记录未能证明申请人展示了其拟议工作的国家重要性，也未能证明整体而言豁免工作邀请要求（进而豁免劳工证）对美国有利。本事项现依据 8 C.F.R. § 103.3 提交本办公室审理。
申请人负有以优势证据标准证明其资格的责任。Matter of Chawathe, 25 I&N Dec. 369, 375-76 (AAO 2010)。本办公室对本案问题进行重新审查。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。
I. 法律
为符合基础 EB-2 签证分类，申请人必须证明其是高等学位专业人士，或在科学、艺术或商业领域具有特殊能力的人士。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，其随后必须证明其值得行使裁量权，豁免工作邀请要求，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 案指出，美国公民及移民服务局（USCIS）可以行使裁量权，在申请人证明以下事项时批准国家利益豁免：
拟议工作同时具有实质价值与国家重要性；
该个人有能力推进其拟议工作；以及
整体而言，豁免工作邀请要求将有利于美国。
同上。
II. 分析
申请人是一名[已隐去]的高级机器学习工程师，其提议「继续从事计算机科学与工程研究及其实际应用的工作，通过软件工程、机器学习和深度学习的研究，使实验室技术的新成果能够服务于科学界以及 IT 和电子商务行业。」申请人明确表示其打算开展的研究项目包括：「优化新型搜索和统一浏览[已隐去]」、「为数字广告场景中的实时竞价开发[已隐去]」，以及「探索新的推荐模型架构，以支持[已隐去]和更广泛电子商务行业的更好的核心广告模型，目标是开发具有实际应用价值的更好的 AI 和 ML 模型，服务于美国电子商务和数字广告行业。」
审理主任认定，尽管申请人已证明其有能力推进其拟议工作，但其未能确立该工作的国家重要性，也未能证明整体而言豁免工作邀请要求将有利于美国。
A. 实质价值与国家重要性
第一项要素——实质价值与国家重要性——聚焦于该个人提议开展的具体工作。Matter of Dhanasar, 26 I&N Dec. at 889。工作的价值可以在商业、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。在确定拟议工作是否具有国家重要性时，本办公室考虑其潜在的前景影响。同上。在 Dhanasar 案中，本办公室指出「我们寻找拟议工作的更广泛影响」，并且「一项事业可能具有国家重要性，例如，因为它在某一特定领域具有国家甚至全球影响。」同上。本办公室还指出，「一项有显著潜力雇用美国工人或具有其他重大积极经济影响的事业，例如特别是在经济萧条地区，很可能被理解为具有国家重要性。」同上，第 890 页。
在上诉中，申请人主张[已隐去]在数字广告领域开发机器学习模型「推动了整体电子商务行业的销售增长和增长」，并「推进了机器学习、数据科学、电子商务和数字广告行业的发展」。申请人主张其工作值得具体的证据考量，因为它支持政府倡议，并寻求推进 STEM 技术和研究，包括电子商务和数字广告领域的机器学习和数据科学研究。本办公室认可此类技术创新的价值以及新兴技术的重要性；然而，仅仅在一个重要领域工作不足以确立拟议工作的国家重要性。相关问题不是申请人可能工作的领域、行业或职业的重要性；相反，本办公室聚焦于「外籍人士提议开展的具体工作」。Dhanasar 第 889 页。
在此，申请人是[已隐去]的高级机器学习工程师。申请人主张其工作「将得到其雇主[已隐去]的支持，该雇主已为其提供了开发和训练模型所需的所有必要资金、设备、计算能力和第一方客户数据集。」申请人主张其计划将「正在进行和未来的研究活动发表在预印本、期刊文章和行业会议」上，同时「将其模型整合到[已隐去]服务中」，该服务被零售商、企业和品牌使用。申请人表示使用[已隐去]「有利于美国小企业和零售商的利益，他们将通过更高效的数字广告获得更多销售、客户和利润。」
申请人的主管指出了申请人当前的三个项目，具体说明申请人正在从事：1）「多个搜索和统一浏览[已隐去]，它们共同影响超过 90% 的[已隐去]广告流量」，并「占公司总广告收入的 60% 以上」；2）「开发一个可以预测转化率以优化广告支出回报率（ROAS）的模型，使我们的平台更具吸引力，从而增加广告主预算和收入」；以及 3）「进行新的模型架构探索」，这「可以通过增强公司核心广告模型带来显著的收入增长（估计每年 2000 万美元）」。尽管申请人的主管与申请人一样，主张申请人的工作具有国家利益，「考虑到[申请人]机器学习模型在广告和电子商务中的众多现有和潜在实际应用」，但他仅详细说明了申请人的工作对其共同雇主[已隐去]的利益和应用。如上所述，申请人声称其工作将通过「预印本、期刊文章和行业会议」传播到[已隐去]服务之外的使用。然而，[已隐去]是一家私营公司，没有任何来自[已隐去]的声明——包括在申请人主管提交的材料中——表明其会支持申请人公开发表其工作成果。[已隐去]申请了专利，包括申请人为共同发明人之一，并发表了一篇与其深度学习内部研究相关的文章。但并不明显的是，[已隐去]的研究发现会公开提供，而不是由[已隐去]作为专有信息保留。值得注意的是，记录中没有关于申请人在 2020 年入职[已隐去]之后的预印本、期刊文章或行业会议的信息。记录中的推荐信表明申请人的工作「显著推进了[已隐去]的机器学习研究，并已被[已隐去]工程师实施」。同时，那些笼统主张申请人 2019 年研究论文及后续专利已被广泛实施的推荐信，并未详细说明这些专利具体在[已隐去]之外被应用的程度和方式。同样，这些信件也未具体说明申请人的当前拟议工作将如何在[已隐去]及其客户之外推进相关领域。总体而言，申请人未能充分证明其工作将超越其雇主的利益和零售客户，以在相关领域具有国家或全球影响的方式扩展，或产生与国家重要性相称的层面的更广泛影响。
申请人主张其「机器学习模型和数据分析工具对美国经济产生了显著的积极影响」，特别是「美国小企业、数字营销/广告、整体 2852.24 亿美元电子商务行业以及 1.1 万亿美元杂货行业的增长。」申请人具体指出与[已隐去]合作的公司「从广告中看到超过 15% 的销售增长，农产品广告主的平均销售增长超过 30%。」然而，尽管任何经济活动都有可能对经济产生积极影响，但申请人未能证明这种潜在的经济活动是其工作的直接结果。总体而言，申请人未能充分证明其拟议工作具有雇用美国工人或提供其他重大积极经济影响的显著潜力——超出其雇主及其雇主所服务的客户——从而对美国产生更广泛的影响。
B. Dhanasar 其他要素与不合格
由于本办公室对此问题的认定对申请人的上诉具有决定性，本办公室拒绝审理并保留申请人是否满足 Dhanasar 框架其他要素的问题。见 INS v. Bagamasbad, 429 U.S. 24, 25 (1976)（指出「法院和机构无需对结果所不需要的问题作出认定」）；另见 Matter of L-A-C-, 26 I&N Dec. 516, 526 n.7 (BIA 2015)（在申请人本已不合格的情况下拒绝审理上诉中的替代问题）。
III. 结论
由于申请人未能满足 Dhanasar 分析框架所要求的第一项要素，本办公室认定申请人未能证明其资格，也未能以裁量方式获得国家利益豁免。
裁定：
上诉驳回。
