在2026世界人工智能大会（WAIC）「AI青年创变者创新论坛」上，Keep算法负责人武博文以《运动科技的下一个十年：AI如何重塑健康服务的本质》为题，阐述Keep“All in AI”战略及实践进展。

过去十年，运动科技行业围绕内容供给与用户体量的传统模式已触及发展天花板。AI正同步重构内容生产与商业模式：过去一年，AIGC已成为Keep运动课程的主流生产方式，大量AI生成课程在品类覆盖与质量上已超越人工编排水平；2025年，Keep实现创立十年来首次全面盈利，毛利率显著提升。

面对通用大模型在运动健康领域的适用性局限，Keep于2026年4月推出垂直领域模型Keepace.ai。该模型聚焦三大核心任务：课程编排、知识问答与运动数据解读。其设计前提在于运动指导具有身体执行属性，错误输出可能引发真实身体伤害，因此安全与科学构成垂类模型不可逾越的底线。

在课程生成方面，模型需规避加重用户既有伤病风险的动作，例如腰痛用户不宜安排俯身划船；同时须构建包含热身、训练、拉伸的完整闭环，并嵌入动作要领提示与安全性约束。在知识问答层面，模型需穿透表层问题揭示科学本质，如针对“跑步快慢是否影响减肥效果”，须阐明热量缺口的核心机制，结合靶心率区间、关节负荷、个体运动能力等要素提供差异化建议，并纠正常见伪科学认知。在运动数据解读方面，模型需整合心率、配速、步频等多源传感器数据，具备数据真伪校验能力，依据运动生理学原理判断运动强度并生成个性化恢复方案。

上述任务背后存在普遍的上下文缺失问题——用户提问常隐含未表达的个体背景信息，模型需主动补全上下文才能提供有效响应。为此，Keep联合首都体育大学运动科学专家团队，构建专业Rubric与Benchmark开展评测，结果显示Keepace.ai在三大任务维度均显著优于当前主流通用模型。

支撑该模型落地的基础能力来自Keep十年积累：一是覆盖数千万用户的持续性真实运动行为数据，包括课程跟练、跑步、骑行等结构化记录；二是基于运动科学建立的精细化标签体系与人体运动表现评估指标库；三是对运动设备采集数据的长期解析经验。所有数据源于真实用户反复执行的运动过程，非人工合成或纯AI生成。

在设计原则上，Keep明确区分运动健康与严肃医疗边界：对于伤病治疗、运动医学诊断等场景，模型不提供干预建议，而是引导用户进入专业就医通道。其终极目标是构建一套完整的AI运动健康服务——精准识别用户“该练什么、不该练什么”，动态适配长程行为数据，最终赋能用户脱离AI辅助，实现自主身体管理。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。