百萬學員之后，愛學AI學習智能體完成低齡段全場景覆蓋

今年兩會審議的“十五五”規劃綱要中明確提出“促進人工智能助力教育模式變革”。這是國家層面第一次把人工智能與教育模式變革直接綁定，也意味著AI在教育中的角色不再只是補充工具，而是模式重構的核心變量。

AI在教育領域的演進路徑，經歷了早期的拍照搜題、作業批改等“工具層”應用，再到口語陪練、答疑助手等“輔助層”產品。到今天，具備“感知—決策—引導—記憶”四大能力的AI學習智能體，正在成為行業攻堅的核心方向。這是AI教育從“工具”到“主體”的范式躍遷，也是2026年整個賽道最值得關注的變量之一。

近日，愛學AI學習智能體推出針對低齡段的系統性產品布局，圍繞孩子最關鍵的三種核心素養——思維能力、語言能力與人文素養，分別推出愛學AI思維、愛學AI雙語、愛學AI人文素養三大解決方案，深度回應孩子思維啟蒙階段的核心學習需求，也是國內AI學習智能體首次以系統性產品矩陣進入這一成長關鍵期。

有趣、有料、有愛(AI)，AI Agent 落地低齡段的必要條件

在AI學習智能體這一領域，創立于2023年的與愛為舞，是一家少見的出生就在風口上的公司。不同于傳統教育機構需要向AI遷徙，與愛為舞從成立第一天起就是一家AI原生企業，其產品形態、業務邏輯、組織運行等全部以AI為起點。這種基因決定了它在Agent時代的天然適配性，也讓其旗下產品愛學，成為最早重構教學環節的AI學習智能體。

與傳統AI教育產品相比，AI學習智能體的本質區別在于它具備四種類人的教學能力：

● 感知力：通過實時語音交互與答題過程追蹤，識別學生的真實理解程度與思維斷點；

● 決策力：基于實時學情數據，自主決定下一步是追問、提示、拆解還是遷移；

● 引導力：不直接給答案，而是用遞進提問驅動學生自主推導；

● 記憶力：為每一個孩子建立長期學情檔案，讓每次互動學習都建立在“完全了解你”的基礎上。

2025年2月，與愛為舞正式推出AI學習智能體——愛學。依托自研的愛學教育大模型，以及覆蓋語音感知、課堂呈現與互動執行的全棧技術體系，愛學讓上述四種能力第一次在真實學習場景中跑通。AI得以像一位真人老師那樣，獨立承擔長程任務式學習“教與練”的完整過程，而不再停留在單次答疑的輔助層面。

不到一年的時間里，愛學服務的用戶已遍布全國32個省、342個城市，規模達百萬級，成為國內最早大規模落地的AI學習智能體之一。此次面向低齡段的系統性產品布局，是愛學在這一基礎上向縱深邁出的關鍵一步，讓AI學習智能體成為孩子在成長關鍵期的全場景“學伴”。

做低齡段AI教育產品容易走入一個誤區，就是將其當作高齡段產品的低配。事實上，兩者的邏輯完全不同。高齡段的孩子抽象思維基本成型，教育的核心是講題，重點在解題思路的拆解與應試能力的提升上；而低齡段的孩子還處于具象思維階段，加上好奇心旺盛，注意力容易分散，這一階段的教育核心是培養其綜合素養能力，重點在知識啟蒙、興趣培養和習慣養成。

我們認為，真正好的、適配低齡段場景的AI產品，必須滿足有趣、有料和有愛（AI）。”愛學產品負責人介紹道。

“有趣”是敲門磚，是激發孩子學習內驅力的關鍵。因為低齡段的孩子注意力集中時間短，容易被新鮮事物吸引，枯燥乏味很難抓住他們的注意力。必須融入他們熟悉的場景、游戲、故事之中，用生動形象的語言、活潑有趣的互動形式，點燃孩子們的學習興趣。

在“有趣”的基礎上，最關鍵的是要做到“有料”，即設計出一套符合這一階段的孩子的認知規律，兼具科學性、邏輯性和實用性的成長體系。

“有愛”則是通過AI技術來實現真正的大規模1V1精準互動，讓每一個孩子都能被即時關注、即時回應，讓線上教學過程也能擁有線下教學的互動感和溫度，真正實現“以孩子為中心”。

覆蓋三大核心素養，首個AI學習智能體在低齡場景系統落地

在“有趣”、“有料”、“有愛（AI）”的基礎上，此次愛學AI學習智能體圍繞低齡段孩子最關鍵的三種核心素養，包括思維能力、語言能力和人文素養開展了系統性布局。

在思維能力培養上，愛學提出了獨創的GMT引導式教學法，通過“引導思考(Guide) - 構建模型(Model) - 遷移能力(Transfer)”，以知識和問題情境為載體，通過探究、提煉和歸納解決問題的方法，幫助孩子們逐步建構可遷移的思維方式與思考能力。

愛學產品負責人介紹道：“我們通過7大模塊構建系統化知識地圖，專注培養16種核心思維方法，讓孩子會思考、會應用、會遷移。”

在語言能力培養上，愛學采用了AI中外教協同。外教AI負責地道口語輸入和糾音，中教AI負責能力的內化。整個過程遵循“情景導入→開口回答→激勵反饋→引導探究→實時反饋→自適應規劃”，每一步都讓孩子動腦動口，讓孩子真正敢開口、能表達、會運用，把語言從一門功課變回一種溝通工具。

