眾籌近400萬美金，這家明星AI體育硬件公司做了款多合一教練機器人 ｜產品觀察

作者｜黃楠

編輯｜袁斯來

在首款網球發球機賣爆后，龐伯特做了一款多合一AI教練機器人 。

這家公司是在一級市場很受關注的標的，2025年半年內完成三輪融資累計數億元；旗下產品也在全球擁有了30余萬用戶，設備累計發球總量超20億次。

但當下硬件賽道已經不容小而美的公司慢慢成長，網球賽道涌入了越來越多的對手，國內硬件創業團隊快速入局，海外老牌專業設備廠商也在加速占據全球專業市場。

龐伯特很早就有拓寬賽道的想法，直到今年5月，其首款多運動合一智能體育AI教練機器人Aura發布，完成了從網球場景的訓練工具、到多運動AI教練機器人的落地。這款產品在Kickstarter上線當天，僅5小時眾籌金額便超過100萬美金，累計金額近400萬美元。

它的核心思路很直接：與其讓用戶為每一項運動分別買單，不如用一臺設備覆蓋盡可能多的場景，包括時下熱門的板式網球、匹克球等等。基于所搭載的AI Coach智能教練體系，拓寬產品適用場景與用戶覆蓋范圍。

從單一專項的訓練工具，到兼容多類隔網運動的AI私教，龐伯特Aura所代表的，是智能硬件從專業競技賽道向大眾運動場景的一次縱深延伸。當設備不再只為少數人的性能指標服務，才能真正還給用戶自由開啟一項新運動的選擇權。

當AI Coach長出「手眼腦」

在龐伯特的產品矩陣中，Aura的定位有些特殊。

此前，其PACE系列面向深度愛好者，球速高達130km/h，追求極致的球速、旋轉、落點精度等發球性能。而Aura整機僅7公斤，可放入背包隨身攜帶，它所搭載的首創AI Coach智能教練體系，將目標用戶鎖定在更廣譜的大眾球類愛好者群體。

一位教練的日常教學是怎樣的？用手喂球給學員，用眼觀察學員的動作，實時指正學員的動作。每一次喂球，都伴隨一次即時的反饋與調整。

不同于傳統視覺分析方案中，設備只能在訓練結束后生成報告，用戶無法在過程中主動調整，Aura要做的，是完整復刻教練的現場教學——其AI Coach會實時指出問題，通過與用戶的動態交互中持續觀察、判斷和調整發球，在每一次擊球中完成指導閉環，而非停留于事后的動作分析。

多運動合一智能體育AI教練機器人Aura（圖源/企業）

但跨球類適配的難度，并非僅算法層面就能解決，還需要平臺級的硬件能力。

不同球類的物理參數差異極大。單是網球運動，就涵蓋了有壓比賽用球、無壓訓練球、適合青少年用戶的75%氣壓軟球、以及低齡訓練使用的50%氣壓輕球等多種規格。匹克球亦存在16洞、24洞兩種結構，洞數不同，球體重量、風阻系數和飛行軌跡便截然不同。

常規單一發球機的夾持與推送結構僅適配一類標準球體，一旦更換球型，就容易出現球體擠壓變形、卡球、出球偏移等故障。要讓一套送球、落球、擊球模塊在同時兼容這些物理差異，必須對發球機器人的硬件架構進行系統性重構。

在出球前，輪組系統會根據球種差異，調整夾持間距與加速方式。比如網球，需要更大的夾持力和更高的輪速才能產生足夠的出球速度和旋轉；而匹克球更輕、風阻更大，則自動調整為對應標定參數。

“多合一設備的技術門檻并不僅在于‘能否把球發出去’，真正決定產品可用價值的核心難點，是針對不同球體，機器人對出球軌跡與旋轉力度的可控性。”龐伯特創始人兼CEO張海波告訴硬氪。

由于各類球體的空氣動力學特性完全獨立，一套通用機械結構無法共用同一套運動參數，因此，團隊還必須針對各細分球型搭建獨立控制模型，以保證用戶在切換運動后依舊擁有穩定、可控的訓練手感。

如果說多合一發球和供球系統是Aura的“手”，作為執行終端負責精準可控地完成多品類發球，那其AI Coach的能力則建立在視覺感知與算法決策兩個層面。“眼”負責捕捉每一次揮拍與球的軌跡，“腦”負責分析數據并給出訓練建議。

Aura搭載了一個可拆卸的120fps雙攝視覺模塊Spotter，擁有10Tops端側算力，配合語言、語音大模型，通過Spotter視覺感知與龐伯特體育大腦深度融合，實現“會看、會想、會指導”。

不同于以視覺分析為核心的方案，通過攝像頭捕捉用戶揮拍動作，生成訓練報告與改進建議，它的優勢是部署靈活、不依賴特定硬件，但其能力邊界也很清晰，無法主動介入訓練進程。Aura教練機器人的分野在于，前者從“分析動作”切入，后者從“發起練習”開始。

