36 氪专访 BodyPark 林宜立：“ + 生成式 AI ”需要垂直场景、产

　　文｜沈筱

　　编辑｜王与桐

　　上线 2 个月 1 亿月活，ChatGPT 以其强大的对话能力迅速刷新全球用户对人工智能的认知。在 OpenAI 和微软公布开启模型、应用更新加速度后，兴奋和焦虑的双重情绪开始在国内创投圈中蔓延。

　　在颠覆和被颠覆的讨论中，有一个在近期颇受关注的交叉带—— "+Gen AI（生成式 AI）"，即寻求将生成式 AI 技术与判别式 AI 技术和现有产品、场景结合。

　　然而，在思考生成式 AI 技术能否与业务耦合，以及技术如何落地的同时，创业公司还面临着诸多现实的问题："+Gen AI" 带来的增益真的能 cover 新增的投入吗？这样的加法，能帮助诞生于上一波 AI 技术浪潮，仍在谋求发展的创业公司带来新的价值创造机会吗？

　　尽管存在上述不确定性，从现实情况来看，其并没有阻挡各方拥抱新技术的态度。已经有很多企业正在努力搭上生成式 AI 技术革命的 " 车 "。但是，这辆车是快是慢，能否通往企业理想的目的地，还需要很多思考和探索。

　　为了获得来自行业一线实践者关于生成式 AI 技术可能带来何种影响，以及有关新技术商业化落地机会和挑战的看法，36 氪与 BodyPark 型动公园创始人兼 CEO 林宜立进行了交流。

　　林宜立曾任「出门问问」高管，在 2021 年创办了专注大健康运动赛道的 AI 智能数字化平台 BodyPark。36 氪曾报道过 BodyPark 的 Pre-A 轮融资。

　　2023 年 3 月，BodyPark 正式启动了 AI 2.0 战略，在原有 "AI+ 真人私教 " 产品，和自研 DeepBody Engine 人体姿态识别 AI 引擎的基础上，推出了三款新产品：AI 虚拟教练「ChatBPK」，AI 游戏化健身新品「JustFive5 分钟」，以及面向行业教练 / 康复师的 AI 远程授课 SaaS 系统「Coach Copilot」。

　　其中，ChatBPK 是 BodyPark 整合当前主流大型语言模型（LLM），并以现有课程内容和用户数据为 Grounding（校准），开发的 AI 多模态虚拟教练。用户可以在课前、课中、课后任意阶段，用自然语言的方式与 ChatBPK 交互，获得关于课后评估、健身计划等个性化、专业问题的解答。同时，ChatBPK 的回答不限于文字形式，还支持拉取课中体态识别图片、教练指导语音等。

　　以下为 36 氪与 BodyPark 的对话，经编辑整理

　　01 老场景新解法 vs 新场景原生机会

　　36 氪：BodyPark 也是从做健身垂直领域小模型开始的。有说法认为上一波 AI 创业公司很难做，在您看来，到底难在哪？

　　林宜立：我们公司的核心成员不少是上一波 AI 公司出来的老兵，都经历过从 2014/15 年开始的 AI 创业热潮。我的最大感受是 AI 公司难是难在商业化变现，得找场景。

　　上一波往往是 AI 团队先有很牛的技术，但需要持续寻找落地场景，" 拿着锤子找钉子 "，往往会走一些弯路（尽管有时难以避免）。所以我们做 BodyPark 再创业的那一刻，就已深知场景和技术应该是紧密耦合的。不管是 B 端还是 C 端的场景，只有紧密结合用户场景去做技术创新，才可能将技术本身的价值和商业化前景发挥到最大。

　　36 氪：说到 " 拿着锤子找钉子 "，这一波想要直接利用生成式 AI 技术来做的企业会不会也有这样的情况？

　　林宜立：这个肯定也会有。比如现在 OpenAI，ChatGPT 火，很多创业团队就会直接拿着大模型的 API 直接封装做应用，很快的做出一些智能的聊天机器人，然后再去找应用场景。这多少也是 " 拿着锤子找钉子 " 的逻辑。

