AI正加速滲透進運動健康行業這一高度個體化、服務依賴型的垂直領域，推動從健身訓練到康復醫療的技術變革。
根據市場研究機構GII發布的數據，2024年全球體育人工智能（AI）市場規模約為47億美元，預計到2030年將增至210億美元，年均復合增長率達28.5%。其中，美國當前是全球最大市場，規模約13億美元；而中國市場增長勢頭強勁，年均增長率預計可達27.1%，預計到 2030 年市場規模將達到31億美元。
在這一趨勢下，越來越多企業試圖打破“AI+運動健康”的落地瓶頸。成立于2014年的維塑科技（Visbody）即為其中一例，其業務聚焦于人體姿態感知與數字建模技術，基于自研AI大模型，覆蓋塑形美態、運動表現及康復干預等多個場景。據公司披露，其產品已在全球68個國家的逾18000家機構落地，累計服務用戶超過千萬人。
“AI的真正價值在于‘主動型智能’。”維塑科技CTO褚智威表示，“它應能理解場景、判斷狀態，并在關鍵節點自動介入，而不是被動等待指令。AI不僅要懂‘動作’，更要懂‘人’。”
維塑科技CTO褚智威，受訪者供圖
AI的優勢在于自驅型決策機制
時代周報：當前“AI+運動健康”正在成為產業關注的焦點之一。但對普通用戶而言，其技術路徑和落地形態仍顯得抽象。能否結合實踐案例，系統介紹一下AI技術在這一領域的具體應用方式與發展趨勢？
褚智威：從整體來看，AI在“運動+健康”這個賽道的落地路徑分為兩個主要方向：第一，是通過AI提升數據管理的效率，涵蓋數據的采集、分析和輸出；第二，是提升用戶體驗，比如個性化的健康提醒、動態調整運動計劃等。
具體來說，在數據處理方面，AI打破了原有的技術瓶頸。過去做數據分析，必須依賴龐大的標準數據庫，而現在大模型，比如GPT類語言模型、視覺AI等方面的進步，讓我們可以通過自然語言或圖像輸入來收集和結構化信息。比如，用戶運動結束后直接用對話方式告訴AI自己做了哪些動作，或者拍一張飯前照片，系統就能自動識別飲食內容并生成分析。
分析層面上，AI也能自動將健康手冊、指南里的知識結構化，寫成程序代碼，再通過驗證后形成穩定的算法。這種“AI生成規則→人工審核→系統運行”的模式，能大幅提升可溯源性和穩定性。
時代周報：運動健康強調個體差異。AI要實現真正的個性化適配，既要規避過度泛化的風險，又要具備應對復雜場景的能力。你如何理解AI在這一領域的個性化挑戰與解決思路？
褚智威：實現運動健康的個性化適配，關鍵在于AI如何突破傳統“模板式”的決策方式，真正具備自主理解與動態響應能力。一方面，AI大大拓展了可接入的數據維度，通過語言模型、視覺識別等AI手段，我們可以采集更豐富、實時的用戶行為數據，比如飲食習慣、姿態變化、訓練頻次波動等，為個性化決策提供了更充足的“素材”。
另一方面，AI的優勢不僅在于計算能力，更在于“自驅型決策機制”。舉個例子：在游戲行業，早期NPC的行為是基于固定的“查表決策”，完全靠開發者預設。而現在引入AI后，NPC能基于場景主動推理、做出反饋、再驗證效果，這一機制同樣可以遷移到運動健康領域。
換句話說，AI不再只是執行某種“模式匹配”，而是可以根據用戶當前狀態，比如今天沒鍛煉、睡眠不足、訓練中斷等，主動思考下一步動作，并在規則體系內做出最優調整，甚至提供可解釋的理由。
AI是“增強型工具”
時代周報：維塑目前覆蓋了多個細分場景：運動健身、康復醫療、青少年成長等。是基于怎樣的技術布局邏輯推動橫向延展？這些方向之間有共性嗎？
褚智威：我們在產品布局上的邏輯，其實始終圍繞一個核心——運動。維塑無論是做運動健身、康復醫療，還是青少年成長發育管理，底層都是對人的運動姿態、平衡能力、肌肉骨骼協調性等多維指標的動態感知與評估。
比如說，我們在姿態分析、步態建模、身體穩定性判斷等方面打下了比較扎實的基礎，這些能力在不同場景中的復用度是非常高的。像脊柱側彎檢測、骨盆穩定性分析、運動損傷評估，表面上看是面向不同人群、不同需求，但它們的核心計算邏輯和數據鏈條其實是相通的。我們構建的是一個高度模塊化、可拼接的能力體系，而非零散的產品堆疊。
時代周報：當前不少公司在推“AI虛擬教練”或“AI健康顧問”。你如何看待這些產品的可行性？是否會成為用戶接觸AI運動健康的主要入口？
褚智威：這類產品確實是AI運動健康領域率先受到關注的一種形式，但我們對它的理解是相對審慎的。從用戶行為層面看，真正有強烈運動需求或康復需求的人群，普遍仍傾向于依賴專業人員的指導與陪伴，而不僅僅是一個虛擬助手。
這背后的原因在于，運動并非是一種輕量級的消費行為，它通常需要一定的毅力投入與過程性引導，用戶對“信任感”和“執行力”的要求更高。
