2016 年被稱為「少兒編程元年」，到今剛好十年。

十年間，教育行業(yè)風起云涌，甚至經歷了近三十年來最為深刻的一輪結構性調整。外部經濟環(huán)境趨緊，行業(yè)增長邏輯持續(xù)重塑；學科類培訓空間收縮，科技素養(yǎng)與創(chuàng)新能力逐步走向前臺；與此同時，生成式 AI 的快速演進，正在重塑教育技術的可能邊界。在多重變化疊加之下，教育行業(yè)于不確定性中走向下一個十年。

少兒編程行業(yè)當然無法獨善其身，面對復雜的外部環(huán)境和 AI 工具的滲透，AI+教育平臺到底能在少兒編程這塊「親生」業(yè)態(tài)中有何作為？

在 AI+教育平臺領域，最難回答的問題，往往不是「技術能做到什么」，而是「什么才值得被做到」。

算法可以越來越強，模型可以不斷迭代，但當教育對象是未成年人時，效率、結果與價值之間的張力，始終無法被簡單量化。

AIOJ 是一家聚焦算法與信息學練習的 AI+教育平臺，覆蓋從低齡圖形化編程到信息學競賽訓練的多個階段，同時也為大型編程賽事與機構提供自動評測服務。其創(chuàng)始人李廣在與多鯨的訪談中直言，許多教育科技產品的困境，并不源于技術不夠先進，而是對教育場景與多方立場理解不足。「技術不是最大的問題，認知才是?！?/p>

AIOJ 頁面（圖片來源：AIOJ 官網）

從算法通識教育的定位，到對 AI 應用的克制使用；從對軟硬件路徑的審慎判斷，到對行業(yè)認知錯位的反思，李廣試圖回答的，其實是同一個問題：教育科技產品，如何在理想與現(xiàn)實之間，走出一條不急于討好、卻能夠被長期需要的路？

圍繞這一問題，多鯨對 AIOJ 創(chuàng)始人李廣進行了深入訪談，試圖從一線實踐者的視角，拆解一家 AI+教育平臺在理念、產品與現(xiàn)實之間的選擇與取舍。

在許多公開介紹中，AIOJ 往往被理解為一個面向 6–13 歲青少年的編程或信息學平臺，但在創(chuàng)始人李廣看來，這種理解仍然停留在表層。AIOJ 的用戶定位，并不是簡單地以年齡劃線，而是基于對信息學學習完整路徑的重新拆解。

在 AIOJ 的研究框架中，青少年算法學習大致經歷五個階段：計算思維、算法入門、算法實踐、算法提高，以及高階算法。6–13 歲的學生，恰好覆蓋了前四個階段，而真正處在高階算法階段的，只是極少數(shù)拔尖群體。也正因為如此，AIOJ 的核心服務對象，并不是金字塔頂端的競賽選手，而是覆蓋了信奧賽體系中約 80% 的基礎與進階學習者。

這一定義，也決定了 AIOJ 對競賽成績的態(tài)度。在平臺設計中，信奧賽成績并非被視為唯一目標，而更像是一種自然產生的結果。算法學習本身，應當被理解為面向 AI 時代的一種通識能力，而競賽只是這種能力外顯的形式之一。但李廣并不回避現(xiàn)實層面的張力——在當前教育環(huán)境下，信奧賽成績對家長和學生依然具有極強的現(xiàn)實意義，這種「剛需」決定了平臺不可能脫離競賽體系空談理念。

這種理念與現(xiàn)實之間的錯位，也體現(xiàn)在用戶的真實使用行為中。平臺上線后，AIOJ 團隊發(fā)現(xiàn)，大多數(shù)學生更熱衷于刷競賽相關內容，而對計算思維類題目興趣有限。這并非能力問題，而更多來自家長和老師對學習路徑的主導。真正愿意深入研究計算思維內容的，往往是少數(shù)家庭認知基礎較強的用戶，例如程序員家庭，或對算法教育高度認同的教師家庭。

