十年Keep，All in AI | WAIC演講實(shí)錄

作者 ｜ 蒸蒸
郵箱 ｜ zz@pingwest.com

在2026世界人工智能大會(huì)（WAIC）由硅星人主辦的「AI青年創(chuàng)變者創(chuàng)新論壇」上，Keep算法負(fù)責(zé)人武博文以《運(yùn)動(dòng)科技的下一個(gè)十年：AI如何重塑健康服務(wù)的本質(zhì)》為題，分享了Keep All in AI戰(zhàn)略背后的思考與實(shí)踐。

過(guò)去十年，運(yùn)動(dòng)科技公司圍繞內(nèi)容供給與用戶(hù)體量的傳統(tǒng)模式已觸及天花板；而AI正在同時(shí)改寫(xiě)內(nèi)容生產(chǎn)與商業(yè)模式——過(guò)去一年，AIGC已成為Keep運(yùn)動(dòng)課程的主流生產(chǎn)方式，不少AI生成的課程已超過(guò)人工編排水平；2025年，Keep也實(shí)現(xiàn)了十年來(lái)首次全面盈利。

但Keep想解決的，是一個(gè)通用大模型難以回答的問(wèn)題：在運(yùn)動(dòng)健康領(lǐng)域，模型給出的每一節(jié)課程、每一條指導(dǎo)，都可能被用戶(hù)用身體去執(zhí)行。安全與科學(xué)，因此成為垂類(lèi)模型必須守住的底線(xiàn)。今年4月，Keep交出了第一份答卷——運(yùn)動(dòng)健康垂類(lèi)模型Keepace.ai。

以下為武博文演講實(shí)錄整理稿。

大家下午好，很高興今天有機(jī)會(huì)與大家交流。剛才的分享聊了很多垂直領(lǐng)域和傳統(tǒng)行業(yè)的話(huà)題。我今天演講的標(biāo)題里寫(xiě)了“下一個(gè)十年”，為什么用十年？因?yàn)槲覀冊(cè)谶\(yùn)動(dòng)科技領(lǐng)域已經(jīng)做了大約十年。過(guò)去這十年，行業(yè)內(nèi)幾乎所有從業(yè)者、運(yùn)動(dòng)科技公司，基本都是圍繞內(nèi)容、用戶(hù)體量，用傳統(tǒng)移動(dòng)互聯(lián)網(wǎng)的方式在做這件事。這條路基本已經(jīng)走到頭了——大家都在服務(wù)各自固定的用戶(hù)需求，進(jìn)行產(chǎn)品的迭代，行業(yè)進(jìn)入了一個(gè)相對(duì)穩(wěn)定的階段。

如今，隨著AI的發(fā)展——我今天也看到，一樓的展臺(tái)上有不少與運(yùn)動(dòng)科學(xué)相關(guān)的產(chǎn)品，包括運(yùn)動(dòng)眼鏡等，都圍繞著用戶(hù)的運(yùn)動(dòng)健康領(lǐng)域——行業(yè)正在發(fā)生一個(gè)最大的變化：AI正在重塑運(yùn)動(dòng)健康與運(yùn)動(dòng)科技行業(yè)。這也是我今天想主要分享的：我們?cè)谶@一方向上的一些思考和工作。我會(huì)從幾個(gè)維度，包括我們的思考與我們做的事情，與大家做一個(gè)交流。

1

為什么All in AI：傳統(tǒng)模式的天花板

首先要講的是，Keep為什么從去年開(kāi)始提出“All in AI”的戰(zhàn)略。這離不開(kāi)剛才提到的傳統(tǒng)模式存在的問(wèn)題。

過(guò)去我們最主要做兩件事：一是為用戶(hù)供給運(yùn)動(dòng)類(lèi)內(nèi)容，二是關(guān)注用戶(hù)體量。在內(nèi)容層面，過(guò)去的內(nèi)容都是由人生產(chǎn)的，人工生產(chǎn)無(wú)論從方法論還是投入產(chǎn)出上，都存在一定的天花板，我們無(wú)法產(chǎn)出更多的內(nèi)容。但隨著社會(huì)的發(fā)展，用戶(hù)對(duì)于運(yùn)動(dòng)本身的需求，包括品類(lèi)，一直在變化，這導(dǎo)致用戶(hù)的需求逐漸得不到充分滿(mǎn)足。另一個(gè)層面，Keep過(guò)去在運(yùn)動(dòng)科學(xué)方面為用戶(hù)提供的，一方面是內(nèi)容，一方面是工具，但它們都是單點(diǎn)能力，并非一套完整的服務(wù)。因此在商業(yè)化方面，我們同樣面臨天花板的問(wèn)題。

