文｜沈筱
編輯｜王與桐
上線2個月1億月活，ChatGPT以其強大的對話能力迅速刷新全球用戶對人工智能的認知。
在OpenAI和微軟公佈開啟模型、應用更新加速度後，興奮和焦慮的雙重情緒開始在國內創投圈中蔓延。
在顛覆和被顛覆的討論中，有一個在近期頗受關注的交叉帶——『+Gen AI《生成式AI》』，即尋求將生成式AI技術與判別式AI技術和現有產品、場景結合。
然而，在思考生成式AI技術能否與業務耦合，以及技術如何落地的同時，創業公司還面臨著諸多現實的問題：『+Gen AI』帶來的增益真的能cover新增的投入嗎？這樣的加法，能幫助誕生於上一波AI技術浪潮，仍在謀求發展的創業公司帶來新的價值創造機會嗎？
盡管存在上述不確定性，從現實情況來看，其並沒有阻擋各方擁抱新技術的態度。
已經有很多企業正在努力搭上生成式AI技術革命的『車』。
但是，這輛車是快是慢，能否通往企業理想的目的地，還需要很多思考和探索。
為了獲得來自行業一線實踐者關於生成式AI技術可能帶來何種影響，以及有關新技術商業化落地機會和挑戰的看法，36氪與BodyPark型動公園創始人兼CEO林宜立進行了交流。
林宜立曾任「出門問問」高管，在2021年創辦了專註大健康運動賽道的AI智能數字化平臺BodyPark。
36氪曾報道過BodyPark的Pre-A輪融資。
2023年3月，BodyPark正式啟動了AI 2.0戰略，在原有『AI+真人私教』產品，和自研DeepBody Engine人體姿態識別AI引擎的基礎上，推出了三款新產品：AI虛擬教練「ChatBPK」，AI遊戲化健身新品「JustFive5分鐘」，以及面向行業教練/康復師的AI遠程授課SaaS系統「Coach Copilot」。
其中，ChatBPK是BodyPark整合當前主流大型語言模型《LLM》，並以現有課程內容和用戶數據為Grounding《校準》，開發的AI多模態虛擬教練。
用戶可以在課前、課中、課後任意階段，用自然語言的方式與ChatBPK交互，獲得關於課後評估、健身計劃等個性化、專業問題的解答。
同時，ChatBPK的回答不限於文字形式，還支持拉取課中體態識別圖片、教練指導語音等。
以下為36氪與BodyPark的對話，經編輯整理
01 老場景新解法 vs 新場景原生機會
36氪：BodyPark也是從做健身垂直領域小模型開始的。
有說法認為上一波AI創業公司很難做，在您看來，到底難在哪？
林宜立：我們公司的核心成員不少是上一波AI公司出來的老兵，都經歷過從2014/15年開始的AI創業熱潮。
我的最大感受是AI公司難是難在商業化賺錢，得找場景。
上一波往往是AI團隊先有很牛的技術，但需要持續尋找落地場景，『拿著錘子找釘子』，往往會走一些彎路《盡管有時難以避免》。
所以我們做BodyPark再創業的那一刻，就已深知場景和技術應該是緊密耦合的。
不管是B端還是C端的場景，隻有緊密結合用戶場景去做技術創新，才可能將技術本身的價值和商業化前景發揮到最大。
36氪：說到『拿著錘子找釘子』，這一波想要直接利用生成式AI技術來做的企業會不會也有這樣的情況？
林宜立：這個肯定也會有。
比如現在OpenAI，ChatGPT火，很多創業團隊就會直接拿著大模型的API直接封裝做應用，很快的做出一些智能的聊天機器人，然後再去找應用場景。
這多少也是『拿著錘子找釘子』的邏輯。
這個思維本身也沒有大錯，但我認為，以終為始來看，技術最終還是服務於場景，終局一定是找到解決特定問題的場景。
在這個場景裡，技術、產品能發揮非常核心的作用，幫助企業形成穩健的、具備長期壁壘的商業模式。
36氪：在您看來，所謂的AI 1.0和這一波AI 2.0/生成式AI技術相比，在場景或者應用上會有什麼區別？
林宜立：我覺得有兩大類需求。
一類是技術范式變化帶來的新場景需求，這個目前還需要時間去觀察。
另一類是老場景新解法，用戶需求其實一直在，但采用新的技術，可以做一些原來做不到的事情，創造新體驗、解鎖新人群、構建新玩法。
比如我們現在做的在線運動健身私教課。
新一波大語言模型/生成式AI技術會可能會十倍，甚至百倍地提升這些場景中的體驗和效率。
我覺得對所有正在路上的創業團隊、或者已經有成熟商業模式的公司來說，都要擁抱AI 2.0的機會。
