20亿次发球喂出的体育大模型，庞伯特拿下数亿B轮

全球网球参与人数达1.06亿，但美国网球活跃用户与教练的配比高达800：1。想练球的人很多，能教球的人远远不够。这是国际网球联合会2024年数据摆出的现实。

AI体育硬件公司庞伯特近日完成数亿元B轮融资，由上海国投先导基金领投，元禾璞华、浦东创投等跟投，老股东蓝驰创投持续加注，高鹄资本担任独家财务顾问。此前公司已连续完成三轮A轮系列融资，神骐资本、明势创投、蓝驰创投、锦秋基金、华创资本及成为资本等机构集体参与。

这笔钱将投向AI体育大模型、运动视觉与训练决策技术研发，同时拓展全球市场、完善海外渠道与本地化品牌运营，并落地更多运动品类新品，扩大技术平台复用边界。

从乒乓球台到网球场的复用

庞伯特最早从乒乓球场景切入，逐步建立起覆盖发球执行、视觉感知、运动分析和训练决策的“手、眼、脑”一体化能力，在行业内率先把自研体育大模型落地至智能发球机硬件产品，再将这套能力复用到网球等其他运动品类。

“手”对应发球与供球系统，稳定可控的发球能力是实现智能指导的物理基础；“眼”是高速视觉感知模块，实时捕捉挥拍姿态、击球回球速度落点等练习场景数据；“脑”则是庞伯特提出的体育大模型，对采集到的多维度信息做解析判断，输出动作纠错、训练方案优化等专业指导。

产品端的节奏很清晰：首款智能网球发球机器人PACE系列于2024年10月上线Kickstarter，众筹金额超270万美元；2026年5月推出Aura多合一AI教练机器人，发布当天5小时众筹金额即超100万美元，累计金额超400万美元。

目前庞伯特全球用户已超30万，设备累计发球总量超20亿次，积累了超100万组球路数据。澳网已于9月28日正式宣布，庞伯特成为澳大利亚网球公开赛官方合作伙伴、官方发球机器人合作伙伴，并同时担任澳大利亚国家网球学院官方发球机器人供应商。

用户要的不是陪练对手，是随叫随到的教练

运动训练领域长期存在一个被技术忽视的结构性矛盾。在中国，网球运动消费市场持续升温，但动辄数百元一小时的私教课，把绝大多数初学者挡在门外。好教练往往预约困难、时间难以匹配，教学风格也未必契合自身；即便每周安排一节私教课，在自主练习时段，颠球、空挥、发球机训练或对墙练习，用户依然缺少实时的观察与技术指导。

市场上大部分发球设备仍停留在机械吐球阶段：无节奏、无旋转、无指导；也有一些产品拥有视觉感知能力，但只是后置给到用户一些速度、落点等的数据分析报告，几乎谈不上训练价值。

“训练场景里，练习带来的能力提升才是用户的核心需求。”庞伯特创始人兼CEO张海波告诉硬氪，“大家都希望身边能有一个随叫随到的‘AI教练’。TA可以不用一直喂球，但能持续观察、给出实时指导。”

这正是庞伯特锚定的环节：把专业级运动训练能力，从少数人的特权变成大众可及的日常工具。传统发球机只完成了“发球”动作，却没有实现“教学”闭环。一个好教练需要同时具备三种能力——用手喂出精准的球路，用眼观察学员的跑位和动作，用脑判断问题并给出实时反馈。

“用户不需要感知背后有多大的模型，只需要感到：它看得懂我，也知道下一步怎么帮我练。”张海波说，“我们所说的‘体育大模型’，不是简单把通用模型接到发球机上，而是具备‘感知-决策-执行’一体化能力的模型，在通用多模态能力之上，结合机器人将大模型从虚拟世界拉入物理世界，真正参与到物理训练中。”

这个系统的核心能力，是将用户的自然语言表达转化为可执行的训练方案。当用户提出“我想改善反手稳定性”的诉求时，系统需要结合实际表现给出建议，再逐步转化为具体的训练安排：发什么球、什么节奏、关注用户的什么动作问题、什么训练强度。

技术路线上，庞伯特选择端云协同架构。端侧承担低延迟感知和轻量判断，保证实时反馈的响应速度；云端结合多模态信息、球路数据和教练知识，完成更复杂的分析；经过验证的能力，再通过训练、蒸馏等方式下沉到终端。

带因果链条的数据，才是壁垒

目前庞伯特平台已积累100万组乒乓球球路和超过20万组网球球路。Aura搭载可拆卸的120fps双摄视觉模块Spotter，拥有10Tops端侧算力。Aura上市后，每年可采集超过500万小时有效的高质量运动交互数据。

“我们有运动领域最有价值的精标数据，是带有因果链条的闭环数据——发现问题、给出指导、执行纠错、效果验证。这些数据在互联网公开数据集中绝不可能获取。”张海波指出，“数据量的积累只是第一步，真正有价值的是把‘看见的问题、给出的指导、后续的变化’关联起来。”

在工程层面，庞伯特搭建起“视频预标注+专业教练人工复核”的基础链路。运动姿态的判定不像图文识别，不同教练对“引拍太晚”的理解可能截然不同，公司通过顶级教练团队的复核机制，把模糊的经验转化为高精度标准。

更关键的是构建带因果链条的闭环数据。庞伯特拥有硬件终端，不仅记录用户哪里打得不好，更记录AI给了什么建议、设备调整了什么发球策略、以及用户后续击球姿态的改善幅度。只有带因果标注的数据，模型才能学会“什么样的指导真正管用”。

这类数据既能帮助AI更准确地理解人，也能为未来的运动机器人提供学习基础。从“采集-标注-训练-验证-迭代”的完整循环，叠加运动场景、设备执行、专业判断和效果反馈之间的链路，形成多维度数据间的因果关联。

渗透率不足10%，增量空间刚打开

当前，AI运动训练领域已步入商业化落地的关键窗口期。Research and Markets最新数据显示，全球AI私人教练市场规模从2025年的15.72亿美元，到2026年将增长至20.25亿美元，复合年增长率达28.9%。依托AI实现个性化训练反馈的硬件装备仍处在快速成长期，有望在2028年迎来规模化落地的爆发拐点。

“过去，各种发球机在专业用户与运动爱好者中的渗透率不足10%。但到了现在，数字化、AI技术的融入，加上中国成熟的供应链能力，增量空间被彻底打开。”张海波说。

按照规划，庞伯特将以自研体育大模型为核心底座，持续升级AI Coach的运动解析与交互体验，横向拓展匹克球、板式网球、羽毛球、棒球等项目，推动产品从单一智能训练设备向更完整的智能运动系统演进，逐步构建覆盖多运动品类、软硬件协同的全球AI体育科技平台，同时加快全球化市场渠道的建设与落地。

“长期方向是从‘理解运动’走向‘参与训练’。”张海波表示。这意味着模型不仅要能分析动作对错，还要能理解训练逻辑：什么时候该加难度、什么时候该巩固基础、什么样的球路组合能针对性解决某个技术短板，并结合连续训练表现规划连续训练计划，联动发球设备安排针对性练习。

“我们不是要替代专业教练，而是让专业指导延伸到更多日常训练中，让用户独自练球时也有方向、有反馈。”张海波说道。