教 AI 像教练一样思考

AI 无处不在，但在健身领域，仅靠通用模型还不够。要真正提升锻炼体验，AI 需要理解身体、行为、环境以及现实世界限制中的细微差别。

借助 Matrix Exercise Learning Intelligence，这一将智能健身科技与医疗级身体成分数据相结合的 AI 驱动训练解决方案，我们旨在证明：个性化健身的未来并不在于自动化训练。

健身行业的下一阶段发展，建立在人类专业能力、经验与洞察之上，并通过专有 AI 以负责任的方式进行编码与规模化应用。

正如 Matrix 全球健身课程总监 Steve Barrett 所解释的那样：“这个项目并不是从一张蓝图开始的。它是自然而然发展起来的。由于我们此前没有做过这件事，所以我们从零开始构建一个机器学习系统，而直接购买现成方案根本无法满足需求。”

AI 在健身个性化中的挑战

开发 Exercise Learning Intelligence 的挑战，从来不只是技术层面的，因为这一理��本身就是基于独特的市场需求而诞生的。健身场馆正面临一个不断扩大的差距：会员的需求与传统设备所能提供的体验之间存在明显落差。

会员希望获得个性化指导，同时过程顺畅无阻。运营方希望在不依赖或聘请员工进行管理的情况下，为用户提供个性化锻炼体验。教练希望借助能够放大其专业能力并简化工作流程的工具，从而把更多时间用在建立关系上，而不是编写训练方案。

更复杂的是，许多封闭的数字生态系统会要求场馆放弃现有设备和数字产品。此外，许多健身场馆也积极希望提供更全面的健康体验，包括能够反映真实目标、真实日程安排和真实身体状况的训练。

Matrix 看到了一个机会，决定打造更灵活的产品。在 2024 年末，Matrix 迈出了打造自适应教练体验的第一步，使其能够与现有设备协同运行，同时提升整个训练区域的体验。

选择精准的合作伙伴

真正实现训练个性化，始于由内而外深入了解每一位独特的人体。这一需求促使 Matrix 与 seca 建立合作。seca 在医疗级测量和称重解决方案领域拥有近两个世纪的经验。

seca 的身体成分解决方案基于值得信赖、经过医学验证的指标，包括肌肉量、脂肪量和水分水平，为每位个体提供全面的身体状况概览，真实反映健康与表现情况。

然而，仅有准确的医学判断，还不足以为您制定有效的锻炼方案。数据必须转化为适用于繁忙健身场所的编程方案，以适应设备共用且时间有限的情况。

这正是 Matrix 发挥作用的地方。seca 带来了出色的临床级精准度，而 Matrix 则凭借其数十年的健身行业专业经验，进一步完善了整体方案。通过合作，双方在精确测量与实际行动之间搭建起一座桥梁，将数据转化为人们可以信赖并立即付诸实践的指导。

MATRIX 如何打造专注健身领域的 AI 模型

从一开始，Matrix 就有意识地决定打造一款专为健身领域开发的专有 AI 模型。通用型 AI 系统通常依赖抓取而来的信息或脱离上下文的信息，因此给出的建议看似可信，但在真实的训练环境中往往经不起检验。
这个新模型必须具备更强的理解能力、更深刻的洞察力和更高的共情能力——简而言之，它必须比通用模型更有人性。

这就是为什么 Matrix 的开发人员从一开始就以不同的方式训练我们的 AI。Matrix 的基础建立在成熟的运动科学原理、系统化的训练编程逻辑以及数十年成功执教经验之上。

在经过足够多次温和的修正后，系统很快不仅理解了该推荐什么，也明白了该避免什么。通过向行业专家学习，Exercise Learning Intelligence 很快便理解了训练应如何排序、强度应如何逐步提升，以及恢复如何影响长期成效。

这项关键的基础工作确保了 AI 不会在不考虑实际执行训练的人群的情况下，仅仅生成训练计划。正是得益于这种从基础出发的方法，Exercise Learning Intelligence 才得以开始大规模提供可靠、贴近真实场景的指导。

