AI 与训练的未来：从数据到个人化课表，教练带你看懂 AI 教练平台的真本事

教练开场：那天算法叫我的选手「再加量」，我按下了暂停

先讲一个真实得不能再真实的场景。去年备战 Challenge Taiwan 的一位学员小陈，用某个知名 AI 教练 App 练了三个月，数据漂亮到不行——体能曲线一路往上，App 每天笑脸迎人地告诉他「今天状态良好，建议进行阈值间歇」。结果赛前六周，他在一次原本该是轻松日的骑乘里，心率整整比平常高了 15 bpm，配速却掉了一大截。App 完全没察觉，还是照表操课给他排了隔天的高强度课表。

我看了一眼他的睡眠纪录、问了两句他公司最近的加班状况、再摸了摸他那天早上量的静止心率，当场把 App 排的课表整个换掉，改成一天完全休息加一次超轻松的活动性恢复。三天后他的数据自己回来了。如果那周照着算法硬干下去，我几乎可以确定他会踏进过度训练的坑。

我带三铁选手 15 年，从陪人跑完人生第一场 51.5、到送选手拿到 Kona 世界锦标赛资格，这中间 AI 与穿戴设备的进步，说真的让我又爱又警惕。爱的是，它把过去只有职业队才玩得起的数据分析，塞进了每个业余选手的手表里；警惕的是，太多人把「App 说」当成圣旨，忘了数据只是身体的影子，不是身体本身。

这篇文章，我想用教练的视角，把 AI 教练平台这件事从头到尾讲清楚：它到底怎么运作、机器学习在课表上能做到什么、又有哪些是它这辈子都学不会、只能靠一个真人教练来补的。看完之后，希望你不是更迷信 AI，而是更会「用」AI。

观念基础：AI 教练平台到底在算什么？

要看懂 AI 教练，得先看懂它吃进去的原料是什么。所有这类平台，本质上都是在做同一件事——把你的训练量化成几个内核指针，再用这些指针推估你的疲劳与体能状态，最后反推明天该练什么。

三个你一定要认识的底层指针

第一个是 FTP（功能性阈值功率，Functional Threshold Power）。它的定义是「一位选手能够在准稳定状态下、不至于疲劳地维持大约一小时的最高功率」，单位是瓦（W）。因为要真的骑满一小时全力测太痛苦，实务上多半用 20 分钟全力测验的平均功率乘以 0.95 来估算。FTP 之所以重要，是因为它对应到你的乳酸阈值附近，是划分所有功率区间的基准线。

第二个是 TSS（训练压力分数，Training Stress Score）。这是 TrainingPeaks 提出的概念：以你在 FTP 强度下骑一小时等于 100 分为基准，同时把「强度」与「时间」都纳入计算。换句话说，轻松骑两小时和拼命骑一小时，可能得到相近的 TSS，但对身体的意义完全不同——这也是后面我要谈的陷阱之一。

第三个，其实是一组互相关联的概念，我用一张表讲最清楚：

指针	英文全名	白话解释	时间窗
CTL	Chronic Training Load	「体能」——你长期累积出来的基础	过去约 42 天的 TSS 加权平均
ATL	Acute Training Load	「疲劳」——你最近的累而未消	过去约 7 天的 TSS 加权平均
TSB	Training Stress Balance	「状态／新鲜度」——= 昨日 CTL 减昨日 ATL	当下

这三者的关系，是整个 AI 课表逻辑的内核。CTL 代表你长期堆栈出来的体能地基，爬升要慢；ATL 反应你这几天的疲劳，来得快去得也快；TSB 则是两者相减，告诉你今天身体大概处于「新鲜」还是「挂点」的状态。 TSB 在训练期通常是负值（因为你一直在累积疲劳），到接近比赛或减量期才会回正——这也是所谓「削减（taper）」在数据上长什么样子。

AI 平台做的第一件事：把你变成一条曲线

当你上传每一次骑车、游泳、跑步的纪录，平台就把它换算成 TSS，喂进 CTL/ATL/TSB 的模型里，画出你的「体能—疲劳—状态」曲线。你在 App 里看到的那条漂亮上升线，本质就是 CTL；那个每天变化的「今日状态」，就是 TSB 的变形。

