当多数AI运动教练还在找PMF，已有AI跑步App做到月入500万美元

　　几天前的一场线下 AI 活动上，我们听到了一个很典型、也很有诱惑力的创业想法。现场有位滑雪教练聊到，他曾意识到传统的滑雪教学是高客单价的定制化服务，于是想到去做一

　　声明:本文来自于微信公众号 白鲸出海，作者:李爽，授权转载发布。

　　几天前的一场线下 ai 活动上，我们听到了一个很典型、也很有诱惑力的创业想法。

　　现场有位滑雪教练聊到，他曾意识到传统的滑雪教学是高客单价的定制化服务，于是想到去做一款 AI 滑雪教学产品，提php供平价又规模化的滑雪教学服务。这个 idea 刚被抛出来时，在场所有人的反应都很积极，因为用 AI 软件服务去改造一个高客单价、用户需求明确的传统赛道，几乎是今天最标准的创业故事之一。

　　但再往下聊，问题也就一个一个冒出来了。AI 滑雪教学的主流思路是靠视频识别动作，但如何获取高质量的视频就是一大问题。用户自己录，拍摄角度和镜头畸变都会影响判断;他人跟拍的成本又太高。到了识别阶段，厚重的雪服、头盔和护具又会把人体的关节点位遮得七七八八。更要命的是，滑雪还是一个典型的季节性运动，一年只能做几个月的生意。

　　总而言之，一个听起来很美好的“AI 滑雪教练”服务，落到真实雪场上往往没有那么优雅。

　　类似的思路的产品在小红书上能找到不少，AI 网球教练、AI 羽毛球教练，甚至更多细分运动项目都有人尝试，Vibe Coding 的时代人人可以在几天之内手搓产品原型并进行市场测试，但多数产品距离 PMF 依旧遥远。

　　也正因如此，当我们看到一款名叫 Runna 的跑步训练 App 在短短4年时间内做到500万美元月内购收入，并在去年被全球最大健身社区 Strava 收购时，会格外感兴趣。同样是把“运动教练经验做成产品”，多数项目停留在了 Demo 阶段，为什么是 Runna 率先跑了出来?

　　一场从PDF起步的创业

　　AI 运动教练常见的一大惯性思考是将教练价值理解成“看动作，纠动作”，仿佛真人教练最重要的能力是用眼睛看动作是否标准，于是 AI 也应该长出一双“眼睛”，通过摄像头、姿势识别和动作分析，但实现难度很大。相比之下，Runna 切入的并不是“即时动作纠错”，而是训练规划。后者看起来不那么酷炫，但它是一种更长期的、对训练过程的持续把控，更接近教练服务里的“战略大脑”。

　　按创始人 Dom Maske编程ll 后来的回顾，这一灵感来源于他在疫情期间想要提升自己的跑步成绩，当时他发现市面上的跑步 App 都很僵化，无法根据个人日程灵活调整训练安排，比如 Dom 只能在周二、周四和周六训练，并且希望在周六进行长距离跑。于是他求助了当时在做私人跑步教练的大学好友 Ben，后者就每周通过 Google 文档为他量身定制训练计划，在 Ben 的专项指导下，Dom 的进步很快，不仅刷新了5km 跑步成绩并且成功挑战了个人首次马拉松。于是他开始想到不是每个人都能请得到 Ben 这种顶尖教练，那有没有可能把它产品化?

　　这个起点很重要，因为它意味着 Runna 最早的参照对象，不是“一个真实在场的教练”，而是真人跑步教练里可以远程交付的一部分能力，围绕用户目标制定训练计划，并根据用户的时间表和执行情况不断调整。

　　Dom 和 Ben 两人花了9个月时间打磨能android自动生成跑步计划的引擎，并将它包装为一个名为“The Run Buddy”的网站服务，在2026年正式上线。用户输入跑步目标（5km、半马或者全马）、跑步能力、可用训练时间以及希望进行长距离跑训练的时间等等信息，并支付20英镑-80英镑不等的价格之后(Dom 说这个价格大概只有 Ben 作为跑步教练对外定价的1/5)，一份定制化的训练计划 PDF 在15分钟内会发到用户邮箱。这个阶段，他们卖出了1000多份跑步计划，让这个创业两人组信心大增。

