

积加科技推出全球首款由世界模型驱动的AI高尔夫发球监测仪G10 Pro,通过单视角反演三维人体动作,实现对挥杆生物力学的因果解析与个性化训练反馈,突破传统仅追踪球体数据的局限,已获Kickstarter超200万元众筹。公司以AI为内核重构硬件逻辑,构建可复用的人体感知、AI硬件工程及商业化三层平台能力。
作者 | 黄楠
编辑 | 袁斯来
编者按:当出海越来越成为一家中国公司核心战略时,如何征战全球市场就成为一个极其专业的话题。在全球化的演变中,已有不少中国品牌站立潮头。鉴于此,硬氪特推出「Insight全球」专栏,从品牌成长与变迁,探索中国品牌出海的前沿方向与时代契机,为出海玩家与行业提供思考与启发。
这是我们专栏第65期——从家庭智能硬件起步,成立7年的积加科技已构筑起AI原生硬件全栈能力,年营收数亿,拥有数百万终端用户。最近,他们进入AI运动硬件领域,推出首款由世界模型驱动的高尔夫发球监测仪G10 Pro,从单视角反演三维人体动作,让设备从“看球”转向“看懂人”。自Kickstarter上线后,累计众筹金额超200万元。
积加科技CEO蒲立,是AI硬件赛道一个不太按常理出牌的人。
这是一家已经成立7年的公司,但很少为外界知晓。它们的产品包括家庭智能摄像头、可视门铃、自然观测硬件产品,年营收数亿,在全球超150个国家和地区拥有数百万终端用户。
这在硬件赛道是一个很不错的数据。积加也低调完成了多轮融资,投资方包括线性资本、经纬中国、元璟资本、达晨财智、金沙江创投、华创资本等机构。
但积加并非一家简单的硬件公司。和很多同行不同,它的总部在AI算法人才聚集的北京。
国内大多数硬件厂商仍保持着传统的售卖逻辑,先敲定硬件形态,打磨产品参数,AI只是后期叠加的辅助功能,用来丰富卖点、提升溢价。
但蒲立跳出了这套惯性打法。对他而言,AI不是锦上添花的插件,而是贯穿产品全程的核心内核。尤其在大模型汹涌而来后,硬件本身只是载体,在这个新时代做硬件,需要全然不同的思路。蒲立反复思考,如果AI才是核心,硬件结构怎么设计?需要采集什么数据?以什么形态存在?和用户建立什么样的关系?
2024年,蒲立和团队把目光投向了一个看起来跨度极大的新方向:AI运动硬件。他们选定的第一个切入场景,是公认难度最高的运动项目之一——高尔夫。
9月17日,积加科技旗下运动科技品牌NeoPace发布首款高尔夫发球监测仪产品G10 Pro。这是全球第一款由世界模型驱动的发球监测仪(Launch Monitor),自上线Kickstarter以来,累计众筹金额超200万元。G10 Pro采用众筹即发货的模式,将在众筹结束后即时发货,首批量产产品将在2026年内送达用户。

积加首款高尔夫发球监测仪产品G10 Pro(图源/企业)
这也是这个时代非常典型的硬件产品:硬件本身只是入口,真正的门槛是背后的算法和AI能力。靠某种巧思穿透大市场的创业神话,已经越来越稀少。
在资本共识越来越分明时,它们只会流向少数同时具备供应链积累和AI算法能力的公司。
其实,高尔夫训练助手早已是个成熟市场。
但过去高尔夫训练硬件产品只在一种思路上优化,也就是不断提高球体飞行数据的捕捉精度,包括球速、起飞角度、旋转数值、落点轨迹,各项指标被反复打磨至极致。
这套迭代逻辑很好地服务了职业球员的需求,他们需要精准的数据来调校装备、优化挥杆细节。但对多数基础爱好者和进阶球手而言,只盯着“结果”的硬件体系,却缺失了训练反馈最关键的一环。数据能告诉他们球飞向了哪里,但无法解释为什么。看不到原因,下一次挥杆也无从调整。
“这也是大部分兴趣类进阶用户的共性痛点。单纯的工具设备,往往撑不起用户提升能力的诉求。”蒲立告诉硬氪。
相比于关注“球”的动态,积加选择从另一个维度切入:将“人”的动作纳入智能分析范畴。

人体姿态3D重建(图源/企业)
人的动作是球体运动的唯一物理输入端。高尔夫挥杆过程中,人体206块骨骼、约360个关节和600多块肌肉同时发动,在不到两秒内完成高度同步的时序协调,但凡任何环节出现毫厘级偏差,都会在杆头触球瞬间被放大为球路上清晰可见的偏移或失误。
为了看懂人体的动力逻辑,积加首款高尔夫发球监测仪产品G10 Pro没有沿用传统监测框架,而是把底座搭在团队自研的TrainerIQ Human-Centric世界模型上。
这个模型以人体运动生物力学为核心建模对象,目标不止停留在视觉层面的动作捕捉,而是从单视角信号中,反演三维人体运动序列与发力过程,实现对动作机制的可解释解析,让设备从“看懂画面”进阶到“看懂人的动作”。
这项能力有很高的技术门槛。由于高尔夫用户绝大多数时候是在练习场、室内打位或户外草地上独自练球,无法架设多机位设备。设备只能从一个角度拍摄,画面信息有限,挥杆过程中最关键的转胯、重心转移、手腕释放等细节,很容易被遮挡或遗漏。一旦关键动作缺失,分析就会失准。
积加从数据端补上这个短板。团队搭建了专属的高尔夫运动数据体系,并积累了数十万组高精度运动样本。在数据采集阶段,用多视角把动作完整记录下来;训练阶段只给模型提供一个视角,让它从单一画面中还原动作,其余视角则用来验证还原的准确性。
这样做的目的,是让模型先吃透标准的人体挥杆力学规律,再适配普通用户的单视角画面做推演,用全域数据弥补单一视角的信息不足。