听起来很科学对吧？确实。但这里有个关键——上面这一整套，其实还不是「AI」，它是 2000 年代就成熟的运动生理数学模型（源自 Banister 的冲量—反应概念）。 真正的机器学习，是叠在这层之上、用来做「预测」与「个人化建议」的那一层。接下来我们就进到那一层。

机器学习在课表上，到底做了什么？

很多人以为 AI 教练就是「电脑帮你排课表」，其实没那么简单。机器学习在这里扮演的角色，我归纳成三个层次，由浅到深：

层次一：模式辨识——找出「像你的人」怎么变强

最基础的应用，是平台手上有数十万、甚至上百万名用户的训练数据。当一个新用户进来，算法会去比对：跟你 FTP 相近、体重相近、每周可训练时数相近、目标赛事相近的那一群人，当初是靠什么样的课表组合练起来的？ 这其实就是推荐系统，跟串流平台推荐你片单是同一套逻辑。

这一层的价值在于「起点合理」。它不会给一个每周只能练 6 小时的上班族排职业选手的量，这点它做得不错。我常说，一个完全不懂训练的新手，用 AI 给的起点课表，通常比他自己土法炼钢乱排的好上一大截——这就是数据的力量，它帮你避开了最明显的地雷。但要注意，「像你的人」不等于「你」。那群人里有肠胃铁打的、有睡眠充足的、有没在上班的，他们的平均值不必然适合你的生活现实。

层次二：自适应调整——根据你的完成度动态改课表

高端一点的平台会做「自适应（adaptive）」。它盯着你有没有完成课表、完成时的功率与心率脱钩（decoupling）程度、间歇的后段掉不掉速，来判断这份课表对你是太轻、刚好、还是太重，然后动态调整下一堂课的强度。

举个我实际观察到的例子。一位学员做 5 组 4 分钟的 VO2max 间歇，目标功率设在 320 瓦：

组数	目标功率	实际平均功率	平均心率	AI 的判读
第 1 组	320 W	322 W	168 bpm	正常
第 2 组	320 W	319 W	172 bpm	正常
第 3 组	320 W	315 W	176 bpm	略微吃力
第 4 组	320 W	305 W	178 bpm	明显掉速
第 5 组	320 W	291 W	179 bpm	力竭

看到第 4、5 组功率崩掉、心率却顶在天花板，聪明一点的自适应系统会判断「这个目标偏高」，下次帮你把目标降到 310 瓦，或把组数改成 4 组。这一层是机器学习真正开始有点价值的地方——它把「你到底练得动练不动」这件事，从教练的主观判断，变成可量化、可即时回馈的信号。

层次三：状态预测——试图预测你的疲劳与表现

最前沿、也最容易被过度吹捧的一层，是「预测」。有些平台号称能结合你的 HRV（心率变异度）、静止心率、睡眠、甚至体温，预测你今天的「准备度（readiness）」，进而预告你未来几周的表现曲线。

这一层我必须诚实讲：方向是对的，但可靠度因人而异，而且对业余选手的杂讯特别敏感。 HRV 这种指针本身受睡眠、酒精、咖啡因、心理压力、量测姿势的影响极大，一个昨晚小孩半夜哭三次的爸爸，隔天 HRV 一定难看，但这跟他的训练疲劳根本无关。算法看到的是一个数字，看不到那三次哭声。

这就自然带到下一段——那些 AI 一定会踩、而你要学会自己接手的坑。

实务方法：把 AI 当仪表板，不是自动驾驶

讲了原理，来点能直接用的。我带选手时，是把 AI 平台定位成「非常好用的仪表板与纪录本」，而不是「自动驾驶」。以下是我实际的用法框架。

一份 AI 生成课表，我会怎么「二次加工」

假设某平台帮一位高端三铁学员排了以下这一周（这是常见的自行车 + 跑步交叉周）。原始版本长这样，我加上「教练批注」栏，你就懂差别在哪：

星期	AI 原始课表	教练批注与调整
一	休息	保留，但改为 20 分钟活动性恢复＋滚筒放松
二	自行车 90 分钟含 3×10 分钟阈值	若前一晚睡不足 6 小时，阈值改 3×8 分钟
三	跑步 60 分钟轻松	台湾夏天午后太热，改清晨或改室内跑步机
四	自行车 2 小时耐力骑	保留，补上补给演练（每 45 分钟吃一次）
五	游泳技术课	保留，AI 对游泳判读最弱，技术要人盯
六	自行车 100 分钟含 5×3 分钟 VO2max	依周四疲劳决定；太累就砍成 4 组
日	跑步 90 分钟长跑	赛前期加入 brick（下车接跑）仿真