而AI在這兩方面同時(shí)提供了非常大的機(jī)會(huì)。首先在內(nèi)容方面，AIGC內(nèi)容生產(chǎn)如今已是主流的生產(chǎn)方式。過(guò)去一年，我們的運(yùn)動(dòng)課程生產(chǎn)也基本以AIGC為主，很少再采用人工生產(chǎn)的模式。它對(duì)生產(chǎn)效率是非常大的提升，也能讓內(nèi)容庫(kù)得到快速補(bǔ)充；無(wú)論品類(lèi)還是質(zhì)量，如今AI生成的課程有很多已經(jīng)超過(guò)了過(guò)去人工編排的課程。

其次是商業(yè)模式層面。我們過(guò)去已經(jīng)積累了內(nèi)容和各種各樣的運(yùn)動(dòng)類(lèi)工具，而AI本身非常擅長(zhǎng)把內(nèi)容與工具串成一套完整的服務(wù)，為用戶(hù)提供價(jià)值。因此我們判斷，用戶(hù)價(jià)值的增長(zhǎng)空間應(yīng)該在10倍以上。這也是我們?nèi)嫱度階I的原因。

在AI的驅(qū)動(dòng)下，過(guò)去我們也做了各種各樣的事情。2025年，Keep在過(guò)去10年內(nèi)首次實(shí)現(xiàn)了全面盈利，毛利率也有了比較大的提升。

1

為什么還要做運(yùn)動(dòng)健康垂類(lèi)模型

接下來(lái)的問(wèn)題是：在AI已經(jīng)產(chǎn)生價(jià)值的背景下，加上大模型的發(fā)展速度非常快——過(guò)去是每半年、每三個(gè)月一次大的發(fā)展，現(xiàn)在可能每個(gè)月都有很大的進(jìn)展——為什么還要做運(yùn)動(dòng)健康的垂類(lèi)模型？

一言以蔽之，這個(gè)領(lǐng)域最大的特征在于：模型給出的課程也好、指導(dǎo)也好，是有可能被用戶(hù)用身體去執(zhí)行的，這與通用的AI場(chǎng)景有很大不同。因此，垂類(lèi)模型首先要保證足夠的安全底線(xiàn)和安全邊界。模型的錯(cuò)誤有可能被用戶(hù)用身體去執(zhí)行——這樣的例子非常多——可能給用戶(hù)帶來(lái)真正的身體傷害；如果用戶(hù)在傷害恢復(fù)過(guò)程中又缺乏正確的指導(dǎo)，很多時(shí)候甚至?xí)斐刹豢赡娴纳眢w傷害。

所以，在運(yùn)動(dòng)健康領(lǐng)域，垂類(lèi)模型一定要把安全邊界作為底線(xiàn)標(biāo)準(zhǔn)，無(wú)論從模型構(gòu)建、系統(tǒng)角度還是評(píng)測(cè)角度都應(yīng)如此，而不應(yīng)把安全能力交由Agent層或應(yīng)用層去保障。

其次，這與運(yùn)動(dòng)領(lǐng)域的特點(diǎn)有關(guān)。運(yùn)動(dòng)領(lǐng)域的營(yíng)銷(xiāo)相當(dāng)廣泛——運(yùn)動(dòng)品牌、運(yùn)動(dòng)用品的市場(chǎng)體量比較大——因此大量營(yíng)銷(xiāo)類(lèi)內(nèi)容充斥在互聯(lián)網(wǎng)上，其中大部分內(nèi)容都可能帶有一定的偽科學(xué)成分。傳統(tǒng)的預(yù)訓(xùn)練大模型在預(yù)訓(xùn)練期間對(duì)這些內(nèi)容照單全收，在后訓(xùn)練階段又缺少足夠的引導(dǎo)和對(duì)齊。因此，一個(gè)專(zhuān)屬模型應(yīng)當(dāng)在科學(xué)性上有所取舍，并以正確的價(jià)值觀與人類(lèi)對(duì)齊。以減肥為例，很多藥物減肥在科學(xué)上也是成立的，但從健康的角度，我們?nèi)詴?huì)鼓勵(lì)運(yùn)動(dòng)——國(guó)家現(xiàn)在也在鼓勵(lì)全民健身、運(yùn)動(dòng)——這可能是對(duì)大眾更科學(xué)、更好的一種方式，這也是垂類(lèi)模型需要對(duì)齊的。