正因如此，AIOJ 后續(xù)嘗試通過授予「親子內容官」權限、身份認可和榮譽證書等方式，引導家長與孩子共同參與算法學習，希望為算法教育提供可被模仿的正向樣本。但李廣也坦言，這類用戶目前仍然稀缺。對平臺而言，更重要的并不是假設所有用戶都擁有同樣的學習動機，而是在承認分層現(xiàn)實的前提下，設計能夠覆蓋最大多數(shù)的學習路徑。

在產品層面，AIOJ 呈現(xiàn)出一種明顯不同于多數(shù)競品的形態(tài)：題庫體系完整、覆蓋面極廣，看起來「多而全」。這種設計并非偶然，而是一種高度自覺的階段性選擇。

AIOJ「修煉場」板塊（圖片來源：AIOJ 官網）

李廣將 AIOJ 當前的產品形態(tài)形容為「算法超市」。在平臺早期，團隊優(yōu)先做的是補齊主流認證、考級與競賽體系所需的題目，確保無論用戶的目標是什么，都能在平臺中找到對應內容。而這種策略的代價也十分明確——內容越豐富，用戶的選擇成本就越高。

是否要因此收縮內容、簡化結構？AIOJ 的答案是否定的。在李廣看來，尚未建立強勢品牌之前，「超市」比「專賣店」更有競爭力。只要尚未進行大規(guī)模精準獲客營銷，平臺首先需要保證的是體系的完整性與通用性，先為大部分用戶實打實解決問題，而不是過早追求「極簡體驗」。

這并不意味著忽視用戶體驗。恰恰相反，AIOJ 內部反復強調的一個前提假設是：默認用戶是沒有耐心的。技術人員眼中的清晰結構，并不等同于普通用戶的直覺理解。因此，平臺在后續(xù)規(guī)劃中引入了自動詢問、千人千面等機制，希望通過最少的問題，快速幫助用戶聚焦當前最需要的內容。

但這些能力并未在第一時間全面上線。原因在于，當前 AIOJ 的主要用戶仍來自合作機構，學生背后有老師作為協(xié)助者，首次上手成本并未直接轉化為大規(guī)模流失風險。在這種前提下，團隊選擇將資源優(yōu)先投入到更核心的問題上，而不是過早為體驗「打磨邊角」。

在「AI + 教育」被不斷放大的當下，AIOJ 對 AI 的態(tài)度顯得格外克制。平臺并非沒有 AI 能力，而是有意識地放慢了上線節(jié)奏。

目前，AIOJ 已上線 AI 報告與 AI 助理等功能，但并未進行大規(guī)模推廣。在李廣看來，在數(shù)據尚不足以支撐通用大模型向專家大模型演變之前，任何看似智能的功能，都可能只是噪音。貿然將 AI 推向學生，等同于讓用戶承擔實驗風險。

基于這一判斷，AIOJ 將重心放在深度 AI 糾錯、AI 助學、AI 推題與 AI 學習報告等「可控場景」上，預計在 3 月份就會上線。這些場景的共同特征是：目標明確、結果可驗證、反饋可回溯。相較之下，自由對話型 AI 雖然具備更強的情緒價值，但在低齡用戶場景中，潛在價值觀風險同樣巨大。

李廣明確表示，當前階段暫時不會推動 AI 助理的深度擬人化或 IP 化。一方面，這是出于對未成年人價值觀影響的謹慎判斷；另一方面，也與算力成本和長期投入有關。作為一個早期 AI 創(chuàng)業(yè)團隊，在資源有限的情況下，AIOJ 更傾向于先夯實基礎。雖然以 AIOJ 目前的技術儲備，要打造一個活靈活現(xiàn)的 AI 助理只差資金而已。

在他看來，AI 在教育中的真正難點，并不在于「能不能講清楚知識」，而在于「如何獲得可靠的學習反饋」。學生可能會假裝學會、假裝答對甚至間隙性掌握，真正有效的評估需要周期性驗證與嚴謹設計。這些問題，本質上并非模型能力不足，而是教育場景復雜性的體現(xiàn)。

在是否引入硬件的問題上，李廣并未從技術形態(tài)本身出發(fā)，而是首先指出了一個更底層、卻長期被忽視的現(xiàn)實，數(shù)字產品天然存在「虛無價值的不被信任感」。

