近期讀到一篇關於 AI 滑雪硬體公司 Heygo 的報導：幾位前字節跳動、大疆、騰訊的從業者，將兩枚感測器夾在雪靴外側，利用百萬級滑行數據訓練模型，試圖解決滑雪行業長期存在的「鞋不等於板」難題，並獲得厚雪資本數百萬美元天使輪投資。
沿著這條線索，我梳理了過去兩年該領域的早期融資名單，發現一批曾從事消費電子與AI機器人的人才正集中進軍垂直運動場景，既有老牌企業轉入新業務，也有來自大疆、字節跳動、亞馬遜、錘子科技等硬件大廠的新創團隊，產品方向涵蓋滑雪、網球、乒乓球、高爾夫等細分領域。
從近兩年的融資節奏來看，這一賽道尚未出現金額特別突出的單筆交易，但熱度持續上升，投資方中不乏紅杉中國、藍馳創投、礪思資本等知名機構。具體如下：
以下將逐一梳理這些公司。重點是真正聚焦單項運動的垂直類 AI 硬體公司——它們在解決什麼痛點、以什麼方式解決；至於偏通用運動記錄的運動手錶、運動眼鏡與運動相機，底層邏輯一脈相承，但落點不同，將在後面簡要帶過。
幾家真正使用 AI 硬體輔助運動訓練的公司
這類公司的共同之處在於場景更聚焦：針對某項運動的訓練環節開發專用硬體，要回答的是「這個動作做得對不對」，而非「今天運動了多少」。前者在技術實現與用戶價值上都更上一層。
滑雪場景的 AI 硬體新形態：Heygo
滑雪有一個長期存在的結構性問題，業界稱之為“鞋不等於板”。雪板在雪面上的真實狀態——立刃角度、扭轉幅度、滾動節奏——與腳部獲得的反饋之間存在明顯的衰減與延遲：腳感既滯後，也模糊。教練站在場邊只能看到大致輪廓，具體是哪一個彎、哪一個瞬間出了問題，很難說清。
Heygo 的方案是在雪靴外側固定兩枚 IMU（慣性測量單元），通過模型從腳部數據反推雪板的真實姿態——將身體感受轉譯為可複核的技術動作描述，這正是 IMU+模型致力於解決的部分。量產版本僅在外部保留兩枚感測器，測量精度控制在 3° 以內，支援 IP68 級防水，續航約一週。
更關鍵的設計創新在於反饋方式：傳統滑雪訓練的反饋鏈條過長，主要依賴身體感知和教練在場邊的幾句提醒。而 Heygo 在用戶滑行過程中透過藍芽耳機提供語音提示，且僅在關鍵彎道開口，避免打斷節奏；搭乘纜車後可即時複盤當日報告；語氣與詳略會隨用戶水平自動調整。這一取捨針對的是此類產品最易被忽略的細節——在高速滑行中被串聯數據淹沒，反而降低使用者體驗。
團隊構成亦是一大亮點：創始人吳振華此前在字節跳動飛書負責區域業務與用戶增長，聯合創始人分別來自騰訊、字節跳動的算法團隊，以及大疆、Seeed的硬件團隊。內容運營、算法與硬件三種背景齊備，基本覆蓋了這類產品所需的完整能力拼圖。
公司目前僅完成天使輪數百萬美元融資，由厚雪資本獨家投資。產品採用千元級硬體加訂閱的定價結構，2026年9月開啟預售、10月發貨，首批覆蓋38個國家。
果嶺上的 AI 視覺「教練」：BirdieSense
高爾夫這項運動的核心用戶群體以高淨值人群為主，付費意願更強，但多數人清楚自己的動作存在問題，只是不知道具體問題出在哪裡；AI 硬件試圖解決的就是「看得見但說不清」的反饋斷層。
PathFinder 由幾位擁有賓夕法尼亞大學機器人研究背景的 00 後創業者於 2024 年創立，產品名為 BirdieSense，形態是一台放置在果嶺（putting green，即球洞所在的那片草坪，也是每一洞的終點區域）上的小型設備。
它透過單目攝像頭實現純視覺方案，在本地端完成揮桿捕捉、三維姿態分析與偏差比對，並直接輸出語音反饋。全流程不依賴雲端，響應時延為毫秒級。
