賓大00后團隊創業做高爾夫AI Agent硬件，獲錦秋基金數千萬天使輪投資｜硬氪首發

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，資金將主要用于產品研發迭代、生產交付落地及早期渠道鋪設，為后續眾籌上線做好全面籌備。

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

創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、運動規劃、視覺理解等領域的技術科研背景；同時，這支00后團隊中，多位成員都擁有10至15年以上專業訓練經歷，覆蓋網球、高爾夫、馬術等項目，積累了豐富的運動領域KnowHow。

“我們不是因為想創業才創業，而是在看到技術與真實世界之間的巨大落差后，發現這是一個必須被填補的機會。”PathFinder創始人兼CEO陳弈告訴硬氪。

這一判斷背后，是整個運動科技賽道的結構性轉型。近年來，運動硬件市場歷經“熱錢涌入”的急速升溫，但大量產品仍停留在硬件堆料和感知增強階段，用更便宜的傳感器、更快的電機復制傳統體驗，或提供更精準的測速、更清晰的視頻、更細致的數據拆解。真正在“感知-理解-決策”閉環上做系統性重構的團隊，依然稀缺。

陳弈表示，其核心問題并不在于技術不夠，而是系統不成立。“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用的決策系統。”

這也意味著，運動科技的競爭正從“單點精度”轉向“系統智能”，誰能構建完整的閉環，誰才有可能定義下一代產品形態。

在賓大GRASP Lab，陳弈和團隊接觸著全球最前沿的機器人技術，而面對日常的高爾夫訓練，他們看到另一個現實：運動世界幾乎沒有被AI重構過。訓練仍依賴經驗驅動，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創立的原點，團隊也在此基礎上自主研發出首款高爾夫AI Agent智能硬件。

PathFinder首款高爾夫AI Agent智能硬件（圖源/企業）

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，技術提升需求強烈。從市場結構來看，美國高爾夫已發展為國民級運動，總參與人口高達4720萬，公開18洞球場數量超過麥當勞門店；中國則處于快速增長期，呈現出“高客單、強圈層”的特征。更重要的是，高爾夫決策結構清晰，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數據建模。

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，而是三類功能割裂的工具：球包車解決體力問題，Launch Monitor（揮桿監視器）類設備解決數據測量問題，GPS手表、App等輕量工具提供基礎信息。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，但教練數量不足、價格高昂且靈活性低；除此之外，現有產品往往無法回答‘下一步該怎么練’這個核心問題。”陳弈說。

這種功能缺失是一個長期被忽視的技術斷層。傳統高爾夫科技的核心技術路徑分為兩類，一類是室內模擬器，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。前者依賴仿真環境、后者需達到極高的雷達精度，它們多服務于B端客戶或職業級用戶，以至于消費級市場長期處在空白狀態。

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

PathFinder首款產品圖（圖源/企業）

與通用計算機視覺不同，運動場景中的視覺理解，本質上是一個高度結構化的問題。

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、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工程。”陳弈表示。

正因如此，PathFinder在算法設計中引入了大量運動先驗，而非單純依賴數據驅動，這也是其在純視覺路徑下仍能保證精度與穩定性的關鍵。

具體到產品功能上，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、球桿數據、身體數據等，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）

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。

“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。”陳弈告訴硬氪，其核心不在于生成，而在于持續建模一個人——這種長期建模能力，正是區分工具與系統的關鍵分界線。

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

陳弈表示，“球的結果是好的還是壞的，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通過用戶連續數據積累，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現已獲得行業內部數千臺訂單，用戶來自球隊、教練體系、球場、俱樂部及官方賽事聯盟等；首款產品計劃于2026年中旬正式在Kickstarter上線。

面向不同用戶的多場景應用（圖源/企業）

對于PathFinder而言，這些訂單的意義不僅限于商業化進程，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和機器人的技術重構整個體育生態。”陳弈說。

從技術能力來看，動作理解、Context建模、AI決策這套系統，具備跨運動遷移的潛力，除了高爾夫外，網球、棒球、臺球等運動，本質上都是類似結構：有動作、有環境、有決策。PathFinder認為，未來，運動將不再是一次次離散的單點體驗，而是一個持續演化的有記憶、有決策、有成長的智能系統。