却拿了一等奖
AI时代，编程班还要不要报？
9月初的上海，外滩大会的舞台上站着一个9岁女孩。
她叫罗安歌，来自杭州。台下坐着上千名观众，还有11家国内头部AI平台的负责人。
她有点不好意思地说：
"虽然爸爸教导我要用非暴力沟通的方式对待AI，但我发现，有时候吼吼AI还是有点用的，嘿嘿。"
台下笑成一片。
这个女孩，没写过一行代码。但她刚刚拿下了"外滩黑客松 · AI Coding大赛"的一等奖。
图片来源：中国日报
2026年9月9日，上海外滩大会。
这场AI Coding大赛，吸引了上万名参赛者，其中近七成未满18岁，最小的参赛者只有6岁。全场累计完成15577件AI应用作品，创下吉尼斯世界纪录。
11家头部AI平台首次全阵容集结——蚂蚁灵光、百度秒哒、阿里Qoder、腾讯吐司、字节扣子、商汤小浣熊……几乎你叫得出名字的大厂，都拿出了自己的AI编程产品。
而整场比赛最重要的一句规则，来自主办方：
"不管你用哪家的工具，都能参赛；不需要会写代码，有想法就行。"
于是6岁的徐茜伊做了AI识字工具，9岁的葛睿航把几何公式做成能拖拽的"几何实验室"，还有14岁初中生做的山难救援应用……
看到这条新闻，很多家长的第一反应是：
那编程班，是不是白报了？
先别急。这场比赛里，还藏着另一个数字。
赛后媒体沟通会上，百度秒哒产品负责人朱广翔给了一组自家团队的数据：
也就是说：代码AI几乎全包了，但真正"无人值守"跑完的，不到一半。剩下的环节，仍然需要人来补。
这中间的落差，就是"能写代码"和"能交付软件"的区别。
为什么补不平？朱广翔的解释很直接：生产级代码对上下文、部署场景、性能优化的要求，目前还没有被自动化覆盖。而大模型本质上是概率模型，必然存在幻觉和误差，必须有人兜底。
他给了一个判断：当前AI的编码水平，大约相当于工作数年的中级工程师。未来还会往上移，但即便再往上走，依然需要交叉复核。
他打了个比方——这就像自动驾驶：
人可以减少介入，但不能完全离场。
所以，AI真正降低门槛的是"把代码敲出来"这一步。
它没有降低的是：想清楚要什么、判断结果对不对、出了问题能定位到哪一步。
如果只盯着"不会写代码"这五个字，就漏掉了罗安歌真正厉害的地方。
两个月前她在江西赣州参加陶艺夏令营，挖土、和泥、制坯、捡柴、装窑、烧窑。七天下来，整套古法制陶工序长进了脑子里。回家后她想留下这段经历，于是把它拆成了AI能执行的模块——完整还原八大工序，还延伸出钓鱼、知识卡片三条支线。
这就是"拆需求"。AI再强，也得有人告诉它，要拆成什么。
AI听不懂，就换个说法再来；做错了，就指出来让它改。两天时间，作品迭代到了V7.4。
7个大版本的迭代意味着什么？意味着她一直在观察结果、判断哪里不对、然后动手修正——这正是"判断结果"和"定位问题"。
她的数字博物馆里，那些烧裂的、变形的、失败的陶片，也被一一摆进展柜。每件旁边都写着展签，说明是哪一步出了问题、为什么会失败。
图源：AI生成概念图
一个9岁的孩子，在认真收藏自己的失败，并且搞清楚失败的原因。
这哪里是"没学编程"？她做的恰恰是AI做不了的那部分——
把想法变成需求，把结果变成判断，把失败变成经验。
她自己的总结朴素又有分量："很多事情原来不懂，但跟AI一起共创之后，就开始懂了一点点。"
商汤小浣熊产品运营负责人王尚的说法更直接：新人仍然需要在实践中学习如何拆解需求、判断结果、定位问题，理解自己的代码会带来什么影响，对项目级开发保持"敬畏"——稳定交付和快速产出，不是一回事。
蚂蚁灵光运营负责人李响也认为：工程师的能力项正在转移，从"掌握语法"转向"如何调动模型能力"。
把这几句话翻译给家长，就是一张能力对照表：