　　这个思维本身也没有大错，但我认为，以终为始来看，技术最终还是服务于场景，终局一定是找到解决特定问题的场景。在这个场景里，技术、产品能发挥非常核心的作用，帮助企业形成稳健的、具备长期壁垒的商业模式。

　　36 氪：在您看来，所谓的 AI 1.0 和这一波 AI 2.0/ 生成式 AI 技术相比，在场景或者应用上会有什么区别？

　　林宜立：我觉得有两大类需求。一类是技术范式变化带来的新场景需求，这个目前还需要时间去观察。另一类是老场景新解法，用户需求其实一直在，但采用新的技术，可以做一些原来做不到的事情，创造新体验、解锁新人群、构建新玩法。

　　比如我们现在做的在线运动健身私教课。新一波大语言模型 / 生成式 AI 技术会可能会十倍，甚至百倍地提升这些场景中的体验和效率。

　　我觉得对所有正在路上的创业团队、或者已经有成熟商业模式的公司来说，都要拥抱 AI 2.0 的机会。因为，站在企业的角度，相当于工具箱里多了一个非常有力的工具。

　　同时，AI2.0 也会有原生的机会，会涌现出一些新的商业模式。比如技术 2B 创业，做大模型等更偏底层的基础设施的机会。像我们这样做垂直场景应用的企业可能就会为之买单。

　　还会有做中间件比如专门提供模型训练能力的，做算力加速的等等。另外，也会产生很多新的应用，可能不是老场景，但需求却可能早就存在，比如做情感陪伴类聊天机器人的。

　　36 氪：您刚刚提到，BodyPark 瞄准的其实是一个确定的老场景，那当初在考虑采用生成式 AI 技术时，主要考虑了哪些因素？

　　林宜立：当所有人都在聊大模型和 AIGC 时，BodyPark 是带着自己的视角和场景来看这件事的。一方面我们一直密切关注并深度参与 AI 技术的发展。另一方面，本质上我们是一家 AI 产品服务公司，也很强调用户思维。用户不会只因为你有很好的技术而买单，但会因为你为他们提供了完整的体验价值而持续付费。

　　因此，我们首先考虑的是，新的 AI 技术能不能非常接地气地在现有场景中得到应用，解决具体问题。其次，另一个核心在于叠加新技术之后，能不能达成 1+1 远远大于 2 的效果。

　　过去我们通过 "AI+ 真人 " 的组合搭配，把在线私教课的体验从 0 做到了 1，把一个之前大家觉得做不到的体验做得还不错，跑通了商业化。现在有了 Coach Copilot 和 ChatBPK 这两个新产品模块后，我们有机会把服务效率和用户体验再从 1 提升到 10 甚至 100，能更快地实现最初创业时想做 AI 虚拟智能教练的愿景。

　　02 小模型 + 产品 + 数据——生成式 AI "Connecting the dots"

　　36 氪：您刚刚提到创业之初的愿景就是做 AI 虚拟智能教练产品，为什么创业之初没做，而是等到今天？是受限于技术，还是有其他的具体路径考虑？

　　林宜立：其实 AI 智能教练这件事是从创业之初就开始的，一直在做积累。但我们最初并没有关于什么时候能够真正构建一个完整 AI 虚拟教练的清晰时间表。

　　一方面，虽然团队有自研的人体姿态识别与动作理解算法引擎，但团队对专业教练的知识或者行业 know-how 还需要积累。另一方面，纯 AI 虚拟教练如何与用户更自然地交互也是一个比较大的难点。

