本文来源：时代周报 作者：朱成呈

AI正加速渗透进运动健康行业这一高度个体化、服务依赖型的垂直领域，推动从健身训练到康复医疗的技术变革。

根据市场研究机构GII发布的数据，2024年全球体育人工智能（AI）市场规模约为47亿美元，预计到2030年将增至210亿美元，年均复合增长率达28.5%。其中，美国当前是全球最大市场，规模约13亿美元；而中国市场增长势头强劲，年均增长率预计可达27.1%，预计到 2030 年市场规模将达到31亿美元。

在这一趋势下，越来越多企业试图打破“AI+运动健康”的落地瓶颈。成立于2014年的维塑科技（Visbody）即为其中一例，其业务聚焦于人体姿态感知与数字建模技术，基于自研AI大模型，覆盖塑形美态、运动表现及康复干预等多个场景。据公司披露，其产品已在全球68个国家的逾18000家机构落地，累计服务用户超过千万人。

“AI的真正价值在于‘主动型智能’。”维塑科技CTO褚智威表示，“它应能理解场景、判断状态，并在关键节点自动介入，而不是被动等待指令。AI不仅要懂‘动作’，更要懂‘人’。”

维塑科技CTO褚智威，受访者供图

AI的优势在于自驱型决策机制

时代周报：当前“AI+运动健康”正在成为产业关注的焦点之一。但对普通用户而言，其技术路径和落地形态仍显得抽象。能否结合实践案例，系统介绍一下AI技术在这一领域的具体应用方式与发展趋势？

褚智威：从整体来看，AI在“运动+健康”这个赛道的落地路径分为两个主要方向：第一，是通过AI提升数据管理的效率，涵盖数据的采集、分析和输出；第二，是提升用户体验，比如个性化的健康提醒、动态调整运动计划等。

具体来说，在数据处理方面，AI打破了原有的技术瓶颈。过去做数据分析，必须依赖庞大的标准数据库，而现在大模型，比如GPT类语言模型、视觉AI等方面的进步，让我们可以通过自然语言或图像输入来收集和结构化信息。比如，用户运动结束后直接用对话方式告诉AI自己做了哪些动作，或者拍一张饭前照片，系统就能自动识别饮食内容并生成分析。

分析层面上，AI也能自动将健康手册、指南里的知识结构化，写成程序代码，再通过验证后形成稳定的算法。这种“AI生成规则→人工审核→系统运行”的模式，能大幅提升可溯源性和稳定性。

时代周报：运动健康强调个体差异。AI要实现真正的个性化适配，既要规避过度泛化的风险，又要具备应对复杂场景的能力。你如何理解AI在这一领域的个性化挑战与解决思路？

褚智威：实现运动健康的个性化适配，关键在于AI如何突破传统“模板式”的决策方式，真正具备自主理解与动态响应能力。一方面，AI大大拓展了可接入的数据维度，通过语言模型、视觉识别等AI手段，我们可以采集更丰富、实时的用户行为数据，比如饮食习惯、姿态变化、训练频次波动等，为个性化决策提供了更充足的“素材”。

另一方面，AI的优势不仅在于计算能力，更在于“自驱型决策机制”。举个例子：在游戏行业，早期NPC的行为是基于固定的“查表决策”，完全靠开发者预设。而现在引入AI后，NPC能基于场景主动推理、做出反馈、再验证效果，这一机制同样可以迁移到运动健康领域。

换句话说，AI不再只是执行某种“模式匹配”，而是可以根据用户当前状态，比如今天没锻炼、睡眠不足、训练中断等，主动思考下一步动作，并在规则体系内做出最优调整，甚至提供可解释的理由。

AI是“增强型工具”

时代周报：维塑目前覆盖了多个细分场景：运动健身、康复医疗、青少年成长等。是基于怎样的技术布局逻辑推动横向延展？这些方向之间有共性吗？

褚智威：我们在产品布局上的逻辑，其实始终围绕一个核心——运动。维塑无论是做运动健身、康复医疗，还是青少年成长发育管理，底层都是对人的运动姿态、平衡能力、肌肉骨骼协调性等多维指标的动态感知与评估。

比如说，我们在姿态分析、步态建模、身体稳定性判断等方面打下了比较扎实的基础，这些能力在不同场景中的复用度是非常高的。像脊柱侧弯检测、骨盆稳定性分析、运动损伤评估，表面上看是面向不同人群、不同需求，但它们的核心计算逻辑和数据链条其实是相通的。我们构建的是一个高度模块化、可拼接的能力体系，而非零散的产品堆叠。

时代周报：当前不少公司在推“AI虚拟教练”或“AI健康顾问”。你如何看待这些产品的可行性？是否会成为用户接触AI运动健康的主要入口？

褚智威：这类产品确实是AI运动健康领域率先受到关注的一种形式，但我们对它的理解是相对审慎的。从用户行为层面看，真正有强烈运动需求或康复需求的人群，普遍仍倾向于依赖专业人员的指导与陪伴，而不仅仅是一个虚拟助手。