看出来了吗？编程教育的价值并没有消失，它在往上走一层：从"技能训练"，变成"思维训练"。
以前学编程，是学"怎么告诉电脑"。
现在学编程，是学"怎么先想清楚，再让AI帮你做出来"。
底层那套东西——逻辑、结构、因果、拆解、复盘——一样都没少，反而更值钱了。
1. 别把"孩子会用AI"当成终点
会用AI做个小游戏，是起点，不是终点。真正的分水岭在于：他能不能说清楚自己想要什么，能不能判断AI给的结果对不对。
2. 别急着跳过基础
语文的"说得清楚"、数学的"讲得通逻辑"，还有耐心和复盘的习惯——这些在AI时代不但不多余，恰恰决定孩子能走多远。AI能补语法，补不了思维。
3. 选课时，看它到底教什么
一门好的编程课，重点不该只在"敲出来"，而在于有没有让孩子走完一个完整闭环：想清楚需求 → 动手实现 → 验证结果 → 发现问题 → 回来重做。这个闭环，才是孩子真正能带走的能力。
这也是【小码王】一直在坚持的一件事：让孩子亲手走完一个完整的创造闭环。
不是照着老师给的样子抄一个成品，而是从"我想做一个什么"开始——把想法变成需求，把需求拆成步骤，动手实现，运行验证，发现问题再回来改。AI是孩子手里的工具，但"想清楚"和"判断对错"这两件事，我们坚持让孩子自己来。
因为未来真正稀缺的能力，不是写得比AI快，而是想得比AI清楚。
回到文章开头那组数字——AI 生成代码占90%–95%，但完全无人参与的自动流程不到一半。
缺的那部分，是有人能判断结果对不对、能在出错时找准问题在哪、能把半成品真正交付出去。这三件事，光看着屏幕是学不会的——必须动手。
说到底，就是两种能力：一是动手实操，能把想法变成跑得起来的东西；二是AI 实践，能真的把 AI 用起来、而不只是听说过它。这也是【小码王】在课程上一直在死磕的方向。
机器人 Python 编程课，教具是一台人形机器人。孩子写的每一行 Python，都会变成机器人的真实动作：代码写对了，它抬手、抓取、行走、完成任务；代码写错了，它就卡住、停在原地。
最值钱的恰恰是"卡住"这一刻——孩子得自己找出是哪一行写错了。这不就是前面说的"定位问题"吗？在屏幕上，报错只是一行红字；在真机上，报错是眼前这台机器真的不动了。
机器狗图形化开发课，面向 1–3 年级。教具是一只可开发版的四足机器狗，工具是 MIT 设计的 Scratch 积木。孩子拖一块积木，机器狗就动一步——即时反馈，成就感来得很快。
但真正关键的是这一块：孩子能亲手训练一个 AI 模型。比如做一个"石头剪刀布"识别——收集数据 → 标注 → 训练 → 测试，完整走一遍模型从 0 到 1 的过程。
这件事的分量在于：孩子不是在"用"一个别人做好的 AI，而是亲手把 AI 做出来过一次。做过的路径会留在脑子里，用过的东西会过时，理解过的东西不会。
罗安歌在展柜前做的三件事——把想法拆开、反复迭代、记下失败的原因——在两门课里都被拆成了每天要练的动作。让孩子的手，够得着 AI。这是我们想守住的底线。
想看看孩子上手是什么样？
添加好友私信回复"动手"，我把两门课的课程大纲和真实课堂片段发给你；也可以约一次线下试听，让孩子自己操控一次机器狗——亲眼看他调通第一段代码时的表情，比听十次介绍都管用。
罗安歌说，她最大的感悟是："很多事情原来不懂，但跟AI一起共创之后，就开始懂了一点点。"
这句话，或许就是AI时代一个孩子该有的学习状态。
孩子不需要成为比AI打字更快的人，
但一定要成为比AI想得更清楚的人。
聊两句：你会让孩子继续学编程吗？还是觉得"AI都会写了，没必要"？评论区说说你的想法，我会挑几个典型问题，单独写一篇回答。
浙公网安备
33011002018290号