GoMore，让AI为运动装上智慧大脑

运动手表、智能跑鞋、智能背心、智能眼镜……智能可穿戴设备产品层出不穷，它们不仅让大众健身变得潮流时尚、科技感十足，也让智能科技为全民健身装上了“智慧大脑”，成为我们身边的科学健身指导员。如今，GoMore已经能够提供运动数据算法结合AI的运动解决方案，给运动爱好者提供专属个人化的 AI 教练。

据了解，GoMore创新AI 运动数据解决方案，是一套专利体能模型结合AI智能教练的综合系统。其以AI算法为支撑，以目标导向式设计，协同各类运动相关厂商为消费者提供专业化、个性化的运动生理学分析、智能化训练课程、专业训练解决方案、运动健身解决方案。

随着科技革命带来的发展浪潮，体育与数字的融合、协同、创新发展正在加速演进。通过人工智能等数字化手段，提升大众健身服务水平，促进体育产业发展，培育体育新消费，已经成为体育行业顺应时代发展的大势所趋。

智能可穿戴设备背后的超级算法

智能可穿戴设备运用的底层技术原理，主要是通过传感器采集到的物理信号转化成电信号，通过后台智能分析系统对电信号做出数据计算和分析，进而得出信息。

智能手表作为入门级可穿戴产品，是许多运动爱好者的标配装备，目前，市面上已经有诸多品牌。不过，有一些运动爱好者虽然佩戴了运动手表，但并没有将运动数据很好地加以利用，甚至还会质疑运动手表数据的可靠性。此外，不同品牌的运动手表，所监测出的心率等数据也不太一样。

这些问题的根源与可穿戴设备后端的算法分析有关。智能可穿戴设备运用的底层技术原理主要是通过传感器采集到的物理信号转化成电信号，通过后台智能分析系统对电信号做出数据计算和分析，进而得出信息。其中，智能可穿戴设备的底层核心技术是传感技术，而生物传感是行业内重要的传感应用技术。生物电极传感器涉及心电、脑电、皮电等生物传感技，被广泛应用于商业消费级智能可穿戴设备中，如智能手环、智能手表传感芯片。

北京体育大学体育工程学院院长沈燕飞指出：“在基础硬件方面，各个厂商的框架基本一样，而差异主要体现在算法层面。以心率为例，现在可穿戴设备的准确性都非常高，但是基于心率来进行各种更高层次的身体指标监测，不同厂商的算法也就不尽相同，例如：基本心率进行呼吸率估计，基于心率进行乳酸阈心率估计以及基于心率对睡眠质量评分等等，这些算法研究需要更多的数据积累，需要基于基础标准实验建立更好的数据模型。”

算法可否成就一家企业在该领域的技术门槛呢？坦率说，这个领域的算法公司并不多。其中，最受人关注的当属总部位于芬兰的Firstbeat Analytics，全球几乎所有可穿戴设备厂商都曾使用过 Firstbeat Analytics的算法。GoMore最初对标的也是这家公司，但最终GoMore在AI应用上走在了前沿。

GoMore是台湾博晶医电股份有限公司开发的运动数据解决方案的简称，后者成立于2011年，是一家领先的AI运动算法公司。其团队中既有职业运动员、奥运教练和运动学家，也有机电背景的优秀工程师。GoMore提供的是运动数据算法结合AI的运动解决方案，给运动爱好者提供专属个人化的AI教练。由于看好大陆市场，2018年便逐渐在大陆开拓市场。GoMore已成功与多家知名硬件品牌合作，其中包括OPPO、COROS（高驰）、OnePlus、咕咚、小乔等。

据了解，GoMore通过自身运动训练体验与运动生理学家研发完成体能演算法，2017年获得国际级训练中心ETSU美国东田纳西州立大学实验验证，并发表于全球指标权威机构ACSM美国医学学会，提供专业的运动训练所需的运动生理分析指标及AI智能教练解决方案。

