
你會讓同一個工程師自己寫、自己測、自己 review 再自己上線嗎?
Anthropic 的新文章讓我更確定,AI agent 也需要分工。很多人類團隊踩過的坑,AI 會重新踩一次。
Flagship Ventures
Crosspoint
我用純視覺的方式,把 AI 體態評估帶進 WorldGym、RIZAP 等場域。對我來說,這條線最重要的不是 demo,而是它真的接進了教練 workflow。
Role
Founder / AI Product & GTM Lead
Client
WorldGym、RIZAP、一兆韋德等等
Industry
Fitness / Computer Vision / B2B SaaS
Outcome
把 AI 體態評估從展示型工具,慢慢做成能進入現場流程的產品線。
Product Shot
Crosspoint 這條線,最難的其實不是模型,而是讓場館真的願意每天用
這張畫面對我來說很重要,因為它代表 AI 體態評估不是只拿來 demo,而是真的進到教練 workflow 和門市現場。

AI in Production
骨架辨識、偏移角度、重心資訊和解讀規則,最後都得落在同一套畫面裡,不然教練很快就會放棄。
主要連鎖客戶
3 chains
WorldGym 部署範圍
TW rollout
零穿戴核心架構
100% Pure Vision
Case Study Summary
>Crosspoint 不是停留在 demo 的 AI 體態辨識,而是實際進入健身房第一線流程的產品系統。
>這個案例最值得看的是導入場景、教練採用與硬體簡化,而不只是 computer vision 模型本身。
>如果你正在評估 AI 如何進入實體服務現場,Crosspoint 提供的是一個完整落地視角。
這個案例適合誰看
>健身連鎖、physio 與運動科技決策者
>想看 AI 如何走進第一線服務流程的人
>正在評估 computer vision 產品化的人
核心成果
>AI 體態評估系統導入 WorldGym 與 RIZAP 等真實場域
>把量測結果做成教練可用的溝通介面,而不是純技術展示
>建立可快速部署的單鏡頭現場架構,降低導入摩擦
關鍵限制
>教練採用度比模型精度更容易卡住導入
>現場配置一旦太重,連鎖場館就很難擴張
>市場景氣變化會直接影響 rollout 節奏
可複製方法
>先設計第一線願意使用的畫面,再談模型細節
>用最輕的硬體配置換取更高的落地機率
>把 AI 量測結果接回銷售、教練與會員對話流程
FAQ
大家都知道動作品質重要,但要把評估做進連鎖場館,關鍵真的不只在模型精度。
先講結論:Crosspoint 難的從來不是把姿勢辨識做出來,而是讓場館與教練真的願意使用。
健身和 physio 場景一直都有一個很明顯的斷點。大家都知道「動作品質」很重要,但真正在第一線做評估時,很多還是靠教練經驗。這件事不是不行,只是很難一致,也很難規模化。
如果一套 AI 評估只能放在展示角落,它就不會成為生意的一部分。真正困難的地方,不是模型能不能辨識姿勢,而是它能不能在門市現場夠快、夠直覺,最後真的接進教練溝通、會員理解和後續成交流程。
我最後選的是純視覺、可快速部署、也比較容易讓教練理解的產品架構,而不是一套很炫但很重的硬體展示。
我一開始就不想把 Crosspoint 做成一個 computer vision demo。對我來說,它如果不能進場館、不能進 workflow,就很難真的長成產品。
所以我那時候比較在意三件事:
#流程要夠快 評估不能做太久,不然門市接待和教練諮詢前段根本放不進去。
#結果要能拿來講 我不希望它只吐出抽象分數。輸出的東西得讓教練和會員都看得懂,這樣才有機會接到後面的溝通和銷售。
#系統要能複製 如果一換場館、一換人、一換設備就失效,那它就很難變成連鎖場域真的能用的產品。
所以最後的做法,是用靜態姿勢與過頭深蹲評估,搭配 NASM 邏輯,把技術輸出整理成第一線能理解的畫面和流程。
Crosspoint 真正麻煩的地方,不只是模型,而是硬體、場館流程、教育訓練和品牌節奏都得一起對上。
這條產品線不是一次就做成的,比較像一邊做一邊優化。
#先看跨市場行不行 最早的大型客戶是一兆韋德,這讓我們先看到中國大型連鎖健身房對這類工具的需求,以及現場導入大概會卡在哪裡。
#再看不同品牌能不能用 之後在台灣,RIZAP 也導入了系統。這件事對我們很重要,因為它證明產品不是只能 fit 某一種品牌節奏,而是真的可以適應不同服務模式。
#疫情後還能不能重新站穩 COVID 讓健身產業一度急凍,這條線也被迫暫停。疫情之後 WorldGym 再次導入,某種程度上也逼著我們把現場流程、硬體配置、教育訓練和支援模式重新整理一遍。
說穿了,Crosspoint 真正麻煩的地方,不是模型做不做得出來,而是這整套東西能不能一路撐過真實場域的變化。