在這種背景下，我們認為單一依靠AI虛擬教練來完成所有交互與決策，在短期內的可行性是有限的。維塑當然也會布局這一方向，但更關注的是AI如何作為“賦能工具”服務于整條專業鏈條，包括醫生、康復師、教練等人群。
從這個意義上講，我們更愿意將AI視作“增強型工具”而非“替代性角色”。至于是否成為主要入口，我們認為未來虛擬教練一定是一個趨勢，但當前階段更重要的是讓AI在專業服務鏈中找到穩固的位置，避免脫離現實需求的技術空轉。
時代周報：AI大模型常被質疑“幻覺”問題。在運動健康場景中，這種不確定性尤為敏感。在數據安全和AI可信度方面，有哪些解決方案？
褚智威：整體來看，我們將AI的應用分為兩個層級：非醫療級的運動健康管理與具有醫療屬性的康復干預，并針對性地制定了不同的風控策略。
在非醫療場景，比如日常健身或運動建議，我們采取的核心策略是：“保守輸出、分階段決策、結果可控”。簡單來說，我們不會讓AI直接自由輸出干預方案，而是通過設定邊界、約束邏輯路徑，讓AI在預設規則內完成個性化生成，并確保其建議符合基本的安全性和可執行性。
而在涉及醫療層級的應用，我們對AI的使用更加克制。這里的關鍵在于：不是讓AI直接生成決策或處方，而是由AI輔助完成“規則代碼化”與“自動迭代優化”。
舉個例子，我們會先將已有的臨床指南、康復手冊等轉化為結構化規則，再由AI輔助轉寫為代碼邏輯。這些代碼必須經過人工審核和驗證，通過測試后才會部署上線。這種方式既保障了AI生成內容的可追溯性，也大幅降低了“幻覺”帶來的風險。
此外，為了進一步強化可核查性，我們還引入了“原文追溯機制”。AI生成的內容必須標明其背后的依據，比如引用的標準條款或數據模型，確保每一個輸出都可以溯源、可驗證。
在數值類輸出方面，比如最大心率、RM（最大重復次數）等，我們禁止AI直接生成結果，而是通過AI調用專業工具或嵌入驗證過的公式庫，來輸出確定性的結果。
AI+運動健康仍處于早期階段
時代周報：AI進入運動健康領域已有一段時間。從你的觀察來看，當前AI的落地速度與普及程度如何？在哪些應用層面最有可能率先突破？
褚智威：AI在運動健康場景中的應用仍處于早期階段。不管是從行業整體的認知程度，還是從各家企業的實際探索深度來看，大家都還在嘗試和驗證階段，真正實現大規模落地和成熟的市場化路徑，尚需時間。
AI的潛力是巨大的，但要實現有效落地，關鍵仍在于如何適配具體場景，真正貼合用戶需求，并構建高質量的產品體驗。目前市場上也有不少產品號稱AI驅動，但用戶的感知并不強烈，原因之一就是很多AI技術雖已嵌入后臺，但在前端交互層面還缺乏足夠的體現，導致技術的躍遷未能轉化為明顯的體驗提升。
如果要說哪一類應用最容易率先突破，我認為是營養管理。這也是AI最容易嵌入、效率提升最明顯的領域。例如，過去營養方案往往依賴用戶手動記錄食物，現在AI可以通過拍照識別菜品、自動估算熱量和營養成分，甚至還能生成個性化的營養推薦。
當然，也有人會覺得營養推薦早已有之，那AI的加入到底帶來了什么不同？關鍵在于底層效率與精度的躍升。例如圖像識別的準確率更高、算法模型對飲食結構的理解更深、還能結合用戶的運動數據和健康目標進行聯動推薦，這些能力已經顯著增強了營養干預的智能性和適配性。
時代周報：運動健康是一個反饋相對滯后的領域，用戶往往需要經歷一段時間才能看到成效。在“AI+運動健康”實現大規模普及的過程中，你認為最關鍵的變量是什么？是技術本身的突破，產業生態的成熟，還是用戶認知層面的變化？
褚智威：我認為用戶認知不是決定性因素。很多時候我們說大眾認知不夠，其實是個偽命題。用戶的認知提升往往是由產品推動的。產品如果足夠好，自然會帶動認知提升。所以這歸根結底是產品設計和技術轉化能力的問題，不能歸因于用戶。
從更本質的角度來看，在“AI+運動健康”要實現真正規模化落地，技術突破當然重要，但我認為“產業融合”才是更關鍵的變量。這也是我們當前面臨的最大挑戰和機會。
因為整個健康產業本身的AI化速度確實相對較慢，尤其是跟3C電子這類高度標準化、技術驅動型行業相比，差距不小。這背后有它的客觀原因：健康領域強調個體差異、服務過程高度定制化，而且很多關鍵指標難以量化，這些都天然增加了AI落地的復雜性。
但也正是這種復雜性，為AI提供了真正的價值發揮空間。當我們在產業鏈里找到合適的切入點，結合專業服務者、產品方案與數據閉環能力，就有可能形成突破。
本文鏈接：http://www.020gz.com.cn/news-2-2737-0.html維塑科技褚智威：AI+運動健康屬早期階段，大眾認知不夠是偽命題
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
