（来源：36氪）

图源/企业

作者丨欧雪

编辑丨袁斯来

一群来自字节、腾讯、大疆的年轻人，决定用AI重新定义滑雪训练。

这支团队的核心成员，覆盖算法、软件、硬件和全球商业化，几乎都带过头部大厂大型项目。

创始人吴振华的经历很有代表性。他在字节待过三年，担任飞书区域业务负责人和用户增长负责人，此前还在Vika担任CMO，亲历那家公司从0到1的过程。另外三位联合创始人，软件负责人贝俊龙曾在腾讯和字节跳动担任高级产品经理；负责算法与数据的楚嘉此前是字节跳动算法工程师；负责硬件的黎元晟则曾18岁加入大疆，也曾担任SEED Studio核心研发工程师。

但比履历更重要的，是另一个标签：他们都是滑雪爱好者。团队中六成持有国际滑雪教学认证，有人当过教练，有人甚至做过冬奥会裁判。

选择滑雪赛道创业，既源于吴振华他自己六七年滑雪经历中切身的痛点，也基于一个更底层的判断：过去的AI模型只学习互联网上的图文信息，而真实物理世界里那些摔跤、立刃、换刃的数据，从未被任何模型吸纳过。

“我不会做烧钱的事。必须要同时满足这四个象限才会去做——做热爱的事、做擅长的事，短期有清晰财务模型，长期天花板足够高。”吴振华说。

滑雪，至今仍是一项被“暗数据”支配的运动。数据藏在雪板之下，人眼看不见，自己感受不准，摄像头也难以捕捉细节。

吴振华想做的，正是把这些暗数据捕获下来，喂给AI，再反哺回训练过程。

跨南北半球的两个雪季里，Heygo团队带着数十个传感器，在零下三十度的雪场反复测试，采集了百万级真实滑行数据，试图打开这个“黑箱”。

Heygo在2025年才正式成立，先推出一款针对单板滑雪的AI硬件。团队将它定义为Motion Agent的感知入口。“这个Agent会观察你，理解你，记住你，给你反馈，并逐渐找到最适合你的进步路径。”

此外，他们融资同样谨慎，目前Heygo仅完成一轮数百万美金的天使融资，由厚雪机构独家投资。

从想法萌芽到产品即将预售，Heygo走过了近一年的时间。Heygo选择的路径，不是服务金字塔尖的少数运动员，而是将专业能力消费品化，让普通爱好者也能负担。

“我们的战略不是覆盖多少运动、有多少款硬件，真正的竞争力在于Heygo有多懂你，能不能给你个性化的反馈，让你更好地理解自己的边界。”吴振华称。

AI如何读懂滑雪？

滑雪训练的反馈，既昂贵又稀缺。一节私教课动辄上千，课后却依然只能靠感觉摸索。“找10个教练，可能10个教练讲的都不一样。因为他们没有你完整的Context和Memory。”吴振华说。

滑雪是个体闭环运动——一个人完成、一个人感知、一个人纠偏，天然适合用传感器捕捉动作数据。更重要的是，滑雪极难仅靠视频实现科学量化分析，雪服臃肿、动作高速，关键变量全在视线之外。

因此Heygo团队认为，AI硬件在滑雪领域不是锦上添花，而是刚需。但把刚需转化为可靠产品，远比想象复杂。核心团队花了一年时间，集体降薪投入，只攻克一个核心难题：如何让AI真正读懂滑雪。

脚上的IMU传感器捕捉到的是脚踝动作，但经过雪靴形变、固定器传导后，最终到达雪板的状态已经偏移。几度误差都会在立刃、换刃判断中被不断放大。不同雪靴硬度、体重、雪况又让形变规律千变万化，没有固定补偿参数能通吃所有场景。

团队把这个难题概括为“鞋不等于板”，这是行业过去难以突破的核心障碍。他们的解法是拆到最底层：在模型训练阶段，于雪板上额外加装传感器，同时采集脚部和雪板的真实运动数据，让模型学习从双脚数据推算雪板运动。在量产产品上，传感器依然只有雪靴外侧那两个。

楚嘉表示：“没有一组固定的补偿参数能通吃所有雪靴、所有体重、所有雪况，只能让模型自己去学这个映射关系。"

这个过程依赖海量真实滑行数据，不是实验室模拟，而是在零下三十度到零上几度的温差里，硬雪、粉雪、冰面等各种雪况下一次次采集。

从日本到新疆再到新西兰，团队在不同国家的雪场蹲守数月。“很多人以为难在模型训练，其实真正难的是在极端环境下拿到干净、可用、有标注的训练数据，这是笨功夫，没有任何捷径。”楚嘉说。

