作者｜黄楠

编辑｜袁斯来

硬氪获悉，运动 AI Agent 智能硬件品牌 PathFinder Ltd.（以下简称 "PathFinder"）近日完成数千万元天使轮融资，本轮由锦秋基金独家投资，资金将主要用于产品研发迭代、生产交付落地及早期渠道铺设，为后续众筹上线做好全面筹备。

PathFinder 成立于 2024 年，聚焦运动领域 AI Agent 及智能终端的研发，以高尔夫场景为切口，为用户提供适配专业运动场景的智能装备与解决方案。

创始人陈弈及其核心团队均来自宾夕法尼亚大学 GRASP Lab，具备机器人感知、运动规划、视觉理解等领域的技术科研背景；同时，这支 00 后团队中，多位成员都拥有 10 至 15 年以上专业训练经历，覆盖网球、高尔夫、马术等项目，积累了丰富的运动领域 KnowHow。

" 我们不是因为想创业才创业，而是在看到技术与真实世界之间的巨大落差后，发现这是一个必须被填补的机会。"PathFinder 创始人兼 CEO 陈弈告诉硬氪。

这一判断背后，是整个运动科技赛道的结构性转型。近年来，运动硬件市场历经 " 热钱涌入 " 的急速升温，但大量产品仍停留在硬件堆料和感知增强阶段，用更便宜的传感器、更快的电机复制传统体验，或提供更精准的测速、更清晰的视频、更细致的数据拆解。真正在 " 感知 - 理解 - 决策 " 闭环上做系统性重构的团队，依然稀缺。

陈弈表示，其核心问题并不在于技术不够，而是系统不成立。" 感知本身不是壁垒，真正的壁垒是如何把感知变成理解，再把理解变成长期可复用的决策系统。"

这也意味着，运动科技的竞争正从 " 单点精度 " 转向 " 系统智能 "，谁能构建完整的闭环，谁才有可能定义下一代产品形态。

在宾大 GRASP Lab，陈弈和团队接触着全球最前沿的机器人技术，而面对日常的高尔夫训练，他们看到另一个现实：运动世界几乎没有被 AI 重构过。训练仍依赖经验驱动，决策依赖教练个体判断，反馈是主观的、延迟的。

这种 " 实验室能力 " 与 " 真实场景 " 之间的断层，成为 PathFinder 创立的原点，团队也在此基础上自主研发出首款高尔夫 AI Agent 智能硬件。

PathFinder 首款高尔夫 AI Agent 智能硬件（图源 / 企业）

陈弈告诉硬氪，高尔夫用户本身就是高净值人群，付费意愿明确，技术提升需求强烈。从市场结构来看，美国高尔夫已发展为国民级运动，总参与人口高达 4720 万，公开 18 洞球场数量超过麦当劳门店；中国则处于快速增长期，呈现出 " 高客单、强圈层 " 的特征。更重要的是，高尔夫决策结构清晰，人的动作是变量、球杆是唯一外部变量，这一特性使其非常适合海量 AI 数据建模。

但与之形成反差的是，当前高尔夫科技市场并非一个完整的系统，而是三类功能割裂的工具：球包车解决体力问题，Launch Monitor（挥杆监视器）类设备解决数据测量问题，GPS 手表、App 等轻量工具提供基础信息。它们的共同点在于只是 " 工具 "，缺乏真正的理解与决策能力。

" 用户有消费能力、有提升意愿，但教练数量不足、价格高昂且灵活性低；除此之外，现有产品往往无法回答‘下一步该怎么练’这个核心问题。" 陈弈说。

这种功能缺失是一个长期被忽视的技术断层。传统高尔夫科技的核心技术路径分为两类，一类是室内模拟器，使用高速摄像头，价格在 15 万至 30 万人民币；另一类是 Trackman 为代表的毫米波雷达方案，价格同样在 15 万人民币以上。前者依赖仿真环境、后者需达到极高的雷达精度，它们多服务于 B 端客户或职业级用户，以至于消费级市场长期处在空白状态。

为此，PathFinder 选了另一条路径，纯视觉方案。通过 RGB 摄像头，结合机器学习算法，实现全球首个基于光学摄像头的完整高尔夫球轨迹重建，将成本降至传统方案的千分之一。同时，团队在传感器选型、镜头参数、图像处理上针对高尔夫场景还做了大量定制化优化，既保证精度、也能实现整体效率与成本的平衡。

PathFinder 首款产品图（图源 / 企业）

与通用计算机视觉不同，运动场景中的视觉理解，本质上是一个高度结构化的问题。

例如在高尔夫中，球的飞行轨迹不仅取决于初速度，还与旋转、风场、落点地形等因素强耦合；而挥杆动作的变化，往往是由身体限制、习惯路径和策略选择共同决定。

" 这不是一个单纯的视觉问题，而是一个融合了物理建模、运动学理解和行为建模的系统工程。" 陈弈表示。

正因如此，PathFinder 在算法设计中引入了大量运动先验，而非单纯依赖数据驱动，这也是其在纯视觉路径下仍能保证精度与稳定性的关键。

具体到产品功能上，PathFinder 将高尔夫 AI Agent 的智能化能力分为三层。首先是记录；全面且准确地记录高尔夫的全方位信息，包括球轨迹、球杆数据、身体数据等，记录用户的个人偏好与习惯。

第二是分析；通过纯视觉的击球检测、轨迹追踪、动作分析，形成对用户能力的深度理解。

最后是 Agent；Agent 提供理解决策能力，令其在训练过程中成为真正有上下文、有判断、有陪伴感的 AI 智能教练入口。

PathFinder 高尔夫 AI Agent（图源 / 企业）

在 PathFinder 看来，Agent 不是简单的对话接口，而是一个具备长期记忆与策略能力的系统。

" 真正的 AI 教练，不是告诉你这一杆哪里错了，而是能理解你过去 1000 杆的变化轨迹，并判断下一阶段最该解决的问题。" 陈弈告诉硬氪，其核心不在于生成，而在于持续建模一个人——这种长期建模能力，正是区分工具与系统的关键分界线。

不同于常见的动作比对，即把用户动作与职业球员做对比、给出相似度评分，PathFinder 认为，有效的 AI 教练必须基于结果导向。

陈弈表示，" 球的结果是好的还是坏的，这才是绝对标准。动作本身没有基准，因为每个人的骨骼、肌肉、身体受限情况都不同。" 基于这一逻辑，PathFinder 的 Agent 通过用户连续数据积累，可以识别问题模式、定位问题所在，为不同用户给出针对性训练建议。

硬氪了解到，PathFinder 现已获得行业内部数千台订单，用户来自球队、教练体系、球场、俱乐部及官方赛事联盟等；首款产品计划于 2026 年中旬正式在 Kickstarter 上线。

面向不同用户的多场景应用（图源 / 企业）

对于 PathFinder 而言，这些订单的意义不仅限于商业化进程，更在于验证 " 感知 - 理解 - 决策 " 这一能力是否能够在真实场景中真正跑通。一旦这一能力得到证明，它的想象力就远不止于高尔夫。

" 我们真正想做的，是运动场景中的下一代 Agent 智能终端，借助 AI 和机器人的技术重构整个体育生态。" 陈弈说。

从技术能力来看，动作理解、Context 建模、AI 决策这套系统，具备跨运动迁移的潜力，除了高尔夫外，网球、棒球、台球等运动，本质上都是类似结构：有动作、有环境、有决策。PathFinder 认为，未来，运动将不再是一次次离散的单点体验，而是一个持续演化的有记忆、有决策、有成长的智能系统。