獨家丨字節、大疆背景創業者入局AI運動訓練，APP排名進入多國榜單前列
重點摘要
一位前自動駕駛工程師，把創業方向選在網球場上。作者丨黃豔冰編輯丨姚單雷峰網·鯨犀獨家獲悉，AI體育創業項目“小球圈”已形成商業化與產品矩陣。目前小球圈APP已在全球上線，網球拍進入量產銷售階段，智能球拍、智能球搭子及球場攝像硬件處於原型機階段，整體產品形態仍在迭代中，但已明確以APP作為核心數據入口，並逐步向硬件延展。“小球圈”（運營主體為北京光躍極樞智能科技有限公司）成立於2025年7月，專注於為網球、羽毛球、乒乓球、匹克球等拍類運動愛好者打造一款AI教練軟件。據瞭解，“小球圈”創始人為楊光垚，曾先後在字節跳動、百度、大疆車載（後獨立為卓馭）和蔚來任職，從事自動駕駛相關工作。在卓馭期間，他主要負責視覺感知、系統決策以及軟硬件協同等方向。作為其首個創業項目，早期從產品定義、數據閉環架構、軟件設計到內容運營等均由楊光垚一人獨立完成，硬件端則採用與深圳成熟ODM廠商合作的模式。過往職業經歷成為其後續創業判斷的基礎。在他看來，自動駕駛和體育訓練本質上是同一類問題：都是基於多模態數據輸入，核心是大模型架構和數據算法飛輪，底層打通即可快速迭代。小球圈的誕生，來源於一個非常具體的日常場景。楊光垚在長期網球訓練過程中捕捉到一些穩定存在的用戶痛點：訓練視頻拍攝後人工剪輯效率低下，動作缺乏系統覆盤，進步無法量化，同時找球友與預約訓練的成本較高。最終，楊光垚萌生了用AI解決這些問題的創業想法。楊光垚對雷峰網·鯨犀表示，最終鎖定體育AI賽道，主要基於三個原因：一是AI智能依賴數據，體育場景的多模態數據長期未被數據化，一旦被數據化便可衍生多種商業服務；二是體育場景涉及到多模態理解、多模態生成、長期記憶、球員教練場地多方交互，非常適合Agent落地；三是在他看來，這個領域仍由Wilson、Head、Yonex等海外品牌主導，缺少一個真正由技術驅動的國產品牌。痛點背後，也映射出當前AI進入運動訓練賽道
一位前自動駕駛工程師，把創業方向選在網球場上。作者丨黃豔冰編輯丨姚單雷峰網·鯨犀獨家獲悉，AI體育創業項目“小球圈”已形成商業化與產品矩陣。目前小球圈APP已在全球上線，網球拍進入量產銷售階段，智能球拍、智能球搭子及球場攝像硬件處於原型機階段，整體產品形態仍在迭代中，但已明確以APP作為核心數據入口，並逐步向硬件延展。“小球圈”（運營主體為北京光躍極樞智能科技有限公司）成立於2025年7月，專注於為網球、羽毛球、乒乓球、匹克球等拍類運動愛好者打造一款AI教練軟件。據瞭解，“小球圈”創始人為楊光垚，曾先後在字節跳動、百度、大疆車載（後獨立為卓馭）和蔚來任職，從事自動駕駛相關工作。在卓馭期間，他主要負責視覺感知、系統決策以及軟硬件協同等方向。作為其首個創業項目，早期從產品定義、數據閉環架構、軟件設計到內容運營等均由楊光垚一人獨立完成，硬件端則採用與深圳成熟ODM廠商合作的模式。過往職業經歷成為其後續創業判斷的基礎。在他看來，自動駕駛和體育訓練本質上是同一類問題：都是基於多模態數據輸入，核心是大模型架構和數據算法飛輪，底層打通即可快速迭代。小球圈的誕生，來源於一個非常具體的日常場景。楊光垚在長期網球訓練過程中捕捉到一些穩定存在的用戶痛點：訓練視頻拍攝後人工剪輯效率低下，動作缺乏系統覆盤，進步無法量化，同時找球友與預約訓練的成本較高。最終，楊光垚萌生了用AI解決這些問題的創業想法。楊光垚對雷峰網·鯨犀表示，最終鎖定體育AI賽道，主要基於三個原因：一是AI智能依賴數據，體育場景的多模態數據長期未被數據化，一旦被數據化便可衍生多種商業服務；二是體育場景涉及到多模態理解、多模態生成、長期記憶、球員教練場地多方交互，非常適合Agent落地；三是在他看來，這個領域仍由Wilson、Head、Yonex等海外品牌主導，缺少一個真正由技術驅動的國產品牌。