信息学、NOAI、LMCC，考的根本不是一回事

信息学、NOAI、LMCC，这三个名字放在一起，光看名字很难说清差别到底在哪。它们听着都跟编程、AI沾边，很容易被当成一回事，或者以为只是难度高低不同。

其实它们考的东西差得很远，远到可以用一个问题分开：这道题，到底谁在解？

信息学，是孩子自己解题，电脑只负责执行；NOAI，是孩子造一个AI，让AI去解题；LMCC，是孩子指挥一个现成的AI，让它把题做好。三件事，三种能力。

信息学：自己写出一套解法

想象手机导航。全国几十万个路口、几百万条路，从你家开到公司，怎么走最快？

信息学考的就是这一类题。孩子要自己想出一套计算方法，再写成程序（用的语言是C++），让电脑在1秒内把最快的那条路线算出来。

这类题有唯一的正确答案。难的不是答案是什么，而是你的方法够不够聪明、够不够快。算得慢了，超时，直接零分。

所以信息学练的是最硬的那部分功底：把一个复杂问题彻底想清楚，再写成又对又快的代码。这也是国内最成熟的一条赛道，NOI是五大学科竞赛之一，金牌能保送清华北大。

NOAI：训练一个AI替你解题

换一道题：给孩子几万张照片，让他教会一个AI，认出照片里有没有猫。

这里孩子不用告诉AI“猫有胡须、有尖耳朵”。他要做的，是给AI看足够多的例子，让它自己总结出猫长什么样，再去认没见过的新照片。这就是训练一个AI。

这类题没有一条永远算得对的公式。就像现实里大多数问题一样：一张模糊的照片、一段口音很重的录音、一份潦草的病历，本来就没有标准答案。比的不是谁背出了正确答案，而是谁训练的AI认得更准。甲的AI认对92%、乙的94%、丙的95%，丙就赢了。

“没有标准答案”听着像是这个比赛不严谨，其实正好相反。真实世界的问题大多是这样的，能让AI在这种问题上做得比别人好，正是AI最值钱的地方，也正是孩子靠真本事能拉开差距的地方。

NOAI考的就是这种动手实战：处理数据、搭模型、反复调试，用的语言是Python，跟大学、科研和产业界真正在做的AI是同一套。它面向初三到高三，选出的国家队去打国际赛IOAI。2024年第一届IOAI，美国队8名选手，后来5个进了MIT、3个进了斯坦福。

LMCC：把现成的AI指挥好

再换一道，这是LMCC2025年的真题。

考试给孩子一个已经训练好的AI小助手，外加一个装了100首唐诗的小题库。孩子要做的不是训练这个AI，而是写一段指令，教它先去题库里查诗、再回答古诗词填空题。（成人组的题目类似，换成让AI去批改小学生的数学作业。）

也就是说，孩子手里是一个别人已经造好的AI，考的是会不会把它用好：指令怎么写它才听得懂、怎么帮它查资料它才答得准。这正是现在最热的“提示词”和“AI搜索”背后的功夫。

LMCC是认证考级，不是奥赛。它不选国家队、不发奖牌，考完按分数发等级证书，分优秀、良好、合格几档。门槛也最低，8岁就能报，考两轮，第一轮是选择题，第二轮上机。适合刚入门、或者想先证明孩子懂AI、会用AI的家庭。

一句话记住这三个

这三个不是从易到难排成的一条线，而是三个不同的方向。信息学练的是把问题想到最优解的硬功夫，NOAI练的是从数据里造出一个能干活的AI，LMCC练的是把现成的AI用明白。选哪个，不是挑难度，是看孩子对哪件事更来劲。