周二和周六，是同一个人的两张账单
运动补给最容易被做成一张固定表格：早餐几片面包，训练中一瓶饮料，赛后一份蛋白质。表格本身没有错，问题在于训练强度、天气和比赛时间每天都在变，而表格不会变。一名周二慢跑45分钟、周六要跑一场正式比赛的运动员，如果两天都按同一张表吃，总有一天吃得不对。
半岛体育营养AI想解决的就是这个落差。我们不把它当成“根据运动员信息推荐饮食”的问答工具，而是把它当成一个每天重新计算的决策辅助：今天有什么任务，身体处在什么状态，外面是什么天气，比赛几点开始，然后才谈吃什么、喝什么、什么时候补。补给因此是一个随任务变化的结果，而不是一份长期不变的菜单。
同一名运动员的两天，差在哪里
先看一个对比。以下为模拟场景，数字只用来说明系统的推理方向，并非任何真实运动员的数据，也不是推荐用量。假设这是一名业余中长跑选手，体重和近期状态保持不变，只有两天的任务不同。
| 维度 | 周二：轻松训练日 | 周六：比赛日 |
|---|---|---|
| 任务 | 慢跑约45分钟，心率低位 | 正式比赛，预计约90分钟，前半程偏快 |
| 训练负荷 | 低，近三天累计负荷平稳 | 高，前两天已刻意减量 |
| 环境 | 早上，气温偏凉，湿度适中 | 上午十点开跑，气温偏高，湿度大 |
| 出发前间隔 | 起床后可自由安排 | 赛前一餐与发令枪间隔约三小时 |
| 补给关注点 | 日常均衡摄入，途中以水为主 | 赛前碳水储备、途中分段补充碳水与电解质、出汗管理 |
| 需要确认的风险 | 几乎没有 | 肠胃耐受、过热、途中补给点位置 |
这张表里真正有信息量的不是某个具体数字，而是每一行为什么不同。周二的重点是别让日常饮食成为训练的负担；周六的重点是让身体在九十分钟里始终有燃料可用，同时不被热和胃肠不适拖垮。两天的“任务”不同，补给逻辑自然从头就不同。
系统读哪些数据，又为什么读它们
动态补给首先要有输入。半岛体育营养AI的设计里，输入大致分四类，每一类回答一个不同的问题。
- 训练负荷：最近几天的时长、强度、距离或功率，以及主观疲劳打分。它回答“身体最近被要求了多少”。单次训练的数据不够，趋势才有意义，比如连续三天负荷上升后又突然安排比赛。
- 能量可用性相关线索：体重的缓慢变化、睡眠、晨起状态、食欲和训练完成质量。所谓能量可用性，大意是扣除训练消耗之后，身体还剩下多少能量维持日常功能。它无法被直接测量，只能从这些侧面线索里看有没有偏低的迹象。
- 天气与场地：气温、湿度、日照、风，以及海拔或室内外。同样的配速在闷热环境里出汗更多，心率也更高，补给节奏要跟着变。
- 赛程与时间：起跑或开赛时间、预计持续时长、赛前一餐的时间窗口、是否一天多场、场间休息多久。赛程决定了“什么时候来得及吃”，很多补给建议其实是被时间表限制住的。
此外还有一类容易被忽略的数据：历史反应。这名运动员上次在类似强度的长跑里吃了什么、胃有没有不舒服、后程是否掉速，这些记录比任何通用公式都更贴近他自己。近期公开研究里越来越强调，把个体历史反应纳入补给模型，比只靠群体平均值更有用，但前提是记录足够连续、足够诚实。
从“今天要完成什么”倒推补给
输入齐了之后，处理顺序也值得说清楚，因为顺序决定了结果是否合理。系统的做法是先定任务，再看约束，最后才落到食物和饮品。
- 确定任务类型：技术课、有氧基础、间歇、长距离，还是正式比赛。任务决定了主要能源是脂肪还是碳水，以及是否需要在过程中补充。
- 估计持续时间与强度分布：比赛只有二十分钟和跑九十分钟，途中要不要补碳水完全不同；前半程偏快的比赛，后半程更依赖储备。
- 叠加环境修正：高温高湿会抬高出汗量和心血管负担，补给里水分与钠的权重上升，同时肠胃可能更敏感，进食量要谨慎。
- 对照时间约束：赛前一餐离出发还有多久，决定这一餐该吃得偏丰盛还是偏清淡；离得近，就少纤维、少脂肪。
- 调取个体历史：这名运动员过去在类似任务里能耐受什么、不能耐受什么，优先沿用已经验证过的搭配，而不是临场尝试新东西。
最后输出的不是一个数字，而是一组带理由的提示，比如“赛前三小时以熟悉的碳水为主，少纤维；途中前四十分钟开始分段补充，参考你上次能耐受的形式”。理由被写出来，运动员和教练才知道能不能改、怎么改。
