百人谈|少儿编程新十年,AI+教育平台的挑战与机遇

2016 年被称为「少儿编程元年」，到今刚好十年。

十年间，教育行业风起云涌，甚至经历了近三十年来最为深刻的一轮结构性调整。外部经济环境趋紧，行业增长逻辑持续重塑；学科类培训空间收缩，科技素养与创新能力逐步走向前台；与此同时，生成式 AI 的快速演进，正在重塑教育技术的可能边界。在多重变化叠加之下，教育行业于不确定性中走向下一个十年。

少儿编程行业当然无法独善其身，面对复杂的外部环境和 AI 工具的渗透，AI+教育平台到底能在少儿编程这块「亲生」业态中有何作为？

在 AI+教育平台领域，最难回答的问题，往往不是「技术能做到什么」，而是「什么才值得被做到」。

算法可以越来越强，模型可以不断迭代，但当教育对象是未成年人时，效率、结果与价值之间的张力，始终无法被简单量化。

AIOJ 是一家聚焦算法与信息学练习的 AI+教育平台，覆盖从低龄图形化编程到信息学竞赛训练的多个阶段，同时也为大型编程赛事与机构提供自动评测服务。其创始人李广在与多鲸的访谈中直言，许多教育科技产品的困境，并不源于技术不够先进，而是对教育场景与多方立场理解不足。「技术不是最大的问题，认知才是。」

AIOJ 页面（图片来源：AIOJ 官网）

从算法通识教育的定位，到对 AI 应用的克制使用；从对软硬件路径的审慎判断，到对行业认知错位的反思，李广试图回答的，其实是同一个问题：教育科技产品，如何在理想与现实之间，走出一条不急于讨好、却能够被长期需要的路？

围绕这一问题，多鲸对 AIOJ 创始人李广进行了深入访谈，试图从一线实践者的视角，拆解一家 AI+教育平台在理念、产品与现实之间的选择与取舍。

在许多公开介绍中，AIOJ 往往被理解为一个面向 6–13 岁青少年的编程或信息学平台，但在创始人李广看来，这种理解仍然停留在表层。AIOJ 的用户定位，并不是简单地以年龄划线，而是基于对信息学学习完整路径的重新拆解。

在 AIOJ 的研究框架中，青少年算法学习大致经历五个阶段：计算思维、算法入门、算法实践、算法提高，以及高阶算法。6–13 岁的学生，恰好覆盖了前四个阶段，而真正处在高阶算法阶段的，只是极少数拔尖群体。也正因为如此，AIOJ 的核心服务对象，并不是金字塔顶端的竞赛选手，而是覆盖了信奥赛体系中约 80% 的基础与进阶学习者。

这一定义，也决定了 AIOJ 对竞赛成绩的态度。在平台设计中，信奥赛成绩并非被视为唯一目标，而更像是一种自然产生的结果。算法学习本身，应当被理解为面向 AI 时代的一种通识能力，而竞赛只是这种能力外显的形式之一。但李广并不回避现实层面的张力——在当前教育环境下，信奥赛成绩对家长和学生依然具有极强的现实意义，这种「刚需」决定了平台不可能脱离竞赛体系空谈理念。

这种理念与现实之间的错位，也体现在用户的真实使用行为中。平台上线后，AIOJ 团队发现，大多数学生更热衷于刷竞赛相关内容，而对计算思维类题目兴趣有限。这并非能力问题，而更多来自家长和老师对学习路径的主导。真正愿意深入研究计算思维内容的，往往是少数家庭认知基础较强的用户，例如程序员家庭，或对算法教育高度认同的教师家庭。

正因如此，AIOJ 后续尝试通过授予「亲子内容官」权限、身份认可和荣誉证书等方式，引导家长与孩子共同参与算法学习，希望为算法教育提供可被模仿的正向样本。但李广也坦言，这类用户目前仍然稀缺。对平台而言，更重要的并不是假设所有用户都拥有同样的学习动机，而是在承认分层现实的前提下，设计能够覆盖最大多数的学习路径。

在产品层面，AIOJ 呈现出一种明显不同于多数竞品的形态：题库体系完整、覆盖面极广，看起来「多而全」。这种设计并非偶然，而是一种高度自觉的阶段性选择。

AIOJ「修炼场」板块（图片来源：AIOJ 官网）

李广将 AIOJ 当前的产品形态形容为「算法超市」。在平台早期，团队优先做的是补齐主流认证、考级与竞赛体系所需的题目，确保无论用户的目标是什么，都能在平台中找到对应内容。而这种策略的代价也十分明确——内容越丰富，用户的选择成本就越高。

