Keep超级AI会员：运动全流程AI陪伴服务

最近在各类AI+的赛道中，我反倒被AI+运动的玩法深深吸引，连续体验多日都不愿停下。

提到AI+运动，很多人首先会想到Keep这款国民级运动应用，凭借高用户认知度和适配AI的丰富落地场景，它早已站在这条赛道的核心位置。但拥有用户认知只是第一步，如何将AI真正落地到用户的运动场景中才是关键。就在今年88全民健身日当天，Keep推出了全新的「超级AI会员」服务，给出了它的解题思路。

作为一名老用户，我第一反应是疑惑：普通会员已经包含课程、训练计划和基础工具，这次单独推出的AI会员，到底新增了哪些核心价值？

带着这份疑问，我亲自体验了这项新服务。打开Keep后选择「AI语音互动跑」，戴上耳机准备开跑，刚起步就发现自己忘了做热身。放在以前，要么硬着头皮继续，要么停下来搜索一套热身动作，但这次我直接向AI求助，它没有慌乱，反而建议我先通过慢跑完成热身，同时指导我的跑步姿势和步频——当时我甚至不知道自己当前的步频是多少，AI随即自动打开了节拍器，将速度调整为每分钟175次，耳机里清晰的节拍让我很快找到了跑步节奏。

和以往的语音陪跑不同，过去的陪跑只会单向播报配速、心率和距离这类基础数据，用户需要自己判断后续的运动节奏；而现在的AI互动跑，会结合实时运动状态给出判断，当我提出临时需求时，它不仅能给出解决方案，还能直接调用工具执行。比如跑到一半想听歌，AI会自动切换到快节奏的适配音乐，整个过程无需我手动操作，看起来就像身边有一位专业的运动教练随时待命。

我还特意尝试了边界测试，提出想吃汉堡炸鸡并让它帮忙带路，结果被AI明确拒绝，提示我自行打开外卖软件。这让我意识到，在运动场景中，AI清晰的能力边界反而比全能更重要，既能提供有效帮助，又不会越界干扰用户。

后续跑步过程中，我随手抛出了不少运动相关的问题：应该用前脚掌还是后脚跟落地？每周至少运动几次合适？运动前后应该何时进食？这些问题以前我只是偶尔想到，却懒得专门查找答案，现在随时开口就能得到解答，而且对话延迟极低，几乎不用等待就能得到回应，整个过程流畅自然，完全没有操作App的割裂感。

跑完步后，我终于理清了超级AI会员和普通会员的核心差异：普通会员主要提供标准化的课程、训练计划和基础工具，适合目标明确、能够自主完成训练的用户；而超级AI会员则面向另一类需求——那些需要个性化安排、实时动态调整和持续陪伴的用户，而且原有会员的所有权益都得到了保留，并非将旧权益拆分后重新售卖。

更值得关注的是，AI已经渗透到了运动的全流程中：

• 运动前，AI会根据用户状态生成个性化的训练计划
• 运动中，AI语音互动跑会实时处理临时问题、调整运动节奏
• 运动结束后，系统会通过吃练睡分析和身体年龄分析，复盘本次训练效果并给出后续调整建议

而且用户训练的次数越多，系统对用户的身体状态和运动习惯了解越深入，下一次的建议也会更加贴合个人需求，正如Keep所说的「越练，越懂，越健康」。简单来说，Keep在超级AI会员中多交付的，正是替用户承担了原本需要自己完成的选择、判断和调整环节。

其实，Keep推出超级AI会员的意义远不止一张会员卡本身。2025年Keep首次实现年度盈利，作为一家All in AI的上市公司，这项新服务承载着更重要的期待：让AI从技术投入，真正转化为用户可感知的服务，进而成为新的增长引擎。

从行业视角来看，从内容交付转向服务交付并非Keep独有的路径，而是AI商业化逐渐清晰的通用路线。我们可以将AI的发展分为三个阶段：最早的AI主要用于帮助企业降本增效，比如自动写文案、处理客服咨询、整理资料，将原本需要多人完成的工作压缩到一人甚至无人完成；随着大模型技术成熟，AI开始进入产品前台，以总结、推荐、问答等功能的形式成为原有产品的智能补丁，虽然改善了用户体验，但很少有用户愿意为这类功能单独付费；而现在，第三种形态正在崛起：AI不再只完成单个局部动作，而是能够理解用户的整体目标，调用多种工具完成一段连续的流程，而这正是能够创造增量收入的关键阶段。

沿着这个逻辑，不少行业头部玩家已经开始向第三阶段迈进。比如语言学习平台多邻国，早在2025年其年度订阅及相关收入就突破了10亿美元，日活用户超过5000万，但随着用户规模增长，如何让免费用户持续付费并提升单客价值成为新的命题。多邻国的CEO在采访中透露，内部AI用于提升课程生产效率，而面向用户的AI则创造了全新的服务——真人陪练的替代方案。他们推出的Duolingo Max，通过AI实现实时对话练习、模拟真实场景互动，并在练习后给出纠错和反馈，虽然算力成本不低，但定价约为标准订阅的两倍，目前仍保持着不错的利润空间，而且随着模型成本下降，盈利空间还在进一步扩大。