比赛日的时间线：谁在什么时刻需要什么
把周六拆成一条时间线，会更容易看到系统在哪些节点介入。以下同样是模拟示例，时间点仅为示意。
- 比赛前一天晚上：确认天气预报有没有变化，如果预报气温比前几天高出不少，提示提前规划补水与钠的来源，并提醒不要在赛前一晚尝试新食物。
- 起跑前约三小时：赛前一餐，选择以熟悉碳水为主、脂肪和纤维较少的搭配，参考运动员过去比赛日的耐受记录。
- 起跑前约一小时：少量补水，避免一次性大量饮水造成胃里晃荡，同时确认到达赛场的时间是否留有热身余地。
- 起跑后0至40分钟：以配速稳定为主，开始按预定节奏小口补水，把碳水补充安排在肠胃还没有被强度挤压之前。
- 起跑后40至90分钟：环境热、出汗多的时候，提示关注电解质与补水的搭配，同时观察有没有恶心、腹胀等信号，必要时降低摄入密度而不是硬吃。
- 完赛后：进入恢复安排，转向后文相关文章里讨论的恢复思路，不必再追问“最后一口该在几分几秒”。
这条时间线的意义不在于每一步都精确，而在于它是随条件重排的。如果天气预报改了、起跑时间推迟了，整条线会整体平移，需要重新确认的节点会被标出来。
一个常见的失败情形：把凉爽天气的答案搬到闷热的比赛日
再看一个具体的错误案例，同样是模拟场景。一名业余选手在春季凉爽天气下的两次长跑中，靠“每四十分钟一份能量胶加少量水”的方案表现不错，记录里显示零胃肠不适。夏季比赛当天气温和湿度都明显更高，系统里如果只是机械地沿用历史方案，会给出同样的提示。
后果是几件事叠在一起：出汗量上升，水分摄入没有同步增加；能量胶的浓度在脱水趋势下更难被吸收，胃里更容易发胀；运动员又因为“上次都没问题”而不愿意调整。这类错误的根源不是某一个数字算错，而是模型把“历史有效”当成了“今天有效”。因此系统的设计里，环境条件与历史样本差距过大时，应当降低历史方案的权重，并明确提示“今天的条件和你过去的记录不太一样，建议提前在训练里试验，或适当保守”。
更稳妥的做法是让历史记录带上环境标签：这次的耐受是在多少度、什么湿度、什么强度下得到的。没有标签的历史，只能当作参考而不能当作依据。
模型看不到的部分，以及它会犯哪些错
诚实地说，这类系统的不确定性不小，至少有几处要明说。
其一，输入数据有噪声。运动员自报的饮食与主观疲劳很容易偏差，可穿戴设备的心率和消耗估计也存在误差，尤其在高强度间歇、爬坡或手臂摆动很大的项目里。系统对这类数据应当给出置信区间式的处理，不把它们当成精确测量。
其二，能量可用性无法被直接观测。体重变化缓慢、睡眠变差、晨起疲劳、训练完成质量下降，这些线索可能指向摄入不足，也可能只是压力、疾病或训练周期的自然波动。模型能做的是提示“这些信号出现了，值得关注”，不能据此下结论。
其三，新环境缺少历史。第一次去高海拔比赛、第一次在极端高温下比赛，模型没有足够的个体样本，只能落回群体经验，这时它的建议应当更保守、更强调提前试验。
其四，个体差异真实存在。出汗率、钠流失、肠胃耐受都因人而异，同一份补给在两个人身上表现可能完全相反。这正是后文相关文章里讨论个体化判断的原因，可以参考同样跑20公里为什么补给不同那一篇的拆解。
这是决策辅助，不是营养处方
需要把边界说得明白一些。半岛体育营养AI定位于运动营养信息与决策辅助，它帮助运动员和教练把训练、天气、赛程这些变量放到同一张桌面上，提示哪里可能出问题，并留出改写的空间。它不是医生，也不是临床营养师，不做疾病治疗建议，也不给固定的医疗营养处方。
如果运动员有糖尿病、消化系统疾病、食物过敏、特殊饮食限制，或者有进食障碍史，又或者在比赛中出现头晕、意识模糊、持续呕吐、异常心悸等迹象，应当停止依赖任何应用的提示，尽快联系合格医生，赛前长期规划则应找注册营养师或运动营养专业人员评估。补水与环境风险的部分，可以继续看补水不是“渴了就喝”这一篇。
回到最初那个问题：比赛日到底该吃多少？没有一个脱离场景的答案。能给出的只有一套流程：先看任务，再看身体和天气，再看时间表，最后对照自己过去的反应。这套流程可以被数据加强，也应当在任何时候被专业人员和运动员自己的直觉修正。
