Keep的AI版图，App装不下了？

来源：市场资讯

（来源：光子星球）

All in AI以来，Keep走上了一条漫长的转型之路。

这段时间里，Keep在调整，AI行业语境亦在演变。外界早已不再为宏观的AI叙事所动，转而关心AI究竟沉到了多深、积蓄了多少价值。

8月24日，Keep发布2026年上半年财报。

财报显示，2026年上半年，Keep总收入8.25亿元，同比增长0.4%；非国际财务报告准则下，经调整净利润588万元，同比收缩21.4%。

增收不增利，放在任何公司身上或许都算不上好消息。但从Keep的转型节奏来看，这份财报呈现的更像是一个必经阶段——AI投入仍在持续，而回报尚在途中。

Keep的“蹬地时刻”

All in AI这一年半里，Keep的转型大致走了两段路。

第一段路的核心是“减脂”。

2025年初，Keep创始人兼CEO王宁发布全员信宣布All in AI，随后Keep开始做减法，主动收缩低毛利品类，转向高潜力方向；并用AIGC重构课程生产流程，提升人效。

效果立竿见影。2025年，Keep全年经调整净利润约2500万元，首次实现年度盈利。

“减脂”是AI最容易兑现的价值。过去几年，从大厂到创业公司，用AI提效与省钱几乎成了标配。

随着时间来到2026年，已然走入转型深水区的Keep，已不满足于“减脂”，而是开始“增肌”。

业务层面来看，今年上半年，从自研垂类运动健康大模型，到打造Agent架构，再到一系列AI产品化尝试，每一项都是持续的重投入，影响着当期利润。

因此，Keep上半年的利润变薄，并非经营能力恶化，其实是钱的去向变了，从“省下来”变成了“投出去”。后者长期来看，指向更大的价值空间。

从财报来看，Keep的主动投入已溅起了水花。

用户规模仍在调整，平均MAU从去年同期的2249万降至1858万，但用户结构正在往高价值方向集聚。

财报显示，2026年上半年，Keep每名MAU的月均收入从6.1元提升至7.4元，同比增长21.3%；MAU和DAU的运动率均持续提升。

换言之，流失的主要是低运动意愿用户，留下的用户练得更勤、贡献更高。这也意味着，Keep经营重心从追求用户规模，转向提升单用户的长期价值。

一年前，王宁曾说Keep有质量的深蹲，是为了下一次跳跃。一年过去，Keep似乎已沉下了重心。

从深蹲转向蹬地，是最费力也最接近爆发的一段。众多积极信号的涌现，意味着Keep正不断逼近“起跳”的临界点。

当然，深蹲的质量，决定最终跃起的高度。Keep这一年半蹲得够不够深、蹬得够不够实，答案要从它的AI里找。

AI“撞脸”时代，Keep凭什么杀出重围？

最近几个月，AI行业似乎形成了一个新共识，即基模之间的差距正被抹平。GPT、Claude、Qwen等模型轮番刷榜，但绝大多数用户已很难感知体验上的区别。

当通用能力趋于同质，价值必然向两个方向迁移：一是特定领域的深度专业性，二是把模型能力变成可感知产品的产品化能力。

运动健康，大概是所有垂类场景中对“专业性”要求最苛刻的一个。

今年WAIC期间，Keep算法负责人武博文曾讲过这样一个例子。

一位腰疼的用户想练背，通用大模型很可能给出俯身划船这类动作，但俯身划船会加重腰部负担。Keep的做法是先排除高风险动作，选择对腰部友好的替代方案。

从中不难看出运动健康AI的特殊性——AI答错一道题，用户验证一下就好；可推荐错一个动作，代价可能是用户实实在在的运动损伤。

通用模型的另一个“隐患”，在于训练数据。

运动健康领域一直是营销内容最密集的领域之一，减肥药、补剂、“七天瘦十斤”的伪科学充斥互联网。很多模型在预训练阶段照单全收，后训练又缺乏专业对齐。

腾讯今年发布的CL-Bench Life显示，即便是SOTA模型，在饮食记录、运动记录等长程健康数据的理解上仍然力不从心。