多運動合一智能體育AI教練機器人Aura（圖源/企業）

基于龐伯特后端的“體育大模型”，背后是其“手-眼-腦”一體化技術架構的完整落地。系統不僅會記錄下“球打到了哪里”，還能解析“為什么打到那里”，比如引拍慢了半拍？擊球點偏外了？重心轉移沒跟上？

這些判斷以語音即時提醒的交互形式，可在擊球后實時反饋給用戶并給出調整反饋，并驅動發球機器人調整下一組發球策略。在張海波看來，真正的教學必須從“喂球”起步，在動態交互中觀察、判斷、調整，而非停留在事后的動作分析層面。

同時，AI教練的進化同樣依賴于高質量數據，這套完整訓練閉環將進一步構成獨特數據壁壘。龐伯特方面預計，Aura上市后每年可采集超過500萬小時有效的高質量運動交互數據飛輪。

從專業化到多合一

作為全球首款提出多運動合一的AI教練機器人，面向大眾球類運動愛好者，Aura在產品定義階段就曾面臨不小的爭議。張海波向硬氪回憶，彼時團隊內部的分歧很直接：“多合一會讓用戶覺得你什么都做，什么都不專業。”外部合作伙伴和投資機構也表達了類似的疑慮。

但他始終沒有動搖，這個決策背后源于兩重考量。

傳統體育產品邏輯是“先選定運動、再購買設備”，這恰恰是初學者長期被忽略的核心痛點。在他們還沒確定自己的運動偏好時，就得為單一運動支付整套設備成本。

根據PPA、Monitor Deloitte等行業調查顯示，匹克球在北美以每年超過30%的增速，成為增長最快的運動之一；板式網球在歐洲的球場數量過去五年翻了近三倍；而網球本身仍是全球參與人數最高的球拍類運動。

這三項運動在規則與場地上的相似性，決定了它們的初學人群存在大量重疊。

Aura的解決方案是，設備本身兼容三種球，用戶按需解鎖。“你不必在購買設備之前就做出決定。先用網球入門，哪天想試試匹克球了，在App里支付對應的訂閱費用就能解鎖。對用戶而言，用一次日常體驗課相當的花銷，就能去嘗試自己對另一項運動的興趣。”張海波說。

多運動合一智能體育AI教練機器人Aura（圖源/企業）

上線結果也印證了他的判斷。張海波告訴硬氪，下單用戶中，基本全部用戶選擇了帶AI教練功能的版本，選擇多運動合一的用戶占比也超過一半。

這其實是消費心理里一種典型的“價值感知”邏輯：多合一功能未必被高頻使用，但它的存在本身放大了用戶對產品性價比的判斷，降低了首次購買的決策門檻。

“它是一個信號，多合一功能意味著用一臺設備的成本，享有多種運動的服務，性價比優勢不言而喻。”張海波補充道。“用戶希望擁有這個可能性，哪怕當下用不上。”

而從商業化角度看，對于創業公司來說，多合一功能也是個更具性價比的選擇。

Aura的策略是把核心機械平臺做通用，只在輪組調節和算法參數層面做差異化適配。用單個SKU覆蓋網球、匹克球、板式網球等多個品類，供應鏈物料復用程度更高、生產效率和成本管控更優；而它觸達的用戶群體，從單一運動人群擴展到了三個重疊度極高的運動人群。

標準化設備是硬件入口，真正的價值錨點也進一步向軟件定義的運動體驗滲透。龐伯特用戶可以選擇購買單運動版本，后續想解鎖匹克球或板式網球，通過App內按月或按年付費即可。

這種“硬件平價、軟件增值”的模式過去在消費電子領域已被驗證，但在智能化AI運動硬件行業仍屬少數。它更深層意圖的意圖在于，先用一套硬件和一套數據系統把用戶留在自己的生態里。

“用戶今天用Aura學網球，數據積累在龐伯特的系統里；三個月后想試試匹克球，不需要再買一臺機器，只需在軟件端完成一次付費解鎖。設備沒換，用戶沒流失，數據還在持續生長。”張海波說。

用戶想要的不是功能堆疊，而是一個能在動態訓練中持續陪伴、實時反饋的“真實存在”。它是一種更具體的需求。龐伯特試圖在構建一個越用越聰明的AI教練網絡，真正將“數據×算法×硬件×場景”融合并落地為消費級產品。

硬件是入口，用戶是資產，數據是壁壘，三者閉環一旦形成，對龐伯特而言，真正的護城河就不再是那一臺設備，而是一套持續進化的訓練系統。Aura要做的，是實時指導的教練，多合一的運動，它從硬件層面重新思考了“一臺設備到底能覆蓋多少場景”，又用軟件和數據把不同場景串聯起來，形成一個可擴展的體系。當用戶用得越久，系統就越懂TA。

這個思路未必是唯一的答案，但它提供了一個被討論樣本：在運動器材這個行業里，讓初學者能實現低成本的跨運動切換——并在嘗試的過程中，讓系統記下每一次揮拍。