看到重点了吗？AI 排的骨架大方向没错，但每一天要不要照做、做多少，取决于一堆它看不到的变量：昨晚睡多久、今天气温湿度、工作压力、身体主观感觉。 我没有推翻它的逻辑，我是在它的逻辑之上，补进「当下的人」这个变量。

台湾选手的在地变量，AI 几乎都没吃进去

这点对我们台湾的三铁人特别重要，值得单独拉一段：

• 气候与湿度：台湾夏天动辄 32 度以上、湿度 80%，同样一份阈值课表，你在台北七月午后做，跟在干冷的欧洲做，身体付出的代价天差地远。AI 的 TSS 完全没把湿热纳入，你得自己往下修强度。像太鲁阁、日月潭 Come!Bikeday 这类经典赛事，赛道与气候都有各自的脾气，光看功率数字排课表是不够的。
• 路线特性：武岭这种一路陡上、动辄爬升破 3000 公尺的赛道，跟平路计时赛是完全不同的能量系统需求。AI 给你的「一周 500 TSS」听起来一样，但一个是均匀铺陈、一个是长时间高强度爬坡，准备方式完全不同。
• 外食补给环境：台湾的便利商店与外食太方便，反而让很多选手的营养摄取一团乱。AI 平台几乎不碰你的饮食，但补给策略对长距离三铁的影响，不亚于任何一堂间歇课。

我固定看的四个「人工覆核」信号

每天早上（或每次训练前），我要选手自己覆核这四件事，只要有两项亮红灯，当天课表就往下修：

1. 静止心率：比个人基准高出 5–7 bpm 以上，通常代表没恢复好。
2. 主观睡眠品质：连续两晚睡不好，比任何 HRV 数字都值得警惕。
3. 训练欲望：完全不想动、抗拒感很强，往往是身体先发出的信号。
4. 肌肉酸痛与关节感受：局部尖锐的痛（不是普通酸）一定要停，这是预防运动伤害的第一道防线。

常见错误与修正：我看业余选手最常栽的五个坑

错误一：把 CTL 往上冲当成唯一目标

很多人被那条体能曲线绑架，非得每周看它上升不可，于是拚命累积 TSS。问题是，CTL 上升太快，ATL 一定同步暴冲，TSB 长期深陷负值，过度训练与伤害就在那里等你。 修正方式很简单：CTL 每周的增幅，一般建议控制在单周约 5–8 分以内（因人而异），宁可慢一点、稳一点。地基要一层一层叠，不是一天盖好。

错误二：所有训练都在「灰色地带」

这是我看最多、也最可惜的错。很多人每一次骑车都骑在「有点喘、又没真的很喘」的中等强度，功率和心率都卡在中间。结果 轻松日不够轻松、强度日不够强度，两头落空。 研究与职业队实务长期支持「两极化训练（polarized training）」的大方向——大量的低强度有氧，搭配少量真正够硬的高强度，中间地带反而少碰。AI 排出来的课表如果你都「打折扣运行」，很容易全部塌进灰色地带。修正：轻松日就给我真的轻松到能边骑边聊天，强度日就给我痛到位。

错误三：FTP 设置过高，全套区间跟着歪

FTP 是所有功率区间的地基。如果你为了面子把 FTP 设得比实际高，那么你的「阈值课」其实是在做「VO2max 的强度」，「耐力骑」其实在做「甜蜜点」，整套训练的强度分布全部往上位移，练到后来只有累没有效。修正：每 4 到 6 周诚实重测一次 FTP，用 20 分钟测验乘以 0.95 是最务实的做法。

