Personal
Fitness OS
一个根据真实饮食、体重、训练与恢复反馈，持续学习用户身体，并给出下一步行动的 AI 健身营养系统。
ENGINE
我们不是做“AI 卡路里工具”，
而是切入一个更大的长期身体决策层。
拍照、语音、外卖截图，先降低记录门槛。
吃、练、体重、步数、睡眠、围度。
从公式估算走向真实个体反应。
保持、调整、解释，而不是堆图表。
数据沉淀形成换用成本和订阅理由。
中国健身市场正在从“办卡和课程”，
转向更轻、更灵活、更数据化的长期陪伴。
全国健身会员
报告显示 2025 年全国健身会员总数约 8,451.8 万，会员渗透率约 6.00%。这是可被进一步线上化和智能化服务的核心人群。
活跃会员月均到店次数增长
核心用户健身习惯强化，意味着真正高频的健身用户更需要长期反馈、饮食管理和训练决策。
广义健身场馆
行业正在结构优化，线下供给洗牌，用户更偏好灵活付费与高质量个性化服务。
用户需要的不是更多内容
而是跨饮食、训练、体重、恢复的持续判断系统：它应该每天告诉用户“现在该做什么”。
第一阶段不服务所有人。
先抓住会健身、愿意记录、但不会决策的人。
城市健身自驱用户
25–38 岁，一二线/新一线城市，有 3–5 次/周训练习惯，愿意为工具和会员付费，但经常被饮食和平台期困住。
称体重、看热量、刷健身内容、尝试蛋白粉/肌酸、偶尔使用 Keep/薄荷/训练记录 App。
外食不好记录、TDEE 不知道准不准、平台期不知道该不该继续少吃。
不是为了“课程”，而是为了减少决策焦虑、避免走弯路、稳定看到身体变化。
他们有动机、有数据、有消费能力，也更容易形成早期口碑和可观测留存。
用户流失不是因为“不想变好”，
而是反复卡在同一个错误反馈循环。
目标模糊
只知道减肥，不知道应该用体重、腰围、力量还是状态判断进步。
饮食粗糙
知道蛋白质和热量重要，但外卖、食堂、中餐无法稳定估算。
模型缺失
只看到公式 TDEE，不知道自己真实消耗和对热量缺口的反应。
调整错误
一天涨秤就继续少吃，步数下降却误判成平台期，最终放弃。
下一代健身产品的核心
不是“更多数据”，
而是Decision Layer。
系统每天观察真实行为，推断身体变化，给出下一步决策，然后从用户反馈中继续学习。
BODY MODEL
饮食 · 体重 · 训练 · 步数
趋势 · TDEE · 恢复 · 误差
保持 / 调整 / 解释
行动而不是看数据
身体模型 + 知识模型
继续当前减脂节奏。
首页不是 Dashboard，
而是“现在该做什么？”
先给行动建议，再允许用户展开证据。
热量、蛋白质、步数和训练状态，而不是 30 个指标。
为什么不降热量？为什么今天适合训练？证据一键展开。
AI 饮食记录要解决现实中餐，
但更重要的是：知道自己哪里不准。
→ 估计收窄到 710–780 kcal · Confidence 84%
→ 下次吃同一家时优先调用 Personal Food Memory。
真正的智能不是“算一次 TDEE”，
而是持续发现你的真实消耗与响应。
系统不是给一个“真值”，而是维护一个随数据更新的估计与置信度。
平台期不是一个数字，
而是一个跨信号判断问题。
学习不是独立课程。
它应该在用户犯错的那一刻出现。
我要立刻少吃 300 kcal。”
Knowledge Model: weight fluctuation · Level 0
水分、糖原、肠道内容物。
哪些变化可能是一夜发生？
从 7 日趋势读取信号。
保持摄入，继续观察。
竞品已经占据“零部件”，
但没有谁把整个闭环做透。
真正需要盯的不是 20 个 App，
而是三种不同威胁。
MacroFactor
ARCHITECTURE TEACHER- 动态能量消耗模型
- 2026 Nutrition + Workouts
- 年订阅和 Bundle 成熟
Keep
CHINA ECOSYSTEM- 训练、跑步、课程、穿戴设备
- 吃练睡数据分析
- 超级 AI 会员价格带已验证
小卡健康
STARTUP DIRECT- 拍照 + AR 分量
- 中文食物库
- 外卖订单解析
不要做“小 Keep”。
也不要做“中国版 MyFitnessPal”。
我们要占据中间偏上的位置：从中国饮食记录切入，但最终卖的是跨营养、训练、恢复的个体决策。
真正的护城河不是模型，
而是五层个人化资产。
Longitudinal Data
饮食、体重、围度、训练、步数、恢复。
Personal Food Memory
你常吃的餐厅、份量、油量、偏好。
Body Model
真实 TDEE、减脂速度、训练表现反馈。
Knowledge Model
用户懂什么、误解什么、何时该学习。
Decision Engine
每周给出可解释、可执行的调整建议。
免费版解决“能不能开始”，
Pro 解决“不用我自己分析”。
基础记录、基础热量目标、有限 AI 拍照、7 天趋势、基础课程。目标：建立习惯和数据。
无限 AI Food、动态 TDEE、平台期判断、Personal Food Memory、每周 AI Check-in。
对标国内 AI 健身会员与海外营养/训练订阅价格带，具体价格通过付费实验验证。
第一版不做完整 Keep。
只证明一个Adaptive Fitness Loop。
目标 / 身体档案 / 训练频率 / 饮食偏好。
拍照 + 自然语言 + 不确定性修正。
趋势体重，不被单日波动绑架。
摄入 × 趋势体重 → 个体消耗估计。
只记录核心动作、重量、次数、RIR。
保持 / 调整 / 解释 + 一条行动建议。
课程库、社区、直播、智能硬件、电商。
复杂训练编排与 1000+ 动作数据库。
医疗诊断、疾病治疗与高风险建议。
MVP 成功不是“功能做完”
早期增长不靠烧投放，
靠可展示的身体反馈案例。
Founder-led content
用真实外食估算、平台期拆解、TDEE 校准案例获取精准健身人群。
Fitness creator pilot
邀请 20–50 位健身博主/私教用系统管理学员饮食和周反馈。
Community cohort
4 周减脂/增肌小队，用周决策报告形成可传播的前后对比。
Product-led loop
每周报告可分享：趋势体重、TDEE、饮食误差、训练表现、下一步。
融资不是为了堆功能，
而是为了证明长期留存和付费闭环。
Private Alpha
50–100 名高意愿用户；跑通 AI Food → 体重趋势 → Weekly Decision。
Paid Beta
1,000+ 注册用户；验证 Pro 价格、W4 留存、周决策采纳率。
Category Wedge
10,000+ 核心用户；形成 Personal Food Memory 与 Body Model 的数据优势。
这一轮要买到的不是时间，
而是足够多的真实反馈循环。
建议将融资目标绑定到 12–18 个月 runway，而不是先拍具体金额。金额需根据团队规模、模型成本、用户试验和市场投入测算。
融资版要诚实面对风险。
我们最大的风险不是 AI，而是用户持续记录。
记录摩擦过高
没有长期数据，就没有 Body Model，也没有订阅价值。
建议不被信任
健康与健身建议如果像黑箱，用户不会长期执行。
巨头复制入口
拍照识别和 AI Chat 很容易被 Keep/薄荷/小卡复制。
不是计算你
“应该”消耗多少。
而是随着每一次吃、练、称重与反馈，逐渐发现你真正如何运作。
越懂你的身体。
Our product knows me.