　　这次大型语言模型出来之后，我们发现，这一波生成式 AI 技术可以把原来做的所有事情串起来，Connecting the dots。

　　我们基于深度学习人体姿态识别模型 Deepbody Engine，叠加上生成式 AI 技术后，一些表面看似不相关的产品和业务其实可以构成更完整的、端到端的全栈服务生态。这背后的底层核心能力就是 AI Virtual Coach 智能教练。

　　现在，BodyPark 每个业务线都可以更好地反哺这个核心能力，同时核心能力的每一次升级也能衍生新的业务、强化已有的业务。

　　例如，除了运动健身，我们也可以将相应能力迁移到康复和慢病管理领域。目前我们正在和一些知名的三甲医院康复科进行合作试点，用运动处方进行远程的慢病管理。这也是基于已有技术能力涌现的新商业机会。

　　36 氪：您认为 BodyPark 能在现阶段快速实现 "+Gen AI" 的关键是什么？

　　林宜立："+Gen AI" 对我们来说是一个厚积薄发，顺势而为的事情，关键可能是垂直的小模型和大模型的协同。

　　在垂直场景中，如果没有专业领域知识，没有对相关用户数据的准确量化和记录，可能就无法从大语言模型（LLM）精调出可以和用户进行专业化、个性化交互的对话模型。只是简单调用大模型接口来和用户进行泛娱乐化互动，解决不了 LLM " 胡说八道和不够专精 " 的问题，不会对业务有实际帮助，也不会有用户为之长久付费。

　　拿 BodyPark 的例子来讲，我们需要达到的效果是 ChatBot 在前端，以自然语言、以图文并茂的多模态方式，与用户交互。这个 ChatBot 要能够在课前、课中、课后给用户提供个性化的内容，进行实时和异步的专业化指导，同时能够让它的指导与平台的课程内容体系联通。

　　我们过去两年打造的 "AI+ 真人私教 " 这套体系，核心是基于 AI 算法，在自研深度学习模型 DeepBody Engine 的基础上，自建和叠加课程体系（BIPT 进阶课程体系、课程动作库），以实现算法、数据、内容与产品的闭环飞轮。

　　所以，我们现阶段可以快速推出垂直场景的 ChatBPK 智能教练，主要也是得益于之前投入自研的这个 AI 小模型，实现了用户健身场景的数字化。在这个过程中，我们积累了大量图文、视频数据，包括用户在训练中做了哪些动作，练的怎么样，经常犯什么错误，真人教练给了什么指导。

　　只有把这些数据喂给大模型，让它理解这些数据，才能让大模型实现 Grounding，接地气，也就是不会像 ChatGPT 那样胡说八道，或者仅给出一些泛泛的回答。

　　当然，在这个过程中，我们还需要去克服一系列技术和工程优化方面的挑战，这些都是沉淀和壁垒。

　　36 氪：谈到数据规模和质量，垂直场景的专有 AI 小模型也需要好的数据来迭代优化，BodyPark 是怎么做的？尤其是，在一开始还没有自有用户数据或者量很小的情况下。

　　林宜立：近年来，在学术界和工业界其实是有一些关于人体关键点识别（Human Pose Estimation）的公开模型和方法论的，但都仅适用通用场景，无法直接商用。在运动健身场景之下做人体姿态识别模型，要让 AI 既能看得清又能看得懂，确实有特定的难点。一是公开数据库里数据少且质量较差，二是垂直模型构建需要行业的 know- how。

　　AI 仅仅做到 HPE 人体姿态识别是不够的，还需要能理解人体的动作（Human Motion Understanding）。比如算法看懂人体骨骼关键点后，仅仅是记录了相关的空间坐标，并不知道学员是在做 " 深蹲 " 还是 " 俯卧撑 "，以及动作到底标不标准。后者属于典型业务场景的需求逻辑，没有开源算法可用，需要积累数据和专家输入，自研摸索。

　　这也是为什么我们第一天就采用了 "AI+ 真人 " 的模式。只有打通了从 0 到 1 的用户场景，做出有用户愿意持续付费的产品，才能有数据闭环，进而帮助我们在后续，利用真人教练反馈和训练数据来反哺和持续迭代算法。