错误四：完全不做游泳与跑步的技术，只堆量

AI 平台对「技术」这件事几乎是瞎的。它能算你游了多少距离、跑了多少配速，却看不出你游泳抓水抓得对不对、落地是不是过度跨步。三铁的游泳尤其吃技术，光堆量而技术烂，只是把错误动作练得更根深柢固。修正：技术课一定要有人在旁边看，或至少录像自我查看。

错误五：忽略 brick（转换训练）的专项性

三铁最难的不是单项，是「下车接着跑」那种双腿像灌了铅的转换感。AI 排课常常把骑和跑当两件独立的事排，忘了 brick 训练的重要性。修正：赛前期每周至少安排一次 brick，让身体熟悉转换的痛苦。

给不同程度选手的行动建议

AI 教练这工具，对不同阶段的人用法完全不同。我分三个层级给你具体做法。

初铁／刚完赛的新手（目标：安全完赛 51.5 或首个标铁）

• AI 的最大价值：帮你创建规律与纪录习惯。 这阶段最重要的不是课表多精密，而是「你有没有持续动」。让 App 提醒你、记录你，光这点就赢过大多数三分钟热度的人。
• 不要一开始就沉迷 FTP、TSS 这些数字。你的身体对训练还很敏感，光是规律地练，进步就会很快。
• 重点放在：把三项的基本技术（尤其游泳）打好，学会分配一周的训练，别让自己受伤。这阶段受伤退场的人，远比练太少的人多。
• 行动：用 AI 排一份保守的 8–12 周课表，但把每一堂高强度课的强度先打 8 折运行，观察身体反应。

高端／想破 PB 的中阶选手（已完赛数场，想在 226 或 113 突破）

• AI 的最大价值：量化你的疲劳管理。 这阶段你已经练得够多，胜负关键从「练多少」转向「怎么恢复、怎么削减」。CTL/ATL/TSB 这套对你开始真正有意义。
• 学会读 TSB：赛前把 TSB 从深负值拉回接近或略高于零，就是削减期的内核操作。学会这个，你的比赛日状态会判若两人。
• 开始重视专项与补给演练：长距离赛事，补给策略的重要性不输体能。用长骑与长跑当作补给实验场，找出肠胃能接受的节奏。
• 行动：让 AI 排骨架，但每周固定花 10 分钟自己覆核疲劳信号，主动决定哪一天该加、哪一天该砍。

高端／挑战 Kona 资格或个人极限的选手

• AI 的角色降为辅助仪表板。 到这个层级，个体差异大到通用算法很难照顾周全。你需要的是高度客制化，这正是真人教练不可取代的地方。
• 善用数据做假设验证：用平台的历史数据回头分析——你在哪种课表组合下 FTP 成长最快？哪种削减长度让你比赛状态最好？把 AI 当成你的数据库，而不是决策者。
• 警惕数据的假精确：越到高端，1–2% 的差距就是胜负。这种等级的判断，往往要靠教练那双看过几百个选手、能从一段视频、一次对话里读出你状态的眼睛。
• 行动：找一位真人教练或创建自己的判读框架，把 AI 数据当辅助证据，而非最终裁决。

周期化：AI 最容易「排得漂亮却排错方向」的地方

我特别想单独谈周期化（periodization），因为这是我看 AI 平台最常「数字对、方向错」的环节。周期化的内核观念很简单——训练不是每天都一样硬，而是分成不同阶段，让身体先打地基、再堆专项、最后削减求峰值。 但很多 AI 平台的周期逻辑，是套用一个通用模板，然后根据你的目标日往回推，它并不真的理解「你这个人现在缺什么」。

我用一张典型的 20 周 113 半程超铁（俗称 70.3）备赛周期，让你看清楚各阶段的重点差异：

阶段	周数	主要目标	训练重点	常见的 AI 盲点
基础期	第 1–8 周	打有氧地基、练技术	大量低强度、游泳技术、肌力	AI 常太早塞高强度，地基没打稳
进展期	第 9–14 周	提升阈值与专项耐力	阈值间歇、长骑长跑、brick	AI 对 brick 专项性判读弱
专项期	第 15–18 周	仿真比赛强度与补给	比赛配速演练、补给实测	AI 几乎不管你的肠胃与补给
削减期	第 19–20 周	消疲劳、拉回状态	降量不降强度、TSB 回正	AI 削减常过度、或不够

