“所谓更懂运动，不只是知道怎么练，更是知道什么该练、什么不该练，以及解释得清楚为什么。这，就是服务。”
7月17日，2026世界人工智能大会（WAIC）在上海开幕。在一场分论坛上，Keep算法负责人武博文发表了题为《运动科技的下一个十年：AI如何重塑健康服务的本质》的演讲，首次向外界系统阐述了公司自研运动垂类模型“Keepace.ai”的需求逻辑与落地进展。
（Keep算法负责人武博文）
这是Keep自2025年初宣布“All in AI”战略以来，首次在WAIC这一级别的行业会议上披露其专属大模型的核心能力。Keep的分享释放了一个明确信号：运动科技行业的竞争，正在从“内容库大小”和“用户量高低”，转向“谁能用AI真正交付服务本身”。
从“卖课”到“卖服务”：为什么运动健康需要专属模型
演讲开篇，武博文回顾了Keep过去十年的核心壁垒——运动内容服务。但他指出，这一模式存在两个天花板：一是用户规模天花板，人力成本限制了高尔夫、网球等长尾课程品类的覆盖；二是商业化天花板，会员ARPU值约20元，本质是“卖课”而非“卖服务”。
AI的到来，恰恰能同时打破这两块天花板。在内容端，AIGC可以一次性补齐长尾课程品类；在商业模式端，AI Coach提供的互动、陪伴和计划设计，其商业价值可与“私教“服务对标——这让ARPU值有了近10倍的增长空间。
但一个关键问题随之而来：直接用通用大模型做运动指导，够吗？
回答是否定的。他用“三大难度层级”解释了为什么运动健康需要一个专属大模型。
第一，安全边界。通用模型的幻觉如果发生在问答场景，用户核实一下就好，但如果发生在运动指导场景，一旦被直接执行，将是不可逆的身体伤害。通用模型的优化目标是整体有用性，并未将“身体伤害”作为单独的、最高优先级的红线去对齐和评测。因此，专属模型第一件要做对的事，是把安全边界做成架构和评测体系里的硬约束。
第二，伪科学过滤。通常来说，健身是内容营销最密集的领域之一，“出汗多=减脂快”这类说法在互联网语料里的密度远超专业文献。通用模型目前没有严格的专门纠偏，会原样学习并复现。而专属模型的应对方式，则是首先把“是否有权威依据、能否溯源”做成训练和评测的硬指标。
第三，个性化颗粒度。这既是记忆架构问题——需要为每个用户持续采集和留存跨月的训练历史、疲劳趋势等数据，也是模型能力问题——把原始传感器数据转化为对用户体能水平、运动能力边界的准确刻画，需要专门的建模训练。武博文引用了行业证据：Google没有让通用版Gemini直接理解可穿戴设备数据，而是专门训练了Large Sensor Model；腾讯推出的CL-bench Life的结论也印证了，从碎片化、非结构化的真实运动饮食数据中学习推理，对现有模型极具挑战。
基于这三重判断，Keep的选择是：对一阶段先把“安全边界”和“科学性”打扎实，个性化作为需要更长期投入的能力放在后续阶段重点推进。
Keepace.ai三项核心能力：安全优先、科学扎实
今年4月，Keep发布了第一版运动领域专属模型Keepace.ai。武博文在演讲中展示了该模型当前覆盖的三大场景：训练课程生成、运动知识问答、运动数据解读。
在训练课程生成时，当用户问“想用哑铃练背，但最近腰不舒服”时，Keepace.ai不会像通用AI那样直接推荐俯身划船或硬拉，而是先识别风险，主动选择单臂支撑划船以分担脊柱压力，并规划完整的热身→主训→核心强化→拉伸四个环节。每个环节标注动作要领和节奏，并在建议中明确写道“若腰疼急性发作、伴下肢放射痛，先暂停训练并就医”。
而当面对用户“减肥跑步需要考虑快慢吗”的问题，Keepace.ai先给出前提——减肥的关键是热量缺口，再给出结论：“配速有影响，但对大多数人来说，能不能长期坚持，比追求某一次的高强度更重要。”同时纠正了“先烧糖再烧脂肪”的常见误区，指出三大供能系统同时工作、按强度分配比例。每一个建议都标注依据，经运动科学顾问审校，确保可验证。
在运动数据解读场景中，当跑者完成10公里同步数据后问“这次强度不低，会不会影响恢复”时，Keepace.ai能识别平均心率达估算最大心率的89%（属高强度区间），主动发现累计爬升5426米但爬升高度仅21米的GPS漂移误差，并基于运动生理学规则给出未来48-72小时恢复建议和下次训练强度调整方案。
武博文强调，这三项能力背后是同一个逻辑：选动作、给结论、读数据，每一步都把“安全”和“有科学依据”放在优先级最前面。
All in AI这一年：盈利验证、数据壁垒与模型落地
Keepace.ai的特殊能力，建立在Keep过去一年多“All in AI”战略的推进之上。
2025年2月，Keep创始人王宁发布全员信，宣布公司进入“All in AI”的十年新周期。此后，Keep在战略层面完成了从“内容平台”向“AI驱动的运动健康生态”的跃迁。
财务层面的验证是最直接的信号。据财报披露，2025年，Keep实现经调整净利润2522万元，对比2024年经调整净亏损4.7亿元，强势扭亏为盈，这是公司成立十年来的首次年度盈利。毛利率同步攀升至52.2%，较上年提升5.5个百分点，实现连续三年扩张。公司管理层在内部将AI投入定位为“替换式投入”而非“增量式投入”——AI并非在原有成本结构上叠加的新增支出，而是通过对传统内容生产方式、用户服务模式的替代，实现降本与增效的双重目标。
同时，Keep底层架构完成了关键迭代。Keep从传统流程驱动向多智能体系统（MAS）升级，支持高并发与复杂任务场景下的自主决策；同时联合专业运动机构构建了领域级Benchmark，以此指导自研模型的迭代方向。
用户侧的感知与体验也十分明显。当前，Keep AI产品化的落地数据已形成闭环，截至2025年底，AI教练“卡卡（Kaka）”已为超过130万用户生成了个性化训练计划，语音陪跑功能调用超2100万次，食物图像识别350万张。Kaka数据分析功能的次日留存率为69%，AI饮食记录功能对App整体日活留存的贡献为79%。
下一个十年：服务交付的起点
Keep致力于成为下一个“国民级AI应用”。十年沉淀的140亿条真实运动记录，已被拆解为17类标签、700余项指标的全景特征图谱。这些数据的时间跨度与结构化程度，构成了竞争对手难以用算力买到的护城河。
武博文在分享结尾表示，“所谓更懂运动，不只是知道怎么练，更是知道什么该练、什么不该练，以及解释得清楚为什么。这，就是服务。”
从“内容交付”到“服务交付”的转变，正是Keep定义的下一个十年竞争终点。而Keepace.ai的标准，也许可以作为垂直领域专属模型的一个观察样本，不追求通用模型的“全能”，而是在安全边界和科学依据这两个不可退让的底线之上，构建属于自己的垂直壁垒。
盛达优配提示：文章来自网络，不代表本站观点。