痛點背後，也映射出當前AI進入運動訓練賽道的核心方向：訓練過程的標準化與量化。傳統模式下，業餘訓練高度依賴教練經驗，但結果難以持續記錄與對比。同時，專業教練供給本身也存在結構性不足。以網球為例，中國約1.1萬名網球教練服務約2000萬參與人群，平均約1754個用戶對應1個教練，全球平均水平約為584:1。面對供需缺口，楊光垚認為，影像能力正在被大廠標準化，但訓練理解層仍然是一片空白。因為運動訓練的核心不只是拍攝，而是把視頻轉化為可分析的數據。用AI降低訓練分析和覆盤成本，正是小球圈切入的核心紅利點。基於這一判斷，小球圈選擇先做軟件，再做硬件。其核心邏輯是優先解決“數據如何產生”，而非與大疆等巨頭進行正面競爭。在實際使用中，用戶的輸入主要為視頻數據，來源包括手機、運動相機以及場地攝像頭等多種拍攝設備。系統通過“手機端輕量模型 + 雲端大模型”的協同推理架構，對視頻進行人物三維重建、時序動作建模與場景理解分析，並自動生成訓練中的精彩片段。同時，系統還會輸出動作反饋與訓練指導建議。在楊光垚的定義中，網球、羽毛球、乒乓球、匹克球等小球運動的核心需求可以被概括為兩個方向：“變強”和“變美”。前者指向技術提升，後者指向訓練記錄與表達。這一產品路徑帶來初步增長。小球圈APP已在國內體育類付費榜單中穩居前50名，並在全球多地榜單進入頭部梯隊：澳門第5名，新加坡第60餘名，斯洛伐克第40名，塔吉克斯坦位居榜首。目前，產品上線約一年，累計用戶已達數萬級，其中近三分之一來自最近一個月的增長。目前，小球圈已形成較清晰路徑：以軟件和數據作為入口，通過AI完成訓練行為結構化，再逐步延展到硬件形態。關於本輪融資進展及後續產品迭代情況，雷峰網·鯨犀將持續關注。更多AI硬件創業者故事，歡迎添加作者微信 frenchfries0016 交流。
Related
相關文章
軟件沒被AI殺死，但全球市場都捲上天了
AI寫程式能力崛起，但軟體並未被取代，反而在全球市場面臨更加激烈的競爭。軟體開發的門檻降低，促使各國廠商紛紛投入，導致市場「捲」上加「捲」。軟體業者需在效率與創新之間找到新平衡，才能應對這場無止境的挑戰。
Token管夠的時代結束了
這篇消息聚焦「Token管夠的時代結束了」。原始導語提到：企業的錢也不是大風颳來的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？
這篇消息聚焦「Claude Code之父版「職場MBTI」：AI洗牌後只剩5類人，你選哪種？」。原始導語提到：未來是屬於這5種職業的 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
中國信通院牽頭，首個智算運維智能體評測基準正式落地，覆蓋 5 款主流國產芯片
6月29日，在中國信通院人工智能軟硬件協同創新與適配驗證中心、中國人工智能產業發展聯盟、工信部人工智能標準化技術委員會聯合主辦的2026“眾智”大模型開放智算生態協同高級別研討會中，中國信通院副院長魏亮，正式發佈AISHPerf人工智能軟硬件基準體系3.0版本，包含兩項 AI Infra 領域核心評測基準——AISHPerf-智算運維智能體評測基準以及AISHPerf-算子生成智能體評測基準，兩大基準由國內頂尖AI原生基礎設施服務商無問芯穹及清華大學團隊作為重點技術支持方參與建設。前者是首個面向 AI Infra 的運維智能體評測基準，依託百億級真實運維數據構建，核心考核智算運維智能體在真實生產場景中解決實際問題的落地能力。