基础期最容易被业余选手（和某些 AI）搞砸。 大家都想赶快看到强度课带来的「有练到」感觉，于是跳过扎实的低强度累积。但有氧地基就像盖房子的地基，你看不到它，它却决定了整栋楼能盖多高。我常跟学员说：基础期无聊、缓慢、看似没进展，但那八周的低强度累积，才是你后段能不能扛住高强度的本钱。AI 给的模板如果让你在第三周就开始做一堆 VO2max，我通常会直接往回拉。

削减期则是另一个极端。 减量要「降量不降强度」——总训练量往下砍三到五成，但保留少量短促的高强度刺激，让身体维持「锋利」但把疲劳排掉。目标是让 TSB 从深负值回到接近或略高于零。我看过 AI 把削减期排成「几乎全休」，结果选手上场时腿是松的、却也是钝的，反而找不到比赛的节奏感。这种微妙的平衡，是周期化里最需要「手感」的部分。

一个完整案例：从算法红灯到 PB 的三周

再给你一个更完整的真实案例，让前面所有观念落地。学员阿May，一位 38 岁的上班族妈妈，备战普悠玛铁人赛的 51.5 标铁，目标是站上分组颁奖台。她用 AI 平台自主训练了大半年，来找我时卡在一个瓶颈——数据上 CTL 一直涨，实际比赛成绩却不进反退。

我调出她三个月的数据，问题一眼就看出来：她的训练几乎全塌在灰色地带（前面提过的错误二），而且 AI 因为看她「都有完成课表」，判断她状态良好，持续加量。她的 ATL 长期贴着 CTL，TSB 几乎没有一天回正过——她从来没有真正休息过，也从来没有真正练狠过。

我做的调整很简单，就三件事：

1. 重新校准强度分布：把她一周七成的课改成真正的低强度（心率压在有氧区间、能边骑边讲话），剩下的三成给我痛到位。中间地带砍掉。
2. 强制安插恢复：每三周插一个「恢复周」，把量砍掉四成，让 TSB 有机会回正。这件事 AI 一直没帮她做。
3. 加入比赛配速的 brick：赛前四周，每周一次「骑完立刻接跑」的转换演练，让她熟悉那种腿沉的感觉。

第一周她很不习惯，一直觉得「轻松日这样骑太混了吧」。到第三周，她自己传消息跟我说：「教练，我今天的阈值课，功率比以前高、心率反而更低了。」那就是有氧地基开始发挥、疲劳开始消退的信号。最后她在普悠玛站上了分组第三。同一个 AI 平台、同一份数据，换一种读法，结果天差地远。 这就是我想强调的——工具没错，怎么用才是关键。

常见问题 FAQ

Q1：AI 教练 App 值不值得付费？
对绝大多数业余选手来说，值得——但要付对心态。它最大的价值是「纪录、量化、提醒、给合理起点」，这几件事它做得很好。如果你期待它像真人教练一样读懂你今天的状态、听懂你话里的疲惫，那你会失望。把它当工具，不当老师。

Q2：那我到底还需不需要真人教练？
看你的阶段与目标。初铁完赛，AI 加上一点自律通常就够了。想认真破 PB、挑战长距离或世锦赛资格，一位好教练带来的判断、修正与心理支持，是任何算法给不了的。两者不冲突——最好的组合，往往是「AI 负责记录与量化，教练负责判读与决策」。

Q3：HRV 到底该不该每天看？
可以看，但看「趋势」不看「单日」。单日 HRV 杂讯太大，一杯咖啡、一场烂睡、量测姿势不对都能让它剧烈跳动。连续 5–7 天的趋势往下，才比较有参考价值。别让一个难看的单日数字，毁了你原本该练的好课表，也别让漂亮的数字骗你硬上。

Q4：AI 排的课表我做不完，是我太弱吗？
通常不是。更常见的原因是 FTP 设置偏高、或算法没吃进你当下的疲劳与台湾的湿热环境。先诚实重测 FTP，再把主观感受纳入。做不完不是罪，硬做完把自己搞伤才是。

