摘要
研究目的:随着数字体育与大模型技术的快速发展,人工智能(AI)运动教练加速进入大众健康生活场景,但其角色定位、应用成效与现实局限仍缺乏系统梳理。本研究旨在厘清 AI 运动教练的发展阶段与落地困境,为大模型时代智能运动干预的研究与实践提供参考。
研究方法:以 PubMed 与中国知网为文献来源,围绕“AI 教练”“智能运动指导”“数字健康行为干预”及"virtual coach""AI coach""digital health intervention"等主题词,检索 2015—2026 年国内外文献,检索截至 2026 年 11 月。初步检索获得文献 989 篇(其中 PubMed 327 篇、中国知网 662 篇,已剔除报纸及会议文献),经题目摘要初筛后保留 95 篇,阅读后最终纳入 48 篇(中文 22 篇、外文 26 篇)。本研究采用叙事性综述,辅以主题归纳法,从角色演进、应用场景、现实困境与发展方向四个维度进行评述。
研究结果:(1)从发展脉络看,AI 运动教练大致经历三个阶段:早期以数据记录与被动提醒为主,属于监测工具;随后具备训练指导功能,可依据练习表现调整负荷、纠正动作;当前在大模型与多模态交互驱动下,研究进一步期待其成为长期陪伴型数字伙伴,但第三阶段总体仍处于设想与初步探索期,成熟应用较少。(2)应用场景集中于居家锻炼、青少年体质促进、老年功能维持与健身人群依从性管理,但研究质量参差,多数证据仅覆盖短期体验与主观感受,缺乏对长期健康收益的追踪。(3)现实困境可归为三层:技术层面,部分个性化方案实质仍依赖固定模板与预设阈值,算法建议缺乏可解释依据;行为层面,功能丰富并不必然带来持续使用,高频提示反而引发抵触;治理层面,运动与生理数据的权属划分及事故责任界定尚不清晰。
研究结论:现有研究偏重 AI 对真人教练的替代,而对健康行为维持所需的动机激发与情感支持关注不足,这恰是 AI 当前难以独立承担的部分。未来研究应推进多模态融合判断、训练建议的可解释性与人机协同分工——AI 承担高频监测与即时纠错,人负责目标设定与动机支持,并将行为改变理论实质性地嵌入算法设计。评价 AI 运动教练的标准不应仅看算法先进程度,更应关注其能否支持个体长期坚持健康行为。