安全邊界與科學(xué)性這兩件事，是垂類(lèi)模型首先要打好的底線(xiàn)基礎(chǔ)，因?yàn)槟Ｐ鸵坏┏鲥e(cuò)，就可能真正影響用戶(hù)自身的感受和身體狀況。有了這樣的基礎(chǔ)之后，還有很重要的一點(diǎn)：用戶(hù)的個(gè)性化需求。對(duì)于運(yùn)動(dòng)健康類(lèi)AI，用戶(hù)需要它理解自己長(zhǎng)程的行為——一個(gè)用戶(hù)過(guò)去可能有非常多的運(yùn)動(dòng)記錄、飲食記錄，以及各類(lèi)身體健康數(shù)據(jù)。這些數(shù)據(jù)一方面需要一個(gè)好的記憶基礎(chǔ)設(shè)施，把它們做好整理、提取與理解；另一方面也需要模型進(jìn)行針對(duì)性訓(xùn)練，真正把用戶(hù)數(shù)據(jù)應(yīng)用到回復(fù)與課程指導(dǎo)的過(guò)程中。

行業(yè)內(nèi)，Google Health一直致力于把用戶(hù)的傳感器數(shù)據(jù)與大模型、Agent更好地結(jié)合。今年上半年，騰訊也在行業(yè)內(nèi)發(fā)布過(guò)CL-Bench Life——在那個(gè)時(shí)間點(diǎn)，行業(yè)內(nèi)的一些SOTA模型還不能很好地處理用戶(hù)關(guān)于飲食記錄、運(yùn)動(dòng)記錄等數(shù)據(jù)的長(zhǎng)程理解。因此，個(gè)性化這個(gè)維度也是需要長(zhǎng)期投入建設(shè)的方向。

1

Keepace模型與三大核心任務(wù)

Keep今年上半年也一直在致力于打造一個(gè)在垂類(lèi)表現(xiàn)更好的模型。4月，我們交出了第一份答卷——模型名為Keepace.ai，借用了運(yùn)動(dòng)領(lǐng)域中Pace、Ace的概念。我們當(dāng)時(shí)聚焦在三個(gè)領(lǐng)域：課程編排、知識(shí)問(wèn)答和運(yùn)動(dòng)數(shù)據(jù)解讀。下面我會(huì)舉一些例子，講講在這些維度上用戶(hù)的需求，以及傳統(tǒng)通用模型目前還存在哪些不足、需要做垂類(lèi)增強(qiáng)的地方。

課程生成

舉一個(gè)例子：一位腰疼的用戶(hù)希望做練背的動(dòng)作，通用AI很可能會(huì)給出一些可選動(dòng)作，其中可能包括俯身劃船這類(lèi)會(huì)加重腰痛風(fēng)險(xiǎn)的動(dòng)作。而從Keepace.ai模型的角度，我們首先會(huì)選擇對(duì)這類(lèi)用戶(hù)比較友好的動(dòng)作作為主訓(xùn)動(dòng)作。其次，訓(xùn)練本身需要包含熱身、訓(xùn)練、拉伸等完整環(huán)節(jié)，才稱(chēng)得上一次好的訓(xùn)練，而不是只提供一個(gè)動(dòng)作就結(jié)束了。在整個(gè)環(huán)節(jié)中，還要關(guān)注科學(xué)性、動(dòng)作要領(lǐng)，并對(duì)安全性做出足夠的提示。因此，怎么練、如何編排課程、休息多久，都是我們?cè)跇?gòu)建垂類(lèi)模型時(shí)需要考慮的任務(wù)——其中安全約束是第一位的，因?yàn)檎n程一定會(huì)被用戶(hù)執(zhí)行。