相較于紙質教材或實體教具，軟件平臺的學習成果往往「看不見、摸不著」。這種不可感知性，會在家長與學生心中放大不確定性，并逐漸演化為對數(shù)字產品的結構性偏見。許多關于「學了有沒有用」「值不值得投入」的懷疑，并非源于產品能力不足，而是源于這種心理落差?！高@就好比給你銀行卡轉 10000 元，和給你 10000 元現(xiàn)金，大部分對后者會更有感覺?！?/p>

正是在這一意義上，硬件的核心價值并不首先體現(xiàn)在功能層面，而體現(xiàn)在去偏見化上。當學習行為被承載在一個可觸摸、可感知的實體載體中，信任成本會顯著降低。所見即所得的交互體驗，往往比任何功能說明都更容易建立安全感。

進一步而言，硬件還具備更強的交互性與情緒價值。對于低齡學習者而言，學習并非純理性過程，趣味性、沉浸感和參與感，往往決定了學習是否能夠持續(xù)發(fā)生。無論是游戲化、場景化設計，還是 AIOJ 對平臺趣味性的強調，本質上都是在回應同一個問題：如何讓學習本身變得值得持續(xù)投入，讓算法練習有趣起來。

但李廣并未將硬件視為「銀彈」。在他看來，真正重要的不是是否存在缺陷，而是是否具備在獲得競爭優(yōu)勢的同時持續(xù)修正缺陷的能力。有缺陷并不意味著會一直停留在缺陷狀態(tài)，關鍵在于是否清醒地意識到問題并不斷修正。這種「先有后優(yōu)，背著缺陷進步」的基本原則對于 AIOJ 這樣的初創(chuàng)團隊來說是非常務實的選擇。

從實際反饋來看，AIOJ 已經觀察到用戶對平臺價值的認可正在轉化為付費與充值行為，這種自發(fā)付費本身就意味著平臺正在被視為「有價值的工具」。硬件的作用，在于放大這種價值感知，而非替代它。

那么 AIOJ 是如何從「虛擬」走向「現(xiàn)實」呢？

AIOJ 將突破口放在圖形化語言上。行業(yè)內有一個共識，即「得圖形化學生者得天下」。圖形化語言是目前最容易實現(xiàn)「可感知化」編程體驗的形態(tài)，與平板和學習機天然適配。如果將 AIOJ 的圖形化算法能力封裝為 APP，預裝到缺乏自有內容的第三方學習機中，將有助于處于圖形化編程階段的學生，使用更專業(yè)的工具進行練習與備賽。

更重要的是，這一路徑并不削弱算法訓練本身。圖靈獎獲得者尼古拉斯·沃斯提出：「程序=數(shù)據結構+算法，不同語言的語法不同、應用領域不同、支持工具不同，但數(shù)據結構和算法是通用的」。

AIOJ 已與 50 多家機構實踐驗證，不同編程語言并不會影響算法能力的形成。通過圖形化語言，小學生同樣可以理解基礎算法，并與后續(xù) Python、C++ 的學習實現(xiàn)平滑銜接，從而補齊圖形化編程長期被認為「功利性不足」的短板。對于青少年來說，這并非圖形化語言本身的缺陷，而是一次讓圖形化語言能夠借助 AIOJ，實現(xiàn)與代碼語言同等 OJ 評測能力的技術突破。正如當年 Scratch（一款面向青少年的圖形化編程語言）的誕生，讓大眾驚喜地發(fā)現(xiàn)青少年原來也可以學編程，甚至能夠進一步學習 C++ 等更復雜的編程語言。目前，AIOJ 已與清華大學出版社正式簽約，其首本圖形化語言教材《從創(chuàng)意到算法》正在出版中。

放眼整個行業(yè)，李廣對 AI + 編程教育的制約因素判斷也十分明確：技術并非最大瓶頸，認知才是。

在 AIOJ 成立前，團隊進行了長達六個月的系統(tǒng)調研，發(fā)現(xiàn)多數(shù)產品團隊往往只具備單一優(yōu)勢：要么懂技術，要么懂市場，要么擅長教學，或精于運營；而能夠同時理解多方立場，并將其整合進產品設計的團隊，則極為罕見。AIOJ 作為信息學研究院+清華博士團隊聯(lián)合打造的編程練習與競賽平臺，幸運地聚合了核心要素。