是否要因此收缩内容、简化结构？AIOJ 的答案是否定的。在李广看来，尚未建立强势品牌之前，「超市」比「专卖店」更有竞争力。只要尚未进行大规模精准获客营销，平台首先需要保证的是体系的完整性与通用性，先为大部分用户实打实解决问题，而不是过早追求「极简体验」。

这并不意味着忽视用户体验。恰恰相反，AIOJ 内部反复强调的一个前提假设是：默认用户是没有耐心的。技术人员眼中的清晰结构，并不等同于普通用户的直觉理解。因此，平台在后续规划中引入了自动询问、千人千面等机制，希望通过最少的问题，快速帮助用户聚焦当前最需要的内容。

但这些能力并未在第一时间全面上线。原因在于，当前 AIOJ 的主要用户仍来自合作机构，学生背后有老师作为协助者，首次上手成本并未直接转化为大规模流失风险。在这种前提下，团队选择将资源优先投入到更核心的问题上，而不是过早为体验「打磨边角」。

在「AI + 教育」被不断放大的当下，AIOJ 对 AI 的态度显得格外克制。平台并非没有 AI 能力，而是有意识地放慢了上线节奏。

目前，AIOJ 已上线 AI 报告与 AI 助理等功能，但并未进行大规模推广。在李广看来，在数据尚不足以支撑通用大模型向专家大模型演变之前，任何看似智能的功能，都可能只是噪音。贸然将 AI 推向学生，等同于让用户承担实验风险。

基于这一判断，AIOJ 将重心放在深度 AI 纠错、AI 助学、AI 推题与 AI 学习报告等「可控场景」上，预计在 3 月份就会上线。这些场景的共同特征是：目标明确、结果可验证、反馈可回溯。相较之下，自由对话型 AI 虽然具备更强的情绪价值，但在低龄用户场景中，潜在价值观风险同样巨大。

李广明确表示，当前阶段暂时不会推动 AI 助理的深度拟人化或 IP 化。一方面，这是出于对未成年人价值观影响的谨慎判断；另一方面，也与算力成本和长期投入有关。作为一个早期 AI 创业团队，在资源有限的情况下，AIOJ 更倾向于先夯实基础。虽然以 AIOJ 目前的技术储备，要打造一个活灵活现的 AI 助理只差资金而已。

在他看来，AI 在教育中的真正难点，并不在于「能不能讲清楚知识」，而在于「如何获得可靠的学习反馈」。学生可能会假装学会、假装答对甚至间隙性掌握，真正有效的评估需要周期性验证与严谨设计。这些问题，本质上并非模型能力不足，而是教育场景复杂性的体现。

在是否引入硬件的问题上，李广并未从技术形态本身出发，而是首先指出了一个更底层、却长期被忽视的现实，数字产品天然存在「虚无价值的不被信任感」。

相较于纸质教材或实体教具，软件平台的学习成果往往「看不见、摸不着」。这种不可感知性，会在家长与学生心中放大不确定性，并逐渐演化为对数字产品的结构性偏见。许多关于「学了有没有用」「值不值得投入」的怀疑，并非源于产品能力不足，而是源于这种心理落差。「这就好比给你银行卡转 10000 元，和给你 10000 元现金，大部分对后者会更有感觉。」

正是在这一意义上，硬件的核心价值并不首先体现在功能层面，而体现在去偏见化上。当学习行为被承载在一个可触摸、可感知的实体载体中，信任成本会显著降低。所见即所得的交互体验，往往比任何功能说明都更容易建立安全感。

进一步而言，硬件还具备更强的交互性与情绪价值。对于低龄学习者而言，学习并非纯理性过程，趣味性、沉浸感和参与感，往往决定了学习是否能够持续发生。无论是游戏化、场景化设计，还是 AIOJ 对平台趣味性的强调，本质上都是在回应同一个问题：如何让学习本身变得值得持续投入，让算法练习有趣起来。

但李广并未将硬件视为「银弹」。在他看来，真正重要的不是是否存在缺陷，而是是否具备在获得竞争优势的同时持续修正缺陷的能力。有缺陷并不意味着会一直停留在缺陷状态，关键在于是否清醒地意识到问题并不断修正。这种「先有后优，背着缺陷进步」的基本原则对于 AIOJ 这样的初创团队来说是非常务实的选择。

从实际反馈来看，AIOJ 已经观察到用户对平台价值的认可正在转化为付费与充值行为，这种自发付费本身就意味着平台正在被视为「有价值的工具」。硬件的作用，在于放大这种价值感知，而非替代它。

