作者｜黃楠

編輯｜袁斯來

硬氪獲悉，運動AI Agent智能硬件品牌PathFinder Ltd.（以下簡稱“PathFinder”）近日完成數(shù)千萬元天使輪融資，本輪由錦秋基金獨家投資，資金將主要用于產(chǎn)品研發(fā)迭代、生產(chǎn)交付落地及早期渠道鋪設(shè)，為后續(xù)眾籌上線做好全面籌備。

PathFinder成立于2024年，聚焦運動領(lǐng)域AI Agent及智能終端的研發(fā)，以高爾夫場景為切口，為用戶提供適配專業(yè)運動場景的智能裝備與解決方案。

創(chuàng)始人陳弈及其核心團隊均來自賓夕法尼亞大學GRASP Lab，具備機器人感知、運動規(guī)劃、視覺理解等領(lǐng)域的技術(shù)科研背景；同時，這支00后團隊中，多位成員都擁有10至15年以上專業(yè)訓練經(jīng)歷，覆蓋網(wǎng)球、高爾夫、馬術(shù)等項目，積累了豐富的運動領(lǐng)域KnowHow。

“我們不是因為想創(chuàng)業(yè)才創(chuàng)業(yè)，而是在看到技術(shù)與真實世界之間的巨大落差后，發(fā)現(xiàn)這是一個必須被填補的機會?！盤athFinder創(chuàng)始人兼CEO陳弈告訴硬氪。

這一判斷背后，是整個運動科技賽道的結(jié)構(gòu)性轉(zhuǎn)型。近年來，運動硬件市場歷經(jīng)“熱錢涌入”的急速升溫，但大量產(chǎn)品仍停留在硬件堆料和感知增強階段，用更便宜的傳感器、更快的電機復(fù)制傳統(tǒng)體驗，或提供更精準的測速、更清晰的視頻、更細致的數(shù)據(jù)拆解。真正在“感知-理解-決策”閉環(huán)上做系統(tǒng)性重構(gòu)的團隊，依然稀缺。

陳弈表示，其核心問題并不在于技術(shù)不夠，而是系統(tǒng)不成立。“感知本身不是壁壘，真正的壁壘是如何把感知變成理解，再把理解變成長期可復(fù)用的決策系統(tǒng)。”

這也意味著，運動科技的競爭正從“單點精度”轉(zhuǎn)向“系統(tǒng)智能”，誰能構(gòu)建完整的閉環(huán)，誰才有可能定義下一代產(chǎn)品形態(tài)。

在賓大GRASP Lab，陳弈和團隊接觸著全球最前沿的機器人技術(shù)，而面對日常的高爾夫訓練，他們看到另一個現(xiàn)實：運動世界幾乎沒有被AI重構(gòu)過。訓練仍依賴經(jīng)驗驅(qū)動，決策依賴教練個體判斷，反饋是主觀的、延遲的。

這種“實驗室能力”與“真實場景”之間的斷層，成為PathFinder創(chuàng)立的原點，團隊也在此基礎(chǔ)上自主研發(fā)出首款高爾夫AI Agent智能硬件。

PathFinder首款高爾夫AI Agent智能硬件（圖源/企業(yè)）

陳弈告訴硬氪，高爾夫用戶本身就是高凈值人群，付費意愿明確，技術(shù)提升需求強烈。從市場結(jié)構(gòu)來看，美國高爾夫已發(fā)展為國民級運動，總參與人口高達4720萬，公開18洞球場數(shù)量超過麥當勞門店；中國則處于快速增長期，呈現(xiàn)出“高客單、強圈層”的特征。更重要的是，高爾夫決策結(jié)構(gòu)清晰，人的動作是變量、球桿是唯一外部變量，這一特性使其非常適合海量AI數(shù)據(jù)建模。

但與之形成反差的是，當前高爾夫科技市場并非一個完整的系統(tǒng)，而是三類功能割裂的工具：球包車解決體力問題，Launch Monitor（揮桿監(jiān)視器）類設(shè)備解決數(shù)據(jù)測量問題，GPS手表、App等輕量工具提供基礎(chǔ)信息。它們的共同點在于只是“工具”，缺乏真正的理解與決策能力。

“用戶有消費能力、有提升意愿，但教練數(shù)量不足、價格高昂且靈活性低；除此之外，現(xiàn)有產(chǎn)品往往無法回答‘下一步該怎么練’這個核心問題?！标愞恼f。

