36氪专访BodyPark林宜立：“+生成式AI”需要垂直场景、产品、数据｜ChatAI

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%，而欧美达到了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