2021年，国家体育总局体育科学研究所（China Institute of Sport Science,下称CISS）联合GoMore发布核心运动心率算法标准：乳酸阈值（lactate threshold）& 最大摄氧量（VO2max）的检测验证报告。在此次公布的两项核心标准测试中，乳酸阈值和最大摄氧量常被作为个性化运动训练强度依据的黄金指标。

沈燕飞介绍，传统乳酸阈值和最大摄氧量测试通常是在实验室进行，如采集血液样本以及使用心肺测试仪，并且需要专业人员进行指导。因此目前有很多智能穿戴设备，都是根据一些经验公式计算得到，当然对其准确性也就存在一定争议。”

而GoMore算法能够通过独家的运算函数来估算两个指标的预估值。对于运动员来说，传统心脏活动变化、体能消耗程度、乳酸堆积状况等数值可能是一些数字而已，但进一步通过 GoMore 运算系统进行分析与深度学习，数值变成体能的耗损与储存量，系统会根据运动者的体能变化以及运动的课程，给予最佳建议。就像拥有一位随身专属的AI教练在旁边。

赋能运动平台

在GoMore AI智能教练系统中，能够基于训练收集的实时个人数据，进行个人化训练强度设定。

据GoMore相关负责人介绍，GoMore以精密的运动生理演算法技术，取代了传统无法实时、高成本及程序复杂的运动生理实验分析，以创新专利的GoMore体能模型为基础，对用户的能力进行分类。通过控制长期疲劳来帮助优化每次训练，提供个人化的训练强度和持续时间建议，以便用户实现其目标。

那么，GoMore算法具体如何为运动者提供AI运动教练解决方案？

首先，不同人群对运动的需求不同。GoMore以目标导向作为设计逻辑，AI智能教练可以根据使用者设定的目标，提供以运动科学为基础的个人化指导。

其次，鉴于复杂的生理讯号对于运动的重要性，GoMore AI教练可提供运动相关生理测量指标，以科学化方式分析更多实时运动生理状态。例如，对于跑步运动者，GoMore可借由历次的运动心率变化趋势、强度与持续时间等，调整个人化的运动体力模型，并进行实时的体力分析，让跑步者清楚了解自身的状况，然后AI教练系统引导的即时跑步指导，将能依此为基础并通过不断地学习了解而提供科学化指导。

再次，GoMore AI可实现个人化、科学化地指导，达到最佳化训练效果。

北京体育大学体育工程学院教授崔一雄告诉《商学院》记者，传统教练会监视和控制每次训练的课程，并以自身经验判断运动员的状况及进度。而在GoMore AI智能教练系统中，能够基于训练收集的实时个人数据，进行个人化训练强度设定。并且在每个训练课程结束时生成“训练效果指标”，包含来自于运动表现及长期训练负荷数据，帮助使用者监测个人进度是否正确地往设定的目标前进，优化训练效率。同时帮助健身教练获得更有针对性的辅助依据，进行科学决策。

当前，GoMore业务开展主要划分为三个领域：一，针对所有品牌客户的业务，例如可穿戴品牌，OPPO、vivo、小米等等；二，针对可穿戴ODM（原始设计制造商）客户的业务，既有头部大型 ODM，还包括中小型ODM；三，是结合IC（芯片）厂商的整体解决方案。

之所以能与这些知名品牌，包括与美国东田纳西州立大学（美国奥林匹克训练中心）、国家体育总局体育科学研究所建立合作，主要得益于其团队人员配置的专业性。GoMore相关负责人介绍，其团队不仅有算法工程师、程序员、理科生，还拥有一大批运动健康科学家、运动生理学科学家。CEO郭信甫和CTO等都是来自于半导体行业的精英工程师，同时，他们也拥有优秀的运动生理学背景。