在2026年4月，公司完成數千萬元人民幣天使輪融資，由專注AI領域的早期基金錦秋基金獨家投資，投後估值未披露。產品主要面向北美高爾夫球場。
AI 網球機器人：龐伯特等多家機器人公司的新戰場
龐伯特的主體為2019年於上海成立的創屹科技，最初從事乒乓球發球機器人業務，公司於2026年4月正式宣布張繼科成為全球品牌代言人，並宣傳產品為張繼科的「乒乓球AI教練」。
此後，其產品路徑相當明確，從乒乓球擴展至其他球類運動：2024年10月，PACE網球機器人在 Kickstarter 筹得 270 萬美元；2026年5月，支援網球、匹克球與板式網球的多合一機型 Aura 上線，5 小時众筹突破百萬美元，最終累計接近 400 萬美元，創下網球機器人類別的众筹紀錄。
同時，公司快速完成三輪融資：2025年5月的A輪由華創資本與藍馳創投投資；2025年8月的A+輪新增明勢創投與錦秋基金；2026年4月的A++輪由神驥資本與藍馳創投投資。據行業媒體統計，三輪累計接近2億元人民幣。
乒乓球與網球的訓練本身建立在大量重複喂球之上，機器人替代的是陪練這一明確環節，付費理由無需向用戶反覆解釋，更能成立。這和滑雪與高爾夫的邏輯不同：它們提供的是事後判斷，用戶必須先認可判斷的準確性，才可能付費。
因此，這條賽道上的參與者並不少，還有新的入局者進場。
SwitchBot 於 2025 年 5 月推出 AI 網球機器人 Acemate，其產品 S10 群眾募資金額超過 240 萬美元，並入選《時代》2025 年度最佳發明。但據行業媒體報導，其收球準確率約為三成。
在2026年1月，英漢思動力宣布連續完成A輪及A+輪融資，融資金額達億元以上。這家深圳公司原本主營外骨骼機器人，但近年已轉向運動AI硬體。
據最新消息，逐際動力與英漢思動力共同研發的具身網球機器人將於2026年9月22日的「比利·簡·金」盃總決賽上首次亮相——這是一項女子網球團體世界杯賽事，而2025年臥安機器人是該賽事總決賽的官方合作夥伴。
此外，2024年底成立的一思智能也專注於AI網球機器人，創始人劉禮謙出身於大疆。公司於今年7月完成天使輪融資，首款產品Aceiilab A1在海外眾籌超過82萬美元，目前已進入批量交付階段。
玩家密集進入背後，是需求端長期未被滿足的缺口。
據虎嗅報導，英漢思與龐伯特兩家合計佔據北美市場八成以上的份額，而整個類別的月出貨量僅為 1000 至 2000 台。頭部高度集中，整體規模卻仍然有限。這意味著當前入場的公司所押注的並非存量份額的爭奪，而是這一類別能否從發球機演進為真正意義上的智能陪練。
投資人親自下場創業、切入籃球運動：LUMISTAR
LUMISTAR 的主體為皓翊星辰（上海）機器人科技，於2024年1月成立，總部位於上海，並在深圳設有研發與運營中心。創始人侯昊翔還擁有另一重身份——厚雪資本創始合夥人兼總裁、Heygo 投資方。
公司目前有兩條產品線：AI 網球訓練夥伴 TERO，整合發球、陪練與數據分析功能，定價自 1299 美元起；AI 篮球訓練夥伴 CARRY，配備四顆 4K 攝像頭，提供 190° 全向視覺，先定位人員位置，再決定傳球路徑，訓練結束後自動生成出手角度、投籃熱力圖等二十餘項數據報告，零售價為 4999 美元。
CARRY 於 2026 年 7 月上線 Kickstarter，首日籌得 60 萬美元，最終收官超過百萬美元，其中九成以上買家來自海外。