因為，站在企業的角度，相當於工具箱裡多了一個非常有力的工具。
同時，AI2.0也會有原生的機會，會湧現出一些新的商業模式。
比如技術2B創業，做大模型等更偏底層的基礎設施的機會。
像我們這樣做垂直場景應用的企業可能就會為之買單。
還會有做中間件比如專門提供模型訓練能力的，做算力加速的等等。
另外，也會產生很多新的應用，可能不是老場景，但需求卻可能早就存在，比如做情感陪伴類聊天機器人的。
36氪：您剛剛提到，BodyPark瞄準的其實是一個確定的老場景，那當初在考慮采用生成式AI技術時，主要考慮了哪些因素？
林宜立：當所有人都在聊大模型和AIGC時，BodyPark是帶著自己的視角和場景來看這件事的。
一方面我們一直密切關注並深度參與AI技術的發展。
另一方面，本質上我們是一家AI產品服務公司，也很強調用戶思維。
用戶不會隻因為你有很好的技術而買單，但會因為你為他們提供了完整的體驗價值而持續付費。
因此，我們首先考慮的是，新的AI技術能不能非常接地氣地在現有場景中得到應用，解決具體問題。
其次，另一個核心在於疊加新技術之後，能不能達成1+1遠遠大於2的效果。
過去我們通過『AI+真人』的組合搭配，把在線私教課的體驗從0做到了1，把一個之前大家覺得做不到的體驗做得還不錯，跑通了商業化。
現在有了Coach Copilot和ChatBPK這兩個新產品模塊後，我們有機會把服務效率和用戶體驗再從1提升到10甚至100，能更快地實現最初創業時想做AI虛擬智能教練的願景。
02 小模型+產品+數據——生成式AI 『Connecting the dots』
36氪：您剛剛提到創業之初的願景就是做AI虛擬智能教練產品，為什麼創業之初沒做，而是等到今天？是受限於技術，還是有其他的具體路徑考慮？
林宜立：其實AI智能教練這件事是從創業之初就開始的，一直在做積累。
但我們最初並沒有關於什麼時候能夠真正構建一個完整AI虛擬教練的清晰時間表。
一方面，雖然團隊有自研的人體姿態識別與動作理解算法引擎，但團隊對專業教練的知識或者行業know-how還需要積累。
另一方面，純AI虛擬教練如何與用戶更自然地交互也是一個比較大的難點。
這次大型語言模型出來之後，我們發現，這一波生成式AI技術可以把原來做的所有事情串起來，Connecting the dots。
我們基於深度學習人體姿態識別模型Deepbody Engine，疊加上生成式AI技術後，一些表面看似不相關的產品和業務其實可以構成更完整的、端到端的全棧服務生態。
這背後的底層核心能力就是AI Virtual Coach智能教練。
現在，BodyPark每個業務線都可以更好地反哺這個核心能力，同時核心能力的每一次升級也能衍生新的業務、強化已有的業務。
例如，除了運動健身，我們也可以將相應能力遷移到康復和慢病管理領域。
目前我們正在和一些知名的三甲醫院康復科進行合作試點，用運動處方進行遠程的慢病管理。
這也是基於已有技術能力湧現的新商業機會。
36氪：您認為BodyPark能在現階段快速實現 『+Gen AI』 的關鍵是什麼？
林宜立：『+Gen AI』對我們來說是一個厚積薄發，順勢而為的事情，關鍵可能是垂直的小模型和大模型的協同。
在垂直場景中，如果沒有專業領域知識，沒有對相關用戶數據的準確量化和記錄，可能就無法從大語言模型《LLM》精調出可以和用戶進行專業化、個性化交互的對話模型。
隻是簡單調用大模型接口來和用戶進行泛娛樂化互動，解決不了LLM 『胡說八道和不夠專精』的問題，不會對業務有實際幫助，也不會有用戶為之長久付費。
拿BodyPark的例子來講，我們需要達到的效果是ChatBot在前端，以自然語言、以圖文並茂的多模態方式，與用戶交互。
這個ChatBot要能夠在課前、課中、課後給用戶提供個性化的內容，進行實時和異步的專業化指導，同時能夠讓它的指導與平臺的課程內容體系聯通。
我們過去兩年打造的『AI+真人私教』這套體系，核心是基於AI算法，在自研深度學習模型DeepBody Engine的基礎上，自建和疊加課程體系《BIPT進階課程體系、課程動作庫》，以實現算法、數據、內容與產品的閉環飛輪。
所以，我們現階段可以快速推出垂直場景的ChatBPK智能教練，主要也是得益於之前投入自研的這個AI小模型，實現了用戶健身場景的數字化。
