眾籌近400萬美金，這家明星AI體育硬件公司做了款多合一教練機器人 ｜產品觀察

在首款網球發球機熱銷後，AI 體育硬體新創龐伯特（Pongbot）近期推出了多合一 AI 教練機器人 Aura，進一步將觸角從單一運動訓練工具延伸至跨項目運動場景。這款產品在群眾募資平台 Kickstarter 上線當天，僅五小時就募得超過 100 萬美元，最終累計金額接近 400 萬美元，顯示市場對這類整合型智慧教練產品的強烈興趣。 龐伯特是一級市場備受關注的標的，2025 年半年內完成三輪融資，累計金額達數億元人民幣；旗下產品已在全球累積超過 30 萬用戶，設備總發球量突破 20 億次。然而，當運動硬體賽道競爭日益激烈，不僅國內新創團隊快速切入網球領域，海外老牌專業設備廠商也在加速搶占全球市場。龐伯特早在數年前便開始考慮拓寬產品線，直到今年 5 月正式發表 Aura，從網球場景的訓練工具跨足多運動 AI 教練機器人，試圖以「一台設備覆蓋多種運動」的思維重新定義市場。 Aura 的核心策略相當直接：與其讓使用者為每一項運動分別購買專用設備，不如用同一台機器支援包括網球、板式網球、匹克球等時下熱門的隔網運動。透過所搭載的 AI Coach 智慧教練系統，Aura 能即時觀察使用者的擊球動作、分析問題並調整後續發球策略，形成完整的訓練閉環。龐伯特創辦人兼執行長張海波指出，傳統視覺分析方案多半只能在訓練結束後提供報告，無法在過程中主動調整；Aura 則試圖復刻真人教練的現場教學模式，從「喂球」開始，在動態互動中持續給予回饋。 從硬體架構來看，要實現跨球種相容並非易事。不同球類的物理參數差異極大：網球包含有壓比賽球、無壓訓練球、青少年用的 75% 氣壓軟球、低齡用的 50% 氣壓輕球等多種規格；匹克球也分為 16 洞與 24 洞兩種結構，重量、風阻係數與飛行軌跡完全不同。常規單一發球機的夾持與推送結構僅能適配一類標準球體，一旦更換球型就容易出現變形、卡球、出球偏移等問題。因此，龐伯特團隊對發球機器人的機械架構進行系統性重構，讓送球、落球、擊球模組能夠根據球種自動調整夾持間距與加速方式，並針對各細分球型建立獨立的控制模型，確保使用者切換運動後仍能獲得穩定可控的訓練手感。 如果說多合一發球系統是 Aura 的「手」，那麼其 AI Coach 的能力則建立在視覺感知與演算法決策兩個層面。Aura 搭載一個可拆卸的 120fps 雙攝視覺模組 Spotter，具備 10 Tops 邊緣算力，結合語言與語音大模型，能「看見」使用者的揮拍動作與球的軌跡，並透過龐伯特體育大腦「思考」分析，最後以語音即時提醒的方式給予調整建議。不同於單純的動作分析工具，Aura 能將分析結果直接驅動發球機器人調整下一組發球策略，形成「觀察—判斷—調整—執行」的完整循環。張海波強調，真正的教學必須從喂球開始，在動態互動中觀察、判斷、調整，而非停留在事後分析。 這套訓練閉環也構成獨特的數據壁壘。龐伯特預估，Aura 上市後每年可採集超過 500 萬小時有效的高品質運動互動數據，進一步優化 AI 教練模型。在產品定義階段，內部曾對「多合一」路線產生分歧，擔心使用者會認為「什麼都做、什麼都不專業」。但張海波認為，傳統體育產品要求消費者「先選定運動、再購買設備」，這對初學者並不友好——他們在尚未確定興趣時，就得為單一運動支付整套設備成本。根據業界調查，匹克球在北美每年以超過 30% 的速度增長，板式網球在歐洲的球場數量五年內翻了近三倍，而網球仍是全球參與人數最高的球拍類運動，三者的初學人群高度重疊。Aura 的解決方案是讓設備本身相容三種球，使用者按需透過 App 付費解鎖，不必在購買前就做出決定。 上線結果也印證了這個策略。張海波透露，下單使用者中幾乎全部選擇了包含 AI 教練功能的版本，選擇多運動合一方案的用戶占比也超過一半。從消費心理來看，多合一功能即使未被高頻使用，也能放大使用者對產品性價比的感知，降低首次購買的決策門檻。而從商業化角度，多合一設計讓龐伯特能用單一 SKU 覆蓋多個運動品類，供應鏈物料複用程度高，生產效率與成本控管更佳，同時觸及的用戶群從單一運動擴展至高重疊度的三個運動群體。 龐伯特的商業模式是「硬體平價、軟體增值」：使用者可先購買單運動版本，後續想解鎖匹克球或板式網球時，透過 App 內按月或按年付費即可。這種模式在消費電子領域已被驗證，但在 AI 運動硬體行業仍屬少數。張海波表示，用戶今天用 Aura 學網球，數據積累在龐伯特的系統中；三個月後想試試匹克球，不需要再買一台機器，只需在軟體端完成一次付費解鎖。設備沒換，用戶沒流失，數據還在持續生長。最終，龐伯特試圖構建一個越用越聰明的 AI 教練網絡，將「數據 × 演算法 × 硬體 × 場景」融合為消費級產品。硬體是入口，用戶是資產，數據是壁壘，三者閉環一旦形成，真正的護城河就不再是那一台設備，而是一套持續進化的訓練系統。Aura 從硬體層面重新思考了「一台設備能覆蓋多少場景」，再用軟體和數據把不同場景串聯起來，為初學者提供低成本跨運動切換的可能性，同時讓系統記錄每一次揮拍。