後者則跳出 “模型能否生成可運行 GPU 算子” 的基礎維度，將評測重心錨定在 “模型生成的算子能否在真實量化推理部署中替代現有算子” 的工程可部署性上，更貼合產業實際落地需求。二者從底層算力優化到上層集群運維，共同為智算產業的標準化升級與高質量發展提供了統一的能力參照框架。 AISHPerf（Performance Benchmarks of Artificial Intelligence Software and Hardware）是中國信通院與人工智能大模型及軟硬件評測工業和信息化部重點實驗室，依託人工智能軟硬件協同創新與適配驗證中心（位於國家信創園）聯合構建的人工智能軟硬件基準體系，旨在設置多維度指標，考察端到端方案對模型及應用場景的真實承載能力，系統評估軟硬件各層級間的協同優化水平、兼容適配能力及整體交付效能。在此次發佈的兩項基準中，AISHPerf-智算運維智能體評測基準尤為引人注目，它不僅標誌著我國在智算集群運維智能體領域擁有了首個權威評測體系，更率先將國產芯片集群運維場景納入評測體系、填補了國產智算運維智能體評測領域的空白，為構建自主自治
Hermes新功能上線！比Opus 4.8和GPT-5.5還猛
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 智東西6月30日報道，現在，Fable 5和Mythos 5等頂尖閉源模型沒法使用，就算能用，單一模型也總有搞不定的問題，那麼，想要高質量輸出結果的用戶該怎麼辦呢？ 近日，Hermes Agent上線了MoA（Mixture of Agents）功能，支持用戶自由組合多種模型作為虛擬模型使用，在Nous Research即將發佈的基準測試中，這個混合模型的評分超過了Opus 4.8 和GPT-5.5。 一、Fable 5、Mythos 5被禁，多模型組合成為潮流 Nous Research在官推上說了這樣一句話：“最強大的模型是受限的，只有少數人才能獲得訪問權限。”這句話明晃晃地指向了Fable 5等模型被封禁的事件。 在這種背景下，不難看出，MoA這個混合模型模式的終極目的，是用開源模型的組合達到頂尖閉源模型的水準，就像Hermes Agent聯合創始人Teknium說的，他們正在測試各種開源模型組合，看看是否能用更便宜的模型達到Opus的水平。 這種多模型組合比肩頂尖模型的思路，最近其實有不少實踐的例子，比如前段時間日本AI獨角獸Sakana AI發佈的Sakana Fugu系列編排器模型，會根據任務選擇最佳的模型來處理，和MoA的思路非常相似。 而MoA的技術也在很久之前就已存在了，2024年6月Together AI曾發表過一篇論文《Mixture-of-Agents Enhances Large Language Model Capabilities》，核心是多LLM組合，每一層模型都會參考上一層模型的輸出，再繼續生成自己的回答。同時，論文也將模型分成了兩類，也就是現在Hermes所用的參考模型和聚合模型。 當用戶提出問題時，參考模型會先對問題進行分析判斷，然後給出參考意見，隨後由聚合模型來
Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香
這篇消息聚焦「Claude Code之父最新判斷：AI時代團隊分工被重寫，這「五種人」最吃香」。原始導語提到：工程師、PM、設計師……崗位邊界正在消失！ 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。