在中國青少年教育場景中，孩子、家長、老師與機構的目標時有分歧，并不完全一致。教育產品必須在「孩子是第一用戶、家長是最大金主」的現(xiàn)實中不斷尋找平衡。AIOJ 在「延遲查看題解」等設計上的取舍，正是這種平衡的體現(xiàn)。到底是優(yōu)先滿足家長的期待，還是尊重用戶（孩子）的學習體驗？這樣「都要」的平衡才是對 AIOJ 自身智慧的殘酷考驗。

類似的認知錯位，也體現(xiàn)在部分機構仍然使用紙質卷子、要求學生手寫代碼的現(xiàn)象中。這種方式在家長眼中「踏實可見」，卻在信息學訓練中并不嚴謹。它之所以能夠階段性存在，本質上源于信息不透明，而非方法本身更優(yōu)。

在李廣看來，這并不是難解決的問題，而是一個認知正在升級的過渡階段。隨著 OJ 平臺臺與數(shù)據分析工具的普及，行業(yè)終將意識到：規(guī)范化、數(shù)據化、OJ 測評的練習方式，是信息學發(fā)展的必然趨勢，是判斷每個編程學習者是否真正掌握能力的重要途徑。這一點，已經讓許多平時「成績優(yōu)異」、卻在 OJ 判題比賽或認證中「成績意外」的家長和老師深有感觸。

回看整場訪談，李廣反復談及的并不是某一項具體產品決策，而是一系列始終伴隨教育科技發(fā)展的結構性矛盾。

首先，是素養(yǎng)目標與結果導向之間的張力。算法與編程被視為面向 AI 時代的重要通識能力，但在現(xiàn)實中，更容易被驗證和追逐的，仍然是競賽成績等具象結果。教育科技產品很難完全脫離結果體系談長期素養(yǎng)，卻也無法僅以結果作為唯一目標。

其次，是孩子體驗與家長決策之間的錯位。產品希望站在孩子的學習節(jié)奏與成長規(guī)律出發(fā)，但真正決定是否付費的，往往是家長。當使用者與決策者并非同一主體，教育產品不得不在體驗、信任與支付意愿之間反復權衡。

第三，是效率提升與倫理邊界之間的拉扯。AI 的確能夠顯著提升教學與學習效率，但當對象是未成年人，尤其是低齡兒童和青少年時，技術的使用必須被明確約束。并非所有「能做的事」都適合被立即引入教育場景，克制本身也成為一種能力。

而在這些矛盾之下，還隱藏著一個更底層的問題：什么是正確的教育判斷，而這些正確的教育判斷是否一定會被立刻理解和接受。很多在教育上「更合理」的路徑，并不總是符合當下的認知習慣與市場預期。教育科技產品所面對的，往往不是對與錯的選擇，而是如何在認知尚未同步的情況下，陪著用戶一起向前。

在李廣看來，教育科技并不存在一勞永逸的答案。真正重要的，是在這些長期并存的矛盾中，持續(xù)做出清醒而自知的選擇——知道什么值得堅持，什么需要等待，又有哪些邊界不能輕易跨越。

在復雜的不確定中尋找確定性，或許，這正是 AI+教育平臺最現(xiàn)實、也最難的一道題。

教育行業(yè)流量格局大變革！AI 搜索時代已至

流量權力中心正從搜索引擎遷移至 DeepSeek、豆包、元寶等 AI 平臺。GEO（生成式引擎優(yōu)化）成為新風口，傳統(tǒng) SEO 邏輯被徹底顛覆。

當家長開始用 AI 選課程，你的教育品牌會被推薦嗎？

還在為高昂的獲客成本發(fā)愁？AI 搜索時代，流量規(guī)則已徹底改變！

想知道如何讓品牌成為 DeepSeek、豆包、元寶等 AI 工具的「首選答案」？

好奇 3 個月實現(xiàn)咨詢成本降低 93%的 GEO 技術如何落地？

??掃碼下方二維碼添加好友并備注「GEO」，立即解鎖AI搜索流量紅利