高瓴资本投资AI体育科技公司 曾获李泽湘天使轮融资

作者｜黄楠

编辑｜袁斯来

硬氪获悉，专注于AI体育科技的公司SportVision近日宣布完成天使+轮融资。本轮融资由高瓴创投（GL Ventures）领投，谦恒资本担任独家财务顾问。所筹资金将重点投向核心AI运动算法的研发、新一代智能硬件产品的量产落地以及全球市场渠道的拓展。据悉，其新款AI网球训练相机也计划于近期正式发售。

SportVision隶属于深圳思博威视体育科技有限公司，长期深耕于计算机视觉运动算法研发与智能硬件产品创新，致力于构建完整的AI智能教练生态系统。公司此前已获得李泽湘教授旗下清水湾基金的天使轮投资。

近年来，运动科技赛道经历了由硬件创新驱动的深刻变革。智能发球机让单人训练成为常态，运动相机使得记录训练过程无需专人协助，而智能手表与手环则精准量化了心率、步频、卡路里消耗等关键数据，形成了个人长期运动数据库。

然而，尽管各类产品催生了规模可观的企业，但其功能大多仍停留在陪练、记录、监测等单点环节。数据彼此孤立，能力无法互通，难以为用户提供连贯、系统且个性化的运动提升方案。

运动爱好者的深层需求，早已超越了被动记录，更渴望获得专业指导、智能陪伴与可视化的进步反馈。一场更底层的范式转移正在发生：运动科技正从“记录工具”时代迈向“AI运动Copilot”时代。

工具仅能执行指令，而Copilot则能像真人教练一样，理解运动者的实时状态、精准识别技术动作、及时纠正错误习惯，甚至在用户动力不足时，扮演激励与陪伴的角色。

要填补这一体验鸿沟，用户需要的不仅是性能更强的硬件，更是一个能整合多维度信息、真正理解运动逻辑与个人目标的“智能大脑”。这正是SportVision选择切入并构建核心优势的关键赛道。

全运会现场所使用的SportVision设备（图源/企业）

从数据沉淀到实时AI教练

SportVision创始团队的背景，清晰地注解了其技术路径。创始人陈楷夫本科毕业于吉林大学物理学院严济慈班，后在哥伦比亚大学获得机器人学硕士学位，并曾在MMLab从事姿态识别与目标检测算法研究。作为一名前游泳运动员，他对运动学习中的动作纠正与训练效率痛点有着切身感受。正是这段经历，驱使他决心利用AI技术破解非结构化运动数据的分析难题，构建一个可规模化复制的个性化运动产品与训练体系。

联合创始人杨晨旭是资深网球爱好者，曾于腾讯、字节跳动负责AI产品研发。公司核心成员多来自商汤、字节、阿里、腾讯等头部科技企业，团队具备了从AI算法创新、软硬件一体化研发到全球化品牌运营的完整能力。

公司发展初期，SportVision选择以羽毛球场景进行关键产品验证。其首款产品“好球哇”是一套羽毛球AI运动相机解决方案，能够通过视觉算法实时采集球场画面，自动识别并捕捉用户的运动高光时刻，为普通爱好者、专业运动员及赛事运营方提供高光集锦、赛事直播、技战术数据分析等一体化服务。

该系统已成功落地全国数十家头部羽毛球馆，并获得了包括林丹、王睁茗、龚睿那等世界冠军在内的种子用户认可。在赛事服务侧，它也已应用于全运会残特奥会、粤港澳大湾区羽毛球比赛等多场重要赛事。

但其核心价值，远不止于硬件设备本身，更在于系统持续运行中所沉淀的海量、高质量运动数据。

在拍摄过程中，SportVision的自研算法能实时分析并智能预判运动轨迹，根据比赛进程自动调整摄像策略，并对复杂的多人运动场景进行持续学习与优化。从世界冠军的标准动作到入门爱好者的练习习惯，从专业教练的指导语料到日常训练的模式，场馆设备每日长达十余小时的运行，持续收集着广泛而泛化的数据。每一回合、每一次挥拍、每一个得分瞬间，都在被系统实时记录、拆解与深度分析。

这构成了传统发球机或运动相机难以企及的数据矿藏与竞争壁垒。

破解运动学习“联想阶段”的反馈延迟难题

运动技能学习通常分为三个阶段：认知阶段（通过观察理解动作要领）、联想阶段（通过反复练习形成神经肌肉连接）以及自主阶段（动作固化成为肌肉记忆）。其中，“联想阶段”的及时反馈至关重要——动作是否正确，需要在数秒内获得确认，否则错误模式将被反复强化并固化。

陈楷夫向硬氪指出，当前市面上多数运动AI解决方案仍停留在“事后分析”模式，即用户运动结束后上传视频，系统再生成复盘报告。这种模式无疑错过了最佳的纠正窗口期。

因此，SportVision致力于构建的，是一套基于实时视觉交互的预判式AI教练系统。“顶尖运动员未必是优秀教练，优秀教练的核心价值在于懂得如何教学。”陈楷夫解释道，“我们的目标，就是将顶尖教练的教学方法论进行萃取与数字化，让AI学会如何有效地指导。”

随着网球、羽毛球、匹克球等拍类运动在全球持续流行，用户对提升运动水平的需求日益迫切。传统的聘请私教模式面临成本高、频次低的矛盾。每周一两次课程之外的大量练习，普遍缺乏即时、专业的反馈。以网球为例，从零基础到能够进行稳定的“对打社交”，学习周期可能长达一年。正反馈周期过长，导致许多爱好者停滞在入门阶段。

这正是SportVision着力构建的核心壁垒：通过部署在真实运动场景中的设备，日夜不断地收集海量、多维度的运动数据。从关节点识别到动作模式分析，从专业运动员的标准动作库到业余用户的练习轨迹，这些数据构成了一个强大且可迁移的技术中台，使其AI能力能够高效地在各类拍类运动场景中复用与迁移。

SportVision首款网球AICopilot产品（图源/企业）

构建个性化的“运动世界模型”

“我们打造的不仅是一款智能运动相机，更是在构建服务于未来运动人群的个性化AI教练‘世界模型’。”陈楷夫向硬氪阐述其愿景，“理想的状态是，用户无需思考‘今天我该练什么’，而是由系统主动管理你的运动进程与提升路径。”

硬氪获悉，SportVision的首款网球AI Copilot产品已进入紧密研发阶段。该产品以智能相机为载体，系统能够实时识别用户击球动作，并与专业标准动作模型进行毫秒级比对，通过语音或视觉界面提供即时纠正建议。同时，它还能融合教练知识图谱，为用户生成定制化的训练计划，让独自练习者也能获得科学、有针对性的AI陪练指导。

该产品概念已于CES 2026上亮相，首发市场将聚焦于网球文化深厚、用户密度高的欧美地区。这也是全球范围内付费意愿与消费能力最为突出的核心市场。

审视AI时代运动科技的竞争本质，当大模型逐渐弥合通用知识鸿沟，真正的竞争壁垒便向两端演进：一端是高质量、高密度、深场景数据的积累；另一端是产品在具体运动场景中的深度介入与服务闭环能力。

SportVision通过长期场景化部署所积累的稀缺数据资产，正成为其下一代AI教练产品最坚实的底座。从提供记录功能到兼具功能与情感陪伴，从事后分析到实时指导，从服务单一运动品类到打造拍类运动的通用AI技术平台，这家公司正在推动运动科技完成从“辅助工具”到“智能副驾（AI Copilot）”的关键跨越。