Tendemos a pensar nos sons das letras como distintos, mas os linguistas os dividem em seus movimentos constituintes de boca / língua / garganta / lábio. Então 'aah' é apenas uma simples vocalização da garganta, 'Da' é o mesmo, mas com o movimento de abrir a boca com a língua. São vários os sons que requerem pouco movimento dos músculos da boca e, por esse motivo, são os que a maioria das crianças exibe cedo.
Outros sons exigem movimentos mais complexos ou ações coordenadas e, por isso, pode ser mais difícil para a criança dominar. l, s, r, v, z, ch, sh, th (mencionados na resposta de William Grobman) são todos bons exemplos. Pense em como sua boca se move ao emitir esses sons.
Meu filho de 3 anos tem dificuldades de pronúncia semelhantes às letras que exigem movimentos da língua, e ele solta ou falsifica as letras como t, s, z, sh. (Eu mesmo tive problemas na primeira série.) Por outro lado, minha filha de um ano parece se sair muito bem com sons baseados na língua, mas não diz muitos sons labiais como m e p.
Eu acho que cada criança segue seu próprio caminho para dominar os diferentes movimentos da boca. Alguns eles pegam automaticamente por conta própria, outros podem precisar de treinamento extra. Eu faço isso jogando jogos de imitar a língua com meu filho (como os professores fizeram comigo), para ajudá-lo a aprender os movimentos musculares dos quais os sons das letras mais complexos dependem. Mas acho que ele ainda tem alguns anos antes de precisar derrubá-los, então não se preocupe muito com isso.