36氪首發 | 前大疆工程師創業做智能網球發球機，產品已開啟海外市場批量交付

作者 | 喬鈺杰

編輯 | 袁斯來

硬氪獲悉，智能體育硬件公司「一思智能」（AceiiLab）開啟批量交付，此前完成超千萬元天使輪融資，由零以資本、變量資本、海益資本投資。資金將主要用于產品研發迭代及市場拓展。

一思智能成立于2024年12月，從AI網球機器人切入，嘗試構建覆蓋硬件、軟件、數據、AI教練與運動服務的智能訓練生態。公司創始人劉禮謙擁有十余年機器人研發和產品經驗，曾在大疆、KUKA等企業從事研發工作，聯合創始人晁光此前曾任職于投資機構和機器人公司，長期關注智能硬件領域投資與運營增長。團隊覆蓋無人機、無人車、商用清潔、割草、泳池清潔等機器人方向，此前積累了較豐富的消費硬件出海經驗，具備從產品定義、研發到市場推廣的完整鏈路能力。

隨著AI能力、機器人技術和傳感器技術逐漸成熟，體育消費領域正在出現智能化升級趨勢。相比傳統運動裝備，智能體育硬件正在從記錄數據向輔助訓練、提升體驗方向發展，覆蓋智能健身設備、運動穿戴、AI陪練等多個場景。其中，網球、羽毛球、高爾夫等強訓練屬性運動，由于存在較高的技術門檻和重復訓練需求，成為智能硬件探索的重要方向。

在一思智能看來，傳統網球發球機提供的是“定點發球”，但網球訓練真正需要的是持續的節奏、穩定且不同空間位置的送球及反饋。因此，公司沒有選擇讓機器人完成完整的“接發球”過程，而是提出“多空間以發代打”的產品邏輯，通過穩定的發球節奏及可變的發球位置，模擬真實高頻對拉，幫助用戶建立訓練體驗，提升訓練效率。

“打網球本質上是對節奏及空間位置的判斷，網球場很大，接球成功率會是個影響用戶體驗的考量，但接球會改變發球節奏，也會影響用戶訓練，可能還會增加機器算力及開發投入，提升用戶使用成本。我們覺得接球、發球應該分兩個問題處理。”聯合創始人晁光向硬氪介紹。

基于這一思路，一思智能為首款智能網球機器人Aceiilab A1賦予了高速移動能力。產品搭載自研雙目視覺系統，可實時感知球、人、位置、速度與軌跡，配合差速底盤實現靈活移動，最高速度達5m/s。相較于傳統固定點位的發球機，A1能夠智能追蹤擊球落點并生成更豐富的球路，真實還原對拉中的跑動與擊球節奏。

此外，針對初學者階段教練常在學員同側喂球的習慣，A1支持同側多位置發球訓練，并可自動轉場切換邊線喂球、發球線喂球等多種模式，滿足不同訓練場景需求。

產品形態上，公司從消費硬件的角度重新設計了產品，將設備做成類似行李箱的移動形態。設備展開后，通過主動輪、驅動系統和支腿結構形成穩定高速移動單元；收納狀態下則可以像行李箱一樣拖行。

（圖源/企業）

軟件層面，一思智能開發了配套App，提供球路設置、訓練課程和數據分析等功能，并聯合國內外合作伙伴開發系統化課程。公司希望通過機器人創造訓練環境，采集用戶擊球過程中的球速、落點、旋轉、位移等數據，進一步形成用戶技能畫像，并根據用戶水平、短板和成長曲線提供個性化訓練方案。

晁光表示，未來競爭的核心并不只是硬件性能，而是圍繞訓練數據形成的軟件服務能力。隨著用戶規模增長，更多真實訓練數據沉淀后，系統能夠進一步優化訓練模型，形成“數據積累—訓練效果提升—用戶留存增長”的循環。

此前，一思智能的首款網球AI機器人Aceiilab A1在Kickstarter累計籌集資金超過82萬美元，目前正在進行批量交付。國內市場方面，一思智能計劃上線電商渠道，同步下一代產品也在規劃中，目前已有經銷商簽署千萬級框架協議。

以下為硬氪與一思智能晁光交流節選：

硬氪：一思智能做網球發球機的優勢在哪里？

晁光：我們的核心優勢首先體現在機器人基因上。團隊具備從AGV、AMR、無人機原型機，到商用清潔和割草機器人等完整品類的研發經驗。機器人產品與普通AI硬件的本質區別在于，它不僅依賴算法，更需要機械、電控、運動控制與系統集成的綜合能力。這使得我們能從底層創造新的使用場景，而非僅在現成硬件上疊加AI功能。

其次在于完整的消費品出海經驗。團隊多次經歷過從0到1的產品定義、供應鏈搭建與海外市場推廣全過程，對于交付與產能爬坡更有經驗。目前，對于移動網球機器人這樣零部件超過200個的復雜新品類，我們已在量產之初就按照規?；桓端悸方ㄔO產線，包括自主設計檢測流程、工裝夾具和數據管理系統，確保產品穩定落地。

硬氪：網球發球機賽道有不少玩家，一思智能的產品邏輯有何不同？

晁光：網球訓練的核心不是單次擊球，而是節奏及空間位置的判斷，因此我們選擇了“多空間以發代打”的路徑，不追求機器人機械地完成所有接球動作，而是通過在不同發球位置和發球節奏的組合，用穩定、高質量的發球模擬真實對拉節奏，讓用戶形成有效的肌肉記憶。

此外，我們希望把機器人從工具變成消費產品。區別于傳統發球機的鈑金結構堆疊，我們采用行李箱式設計，用戶可以直接拖行到球場使用，同時配套解決球的攜帶問題。

另一方面，我們認為軟件和數據會成為長期壁壘。我們的App不是一個簡單的電子遙控器，而是整個訓練閉環的一部分。機器人進入球場后，會創造標準化訓練環境，并持續采集球路、擊球等數據，幫助用戶形成技能畫像，并提供針對性的訓練方案。

硬氪：目前用戶反饋如何？

晁光：眾籌之前我們在美國開展了多場線下調研與體驗活動，獲得了大量真實用戶的積極評價，涵蓋產品性能與訓練體驗等多個維度。這些反饋也為我們后續的迭代提供了重要參考。同時，我們在海外運營了一個數百人的社群，成員每天都在圍繞產品使用與網球訓練展開活躍討論。目前我們也在國內做一些線下活動，反饋也比較好。