Q5：我没有功率计，只有心率表，AI 平台还能用吗？
能用，但要理解限制。心率是「结果指针」，它反应身体对强度的反应，会受到气温、脱水、咖啡因、睡眠影响而漂移；功率是「输入指针」，你踩多少就是多少，比较纯粹。没有功率计的话，把心率的区间抓好、多依赖主观感受（RPE，自觉费力程度）来辅助判断，一样能练得很好。台湾湿热环境下，心率往往会比同样强度的凉爽天气高，这时候别死盯数字，相信身体的费力感。跑步的话，很多平台改用配速搭配 GAP（坡度调整配速）也能做类似的量化。

Q6：AI 平台之间差很多吗？我该怎么选？
差不少，但对业余选手来说，「你会不会持续用它」比「它算法多先进」更重要。选一个接口你看得顺眼、每天愿意打开、数据能跟你的手表顺畅同步的平台，比选一个功能最花俏但你三周后就懒得看的更有价值。实务上我会建议：先确认它能不能导出原始数据（别被单一平台绑死）、自适应功能是不是真的会根据你的表现调整、以及它对你的主项运动（游泳／自行车／跑步）判读够不够细。

Q7：未来 AI 会完全取代教练吗？
我的看法是：AI 会取代「教练工作里的计算与记录部分」，但取代不了「教练这个人」。训练从来不只是数字——它牵涉到动机、恐惧、生活压力、人生阶段、比赛当下的心理博弈。举个例子：一位选手赛前三天突然对比赛产生莫名的恐惧，数据上他状态完美，但那份恐惧会毁掉他的比赛。这种时候需要的不是一份调整过的课表，而是一段真诚的对话、一句「我陪你走过这关」。这些是人与人之间才传得过去的东西。工具越强，会用工具的教练与选手，才越有价值。

结语：让数据为你服务，而不是被数据绑架

回到开头那位小陈。后来他顺利完成了 Challenge Taiwan，成绩还破了自己的 PB。他事后跟我说，最感谢的不是那些漂亮的数据，而是「有人在数字之外，看见了那个快撑不住的我」。

这句话，其实就是我这篇文章想讲的全部。AI 与机器学习，把训练的『量化』与『个人化起点』推到了前所未有的高度，这是好事，是这个时代业余选手的巨大福气。 但数据永远只是身体投射出来的影子——它会漏掉那三次半夜的哭声、那个湿热到让人喘不过气的台北午后、那份藏在心里没说出口的疲惫。

所以我的建议始终如一：拥抱数据，但别跪拜数据。 用 AI 帮你记录、量化、看见趋势；用你自己（或你信任的教练）的判断，去接手那些算法永远看不见的东西。当有一天你能一边看着 App 的曲线、一边摸着自己的脉搏，然后从容地说出「今天这堂我要改」——那才是真正把 AI 用对了的样子。

未来已经来了，而且来得比我们想像的快。愿你成为那个驾驭工具的人，而不是被工具驾驭的人。把算法当成你身边那位算得又快又准、但永远不会看你脸色的助理教练，而你自己，才是那个真正做决定的主教练。我们赛道上见。

本文为教育性内容，不能取代医师、物理治疗师或营养师的个别评估。

参考数据

• 功能性阈值功率（FTP）的定义与 20 分钟测验换算：BikeRadar — What is FTP and why does it matter for cyclists?
• FTP 与乳酸阈值、功率区间的关系：TrainerRoad Blog — What FTP Really Means to Cyclists
• TSS、CTL、ATL、TSB 的定义与时间窗：A Coach’s Guide to ATL, CTL & TSB — TrainingPeaks
• Form（TSB）计算方式（CTL 减 ATL）：Form (TSB) — TrainingPeaks Help Center

相关主题阅读

• 运动科技的未来：AI、传感与个人化，教练眼中的机会与陷阱
• AI 训练革命：人工智能如何打造个人化运动计划
• 超补偿与训练适应理论：课表背后的生理逻辑
• 睡眠：最便宜的合法增强剂——教练带你把训练效果偷回来