对着手机做完一组深蹲，应用弹出“完成20次”，这在几年前已经算是AI训练的标准体验。可用户真正想知道的往往是另一件事：这20个里有几个蹲到位了，后面几个是不是已经变形，明天该加量还是该歇一歇。从2025年到2026年的公开产品介绍和开发者文档来看，行业正在沿着这条问题链往前走：先从动作计数走到姿态质量，再从单次训练的质量走向长期训练状态分析。
计次变成了默认能力，产品介绍的重点转向动作形态
一个明显的信号是，头部健身硬件厂商在介绍AI功能时，已经不再把“自动计次”当作卖点本身，而是把它和动作形态反馈放在一起讲。据Peloton官方博客介绍，2025年10月发布的Peloton IQ在部分设备上配备了动作追踪摄像头，在力量训练中自动统计次数，同时提供实时的动作形态反馈，例如提示保持背部挺直或调整下蹲深度。
Tonal走得更早。据Tonal官方博客介绍，其动作形态反馈关注的维度包括节奏、动作幅度、身体位置、平衡、对称和流畅度，并且把机器的线缆数据与摄像头结合起来判断，Tonal 2则把摄像头直接内置到设备上。这些维度与体育动作识别里常说的Range of Motion、Speed、Stability、Balance和Form Quality基本对应，说明“动作质量由多个维度组成”已经成为行业里较为一致的认识。
底层模型：面向健身场景的姿态估计已经可以在端侧实时运行
质量判断能够普及，一个前提是姿态估计模型足够轻、足够快。谷歌的MediaPipe官方文档介绍，Pose Landmarker可以从图像或视频中检测人体的33个三维关键点，同时给出图像坐标和世界坐标，基础模型针对端侧、实时的健身应用做了优化，并提供图片、视频和实时流三种运行模式。文档中还列出了人体检测、人体存在和追踪三类置信度门槛，开发者可以按场景调节。
另一条路线来自TensorFlow团队。据TensorFlow官方博客介绍，MoveNet检测17个身体关键点，分为偏重速度的Lightning和偏重精度的Thunder两个版本；团队还特别说明，通用的COCO数据集不太适合健身和舞蹈场景，因为这些动作姿态更极端、运动模糊更严重，所以训练时加入了一个标注瑜伽、健身和舞蹈视频的内部数据集。这个细节很能说明问题：做体育训练，通用的人体检测只是起点，模型需要真正见过大量运动姿态。
关键点只是原材料：质量判断需要连续序列和身体档案
需要说明的是，无论33个点还是17个点，模型输出的都只是每一帧里关节在哪里。从关键点到“这个深蹲是否标准”，中间还隔着好几层计算：膝角要由髋、膝、踝三个点算出，下蹲深度要比较髋部与膝盖的相对高度，稳定性要看底部停留时身体是否晃动，对称性要比较左右两侧的轨迹。更重要的是，速度、控制和代偿都只存在于连续序列里，单看一张截图看不出玩家是稳稳下去的，还是靠惯性砸下去再弹起来的。
因此，一个比较清晰的行业趋势是：姿态模型逐渐成为通用基础设施，而差异化的部分转移到了上层，也就是怎么定义每个动作的质量指标、怎么按用户身体比例换算门槛、怎么处理低置信度的帧。这一层很难直接从开源模型中获得，需要结合运动知识和大量真实训练数据慢慢打磨，也是各家产品拉开差距的地方。
从单次质量到长期状态：训练建议开始参考历史数据
动作质量解决的是“这一下做得怎样”，但训练建议还需要回答“接下来怎么练”。从公开介绍看，这一步也在发生。据Peloton官方介绍，Peloton IQ会根据用户的表现和动作质量建议何时加重、何时减重，并按照用户目标生成每周训练计划，再依据训练历史和表现数据调整。换句话说，动作质量不再只是当下的一句提示，而是开始成为后续安排的输入。
这与训练领域的常识一致：同样一组表现下滑，可能是能力没到，也可能只是疲劳。只看当天次数无法区分两者，要结合组内逐次变化、前几天的训练负荷和长期趋势才能判断。行业里公开的产品介绍大多停留在“根据历史调整计划”这一层，具体如何区分短期状态与长期能力，目前少有公开细节，这也是下一阶段值得观察的地方。
History → Motion Data → Model → Feedback → Long-term Change
仍然没有解决的问题
姿态质量分析普及得越快，几个老问题就越突出。以下是基于公开技术文档的趋势判断，而非某家产品的已公布结论：
- 遮挡与视角：家庭环境里摄像头常常只能拍到半身或侧面，关键点置信度下降时，系统应该暂停判定，而不是给出强烈但错误的评价。
- 个体差异：身高、腿长和柔韧度不同，“标准幅度”需要按个人身体比例换算，否则评分会系统性地偏向某类体型。
- 疲劳识别：从动作速度衰减、幅度变小等信号推断疲劳是可行方向，但如何避免误判，目前少有公开的评估方法。
- 隐私：端侧模型让“视频留在本机、只处理关键点”成为可能，但这取决于每个产品的实际实现，用户需要能看到和删除自己的训练记录。
对九游体育意味着什么
对九游体育来说，这些公开信息印证了一个判断：动作计数只是入口，真正决定训练体验的是质量判断是否可信、训练建议是否理解这个人的历史。九游体育在设计上把关键点置信度、身体比例校准和训练历史放在同一条链里，思路与上面的行业方向一致。
更细的技术拆解，可以参考深蹲动作质量识别和动作识别大模型栏目。