为什么在 AI 健身指导中，人类专业能力仍然重要

尽管早期输出结果看起来很有前景，但当我们将规定的训练方案真正应用到训练场地时，一个重要的事实显现了出来。

遗憾的是，那些在纸面上看起来很完善的计划，在实际执行中并不总是能够顺利开展。训练课程往往持续时间较长，而且几乎没有考虑到用户从训练区域的一个位置移动到另一个位置所需的时间。在繁忙的健身场馆中，器械使用冲突是很常见的情况，而这一点也没有被考虑在内。

此外，强度等级往往也体现了较为理想的训练理论，这对于专注训练的运动员来说非常合适，但对于普通健身场馆会员及其目标而言，则显得过于复杂。

Matrix 团队并没有简化这个系统，而是不懈努力对其进行优化。他们增加了防护措施，以帮助 Exercise Learning Intelligence 在现实场景中有效运行。

不久后，它已经能够兼顾并适应繁忙的日程安排、有限的锻炼时间、训练区域拥挤、切实可行的恢复需求等多种情况。也许更重要的是，Matrix 的开发人员对预设程序进行了调整，使其更符合真实用户的实际训练方式，而不是机器人在理想条件下的训练方式。

通过在模型的基础层面融入真实生活经验和富有共情力的人类洞察，Exercise Learning Intelligence 超越了通用 AI 系统。其核心的 AI 变得更加平易近人、更值得信赖，而且效果也显著提升。

在真实健身房环境中测试 AI 训练方案

当然，Matrix 并不满足于仅仅在理论上验证 Exercise Learning Intelligence。接下来，开发人员需要在真实空间中，通过数月的真实训练来测试他们全新的 AI。

Matrix 的开发人员经常亲自体验这些由 AI 生成的训练计划，并根据他们自身的锻炼体验，找出时间安排上的空档、强度方面的问题以及操作过程中的不顺畅之处。

这些贴近实际、令人心跳加速的训练时光，促成了新一轮关键优化。我们引入了手动覆盖功能，以保留灵活性，让最终用户能够融入人类判断的最后润色，对既定训练方案进行修正或完善。我们优化了进阶逻辑，旨在支持训练的一致性，而不是基于理想化的训练设定，从而形成了既实用又高效的训练计划。

该系统甚至学会了将坚持锻炼和用户信心放在优先位置，而不是推动用户达到其理论极限。

每一轮优化与提升，都进一步印证了 Matrix 创立之初坚持的理念——个性化训练只有在切实可行、能够实现，并且能让真实环境中的真实人群长期坚持时，才能真正发挥作用。

个性化自适应教练体验（PACE）

在更成熟的形态下，PACE 可将 seca 产品上 24 秒的身体成分扫描结果，转化为通过 Matrix 控制台直接提供的、自适应的、基于目标且由 AI 驱动的训练方案。每次训练都会将新的表现数据反馈到系统中，使训练方案能够随着您信心的提升和能力的增强而不断调整优化。

PACE 内置的 AI 会根据各个场馆中可用的设备配置以及个人的到访规律进行调整，并实时适配和优化训练编排。它支持为各类用户提供可扩展的入门引导，并且几乎消除了手动编程的负担。

教练仍然是体验的核心，现在可以更专注于加强与您的关系，而由 AI 在幕后处理复杂事务。它甚至还能为会员与员工之间创造更多有意义的互动接触点，这是衡量会员满意度的一项关键指标。

不断进化的智能

对 Matrix 而言，Exercise Learning Intelligence 是一项基础，而不是终点。其架构可随着每个独特的设施生态系统不断演进，为未来向可穿戴设备、更深入的医疗洞察等领域扩展提供支持。

正如 Steve Barrett 所说：“我们对个体了解得越多，这件事就越具有个人化特征。个性化不是一项功能——而是未来。而这套系统终于让我们能够以负责任的方式大规模提供这一切。”

运动学习智能表明，当 AI 由专家塑造、在真实场景中接受验证，并由人类洞察加以引导时，它并不会取代指导。它提升了每个人的锻炼体验。