融資節奏同樣不慢：2025年9月完成天使輪，由厚雪資本獨家投資；2026年3月完成 Pre-A 輪，厚雪資本與綠洲資本聯合進入；同年6月再獲礪思資本投資。不到兩年時間，連續完成三輪。
目前網球機器人賽道已進入近距離競爭階段，而籃球訓練場景基本空白。傳統投籃機仍停留在定點彈射階段，沒有餵球就無法練習，有人餵球也無人指出動作問題所在，CARRY 切入的正是這一長期未被覆蓋的環節。
不過，它與龐伯特的正面競爭遲早會出現：前者向匹克球、板式網球延伸，後者向籃球擴展，而兩家後續都把足球與羽毛球列入規劃。
此外，還有一家成立時間極晚的公司寰動創新，於2026年5月在深圳註冊。從創業方向來看，主要面向體育場景的戶外移動機器人，走具身智能路線，經營範圍同時涵蓋可穿戴智能設備與體育消費智能設備。核心團隊來自大疆與安克，2026年7月完成天使輪，投資方為順為資本與松靈機器人，後者主業為移動機器人底盤，產業方戰略投資的意味比財務投資更重。
將這四五家放在一起看，其共性不在技術路線，而在切入點的選擇。 滑雪、高爾夫、網球、籃球都屬於專業指導成本高且難以穩定獲得的運動，也都是動作能夠被拆解為數據的運動。相反，跑步、騎行這類入門門檻本就不高的項目，它們幾乎不涉及。
另一條支線：用 AI 解決運動記錄
前面幾家解決的是陪練、輔助訓練與動作糾正。另一批公司處理的是另一類問題：完整記錄用戶做過的運動。方向相近，落點相差一層，主要品類包括運動手錶、運動眼鏡與運動相機等。
苔源 MossCode：AI 運動手錶
苔源的主體為深圳無垠動力科技，成立於 2024 年底，團隊來自正浩、OPPO、Apple、Suunto 與高馳，創始人倪若陽此前於紅杉中國從事投資工作——這也是投資人親自下場的一例。
它的切入角度頗為巧妙：佳明主打運動過程中的數據，Whoop 側重恢復狀態，兩者之間留有空白，硬核用戶往往需要在兩隻手腕上各戴一塊設備，MossCode 希望用一塊錶同時覆蓋這兩件事。
於 2026 年 2 月完成數千萬人民幣天使輪融資，投資方為 XVC 創投與清流資本，從接觸到交割僅用一個月，投後估值 1 億美元。
致敬未知 BleeqUp：AI 運動眼鏡
創始人吳德周曾擔任锤子科技合夥人、華為榮耀產品線總經理，於2022年創業。2024年，他判斷通用 AI 眼鏡屬於手機廠商的射程範圍，初創公司難以正面對抗，因此選擇專注於戶外運動場景。
產品 Ranger 將於 2025 年 9 月發售，一副眼鏡整合了運動護目鏡、1600 萬像素運動相機、開放式耳機與實時對講四項功能。
In July 2023, Zhizun Wuzhi completed a US$10 million angel round, with investors including Alibaba; in May and August 2025, it consecutively completed two Pre-A rounds, with Niuou Capital and Boyu Capital joining in sequence; in February 2026, the company completed another RMB 100 million Pre-A+ round, with Skyworth Group, Boyu Capital, Tiantu Investment, Guangfa Qianhe, and Lenovo Capital jointly investing.