硬件打磨同样不易。两个夹在雪靴侧壁的传感器，需在极寒、高冲击、强静电下稳定工作，仅夹子选材和受力分析就调整了无数次。团队与高校力学实验室合作仿真，测试不同厚度雪靴壁的夹紧力平衡，最终做到IP68防水和单次充电支持一周以上滑行。在硬件支持下，目前Heygo数据精度做到3度以内，达到行业头部水平。

“雪靴壁的厚度、硬度每个品牌都不一样，夹紧力大了容易发生形变，小了会松动，这个平衡点只能靠一次次试。”黎元晟称。

有了精度，下一个问题是如何让用户感知价值。Heygo的答案是实时语音反馈，这成为他们与多数“滑后分析”工具的本质区别。

反馈分三个层次：滑行中通过蓝牙耳机给出简短提示，只在关键时刻开口，绝不打断节奏；缆车上给一段完整的复盘；一天结束后，Heygo结合全天数据生成个性化报告和下一步训练建议。

值得注意的是，频率和语气会根据用户水平动态调整。“核心原则是不要打断用户滑行，大脑能消化的信息非常有限。只在关键时候开口，讲用户能理解的东西，一句话告诉他下一步怎么做。”贝俊龙表示。

人格层面也会做区分：频繁摔跤的用户收到温柔鼓励，暴力滑行的进阶选手面对更直接的技术指正。团队把这个逻辑总结为“个体基线”，而非泛化标准。模型必须读懂新手和老手的差异。

这种深度个性化依赖庞大的后台系统。Heygo搭建了自己的数据标注平台，从采集、切分、打标到训练、验证形成闭环。每一趟滑行被切成以“弯”为单位的最小颗粒度，再拆出入弯、弯中、出弯三个阶段，对应几十项指标。

AI要像教练一样理解滑雪，前提是先把滑雪用机器能理解的方式重新定义。截至目前，Heygo已累积上百万条真实滑行数据，构建了含十五到二十项进阶指标的单板滑雪知识图谱，并与全球不同教学体系的教练持续共创校准。

“用户越多，模型越强。滑得越多，你的Heygo会越懂你。”吴振华说。

从滑雪到个人运动智能

但必须承认，从技术突破到商业验证之间，还有不小的距离。滑雪本身门槛不低，装备、雪票、时间都是成本。

Heygo的千元硬件定价加上后续订阅费，相当于在已有消费之上再加一道门槛。但从内测反馈看，愿意买单的除了中高阶玩家，更多还是刚学会滑雪、想持续进步的业余爱好者。

不过，Heygo团队强调，产品定价锚点不是消费电子，而是滑雪装备消费逻辑。此外，产品软件采用订阅制，基础版随硬件附赠，深度分析和个性化计划需额外付费。

“刚入坑配齐一套最基础的装备，也要花一两万块钱。而一个能长期陪伴、持续进化的AI滑雪搭子，你觉得值多少钱？”吴振华表示。

市场策略上，团队放弃了众筹平台。吴振华是这样考虑的，“我们第一年其实没想过一上来就服务所有滑雪者。我们更希望先聚焦一群真正有进阶需求、愿意持续训练的核心用户，把产品和他们的真实滑行场景磨透。先把这群人服务好，比一开始追求更大的用户规模重要得多。”

取而代之的是独立站加国内电商，辅以全球二十余家线下雪具店的精准组合。硬氪了解到，Heygo产品预计今年九月预售、十月发货，首批覆盖38个国家和地区。

前期品牌建设走的是权威背书路线。团队与新西兰、加拿大等国滑雪协会和顶级教官建立了合作。

“滑雪这类垂直运动有个通用打法，自上而下，更高更快更强。顶级滑手用什么，大家就信什么。”团队让专业群体率先使用，再向大众圈层渗透。

这背后其实体现了一个反共识判断：滑雪市场看似小众，但用户价值极高。

目前，全球滑雪人次已接近四亿，中国市场每年超两千万人次参与，增速迅猛。这其中，有部分是每年固定上雪、愿意为进步付费的滑雪爱好者，“如果做到渗透率百分之一，就已经能撑起一家非常有质量的公司。”他们认为，滑雪用户高净值、高付费意愿、高粘性、高传播力，只是过去没有产品真正解决他们的核心需求。

从更长维度看，滑雪只是第一站。Heygo团队真正想做的，是“个人运动智能”。

滑雪、冲浪、滑板共享一部分底层逻辑：人通过板与环境作用，核心是重心、节奏、边缘控制、转向速度等。

传感器融合架构、姿态估计方法、个人模型训练与Agent交互是可迁移的，真正需重新积累的是各运动专项的知识图谱和数据资产。

但团队并不急于横向扩张。在Heygo看来，关键问题从来不是“支持多少运动”，而是能否真正理解一个人在真实世界中如何感知、行动、学习和进步。

而当这套能力真正溢出到更广泛运动场景的时候，Heygo或许会成为AI理解物理世界和人类运动逻辑的重要样本之一。