AI助力可穿戴设备

从专业竞技类运动走向大众体育

与以运动成绩为导向的竞技体育相比，普通大众更加关注运动损伤，能够提供运动损伤预警是普通大众的第一需求。

据崔一雄介绍，目前人工智能技术在职业比赛的技战术分析中应用更加成熟，也获得了显著的效果，而在帮助提高训练水平方面则大多数仍处于研究阶段，市场上已有的智能可穿戴设备也还远未能发挥人工智能技术应有的作用。不过，最新研究结果显示，目前可穿戴技术在提升运动表现领域具有广泛的应用，主要涉及运动学及动力学数据采集、运动员机能状态监测、运动姿态估计、运动轨迹追踪、人体动作建模等。可穿戴设备能够实现商业化，主要还是基于大众以及商务精英人群的市场化需求。只是由于大众体育与专业体育关注点的不同，加之成本问题，针对职业运动的可穿戴设备如今尚不能进入大众健康领域。

沈燕飞指出，在竞技体育领域，由于以运动成绩为导向，很多高科技身体监测设备已经获得广泛应用。例如基普乔格在一场超过2小时的马拉松挑战赛中，从心率监控、智能跑鞋、运动营养、风阻计算等方面都做了精心设计，这些设计的基础都是来自于运动中的高科技产品，但是有些产品由于价格昂贵或者实现技术难度大，还难以满足普通大众的消费需求，例如运动过程中的汗液、脑电和肌电监测等等，目前这些技术还是停留在实验室。

对于当下已经商业化的智能可穿戴产品，要从普通大众的实际消费需求出发提供数据支撑。与以运动成绩为导向的竞技体育相比，普通大众更加关注运动损伤，能够提供运动损伤预警是第一需求；其次是运动的规范性和正确性需求，这样的运动是否能够有效促进身体健康，经过长时间监控之后，身体素质是否得到改进，基于这些数据能否提供更加科学合理的运动处方；最后才是运动成绩。沈燕飞认为，对于普通大众来说，这也是最次要的需求。因此在智能可穿戴设备产业化的过程中，要区别于竞技体育中的应用，充分体现这些差异化需求。

近年来，市面上流行的可穿戴设备主要是针对普通运动爱好者，例如智能手环、智能手表等可以数字化记录使用者的部分运动数据，除了提高运动的乐趣为运动增加一定社交功能外，也在一定程度上帮助运动者更好地了解自身的状态。但是，目前这些数据类型基本都仅局限于简单的运动表现指标，例如跑步距离、步频、心率等。

沈燕飞指出：“由于这些设备都属于非医疗设备，目前还没有数据标准和检测检验标准来对这些设备进行标定，即使进行同样的运动训练，不同厂商的可穿戴设备监测得到的数据差异较大，另外需要对产生这些数据背后的机制机理开展多学科学交叉研究，建立生理生化指标的物理量和身体健康水平的内在逻辑关系。”

如今，人们越来越关注自身的健康及预防医学，心脑血管疾病、循环系统疾病、糖尿病、恶性肿瘤也已经成为身边隐形问题。同时，更多人也关心到一些日常生活问题，如：压力、失眠、慢性疾病及健康导向的训练计划。智能可穿戴设备作为最简单有效的自我健康监控及管理手段，可以通过可穿戴设备打造慢性病自我管理新模式，预防慢性疾病的发生。

那么，利用AI实现“运动处方”并科学地进行锻炼离我们还有多远？

沈燕飞认为，现在人类的健康意识正在从过去的“被动健康”向“主动健康”转变，其中科学运动就是主动健康的一项重要保障措施，但是由于人体科学的复杂性，在科学运动方面需要进行个性化的指导，才能更好地达到健身效果，“运动是良药，剂量很重要”表达的就是这个道理。

在他看来，个性化的运动健身方案，即“运动处方”的制定，需要有监测数据和评估数据的支持，通过对可穿戴设备长期监测的数据进行大数据分析，能够更好地服务我国主动健康战略实施。目前已经有部分数据获得实际应用，例如：基于心率数据进行科学地跑步，根据不同的心率区间进行耐力保持、耐力训练和耐力增强，并且也可以实时提醒运动风险，另外基于IMU传感器，能够进行跑步姿态的识别，纠正错误的跑步动作，有效减少跑步导致的关节损伤，这些作为大健康产业的一部分，应该说具有非常好的发展前景。

GoMore，让AI为运动装上智慧大脑

返回上一篇

下一篇