　　现在来看，我们前期做的这些工作，正好也为接入大模型能力提供了更垂直、更丰富的数据。

　　BodyPark 的 "+Gen AI" 企业供图

　　03 1+1 现阶段体验优化>效率提升

　　36 氪：具体到 BodyPark AI 2.0 战略中，生成式 AI 技术到底发挥了什么作用？

　　林宜立：生成式 AI 技术在这个时期非常重要，它大大强化了现有 AI 的体验度。用户体验更好了，感知更智能了，留存和粘性就会更高，最终会体现在复购上。复购变好了，LTV 生命周期价值会更好，我们就有更多的空间去投资品牌、研发算法。

　　BodyPark 的产品服务一直是算法和数据驱动的，核心价值也在于通过 " 量化自我 " 来解决消费者在运动场景中的启动难、坚持难问题。生成式 AI 技术能够降低互动门槛，使用户和教练都能更直观地感知训练 / 教学数据，进而认可数据的价值。包括课中实时指导（AI Coach CoPilot）和课后的互动和智能报告（ChatBPK），课后高光时刻 AI 滤镜这样的 AIGC 功能，都会提升数据的交付价值，提升用户体验。使得双边用户都会更加离不开这个工具。

　　另外，我们还有「JustFive」5 分钟的纯 AI 游戏化互动的健身产品，可以以更低的门槛触达更广泛的新客群体，让更多用户感知到 AI 对专业度和趣味性的赋能。

　　36 氪：之前您提到生成式 AI 技术其实对一些老场景的生产力提升是有帮助的，对 BodyPark 来说，这方面有体现吗？

　　林宜立：效率提升方面，其实没有生成式 AI，我们的效率也还蛮高的，因为有自研的识别引擎，以及基于引擎新开发的 AI Coach Copilot。AI 可以辅助真人教练以更高的人效进行课中实时在线教学。

　　但同时，我们也在 Coach Copilot 里接入了 LLM 的能力，比如教练端用户训练日志的生成，以及多样性指导话术的生成，也能在一定程度上提升教练的生产力。

　　推出 Coach Copilot 后，教练相当于多了一个智能助教，可以实时监控和捕捉多个学员的动作数量与质量。Copilot 除了可以在课中给学员即时的游戏化反馈，还能在教练端屏幕适时地给真人教练提示，帮助教练更从容地对不同学员进行针对性、精细化指导。据我们测算，Copilot 提升了近 3 倍以上的教练单位时间人效产出。这样的沉浸式体验也提升了学员的付费意愿。

　　另外，对完整的健身服务来说，不能只是上课，课前、课后的辅导和问题解答等也很重要。而这一部分内容，生成式 AI 技术能帮我们更高效地做到。现在我们一样可以给助教做一个 Copilot，同时用 ChatBot 替代一些职能。消费者问的很多问题，ChatBot 都能智能解答。

　　36 氪：在没有推出引入大模型的 ChatBot 之前，你们应该也是能出智能课后报告的，区别在哪？

　　林宜立：能做，但是用上一代 AI 对话技术来做会比较生硬，效率也比较低。生成式 AI 的特点是自然语言交互界面天然更友好，消费者不需要做复杂操作，随便一问，AI 就能 " 听得懂 " 并给出非常直观、易理解的回复。

　　我们目前发布的 ChatBPK，通过接入大语言模型并进行 Fine-Tune，就像一个真实的、有温度的教练，用户可以有针对性地询问自己的训练情况，规划训练课程。就像前面提到的，人机互动门槛更低，数据价值感知更直观。这样用户的粘性也会更强。

