字节大疆创业者入局AI运动训练 APP登多国榜单前列

一位曾深耕自动驾驶领域的工程师，如今将创业目光投向了网球赛场。

先分享几个核心判断：AI运动训练赛道正加速从概念走向落地，而其切入方式往往比想象中更加具体。近期，一个名为“小球圈”的项目引起了我们的关注——它精准锁定网球、羽毛球、乒乓球、匹克球等拍类运动爱好者，致力于打造一款真正可落地的AI教练软件。

据“鲸犀”独家消息，“小球圈”（运营主体为北京光跃极枢智能科技有限公司）于2025年7月正式成立。目前，其APP已在全球上线，网球拍产品也进入量产销售阶段；智能球拍、智能球搭子及球场摄像硬件仍处于原型机开发阶段。整体产品形态虽在快速迭代，但发展路径已十分清晰：以APP为核心数据入口，逐步向硬件领域拓展延伸。

创始人的背景颇具看点。杨光垚，这位曾在字节跳动、百度、大疆车载（后独立为卓驭）和蔚来都任职过的自动驾驶资深从业者，在卓驭期间主要负责视觉感知、系统决策及软硬件协同。作为他的首个创业项目，早期阶段从产品定义、数据闭环架构、软件设计到内容运营，几乎均由他一人主导，硬件端则与深圳成熟的ODM厂商展开合作。

为何一位自动驾驶工程师会跨界进入体育赛道？在他看来，这两个领域本质上是同一类问题：都依赖多模态数据输入，核心都是大模型架构与数据算法飞轮。底层逻辑相通后，上层应用便能实现快速迭代。

那么，“小球圈”的灵感从何而来？事实上，它源自一个非常具体的日常场景。杨光垚本人在长期网球训练中积累了不少烦恼：训练视频拍摄后需要人工剪辑，效率低下；动作是否正确全凭主观感觉，进步与退步缺乏量化指标。更不用说寻找球友、预约场地所耗费的沟通成本了。这些痛点，传统方法根本无法有效解决。

他最终锁定了体育AI赛道，底层判断基于三点：第一，AI智能依赖数据，而体育场景中的多模态数据长期处于“未被数字化”的状态，一旦实现结构化处理，便能衍生出多种商业服务；第二，体育场景天然涉及多模态理解、多模态生成、长期记忆，以及球员、教练、场地等多方交互，堪称Agent落地的理想试验场；第三，该领域目前仍由Wilson、Head、Yonex等海外品牌主导，缺乏一个真正由技术驱动的国产替代方案。

这些痛点背后，实际上指向了AI进入运动训练赛道的核心方向——训练过程的标准化与量化。传统模式下，业余训练高度依赖教练的经验，但训练结果难以持续记录和对比。更关键的是，专业教练的供给本身就存在结构性缺口。以网球为例，中国约1.1万名网球教练需服务约2000万参与人群，平均约1754名用户对应1名教练，而全球平均水平约为584:1。供需失衡问题十分突出。

面对这一缺口，杨光垚的判断是：影像能力正被大厂标准化，但训练理解层仍是一片空白。运动训练的核心并非仅仅是拍摄，而是将视频转化为可分析的数据。利用AI降低训练分析与复盘的成本，这才是“小球圈”切入市场真正的价值所在。

基于这一判断，“小球圈”选择先做软件，再做硬件。核心逻辑是优先解决“数据如何产生”的问题，而非一开始就与大疆等巨头硬碰硬。

在实际使用场景中，用户的主要输入是视频数据，来源可以是手机、运动相机，也可以是场地摄像头。系统通过“手机端轻量模型 + 云端大模型”的协同推理架构，对视频进行人物三维重建、时序动作建模和场景理解分析，并自动生成训练中的精彩片段。同时，系统还会输出动作反馈与训练指导建议。

在杨光垚的定义中，网球、羽毛球、乒乓球、匹克球等小球运动的核心需求，可以概括为两个方向：“变强”和“变美”。前者指向技术提升，后者指向训练记录与自我表达。

这一路径已带来初步增长。小球圈APP在国内体育类付费榜单中稳居前50名，并在全球多地榜单中跻身头部梯队：澳门第5名，新加坡第60余名，斯洛伐克第40名，甚至在塔吉克斯坦拿下了榜首。目前，产品上线约一年，累计用户已达数万级，其中近三分之一的增长来自最近一个月。

一条清晰的路径已逐渐浮现：以软件和数据作为入口，通过AI实现训练行为的结构化分析，再逐步延伸至硬件形态。关于本轮融资进展及后续产品迭代情况，我们将持续关注。