在人文素養方面，愛學通過AI引導的“追問-思考-表達”閉環，系統訓練孩子的信息抓取、邏輯分析、精準概括和體會深意等能力。讓孩子從讀懂一段文字，到理解一種情感，最后能夠清晰地表達自己的觀點，最終擁有一生都用得上的閱讀能力、思辨能力和表達能力。

這種以AI為主體的全新模式，與傳統產品在主體、方式、個性化程度、能力邊界及交互體驗方面都有本質的不同。而這種能力的構建，需要一套深厚的AI技術棧能力。

愛學AI學習智能體對傳統模式的全維度重構

重構底座，專為低齡段打造的AI技術棧

讓AI智能體真正適配低齡場景，遠比想象中難。市面上大多數AI教育產品的做法，是把通用AI能力直接搬到教育場景，采用“通用大模型+通用語音識別+通用前端框架”的技術模式。但在低齡場景中，這套做法會全面失效。

通用語音識別的訓練數據都來自成人，套用到兒童身上會誤判口音和發音；通用前端框架支撐不了這一階段所需要的高強度游戲化互動；通用大模型的對話策略也無法適配兒童的認知節奏。

為了適應低齡段的學習習慣和場景，愛學把AI技術棧的每一層都重做了一遍。

愛學AI學習智能體專為低齡場景構建的全棧AI技術體系

教學決策層：愛學教育大模型

愛學自研教育大模型是國內首個圍繞“如何教得更好”而研發的垂類教學大模型，喂入了100+特級教師的真實數據、數萬教育與認知科學著作以及約百萬小時真實師生互動數據。讓AI深度復刻名師教學方法，同時也具備“名師級”的引導、追問和啟發能力。

“在 Agent 服務端，我們把復雜的多輪教學邏輯拆解為可分支、可回放的流程節點，使意圖理解、策略決策、話術生成更加清晰可控。”愛學產品負責人表示，“配合完整的可觀測鏈路，能夠快速定位對話策略與反饋中的問題，在保證流暢穩定的同時，讓 AI 更貼合孩子的認知規律，真正做到‘懂孩子’。”

語音感知層：專為兒童設計的語音技術棧

市面上成熟的發音評估系統，全部基于成人語音數據訓練。但低齡段的孩子正處于口腔肌肉、聲道與聲帶的快速發育期，語速不穩、重音不準、輔音銜接弱、尾音易省略，套用成人模型只會被誤判為“發音錯誤”，挫傷孩子開口的信心。

“我們專門構建了一套貼合兒童生理特性的發音評估系統，并針對不同年齡段的孩子設計了分級機制。”愛學產品負責人表示，針對6、7歲的孩子，先保護他們“敢說、能說”的意愿和興趣，對于8歲以上的孩子，再逐步引導規范發音。

在語音交互層面，團隊搭建了流式ASR實時轉寫，配合聲學VAD和語義VAD的雙重檢測。前者識別說話的起止，后者結合互動意圖智能判斷孩子是否真的說完。這意味著即使孩子中間有思考停頓，也不會被粗暴打斷。這種對兒童表達節奏的尊重，正是AI“懂孩子”的具體體現。

愛學AI學習智能體語音交互全鏈路示意

課堂呈現層：智能板書系統

低齡孩童注意力集中時間短、認知以具象化為主，傳統課件普遍存在“音畫不同步、動效與講解脫節”的核心痛點。愛學構建了一套通過時序文本引擎在話術中實現字級精準觸發的智能板書系統。核心機制是將畫面元素拆分為文本、圖片、視頻、動畫等可控組件，當AI老師講到某個知識點時，前端組件便執行相應的動態效果。

此外，愛學還會實時反顯孩子的語音作答信息，并進行可視化批改與點評，從單向輸出升級至雙向教學。這種“語音指揮畫面”的沉浸式體驗，能夠確保孩子的注意力被持續牽引，始終保持新鮮感，實現玩中帶學。

愛學AI學習智能體時序語義驅動的智能板書方案

互動執行層：游戲化引擎與聚合式架構

為了支撐課堂所需的復雜游戲化互動，前后端架構選定CocosCreator + 組件化 + 低代碼 + AI Agent架構，課程生產效率提升70%。

團隊還創新性地設計了“后端驅動 + 指令聚合”的前后端交互架構，核心教學邏輯由后端掌控以保證個性化能力，同時把服務端指令聚合打包后一次性下發，大幅減少交互頻次。同時還針對不同設備（學習機/手機/iPad/低配機型）實現差異化調度，自動降級非關鍵動畫與渲染邏輯，使低端設備頁面幀率提升40% 以上，卡頓率降低65%以上。

這種“全棧式低齡化”的技術路徑背后，凸顯出愛學團隊對于低齡段兒童學習訴求的深入洞察與挖掘，進而將其用獨創性的產品實現，真正確保了AI學習智能體的有趣、有料和有愛（AI）。

教育的“Agent時刻”正在到來。在教育的各個環節中，“教”始終是最難被技術賦能的一環，因為它依賴經驗、判斷、耐心以及對每個孩子的理解，而這些是過去幾乎所有技術工具都難以承載的部分。

AI學習智能體的出現，正在改變著這一現狀，當“教”這一行為能夠被技術承載時，就不再僅僅是工具的迭代，而是教學范式的深層變革。在這一變革中，“因材施教”這個延續了兩千多年的教育理想，第一次擁有了可大規模落地的技術路徑。

在這一變革中，與愛為舞的位置非常特殊，作為一家AI原生企業，它沒有歷史包袱，也沒有遷徙成本，從第一天起就把“AI如何教”作為唯一命題。愛學AI學習智能體面向低齡段的系統性布局，既是這家公司的產品階段成果，也是整個行業的一個觀察樣本。