　　36 氪：目前 BodyPark 的商业化进展如何？从您的描述来看，有了更可用的生成式 AI 技术，BodyPark 对未来有了更清晰的规划，能展开讲讲吗？

　　林宜立：数据上，用户规模已经有了十几倍增长，整体付费用户活跃留存续费数据指标，与行业传统的模式比，都有显著提升。同时，我们已经有了一批忠实的核心用户持续复购，积累了不错的口碑，也已经跑通商业模型 UE（Unit Economics，单位经济模型）。

　　BodyPark 的长期愿景是打造全球最领先的下一代「AI 智能教练」和原生「AI 数字化智能运动平台」，让更多消费者养成更积极、健康的生活方式。

　　中国的运动健身行业付费渗透率目前不到 3%，而欧达到了 20% 以上。随着疫情的结束和经济的复苏，我们相信新一代消费者对健康运动的需求会更加强烈，未来 3 到 5 年国内的市场规模将有成倍增长。

　　我们认为，长期增长的需求、变化的人群结构，叠加新的技术范式突破，一定会让新一代的创业团队有机会 " 抢存量 "，并解锁 " 新增量 " 市场。

　　所以今年开始，我们会基于核心的「AI+ 数据 + 课程内容」积累，持续推出更多产品，进一步降低用户参与运动健身的门槛，打造更有趣上瘾、专业安全的智能产品、服务矩阵。同时我们也会探索更多大健康 / 运动 / 医疗康复场景的 C 端和 B 端商业模式，做到 "AI 仰望星空，业务脚踏实地 "。

　　36 氪：BodyPark 对未来虚拟教练的畅想是怎样的？会不会是三维的？

　　林宜立：三维体验一定会到来，我觉得苹果 XR 发布之后可能会有一波新的机会。未来 XR 设备逐步成熟，我们可以把 2D 的体验复刻成眼前就是有个 3D 虚拟教练站在身边，获得更加沉浸、有临场感的体验。

　　这就回到为什么我们说 " 精细量化人体动作 " 这件事具备长期价值。未来 3D 体验普及时，我们今天做的这套体系价值也会更高。因为无论 2D 或 3D，体感交互的用户体验创新，一定需要精准判断人体的动作和姿态，依然需要知道科学训练的课程和动作是怎样的，依然要具备结构化分析用户数据、做智能推荐的能力，以及，能用自然语言交互的方式去和用户互动。

　　对 BodyPark 而言，无论是智能手机，智能 TV，可穿戴设备还是 XR，都只是交互方式和载体的变化，都是我们内核算法和数据的外化方式。

　　36 氪：未来纯 AI 智能虚拟教练会对现有的商业模式造成影响吗？真人教练和 AI 教练是什么样的关系？

　　林宜立：我觉得真人教练和 AI 教练并不是替代关系，反而很长一段时间内都会是相辅相成、互相促进的。对商业模式来讲，是产品矩阵的逻辑，不同的组合创造不一样的价值，消费者的选择会更加分层和多元。

　　我们的不少用户，除了上 BodyPark 的线上真人私教课，也会去线下做户外锻炼，也会在碎片时间用 JustFive App 打卡。

　　当然，在一些场景中，AI 虚拟教练对真人教练确实有替代作用。比如 JustFive 轻量的游戏化产品，可以让用户获得比传统录播课更加有趣的体验。但是，在另一些场景里，AI 扮演教练 Copilot 的角色，可以辅助真人教练提升教学质量和效率，让用户获得更深度的付费指导体验。

　　我们在乎的是消费者的使用频率是不是整体提升了，TimeShare 和 WalletShare 是不是增加了，而不是说未来市场上只能有唯一的一种产品方案。

　　尽管 AI 技术飞速发展，我们相信优秀的真人教练是具有不可替代的专业度、信任感和情绪价值的。但是 AI 赋能会拉高行业的平均值，AI 可以在数据化、专业化上增强教练的能力，教练们的行业经验、专业知识也能积累到 AI 技术的应用中，让 AI 技术在健身行业的应用变得更加游刃有余。

　　DeepBody Engine 解读 企业供图