另一个典型案例是编程工具Cursor，早期它只是通过AI自动补全代码来提升开发效率，而到了Agent阶段，它已经可以理解开发者的目标，直接修改多个代码文件、调用终端并运行测试，从「帮程序员写代码」升级为「替程序员完成开发任务」。凭借这套AI原生的开发体验，Cursor迅速崛起，截至今年2月年化收入已突破20亿美元，甚至被马斯克的SpaceX以600亿美元收购。

这些案例背后的核心逻辑一致：只有打造出用户愿意持续购买的全新服务，AI才能真正创造增量收入。而运动场景恰好是最适合AI Agent落地的领域之一：运动本身就是一套连续的任务流程，从确定目标、评估状态、制定计划、执行训练、实时调整，到最后的复盘反馈，训练产生的新数据还会影响下一次的安排，整个流程完全贴合AI Agent的运作逻辑。但目前市面上的多数运动产品，往往只覆盖了流程中的某一个环节。

行业内已经有不少玩家开始尝试突破：拥有超1.2亿用户的运动社区Strava，通过Athlete Intelligence功能解读运动后的数据，帮助用户理解训练效果；苹果的Apple Watch Workout Buddy则更进一步，结合心率、配速和历史记录，在运动过程中提供实时语音反馈。但Keep这次推出的超级AI会员，试图将整个运动流程串联起来，从计划制定到过程陪伴再到复盘反馈，形成完整的闭环。

那么，为什么最终补位成功的可能是Keep？我们可以将Keep的AI之路看作一场闯关游戏，每过一关都让它更有竞争力。

第一关是专业关：运动AI和普通问答不同，错误的建议可能导致用户受伤，因此Keep在2025年初宣布All in AI后，便自研了专为运动健康场景打造的大模型Keepace.ai，并于今年4月正式推出。这款模型通过三层保障实现专业可靠性：将安全作为硬约束、以科学依据过滤回答、通过长期运动数据理解用户个体差异，这让它能够在安全边界内提供有效的辅助建议，闯过了AI敢不敢做判断的关卡。

第二关是执行关：再好的建议如果无法落地也毫无意义，而Keep凭借十一年的积累，拥有课程、训练计划、语音陪跑和运动记录等成熟的产品能力，还积累了140亿条真实运动记录，拆解为17类标签和700多项指标。Keepace.ai作为「大脑」给出建议后，可以直接调用这些工具将建议转化为具体行动，用户训练产生的新数据也会回流到系统，优化下一次的建议，形成完整的闭环。这也是Keep和通用AI、智能穿戴的核心差异：通用AI只能给出建议，无法直接组织训练；智能穿戴只能记录状态，无法承接后续行动，而Keep同时拥有知识、数据、场景和执行工具，具备打造闭环的条件。

第三关是用户关：服务做出来还要有人愿意用，截至2025年底，Keep的AI教练「卡卡」已经为超过130万用户生成个性化训练计划，语音陪跑功能被调用超过2100万次，食物图像识别功能使用量达到350万张。这些数据证明，AI并非只是在运动App里自嗨，用户确实愿意将计划、记录和陪伴交给AI，证明了产品的用户接受度。

第四关则是付费关：超级AI会员要验证的是用户是否愿意为持续的判断、陪伴和反馈付费。对于刚刚在2025年首次实现年度盈利的Keep来说，新的增长方向是核心命题，超级AI会员将AI从技术投入转化为可付费的服务，完成了从卖内容到卖服务的转型，但最终能否跑通商业模式，还要看购买用户数、留存率、续费情况以及单客价值的提升情况。

回顾这次跑步体验，我对超级AI会员的判断变得更加清晰：如果只是在App里多几个AI按钮，我大概率不会付费，但如果这项服务能让我少操心、更健康地运动，那无疑是值得尝试的。Keep当然还没有完全实现AI+运动的全部可能，这项服务刚上线，还有很多细节需要验证，但它已经抛出了一个行业共同关注的问题：当AI进入垂直行业，用户到底愿意为什么买单？

从多邻国到Cursor，再到Keep，不同赛道的头部玩家都在走向同一个方向——让AI从单纯的工具，转变为可感知的服务。多邻国的AI陪练接管了口语练习全流程，Cursor让开发者用自然语言驱动整段开发，而Keep则将运动前、中、后的计划、陪伴、反馈串联成完整的链条。这背后的核心驱动力是大模型能力的跃迁：AI正在从理解和生成内容，转向规划和执行任务，这也是Agent成为行业焦点的原因——AI正在从回答问题，转向帮助用户完成目标。而运动这种高频、连续、需要实时反馈的场景，无疑将成为AI Agent落地的重要落点。