　　如今看来，当时的服务和交付都有点粗糙，比如，PDF 很不灵活，如果用户因为长途出差等突发情况需要更改跑步计划，或者是觉得原计划中的配速过快难以适应，都需要亲自发邮件联系客服，由 Dom 手动生成新计划后再返回用户。但它顺利验证了“定制跑步计划”的市场价值，当时的市场缺乏专业又能贴合个人时间安排的跑步计划服务，用户也用真实付费给出了反馈。

　　省心即价值

　　今天的 Runna App 看上去和当初那份 PDF 很不一样，但是在核心的交付价值上又是高度一致的，它始终希望提供的是一套专业、定制化，同时让计划适应个人日程、体能，而非反过来让人去适应计划的跑步训练规划服务。

　　这也是很多外部观察容易忽略的一点。Runna 实现了跑步训练计划个性化、动态调整、设备联动，但对大量普通用户来说，更直接的吸引力其实是省心。

　　市面上也有大量现成的跑步训练计划，按理说用户只需要将计划插入日程表中，再根据状态调整配速和节奏，但问题是，这种规划需要时间、精力和持续投入。对于工作、生活节奏本来就很快的人来说，Runna 真正做到了像教练一样，让用户打开就能练。

　　如今用户进入 App 后，可以先选择目标，比如更快的5Km、第一次半马或全马，再输入自己的当前水平、每周可训练天数以及日程安排，系统会生成一套个性化训练计划。之后，这些训练内容还可以同步到 Apple Watch、Garmin 等设备上，用户在跑步过程中可获得实时语音指导，训练结束后，系统再根据完成情况、历史进展和日程变化，对后续计划做动态调整。除了跑步本身，Runna 还把力量训练、灵活性训练等内容一起纳入训练体系。Runna 早已不是一个计划生成器，而是一个围绕跑者目标运转的动态训练系统。

　　Runna近1个月收入达到了560万美元|图源:Sensor Tower

　　AI，让运动变得更easy了?

　　对比国内，运动在欧美民众日常生活中的渗透度可能会更高，这一点体现在相对低廉的健身房价格（对比当地平均收入）、更丰富的俱乐部资源、更成熟的运动赛事经济和大众参与氛围等等方面。但也正因为运动已足够普及，Runna 跑出来靠的反而是在做一件传统且更务实的事，让运动变得更简单。

　　运动本身已经足够反人性了，如果 AI 教练最终需要你支起三脚架、上传视频，再忍受不断纠错带来的挫败感似乎并不太符合逻辑。Runna 的成功经验是，要节约用户的“心智开销”，这其实也是不少运动产品在探索的方向。

　　Fitbod，一款月入超200万美元的 AI 健身 App。它解决的不是“怎么做一个标准的深蹲”，而是更前面的问题，今天进了健身房，到底该练什么。很多人放弃健身，并不是因为不会动作，而是因为站在器械区那一刻就已经开始决策疲劳，今天该练哪了?要做哪几个动作?多大重量?几组?Fitbod 不去强调动作教学，而是根据用户的训练记录、恢复状态以及录入可用器械历史直接生成一份当javascript日训练计划。对于用户来说，AI 价值并不在于纠正，而是高效地节约注意力。

　　Fitbod应用商店海报|图源:点点数据

　　Gentler Streak应用商店海报|图源:点点数据

　　写在最后

　　回到文章一开头的问题，为什么是 Runna?我们认为是这个团队最终找到了用户愿意持续付费的那部分价值。它抓住了教练更值钱、也更适合被规模化交付的一面，能够规划、调整、陪伴和反馈，最终帮用户省下时间、精力和决策负担。

　　某种程度上，这可能也是 AI 运动产品更值得参考的编程一条路，毕竟许许多多学习、健康 App 已经验证，真正吸引用户留下的往往不是产品的专业、准确程度，而是它有没有让这件原本难以坚持的事情，变得稍微容易一点。

本文标题: 当多数AI运动教练还在找PMF，已有AI跑步App做到月入500万美元本文地址: http://www.eraseerrata.com/news/roll/742142.html