这背后的原因在于，运动并非是一种轻量级的消费行为，它通常需要一定的毅力投入与过程性引导，用户对“信任感”和“执行力”的要求更高。

在这种背景下，我们认为单一依靠AI虚拟教练来完成所有交互与决策，在短期内的可行性是有限的。维塑当然也会布局这一方向，但更关注的是AI如何作为“赋能工具”服务于整条专业链条，包括医生、康复师、教练等人群。

从这个意义上讲，我们更愿意将AI视作“增强型工具”而非“替代性角色”。至于是否成为主要入口，我们认为未来虚拟教练一定是一个趋势，但当前阶段更重要的是让AI在专业服务链中找到稳固的位置，避免脱离现实需求的技术空转。

时代周报：AI大模型常被质疑“幻觉”问题。在运动健康场景中，这种不确定性尤为敏感。在数据安全和AI可信度方面，有哪些解决方案？

褚智威：整体来看，我们将AI的应用分为两个层级：非医疗级的运动健康管理与具有医疗属性的康复干预，并针对性地制定了不同的风控策略。

在非医疗场景，比如日常健身或运动建议，我们采取的核心策略是：“保守输出、分阶段决策、结果可控”。简单来说，我们不会让AI直接自由输出干预方案，而是通过设定边界、约束逻辑路径，让AI在预设规则内完成个性化生成，并确保其建议符合基本的安全性和可执行性。

而在涉及医疗层级的应用，我们对AI的使用更加克制。这里的关键在于：不是让AI直接生成决策或处方，而是由AI辅助完成“规则代码化”与“自动迭代优化”。

举个例子，我们会先将已有的临床指南、康复手册等转化为结构化规则，再由AI辅助转写为代码逻辑。这些代码必须经过人工审核和验证，通过测试后才会部署上线。这种方式既保障了AI生成内容的可追溯性，也大幅降低了“幻觉”带来的风险。

此外，为了进一步强化可核查性，我们还引入了“原文追溯机制”。AI生成的内容必须标明其背后的依据，比如引用的标准条款或数据模型，确保每一个输出都可以溯源、可验证。

在数值类输出方面，比如最大心率、RM（最大重复次数）等，我们禁止AI直接生成结果，而是通过AI调用专业工具或嵌入验证过的公式库，来输出确定性的结果。

AI+运动健康仍处于早期阶段

时代周报：AI进入运动健康领域已有一段时间。从你的观察来看，当前AI的落地速度与普及程度如何？在哪些应用层面最有可能率先突破？

褚智威：AI在运动健康场景中的应用仍处于早期阶段。不管是从行业整体的认知程度，还是从各家企业的实际探索深度来看，大家都还在尝试和验证阶段，真正实现大规模落地和成熟的市场化路径，尚需时间。

AI的潜力是巨大的，但要实现有效落地，关键仍在于如何适配具体场景，真正贴合用户需求，并构建高质量的产品体验。目前市场上也有不少产品号称AI驱动，但用户的感知并不强烈，原因之一就是很多AI技术虽已嵌入后台，但在前端交互层面还缺乏足够的体现，导致技术的跃迁未能转化为明显的体验提升。

如果要说哪一类应用最容易率先突破，我认为是营养管理。这也是AI最容易嵌入、效率提升最明显的领域。例如，过去营养方案往往依赖用户手动记录食物，现在AI可以通过拍照识别菜品、自动估算热量和营养成分，甚至还能生成个性化的营养推荐。

当然，也有人会觉得营养推荐早已有之，那AI的加入到底带来了什么不同？关键在于底层效率与精度的跃升。例如图像识别的准确率更高、算法模型对饮食结构的理解更深、还能结合用户的运动数据和健康目标进行联动推荐，这些能力已经显著增强了营养干预的智能性和适配性。

时代周报：运动健康是一个反馈相对滞后的领域，用户往往需要经历一段时间才能看到成效。在“AI+运动健康”实现大规模普及的过程中，你认为最关键的变量是什么？是技术本身的突破，产业生态的成熟，还是用户认知层面的变化？

褚智威：我认为用户认知不是决定性因素。很多时候我们说大众认知不够，其实是个伪命题。用户的认知提升往往是由产品推动的。产品如果足够好，自然会带动认知提升。所以这归根结底是产品设计和技术转化能力的问题，不能归因于用户。

从更本质的角度来看，在“AI+运动健康”要实现真正规模化落地，技术突破当然重要，但我认为“产业融合”才是更关键的变量。这也是我们当前面临的最大挑战和机会。

因为整个健康产业本身的AI化速度确实相对较慢，尤其是跟3C电子这类高度标准化、技术驱动型行业相比，差距不小。这背后有它的客观原因：健康领域强调个体差异、服务过程高度定制化，而且很多关键指标难以量化，这些都天然增加了AI落地的复杂性。

但也正是这种复杂性，为AI提供了真正的价值发挥空间。当我们在产业链里找到合适的切入点，结合专业服务者、产品方案与数据闭环能力，就有可能形成突破。