知識(shí)問(wèn)答

其次是運(yùn)動(dòng)領(lǐng)域的問(wèn)答。我們?cè)诰€(xiàn)上看到，很多用戶(hù)非常渴望知道自己為什么要這么練、應(yīng)該怎么練。這里有一個(gè)很典型的用戶(hù)問(wèn)題：減肥的用戶(hù)可能會(huì)問(wèn)，跑步是快一點(diǎn)好，還是慢一點(diǎn)好？這其實(shí)與剛才提到的偽科學(xué)問(wèn)題有很大關(guān)系——用戶(hù)本身可能并不了解，減肥的核心是熱量缺口，跑步的快慢并不是直接因素。所以在問(wèn)答層面，需要在問(wèn)題的背后告訴用戶(hù)：跑步的速度并不是最重要的，能夠堅(jiān)持下來(lái)、多運(yùn)動(dòng)，才可能達(dá)到減肥的目標(biāo)。

另外，配速方面也有科學(xué)依據(jù)，我們可以通過(guò)靶心率區(qū)間等有據(jù)可循的科學(xué)依據(jù)給予指導(dǎo)。同時(shí)也要傳遞這樣的信息：長(zhǎng)時(shí)間慢跑與短時(shí)間快跑都能達(dá)到同樣的效果，但要考慮用戶(hù)自身的身體情況，比如關(guān)節(jié)狀況、自身的運(yùn)動(dòng)能力等，這些都很重要。其次還要糾正一些常見(jiàn)的錯(cuò)誤。有了這些完整信息，用戶(hù)才能更清楚地了解自己?jiǎn)栴}背后需要了解的信息，從而更好地達(dá)成減肥的目的。

運(yùn)動(dòng)數(shù)據(jù)解讀

另一項(xiàng)我們?cè)谧龅娜蝿?wù)是運(yùn)動(dòng)數(shù)據(jù)解讀。Keep上有非常多的用戶(hù)持續(xù)進(jìn)行鍛煉、跑步等行為，運(yùn)動(dòng)之后會(huì)非常關(guān)心自己本次運(yùn)動(dòng)的表現(xiàn)，甚至有自己的一些感受，需要與AI交流，以提升未來(lái)的運(yùn)動(dòng)表現(xiàn)。

這里有一個(gè)關(guān)于恢復(fù)的例子：我們會(huì)拿到這位用戶(hù)的心率數(shù)據(jù)，他可能還有其他設(shè)備的數(shù)據(jù)。首先要根據(jù)數(shù)據(jù)判斷他本次運(yùn)動(dòng)處于什么樣的強(qiáng)度。其次，傳感器數(shù)據(jù)在分析中很容易引入錯(cuò)誤，如果模型不能很好地校驗(yàn)數(shù)據(jù)本身，就可能使用了錯(cuò)誤數(shù)據(jù)，得出完全錯(cuò)誤的結(jié)果。因此模型需要對(duì)數(shù)據(jù)的準(zhǔn)確性有足夠的判別能力，并在這樣的理解基礎(chǔ)上，基于運(yùn)動(dòng)生理學(xué)給出完整的恢復(fù)建議。

所以，數(shù)據(jù)解讀這項(xiàng)任務(wù)需要結(jié)合用戶(hù)的心率數(shù)據(jù)、配速數(shù)據(jù)、步頻情況，完整識(shí)別本次運(yùn)動(dòng)的情況，最終給出建議。

在上面三件事背后，從模型的角度看，隱藏著一個(gè)上下文（context）缺失的問(wèn)題：用戶(hù)問(wèn)了一個(gè)簡(jiǎn)單的問(wèn)題，但背后可能還有非常多需要通過(guò)模型或Agent幫他補(bǔ)全的、他自己缺失的上下文信息，才能更好地回答這個(gè)問(wèn)題。否則，比如用戶(hù)問(wèn)恢復(fù)的問(wèn)題，他可能并不只是想了解“怎么恢復(fù)”——只告訴他怎么恢復(fù)，解決不了他真實(shí)的問(wèn)題。

