follow us

AING硬跡

從高爾夫運動場景切入，教AI理解人。

2026年，世界模型（World Model）的概念熱度持續攀升，這個賽道也涌現了越來越多的創業團隊。從自動駕駛到具身智能、從空間計算到機器人控制，圍繞著“機器如何理解物理世界并與之交互”去做突破。

但在這個宏大的敘事中，當機器與世界交互時，那個發出指令、承接反饋的“人”，本身也是一個高度復雜的動態物理感知系統。

近日，AI初創公司XintLabs宣布完成數千萬元天使輪融資，由高瓴創投獨家投資。這家公司提出的“人體模型”（Human Model）概念，試圖教AI理解“人如何感知、行動、學習和適應”。

兩位港科大校友的“逆向”創業

XintLabs的兩位創始人，CEO劉岳峰與CTO王斯傲是香港科技大學的同窗，曾共同參與Robocon機器人比賽。

劉岳峰畢業于港科大機械及航空航天工程專業，曾作為早期核心成員加入逸動科技，主導產品體系搭建及多款核心產品的定義、研發與商業化落地。逸動科技是全球船用電力推進系統的頭部企業，劉岳峰在產品定義與商業化方面的經驗，為XintLabs的硬件-軟件一體化路徑奠定了基礎。另外他也是一名深度運動愛好者與曾經做過滑雪教練，這些經歷讓他觸及了傳統運動的核心痛點。

王斯傲作為人形機器人感知專家與計算神經科學家，他長期專注神經形態計算、事件驅動感知與機器人決策機制，這些正是構建實時、低延遲、高動態人體理解系統的核心技術。

其團隊成員來自香港各大高校、以及大疆、逸動、比亞迪、速境等科技與硬件企業，能力覆蓋AI算法、機器人感知、軟硬件一體化、運動科學、工程研發和產品落地。

基于這樣的洞察和積累出發，構成了XintLabs的產品哲學起點：運動表現遭遇瓶頸，往往不在于缺少教程，而在于練習者的身體尚未建立起有效的本體感知與動作控制回路。

一個人的Body Operating System

當前市面上的運動科技產品，大致可分為三類：陪練工具（如發球機）、記錄設備（如運動相機）、監測硬件（如智能手表）。它們各自停留在單點功能上，數據相互獨立、能力無法貫通。

XintLabs將其核心技術平臺命名為BOS（Body Operating System，人體操作系統），其架構設計試圖從根本上打破這一局限。

BOS采用端云協同架構：端側硬件負責實時感知和反饋，云上AI負責人體模型的優化和長期訓練策略生成。

這一架構支撐起一個完整的訓練閉環：訓練前，系統評估用戶身體基礎、目標與風險邊界；訓練中，識別運動表現和動作技能并給出即時反饋；訓練后，量化分析訓練是否切實改善了身體能力，并迭代更新下一階段方案。

關鍵在于，BOS所理解的“人體”并非靜態的骨骼點集合，而是一個時變的動態系統。它將姿態、力量、平衡、控制、疲勞、意圖等維度及其變化軌跡，融合納入一套可計算、可預測、可優化的量化系統。

系統不僅可以識別“做了什么動作”，還能判斷“身體狀態如何影響了這個動作的質量”，并給出建議等。

這種“狀態-動作-反饋”的實時耦合，當前市場往往還是由“人類教練”這個角色進行指導。而且標準教程無法適配個體差異，經驗反饋難以量化追溯，BOS要構建的是一個持續進化的人體操作系統，每一次訓練都會成為模型更新的一部分，每一次反饋都會服務于下一次動作，每一次進步都可以被理解、解釋和延續。

為什么從運動切入？

XintLabs選擇運動訓練作為首個落地場景，并非簡單的市場考量，而是基于人體模型構建的方法論需求。

運動場景具備構建人體模型所需的完整閉環：用戶目標明確、反饋高頻、數據連續、結果可驗證。不管是滑雪、高爾夫還是其它運動場景，用戶的每一次訓練動作都能形成可觀察、可反饋、可迭代的數據循環。

另外，運動場景中的身體狀態變化尤為明顯。一個人在不同的緊張狀態、疲勞狀態或者傷病恢復階段，對同一動作的完成能力可能存在明顯差異。這種非線性、時變、個體差異化的特征，恰恰是傳統AI視覺系統最難處理的，也是人體模型的核心價值所在。

相比之下，靜態體態識別或標準化動作評分，只是對人體的一次性“快照”；而人體模型追求的是動態過程的“電影”，理解身體狀態如何隨時間演化，以及這種演化如何影響動作質量。

這一技術路徑的延展性，遠超運動領域本身。未來或許只要場景涉及身體狀態識別、動作學習、實時反饋、長期變化預測和個體化干預，BOS都有機會延伸。

這條路很長，但方向已經清晰。

*本文圖源：XintLabs官網

AING硬跡

AING，取自“AI+ING”的縮寫，中文諧音“硬跡”，寓意著“人工智能正當其時”，致力于追尋硬科技發展的足跡，不斷探索人工智能與智能硬件的深度融合。

未來，AING硬跡將不斷發布AI大模型技術、AI產業生態、AI硬件產品等行業資訊、發展趨勢與市場動態，我們相信大多數硬件都值得用AI重做一遍，AING硬跡期望與AI大模型廠商、與AI硬件廠商共同成長，迎接AI時代的來臨。

人工智能正當時

一起追尋AI+硬件的足跡