這種功能缺失是一個長期被忽視的技術(shù)斷層。傳統(tǒng)高爾夫科技的核心技術(shù)路徑分為兩類，一類是室內(nèi)模擬器，使用高速攝像頭，價格在15萬至30萬人民幣；另一類是Trackman為代表的毫米波雷達方案，價格同樣在15萬人民幣以上。前者依賴仿真環(huán)境、后者需達到極高的雷達精度，它們多服務(wù)于B端客戶或職業(yè)級用戶，以至于消費級市場長期處在空白狀態(tài)。

為此，PathFinder選了另一條路徑，純視覺方案。通過RGB攝像頭，結(jié)合機器學習算法，實現(xiàn)全球首個基于光學攝像頭的完整高爾夫球軌跡重建，將成本降至傳統(tǒng)方案的千分之一。同時，團隊在傳感器選型、鏡頭參數(shù)、圖像處理上針對高爾夫場景還做了大量定制化優(yōu)化，既保證精度、也能實現(xiàn)整體效率與成本的平衡。

PathFinder首款產(chǎn)品圖（圖源/企業(yè)）

與通用計算機視覺不同，運動場景中的視覺理解，本質(zhì)上是一個高度結(jié)構(gòu)化的問題。

例如在高爾夫中，球的飛行軌跡不僅取決于初速度，還與旋轉(zhuǎn)、風場、落點地形等因素強耦合；而揮桿動作的變化，往往是由身體限制、習慣路徑和策略選擇共同決定。

“這不是一個單純的視覺問題，而是一個融合了物理建模、運動學理解和行為建模的系統(tǒng)工程。”陳弈表示。

正因如此，PathFinder在算法設(shè)計中引入了大量運動先驗，而非單純依賴數(shù)據(jù)驅(qū)動，這也是其在純視覺路徑下仍能保證精度與穩(wěn)定性的關(guān)鍵。

具體到產(chǎn)品功能上，PathFinder將高爾夫AI Agent的智能化能力分為三層。首先是記錄；全面且準確地記錄高爾夫的全方位信息，包括球軌跡、球桿數(shù)據(jù)、身體數(shù)據(jù)等，記錄用戶的個人偏好與習慣。

第二是分析；通過純視覺的擊球檢測、軌跡追蹤、動作分析，形成對用戶能力的深度理解。

最后是Agent；Agent提供理解決策能力，令其在訓練過程中成為真正有上下文、有判斷、有陪伴感的AI智能教練入口。

PathFinder高爾夫AI Agent（圖源/企業(yè)）

在PathFinder看來，Agent不是簡單的對話接口，而是一個具備長期記憶與策略能力的系統(tǒng)。

“真正的AI教練，不是告訴你這一桿哪里錯了，而是能理解你過去1000桿的變化軌跡，并判斷下一階段最該解決的問題?！标愞母嬖V硬氪，其核心不在于生成，而在于持續(xù)建模一個人——這種長期建模能力，正是區(qū)分工具與系統(tǒng)的關(guān)鍵分界線。

不同于常見的動作比對，即把用戶動作與職業(yè)球員做對比、給出相似度評分，PathFinder認為，有效的AI教練必須基于結(jié)果導(dǎo)向。

陳弈表示，“球的結(jié)果是好的還是壞的，這才是絕對標準。動作本身沒有基準，因為每個人的骨骼、肌肉、身體受限情況都不同。”基于這一邏輯，PathFinder的Agent通過用戶連續(xù)數(shù)據(jù)積累，可以識別問題模式、定位問題所在，為不同用戶給出針對性訓練建議。

硬氪了解到，PathFinder現(xiàn)已獲得行業(yè)內(nèi)部數(shù)千臺訂單，用戶來自球隊、教練體系、球場、俱樂部及官方賽事聯(lián)盟等；首款產(chǎn)品計劃于2026年中旬正式在Kickstarter上線。

面向不同用戶的多場景應(yīng)用（圖源/企業(yè)）

對于PathFinder而言，這些訂單的意義不僅限于商業(yè)化進程，更在于驗證“感知-理解-決策”這一能力是否能夠在真實場景中真正跑通。一旦這一能力得到證明，它的想象力就遠不止于高爾夫。

“我們真正想做的，是運動場景中的下一代Agent智能終端，借助AI和機器人的技術(shù)重構(gòu)整個體育生態(tài)。”陳弈說。

從技術(shù)能力來看，動作理解、Context建模、AI決策這套系統(tǒng)，具備跨運動遷移的潛力，除了高爾夫外，網(wǎng)球、棒球、臺球等運動，本質(zhì)上都是類似結(jié)構(gòu)：有動作、有環(huán)境、有決策。PathFinder認為，未來，運動將不再是一次次離散的單點體驗，而是一個持續(xù)演化的有記憶、有決策、有成長的智能系統(tǒng)。