摘要：身体活动不足是全球慢性病负担的主要行为危险因素。Guthold 等对 358 项人群调查的汇总显示，成年人身体活动达标率十余年未见改善，传统宣教式促进在依从性与可及性上渐显局限。我国全民健身与体医融合由扩大覆盖转向精准供给。人工智能凭多源数据融合与实时反馈成为突破口，但个体效率增益能否转化为人群收益，尚缺少将证据强度与制度条件并置的讨论。
本文采用叙述性文献综述，以人工智能、身体活动促进、公共健康与全民健身为主题词，检索 PubMed、中国知网的 2023—2026 年文献并兼及奠基性研究；核验 DOI 后纳入 16 篇，按数据感知、智能评估、个性化干预与人群治理四环节归类。因研究异质性较高，未作效应量合并，仅行定性综合。
技术重心由机器学习预测转向深度学习、强化学习与大语言模型。An 等对 24 项研究的范围综述归纳出个性化干预、实时监测、多源数据整合等方向。干预证据明显偏弱：Singh 等纳入 19 项试验的 meta 分析提示聊天机器人可改善身体活动，但研究质量偏低；Gabarron 等对 15 项研究、899 名参与者的评定显示，AI 方案提升步数的证据确定性中等，行为改变者极低，干预多限于 2—26 周；Yang 等 8 项干预样本仅 15—116 人，效应不一。生成式模型改变供给形态：Puce 等对 10 项研究的系统评价发现，大模型处方虽遵循指南，却缺乏特异性与渐进性；Li 等的个案比较显示 GPT-4 制定的 16 周方案与专业教练评分无统计学差异，宜作辅助而非替代。Jubair 与 Mehenaz 指出，智能手表辅助处方研究缺少评价框架，样本偏向高收入地区年轻群体，伦理治理常被略去。
由此，AI 驱动运动与公共健康融合的方向可以确认，但民生价值并非技术演进的自然结果。数字赋能全民健身受制于本位倾向、数字鸿沟与监管不足；数字弱势群体仍面临可达性障碍，公共服务演进有赖于地方组织协同。本文提出技术、场景与治理相衔接的框架：技术层建立数据标准、模型可解释性及以健康结局为终点的评价；场景层优先覆盖老年人、慢病风险人群与城乡薄弱地区，依托运动转诊与体医融合嵌入公共卫生体系；治理层厘清人机权责边界，落实算法备案、知情同意与隐私保护。现有干预多为小样本、短周期设计，鲜见以人群健康结局为终点的本土实证，对算法偏倚与可及性差异的测量付之阙如，此为后续研究着力之处。
关键词：人工智能；身体活动促进；公共健康；大语言模型；健康公平