在這個過程中，我們積累了大量圖文、視頻數據，包括用戶在訓練中做了哪些動作，練的怎麼樣，經常犯什麼錯誤，真人教練給了什麼指導。
隻有把這些數據喂給大模型，讓它理解這些數據，才能讓大模型實現Grounding，接地氣，也就是不會像ChatGPT那樣胡說八道，或者僅給出一些泛泛的回答。
當然，在這個過程中，我們還需要去克服一系列技術和工程優化方面的挑戰，這些都是沉淀和壁壘。
36氪：談到數據規模和質量，垂直場景的專有AI小模型也需要好的數據來迭代優化，BodyPark是怎麼做的？尤其是，在一開始還沒有自有用戶數據或者量很小的情況下。
林宜立：近年來，在學術界和工業界其實是有一些關於人體關鍵點識別《Human Pose Estimation》的公開模型和方法論的，但都僅適用通用場景，無法直接商用。
在運動健身場景之下做人體姿態識別模型，要讓AI既能看得清又能看得懂，確實有特定的難點。
一是公開數據庫裡數據少且質量較差，二是垂直模型構建需要行業的know- how。
AI僅僅做到HPE人體姿態識別是不夠的，還需要能理解人體的動作《Human Motion Understanding》。
比如算法看懂人體骨骼關鍵點後，僅僅是記錄了相關的空間坐標，並不知道學員是在做『深蹲』還是『俯臥撐』，以及動作到底標不標準。
後者屬於典型業務場景的需求邏輯，沒有開源算法可用，需要積累數據和專家輸入，自研摸索。
這也是為什麼我們第一天就采用了『AI+真人』的模式。
隻有打通了從0到1的用戶場景，做出有用戶願意持續付費的產品，才能有數據閉環，進而幫助我們在後續，利用真人教練反饋和訓練數據來反哺和持續迭代算法。
現在來看，我們前期做的這些工作，正好也為接入大模型能力提供了更垂直、更豐富的數據。
BodyPark的『+Gen AI』 企業供圖
03 1+1現階段體驗優化>效率提升
36氪：具體到BodyPark AI 2.0戰略中，生成式AI技術到底發揮了什麼作用？
林宜立：生成式AI技術在這個時期非常重要，它大大強化了現有AI的體驗度。
用戶體驗更好了，感知更智能了，留存和粘性就會更高，最終會體現在復購上。
復購變好了，LTV生命周期價值會更好，我們就有更多的空間去投資品牌、研發算法。
BodyPark的產品服務一直是算法和數據驅動的，核心價值也在於通過『量化自我』來解決消費者在運動場景中的啟動難、堅持難問題。
生成式AI技術能夠降低互動門檻，使用戶和教練都能更直觀地感知訓練/教學數據，進而認可數據的價值。
包括課中實時指導《AI Coach CoPilot》和課後的互動和智能報告《ChatBPK》，課後高光時刻AI濾鏡這樣的AIGC功能，都會提升數據的交付價值，提升用戶體驗。
使得雙邊用戶都會更加離不開這個工具。
另外，我們還有「JustFive」5分鐘的純AI遊戲化互動的健身產品，可以以更低的門檻觸達更廣泛的新客群體，讓更多用戶感知到AI對專業度和趣味性的賦能。
36氪：之前您提到生成式AI技術其實對一些老場景的生產力提升是有幫助的，對BodyPark來說，這方面有體現嗎？
林宜立：效率提升方面，其實沒有生成式AI，我們的效率也還蠻高的，因為有自研的識別引擎，以及基於引擎新開發的AI Coach Copilot。
AI可以輔助真人教練以更高的人效進行課中實時在線教學。
但同時，我們也在Coach Copilot裡接入了LLM的能力，比如教練端用戶訓練日志的生成，以及多樣性指導話術的生成，也能在一定程度上提升教練的生產力。
推出Coach Copilot後，教練相當於多了一個智能助教，可以實時監控和捕捉多個學員的動作數量與質量。
Copilot除了可以在課中給學員即時的遊戲化反饋，還能在教練端屏幕適時地給真人教練提示，幫助教練更從容地對不同學員進行針對性、精細化指導。
據我們測算，Copilot提升了近3倍以上的教練單位時間人效產出。
這樣的沉浸式體驗也提升了學員的付費意願。
另外，對完整的健身服務來說，不能隻是上課，課前、課後的輔導和問題解答等也很重要。
而這一部分內容，生成式AI技術能幫我們更高效地做到。
現在我們一樣可以給助教做一個Copilot，同時用ChatBot替代一些職能。
