AI 健身房应用
产品思考与商业化设计

一个健身用户真正购买的不是"训练计划"、不是"卡路里记录"、更不是"AI 聊天"，而是：

今天很多健身 App 的问题在于：用户为了"科学健身"，反而每天要做大量事情——查动作、想今天练什么、看上次重量、算今天重量、记录组数次数 RPE、想下次加不加、计算热量、搜食物、称重量、判断吃没吃多……

这也是用户反馈中最强的信号：Hevy 用户反复要求自动渐进超负荷、动作替换、HRV 数据、自动 deload；MyFitnessPal 改版后大量用户抱怨的核心是"记录一顿饭从一步变成四步"，有人明确表示只想 30 秒内记完一顿饭。

今天市场上绝大多数产品只做其中一段：

① 健身记录 —— 绝对刚需（P0），但没有竞争优势

合格的力量训练记录器至少应有：动作、工作组、热身组、重量、次数、RPE/RIR、休息时间、历史重量、PR、1RM/e1RM、训练容量、动作备注、器械设置、超级组、递减组、左右侧动作、杠铃片计算。

Hevy、Strong、Boostcamp 已把门槛抬得很高（Boostcamp 甚至已提供自动渐进、RPE/RIR、plate calculator、休息计时、PR、e1RM 和动作替换）。

② 训练计划 + 自动进阶 —— 比饮食计划更刚的刚需

健身房大量用户真正不知道的是：下一次该练多少。例如上次卧推 80kg × 8/8/7，今天应该 80×9？82.5×8？还是 80×8 多一组？睡眠不好怎么办？连续退步怎么办？连续练了 8 周怎么办？

这恰恰是 AI/算法最适合接管的。2026 年最新 ACSM 抗阻训练立场声明（综合 137 篇系统综述、超 3 万参与者）的核心结论之一，就是应进行渐进式抗阻训练，并按目标调整负重与训练量。

然后直接告诉用户下一组该怎么做，甚至让用户根本不用思考。

③ 实时"换动作" —— 非常看好，目前做得不够好

健身房是真实世界：卧推架有人、龙门架有人、器械坏了、换了健身房、肩膀不舒服、只剩 30 分钟、忘带护腕……静态训练计划天然存在一个问题：计划制定时不知道训练现场发生了什么。

训练中：

• 卧推第一组 82.5×8，点一下 ✓，系统自动休息 2:30，并显示"上次 80×8，下一组建议 82.5×7–8"
• 三组完成（82.5×8 / ×7 / ×6 RIR1），系统："完成目标，下次保持 82.5kg，目标累计 +2 reps"
• 去练夹胸，器械有人，点「器械被占」→ 系统："改成 Cable Fly，训练刺激基本不变，建议 12.5kg/侧 × 12–15 × 3"
• 训练完成，App 提示："今天比上次进步。卧推训练量 +6.4%，胸部有效训练量达本周目标。明天计划：休息。"

器械记忆 —— 看起来小，实际很"健身房原生"

用户社区反复要求：不同 Gym、不同器械品牌、椅背位置、座位刻度、脚垫位置、Cable 高度，甚至不同品牌器械因杠杆结构不同重量不能直接比较。

饮食：动态营养预算，而不是固定食谱

很多人不想严格按 meal plan 吃饭，他们真正想知道的是"我今天还能吃多少"。

自适应热量 —— 核心能力

不要永久相信 TDEE 公式，而根据实际摄入 + 体重趋势反推真实消耗并持续更新目标。例如：估算 TDEE 2600，目标减脂 2100，三周后发现"平均吃 2100 但体重下降比目标慢"，系统应说：

拍照识别食物：AI 猜 + 用户极低成本确认

真正难点不是识别食物，而是估算克数——相机距离、角度、遮挡、酱汁都会显著影响估算。

恢复 / Readiness：把十个指标变成一个动作

不要把手表数据当附属品，但也不要犯"HRV 低 = 今天不练"的错误。应综合睡眠、HRV、静息心率、最近训练量、主观疲劳、肌肉酸痛、热身表现：

Plateau Detective —— 很可能成为 Killer Feature

认真健身的人最大的痛点是"练了两个月，为什么没变化？"传统 App 给一堆曲线让用户自己分析；AI 应直接归因：

导入已有计划 —— 实用但被低估

用户换 App 最大的成本是"我的计划都在 Excel/Notes/截图里"。AI 应支持任何格式 → Structured Training Program：上传截图或复制文本，自动结构化，甚至"按这个计划创建 8 周 mesocycle"。这能极大降低新用户迁移成本。