RIZAP Rollout
RIZAP 的使用過程讓我更確定,Crosspoint 不能只適合一種品牌節奏,而是要有辦法適應不同教練互動方式。

System Layout
Crosspoint 的現場架構盡量維持在單一鏡頭、投影顯示和固定站位,因為只要現場太麻煩,導入成本就會一下子變高。

Operational Screen
這是原本已經投入場域的 Crosspoint 畫面。它的價值不在炫技,而在於教練能不能拿這套畫面和會員好好溝通。
對我來說,重要的不是模型會動,而是它真的進到服務流程,而且在產業低潮之後還有機會重新站穩。
Crosspoint 這條產品線最讓我在意的,不是模型有沒有動起來,而是真的有人拿去用。
這也是我會一直把它當成產品線,而不是 proof of concept 的原因。它不是只證明「模型可以」,而是比較接近證明「場域真的會用」。
上海一兆韋德率先採用,驗證跨市場需求。
RIZAP 與 WorldGym 導入,證明連鎖場域可落地。
疫情後完成產品重啟,下一步鎖定海外 physio 市場。

WorldGym Promotion
WorldGym 的導客與宣傳素材,對我來說代表的是產品已經不只是工具,而是開始變成門市真的會拿來用的營運資產。
Next Step
這張畫面代表我現在想推進的下一代 Crosspoint-X。對我來說,它不只是換一套 UI,而是把量測細節、專業解讀和模組化工作流做得更完整,讓系統未來有機會走進更高密度的 physio 場景。
>更現代化的介面,讓量測結果、偏移角度與重心資訊更容易閱讀。
>更專業化的資訊層,讓教練與物理治療師都能在同一套畫面上做判讀。
>更有彈性的工作流,為未來跨場域部署與 physio 使用預留空間。

Founder Note
❝ 這不是單純的演算法案,而是一套得在真實場域裡活下來的產品系統。
這個案子讓我更確定一件事:AI 的價值很少只靠模型本身決定,最後還是回到第一線的人願不願意把它放進工作流程。
Crosspoint 也讓我學到,實體場域的 AI 產品真的不能只用軟體思維來做。跨國部署、場館差異、教育訓練,甚至疫情這種外部衝擊,都會直接影響產品能不能活下來。
所以如果要用一句話講這段經驗,大概就是:真正能商業化的,不只是技術,而是把技術、流程和營運彈性一起設計進去。
Contact
把 AI 體態評估從展示型工具,慢慢做成能進入現場流程的產品線。
Related Writing

Anthropic 的新文章讓我更確定,AI agent 也需要分工。很多人類團隊踩過的坑,AI 會重新踩一次。

我把 LINE 做成控制 AI 的遙控器。你在外面傳一句話,電腦上的 AI 就去做事,結果再傳回來。

我最近最常用的不是最花俏的 agent 平台,而是 Claude Cowork。對我來說,它真正厲害的地方不只是能做事,而是 context 設計做得夠完整。