全域数据弥补单一视角信息不足(图源/企业)
举个例子,当用户在练习场打完一杆,G10 Pro根据正面画面里肩膀、手臂、髋部的位移和节奏,结合已学到的生物力学规律,世界模型可以推演出这一杆在三维空间里的完整动作序列,并判断头有没有前后移动、腰和手谁先启动、发力顺序是否合理等。最后,再将这些信息转化成用户能听懂的训练反馈。
这套世界模型的能力,最终落到产品体验上,才是G10 Pro与传统设备拉开差距的地方。
传统方案大多停留在“记录”层面,完成基础画面的捕捉,无法解读动作与运动结果背后的因果关系。TrainerIQ世界模型的不同在于,它试图理解运动背后的物理规律与因果逻辑,并在此基础上推演尚未发生的优化场景。
它不仅能复盘用户这一杆的挥杆细节和击球结果,还能基于用户原本的动作,模拟体态调整、发力优化、节奏修正之后,挥杆轨迹会变成什么样,击球效果又会发生什么变化。因此,用户看到的不再只是“这一杆打得好不好”,而是“如果改掉这个动作,下一杆可能会怎样”。
可以看到,这套模型本质上就是把训练逻辑模型化、常态化。它不是给所有人一套标准答案,而是结合每个人的身体条件和动作习惯,给出更适合其自身的改进方向。
“每个人的挥杆没有标准答案,其训练成长路径同样不该被统一范式束缚。” 蒲立说。借助TrainerIQ世界模型,用户独有的发力习惯、差异化的技术短板、循序渐进的训练节奏,都能转化为可解读的时序数据、可对比的运动轨迹,成为下一次挥杆可落地的调整依据。
G10 Pro从立项之初就没有走“大而全”的产品路线。积加把高尔夫硬件作为运动版块的首发产品,也有市场层面的权衡。
在海外成熟的高尔夫监测设备市场,用户普遍认可专业训练硬件的价值,不需要从头培育市场认知。
但这也是一群极度聪明的用户,他们不会为噱头买单。所以积加没有把力气花在把参数做得更漂亮,而是把自己放在“辅助训练”的位置,它不会一次性把所有动作问题都抛给用户,而是先判断当前最该改的是哪一个,让反馈更聚焦、更可执行。
“当今天AI能看懂一段挥杆动作,拆解出发力链条、定位到动作短板、给出可执行的优化方案,这种信息密度和指导意义就完全不同了。它不再是泛泛的内容生成,而是针对具体的人、具体的动作,给出具体的判断。”蒲立告诉硬氪。
在积加团队看来,硬件是一次性入口,订阅服务才是品牌与用户长期关系的开始。

AI高尔夫训练助手(图源/企业)
产品布局上,积加也没有追求一款机型打穿所有人群。主力机型先锚定核心进阶用户,再沿同一赛道向上、向下延伸,逐步覆盖更宽的用户分层,形成有梯度的产品矩阵。
但高尔夫只是这套逻辑的第一个落点。当硬件入口、订阅服务和分层产品矩阵在高尔夫上跑通之后,积加真正关注的,是支撑其运转的底层能力。
这也正是积加平台化路径的起点。从场景中捕捉具体需求,把解决需求的能力拆解成可复用的分层能力,再用这套分层平台去覆盖更多运动品类。
“真正的平台化不是技术的迁移复用,而是底层核心技术标准化、垂直场景能力模块化、商业运营体系通用化的分层式架构——用可沉淀的通用能力,对冲多赛道拓展的试错成本,而非彻底消除研发投入。”蒲立说道。
在这套分层体系中包括了三大跨品类直接迁移的核心能力。
最底层是通用人体感知技术。依托TrainerIQ世界模型,团队沉淀了标准化的人体骨骼解算、发力时序推演、单视角三维重建、动作因果归因能力。这套对人体动态和生物力学逻辑的理解,不绑定高尔夫单一运动,而是所有人体运动分析的通用技术底座。
往上一层是AI原生硬件工程能力。视觉与雷达融合的感知框架、低算力设备的算法补偿方案、户外复杂工况的成像与测温适配、轻量化自动对位工程体系,都已经完成标准化打磨,可快速适配不同运动的硬件采集需求,无需每款产品从零重构硬件架构。

传感系统(图源/企业)
再往上是兴趣类消费硬件的商业化资产。从过去家庭场景、自然观察硬件沉淀下来的海外渠道、圈层用户运营体系、AI增值服务订阅模式、长效用户留存体系,已经形成成熟的C端硬件商业化闭环,能够快速复用在运动赛道,降低新品市场落地成本。
目前,积加科技其他的运动品类产品已进入规划阶段,预计明年上半年逐步落地。
过去数十年,大众运动训练慢慢走入了工业化、标准化的循环。专业训练硬件不断刷新数据精度,通用的挥杆范式、模板化的纠错思路成为行业主流,成套的标准化训练方案以低门槛流向每一位爱好者。训练效率被大幅拉高,运动原本的个体属性被不断稀释。
随着AI人体理解的可迁移能力逐步落地,专业级的动作解析、因果归因与个性化指导能力下放至消费硬件,普通用户拥有专属的智能训练助手,第一次具备了规模化落地的可行性。
这也是AI原生硬件优化的方向。不是更聪明的工具,而是让每一个具体的人,被设备真正看懂。也只有这样的公司能穿越周期。