那么 AIOJ 是如何从「虚拟」走向「现实」呢？

AIOJ 将突破口放在图形化语言上。行业内有一个共识，即「得图形化学生者得天下」。图形化语言是目前最容易实现「可感知化」编程体验的形态，与平板和学习机天然适配。如果将 AIOJ 的图形化算法能力封装为 APP，预装到缺乏自有内容的第三方学习机中，将有助于处于图形化编程阶段的学生，使用更专业的工具进行练习与备赛。

更重要的是，这一路径并不削弱算法训练本身。图灵奖获得者尼古拉斯·沃斯提出：「程序=数据结构+算法，不同语言的语法不同、应用领域不同、支持工具不同，但数据结构和算法是通用的」。

AIOJ 已与 50 多家机构实践验证，不同编程语言并不会影响算法能力的形成。通过图形化语言，小学生同样可以理解基础算法，并与后续 Python、C++ 的学习实现平滑衔接，从而补齐图形化编程长期被认为「功利性不足」的短板。对于青少年来说，这并非图形化语言本身的缺陷，而是一次让图形化语言能够借助 AIOJ，实现与代码语言同等 OJ 评测能力的技术突破。正如当年 Scratch（一款面向青少年的图形化编程语言）的诞生，让大众惊喜地发现青少年原来也可以学编程，甚至能够进一步学习 C++ 等更复杂的编程语言。目前，AIOJ 已与清华大学出版社正式签约，其首本图形化语言教材《从创意到算法》正在出版中。

放眼整个行业，李广对 AI + 编程教育的制约因素判断也十分明确：技术并非最大瓶颈，认知才是。

在 AIOJ 成立前，团队进行了长达六个月的系统调研，发现多数产品团队往往只具备单一优势：要么懂技术，要么懂市场，要么擅长教学，或精于运营；而能够同时理解多方立场，并将其整合进产品设计的团队，则极为罕见。AIOJ 作为信息学研究院+清华博士团队联合打造的编程练习与竞赛平台，幸运地聚合了核心要素。

在中国青少年教育场景中，孩子、家长、老师与机构的目标时有分歧，并不完全一致。教育产品必须在「孩子是第一用户、家长是最大金主」的现实中不断寻找平衡。AIOJ 在「延迟查看题解」等设计上的取舍，正是这种平衡的体现。到底是优先满足家长的期待，还是尊重用户（孩子）的学习体验？这样「都要」的平衡才是对 AIOJ 自身智慧的残酷考验。

类似的认知错位，也体现在部分机构仍然使用纸质卷子、要求学生手写代码的现象中。这种方式在家长眼中「踏实可见」，却在信息学训练中并不严谨。它之所以能够阶段性存在，本质上源于信息不透明，而非方法本身更优。

在李广看来，这并不是难解决的问题，而是一个认知正在升级的过渡阶段。随着 OJ 平台台与数据分析工具的普及，行业终将意识到：规范化、数据化、OJ 测评的练习方式，是信息学发展的必然趋势，是判断每个编程学习者是否真正掌握能力的重要途径。这一点，已经让许多平时「成绩优异」、却在 OJ 判题比赛或认证中「成绩意外」的家长和老师深有感触。

回看整场访谈，李广反复谈及的并不是某一项具体产品决策，而是一系列始终伴随教育科技发展的结构性矛盾。

首先，是素养目标与结果导向之间的张力。算法与编程被视为面向 AI 时代的重要通识能力，但在现实中，更容易被验证和追逐的，仍然是竞赛成绩等具象结果。教育科技产品很难完全脱离结果体系谈长期素养，却也无法仅以结果作为唯一目标。

其次，是孩子体验与家长决策之间的错位。产品希望站在孩子的学习节奏与成长规律出发，但真正决定是否付费的，往往是家长。当使用者与决策者并非同一主体，教育产品不得不在体验、信任与支付意愿之间反复权衡。

第三，是效率提升与伦理边界之间的拉扯。AI 的确能够显著提升教学与学习效率，但当对象是未成年人，尤其是低龄儿童和青少年时，技术的使用必须被明确约束。并非所有「能做的事」都适合被立即引入教育场景，克制本身也成为一种能力。

而在这些矛盾之下，还隐藏着一个更底层的问题：什么是正确的教育判断，而这些正确的教育判断是否一定会被立刻理解和接受。很多在教育上「更合理」的路径，并不总是符合当下的认知习惯与市场预期。教育科技产品所面对的，往往不是对与错的选择，而是如何在认知尚未同步的情况下，陪着用户一起向前。

在李广看来，教育科技并不存在一劳永逸的答案。真正重要的，是在这些长期并存的矛盾中，持续做出清醒而自知的选择——知道什么值得坚持，什么需要等待，又有哪些边界不能轻易跨越。

在复杂的不确定中寻找确定性，或许，这正是 AI+教育平台最现实、也最难的一道题。