1

專(zhuān)業(yè)評(píng)測(cè)：聯(lián)合專(zhuān)家建立Benchmark

針對(duì)第一版模型，我們組織了Keep的運(yùn)動(dòng)科學(xué)專(zhuān)家，與首都體育大學(xué)的運(yùn)動(dòng)專(zhuān)家一起聯(lián)合開(kāi)展了專(zhuān)業(yè)評(píng)測(cè)，制定了專(zhuān)業(yè)的Rubric與專(zhuān)業(yè)Benchmark。結(jié)果顯示，Keepace.ai模型在我們重點(diǎn)提升的三個(gè)領(lǐng)域上，都顯著優(yōu)于目前的通用模型。

1

Keep的積累：數(shù)據(jù)、標(biāo)簽體系與設(shè)計(jì)原則

第四部分，我想再談?wù)劯L(zhǎng)遠(yuǎn)的話(huà)題。我們的模型肯定遠(yuǎn)不止完成這三個(gè)能力，就能為用戶(hù)提供好的運(yùn)動(dòng)整體解決方案。因此還要講一講：Keep為什么要持續(xù)做這件事？我們?yōu)槭裁茨茏鲞@件事？最終能為用戶(hù)提供的AI服務(wù)是什么樣子的？

首先，Keep過(guò)去10年積累了非常多的真實(shí)用戶(hù)數(shù)據(jù)。很多用戶(hù)日常會(huì)跟著Keep上的課程鍛煉，也會(huì)使用Keep上的跑步、騎行等工具，記錄自己真實(shí)的運(yùn)動(dòng)數(shù)據(jù)，這部分?jǐn)?shù)據(jù)的積累非常多。

其次，隨著用戶(hù)的使用與產(chǎn)品的迭代，我們建立了非常多與運(yùn)動(dòng)科學(xué)相關(guān)的標(biāo)簽體系，以及更宏觀的對(duì)運(yùn)動(dòng)科學(xué)的理解。另外在人體層面，用戶(hù)擁有各種各樣的設(shè)備，如今AI設(shè)備也越來(lái)越多，能夠記錄的身體數(shù)據(jù)越來(lái)越豐富。圍繞這些數(shù)據(jù)，如何更好地理解用戶(hù)的身體狀況——比如他當(dāng)前的運(yùn)動(dòng)表現(xiàn)能力——需要更多的特征和指標(biāo)去標(biāo)識(shí)，這方面我們也已經(jīng)積累了非常多的相應(yīng)能力。

相比當(dāng)下很多時(shí)候迭代模型只是增加算力、增加token儲(chǔ)備、制造純AI生成的數(shù)據(jù)，我們的這些數(shù)據(jù)是過(guò)去用時(shí)間沉淀下來(lái)的，因?yàn)樗鼈儊?lái)自用戶(hù)一次又一次真實(shí)的運(yùn)動(dòng)行為。

在設(shè)計(jì)原則方面，我們主要專(zhuān)注于運(yùn)動(dòng)健康相關(guān)領(lǐng)域。如果真的涉及醫(yī)療領(lǐng)域——完全的嚴(yán)肅醫(yī)療，目前AI的能力還是不夠的——無(wú)論是傷病治療，還是現(xiàn)在發(fā)展非常快的運(yùn)動(dòng)醫(yī)學(xué)，我們要做的是把用戶(hù)引導(dǎo)到運(yùn)動(dòng)醫(yī)學(xué)的就醫(yī)渠道。這是我們?cè)谠O(shè)計(jì)原則上要持續(xù)堅(jiān)持的。

1

終極形態(tài)：一套完整的AI運(yùn)動(dòng)健康服務(wù)

我們重點(diǎn)做的事情，始終圍繞用戶(hù)該練什么、不該練什么。我們認(rèn)為，一個(gè)更懂用戶(hù)的運(yùn)動(dòng)類(lèi)AI產(chǎn)品，需要知道用戶(hù)怎么練更好，什么該練、什么不該練，能把整個(gè)過(guò)程告訴用戶(hù)，甚至讓用戶(hù)能夠脫離AI，自己管理好自己的身體——那可能才是AI在運(yùn)動(dòng)健康領(lǐng)域的終極形態(tài)。這個(gè)形態(tài)本身就是一套服務(wù)，也是我們未來(lái)要持續(xù)去做的事情。

點(diǎn)個(gè)“愛(ài)心”，再走 吧