不要让 LLM 直接负责训练 programming。应采用：

长期护城河不是"用户问过什么"，而是一张 Personal Fitness Model，逐渐知道：

1. 本地检测：端侧人脸检测模型（MediaPipe Face Detection / Apple Vision）本地定位人脸
2. 本地打码：模糊 / 马赛克 / 色块覆盖后才上传
3. 二次确认：上传前展示打码预览，允许手动补涂（防侧脸、低头漏检）
4. 明确告知：界面直接告诉用户"已自动打码，原始视频不会上传"，把隐私做成卖点而非法务条款

细节：打码区域应留 15–20% 缓冲边距，防止转头、抬头时露脸。

4.0 时代，用户不需要：设计训练计划、算 progression、分析训练量、判断 deload、算 TDEE、分析体重趋势、重新安排训练、研究动作替代、天天看十张数据图——系统帮他完成。

最值得押注的三个差异化点

市场验证：Hevy 免费版允许持续记录，用模板数量、高级统计、完整历史做 Pro 区隔；Fitbod 把个性化推荐、进度洞察作为订阅核心（$15.99/月 或 $95.99/年）；MacroFactor 单项 $11.99/月、$71.99/年，训练+营养 bundle $89.99/年。

第一版只做两档（Free / PRO），产品成熟后再考虑 PRO + AI Max。

S 级：AI 训练决策

免费用户看到"上次卧推 80×9/8/8"，VIP 看到"今天建议 80kg 目标总次数+2；如果第一组≥10 且 RIR≥2，第四组可尝试 82.5kg"——这两个东西完全不是一个价值。

第二大模块：AI 饮食

• Free：手动记录、搜索食物、常用/自定义食物、热量、蛋白质/碳水/脂肪、每日目标——必须免费，因为你需要数据
• 拍照识别：Free 每天 1–3 次，PRO 合理范围不限量；给区间而非假精确（"680–790 kcal，最大误差来源是烹饪油"）
• 动态热量目标：根据实际摄入 + 体重趋势反推真实 TDEE 并持续调整——用户愿意持续付费，因为每天都有数据进入模型
• "下一顿吃什么"："今天还需 670 kcal / 67g 蛋白质。晚饭优先：鸡胸200g+米饭150g+鸡蛋2个+西兰花+无糖酸奶 ≈650kcal/70g protein"，还能 [换成外卖]（麦当劳/沙县/麻辣烫组合）——中国市场尤其有机会
• Goal Mode：选减脂/增肌/Recomp/Strength，系统持续管理 12 周周期——"不用自己研究周期"

第三类：AI 语音

Free 每天 10 条（让用户体验到"真的爽"），PRO 不限量："8个"、"80做了9个RIR2"、"刚才那组作废"、"下一组加2.5"、"卧推架有人"。AI 功能必须给免费用户体验，完全不让用就没人知道为什么该付费。

Watch

Free 可看当前动作、记录 reps、rest timer；PRO 解锁 AI 推荐下一组、语音记录、自动调整、RIR、离线完整训练。手表本身就是很强的 Pro 卖点，但整体不锁死。

动作视频分析不建议包含在普通会员无限使用——视频推理成本完全不同：

• PRO 每月赠送 5 次 Form Check
• 超出按次付费：10 次 ¥6 / 30 次 ¥15
• 未来可扩展：长视频分析、身体扫描等高成本多模态功能

试用方式：不照抄 7 天试用

这个产品的特殊问题是：越多训练数据，AI 越有价值。

锚点参考：Fitbod $15.99/月、MacroFactor $11.99/月；Keep 国内连续包月约 ¥19（商业模式不同，仅作消费者锚点）。

Paywall 文案不要写功能列表，卖 Outcome 而不是 Feature：

这个产品真正有潜力形成"免费用户越来越想付费"的机制：