消費者問的很多問題，ChatBot都能智能解答。
36氪：在沒有推出引入大模型的ChatBot之前，你們應該也是能出智能課後報告的，區別在哪？
林宜立：能做，但是用上一代AI對話技術來做會比較生硬，效率也比較低。
生成式AI的特點是自然語言交互界面天然更友好，消費者不需要做復雜操作，隨便一問，AI就能『聽得懂』並給出非常直觀、易理解的回復。
我們目前發佈的ChatBPK，通過接入大語言模型並進行Fine-Tune，就像一個真實的、有溫度的教練，用戶可以有針對性地詢問自己的訓練情況，規劃訓練課程。
就像前面提到的，人機互動門檻更低，數據價值感知更直觀。
這樣用戶的粘性也會更強。
36氪：目前BodyPark的商業化進展如何？從您的描述來看，有了更可用的生成式AI技術，BodyPark對未來有了更清晰的規劃，能展開講講嗎？
林宜立：數據上，用戶規模已經有了十幾倍增長，整體付費用戶活躍留存續費數據指標，與行業傳統的模式比，都有顯著提升。
同時，我們已經有了一批忠實的核心用戶持續復購，積累了不錯的口碑，也已經跑通商業模型UE《Unit Economics，單位經濟模型》。
BodyPark的長期願景是打造全球最領先的下一代「AI智能教練」和原生「AI數字化智能運動平臺」，讓更多消費者養成更積極、健康的生活方式。
中國的運動健身行業付費滲透率目前不到3%，而歐美達到了20%以上。
隨著疫情的結束和經濟的復蘇，我們相信新一代消費者對健康運動的需求會更加強烈，未來3到5年國內的市場規模將有成倍增長。
我們認為，長期增長的需求、變化的人群結構，疊加新的技術范式突破，一定會讓新一代的創業團隊有機會『搶存量』，並解鎖『新增量』市場。
所以今年開始，我們會基於核心的「AI+數據+課程內容」積累，持續推出更多產品，進一步降低用戶參與運動健身的門檻，打造更有趣上癮、專業安全的智能產品、服務矩陣。
同時我們也會探索更多大健康/運動/醫療康復場景的C端和B端商業模式，做到『AI仰望星空，業務腳踏實地』。
36氪：BodyPark對未來虛擬教練的暢想是怎樣的？會不會是三維的？
林宜立：三維體驗一定會到來，我覺得蘋果XR發佈之後可能會有一波新的機會。
未來XR設備逐步成熟，我們可以把2D的體驗復刻成眼前就是有個3D虛擬教練站在身邊，獲得更加沉浸、有臨場感的體驗。
這就回到為什麼我們說『精細量化人體動作』這件事具備長期價值。
未來3D體驗普及時，我們今天做的這套體系價值也會更高。
因為無論2D或3D，體感交互的用戶體驗創新，一定需要精準判斷人體的動作和姿態，依然需要知道科學訓練的課程和動作是怎樣的，依然要具備結構化分析用戶數據、做智能推薦的能力，以及，能用自然語言交互的方式去和用戶互動。
對BodyPark而言，無論是智能手機，智能TV，可穿戴設備還是XR，都隻是交互方式和載體的變化，都是我們內核算法和數據的外化方式。
36氪：未來純AI智能虛擬教練會對現有的商業模式造成影響嗎？真人教練和AI教練是什麼樣的關系？
林宜立：我覺得真人教練和 AI教練並不是替代關系，反而很長一段時間內都會是相輔相成、互相促進的。
對商業模式來講，是產品矩陣的邏輯，不同的組合創造不一樣的價值，消費者的選擇會更加分層和多元。
我們的不少用戶，除了上BodyPark的線上真人私教課，也會去線下做戶外鍛煉，也會在碎片時間用JustFive App打卡。
當然，在一些場景中，AI虛擬教練對真人教練確實有替代作用。
比如JustFive輕量的遊戲化產品，可以讓用戶獲得比傳統錄播課更加有趣的體驗。
但是，在另一些場景裡，AI扮演教練Copilot的角色，可以輔助真人教練提升教學質量和效率，讓用戶獲得更深度的付費指導體驗。
我們在乎的是消費者的使用頻率是不是整體提升了，TimeShare和WalletShare是不是增加了，而不是說未來市場上隻能有唯一的一種產品方案。
盡管AI技術飛速發展，我們相信優秀的真人教練是具有不可替代的專業度、信任感和情緒價值的。
但是AI賦能會拉高行業的平均值，AI可以在數據化、專業化上增強教練的能力，教練們的行業經驗、專業知識也能積累到AI技術的應用中，讓AI技術在健身行業的應用變得更加遊刃有餘。
DeepBody Engine解讀 企業供圖