XbotGo：邊線自動追蹤運動相機
過去拍攝運動員比賽的影片，需要攝影師扛著笨重的器材設備跑步，極度考驗體力與耐力；而現在，只需在場邊架設一台智慧相機，由 AI 自動追蹤球員與球的運動，並可一鍵剪出進球、三分球、點球等高光片段。
XbotGo 創辦人談科峰為加州大學計算機博士，回國前曾擔任亞馬遜前沿硬體實驗室 Lab126 技術負責人，並多次獲得高通頂級技術獎項。2021 年創立深眸遠智，公司在矽谷、北京、深圳、蘇州設有四個團隊，成員來自華為、亞馬遜、字節跳動與大疆。
在2026年，DeepSight推出的獨立機型Falcon配備雙鏡頭4K拍攝與6TOPS邊緣算力，無需連接手機即可全程跟拍，定價299美元，在眾籌平台籌得近250萬美元；公司產品覆蓋100多個國家和地區，累計服務超過10萬場賽事拍攝，海外更與體育賽事管理平台TeamSnap達成獨家合作。
在2026年5月，XbotGo 完成近億元人民幣的新一輪融資，由九號資本領投，元禾控股、不同資本跟投，早期股東零一創投超額跟投，雲岫資本擔任長期獨家財務顧問。
這三家的共同點，是完整記錄運動過程，包括畫面、聲音、心率等；但記錄之後如何使用，問題仍交還給用戶。分界線就在於此：記錄是入口，判斷才是終點。越靠近判斷環節的公司，技術難度越大，天花板也越高。
AI 硬體與運動場景，為何在這兩年集中爆發？
原因可從需求與供給兩端分開來看。
首先是需求端。運動中的專業指導長期存在價格高、難獲得的問題。
截至2025年，全球網球參與人數已超過1.06億，較2021年增長21.6%，但美國市場活躍玩家與教練的配比高達800:1，歐美專業教練的時薪超過100美元；滑雪教練按天計費、高爾夫教練按小時計費，均難以被普通愛好者長期負擔。
人類教練受體力、時間與注意力限制，會疲勞、會缺席，也可能判斷失誤，機器則不受這些約束。這一缺口存在了數十年，此前只是缺少低成本的填補方式。
The first condition for maturity is that edge-side computing power becomes sufficiently cheap and available.
BirdieSense 的這款高爾夫設備搭載瑞芯微 RDK X5，提供 10TOPS 算力，可在本地完成揮桿捕捉與三維姿態分析，即使無網路連接也能保持毫秒級響應。同樣的成本水平，五年前無法實現。
The second is that large models make language-based guidance feasible.
早年這類硬體最大的困境在於，它能輸出大量曲線，但用戶卻無從解讀；如今模型可直接以自然語言表達，並能根據用戶水平調整表述方式。
第三項是渠道。
海外獨立站與眾籌平台的組合，顯著降低了早期硬體公司驗證市場的門檻——龐伯特5小時眾籌破百萬美元、XbotGo 獵鷹籌得近 250 萬美元，都是通過這一路徑完成的。
最後，幾點觀察
技術路線分為兩類。
一類依靠 IMU 與感測器採集身體數據，Heygo 與 MossCode 屬於這一類；另一類依靠純視覺獲取影像，XbotGo、BirdieSense，以及龐伯特與 LUMISTAR 的機器人屬於後者。路線選擇取決於關鍵資訊存在於身體內部，還是外顯於可見的動作軌跡。
產品形態反而是最不重要的變量。
所謂的運動AI硬體早已不僅限於可穿戴設備，AI運動眼鏡、雪靴夾扣、場邊相機、訓練機器人、移動機器人等雖然外型差異極大，但基本都避開了手錶與手環這條擁擠的賽道，選擇從現有設備無法測量的狹窄場景切入並做透。
Founders have an extremely high concentration of background from hardware giants.
梳理近兩年的早期融資清單，可見一批背景高度集中的團隊，來源包括大疆、字節跳動、華為、亞馬遜 Lab126 與錘子科技。亞馬遜 Lab126 走出了 XbotGo，錘子科技走出了 BleeqUp，從大疆走出了 Aceiilab 一思智能以及寰動創新，字節跳動飛書走出了 Heygo，賓大機器人實驗室走出了 PathFinder。
其中，更有親自下場創業的消費投資人。例如，LUMISTAR 的侯昊翔是厚雪資本的創始合夥人，MossCode 背後的無垠動力由前紅杉中國投資人倪若陽創辦。這樣的路徑在过去兩年的消費硬體領域反覆出現。
最後，從這些初創公司的切入點來看，可以發現一個趨勢：將運動中肉眼無法察覺、教練難以言明的數據提取出來，轉化為用戶可直接使用的反饋，這是 AI 的能力，也是 AI 賦予硬體的新價值。由此可見，當運動動作正被 AI 量化後，個性化的訓練將逐步成為常態。
本文來自微信公眾號 “IT桔子”（ID：itjuzi521），作者：吳梅梅