而这，正是Keepace.ai的价值锚点。

据悉，Keep整合了过去十年攒下的运动数据，以及自建的KSF运动科学知识库等资产，构建Keepace.ai在专业、安全、个性化等方面的壁垒。

为了让模型能力可量化、可对比，Keep亦发布了运动健康场景AI评测框架MoveBench，从安全性、科学准确性、可操作性等维度对模型进行评分。

在这套框架下，Keepace.ai在与GPT-5.5、Claude-4.6 Opus、DeepSeek V4 Pro、Qwen3.5-397B等主流模型的横向对比中，综合得分0.943，与业界顶尖模型持平；而在训练课程生成、运动知识问答两个任务维度上，则高居榜首。

不过，分数再高，落不了地就是空中楼阁。模型能力只影响下限，产品化能力才决定上限。

以腾讯的WorkBuddy为例，其作为近期AI赛道的现象级产品，核心正是模型之外的产品化能力——用户大可在混元、DeepSeek、GLM、Kimi等模型间自由切换，但相比输出质量，真正留住他们的是WorkBuddy本身的丝滑体验。而模型能力产品化，恰是Keep的另一大“杀手锏”。

现阶段，Keep正基于AI能力，对过往运动场景进行深度发掘。在CHINAFIT大会上，我们看到Keep展示了两个Agent demo：用户在健身房遇到不熟悉的器械，通过AI识别即可获取动作指导和使用方案；亦能通过视频深度分析运动质量，给出个性化建议。

再比如跑步场景。跑步对实时交互要求极高，但此前的语音助手受困于交互弱、延时高、成本贵，体验层面相当挣扎。

相比之下，基于Keepace.ai，Keep语音陪跑Agent能将端到端延时控制在1秒以内，且支持配速心率播报、地标建筑问询、情绪陪伴、语音切歌等功能，全方位融入用户跑步场景。

数据显示，Keep App日均Token调用量，已从3月Keepace.ai上线前的84亿，增长到7月的185亿，整体翻倍。

当口碑足够好，商业化亦是顺水推舟。据悉，Keep 8月上线的App 9.1版本，已将AI能力整合为独立付费权益“超级AI会员”。

归根结底，从All in AI，到Keepace.ai发布、AI应用相继落地，再到推出超级AI会员，Keep已走过了底层架构重构和模型研发的时期，进入产品化与收入验证的新阶段。

Keep AI的“出埃及记”

Keepace.ai在C端的落地已渐渐跑通，但把目光放远，C端故事并非没有边界。

眼下，Keep的MAU不到1900万。AI确实在提升单用户价值，用户“提纯”逻辑也成立，但提纯能做深用户价值，却做不大池子本身。

在此背景下，把目光投向App之外，几乎是一种必然。对Keep而言，更具想象力的路径，是像AWS那样，把在自家场景里磨透的能力，变成全行业的基础设施。

这个定位的背后，是运动健康赛道现阶段存在的结构性空白。

苹果、小米等头部硬件厂商有传感器、有数据、有自研AI能力，但它们做的是闭环生态，一般不可能把核心能力开放给竞品；通用大模型厂商基模能力突出，但缺乏针对性调优，无法保证输出的安全性和确定性。而B端客户，要的恰恰是确定性。

在Keep入局之前，现阶段整个“运动智能层”，几乎没有专业玩家。

8月中旬，Keepace.ai正式完成国家及北京市大模型备案。拿到“牌照”，意味着Keep在合规层面已经做好了对外提供模型服务的准备。

具体来看，Keep的B端供给方案大致分为三层。

模型层，可以为客户部署运动健康垂直模型，支持API调用或私有化部署；Agent层，提供Keep已经跑通的Skills、专业能力组件和Harness配套等；App层，则能为客户提供诸如定制AI教练等应用方案。

商业模式上，Keep试图探索平台订阅、项目制服务和Token调用量计费等方式。

运动健康AI的B端探索尚处早期，没有标准答案。Keep目前已初步搭建起涵盖模型层、Agent层和App层的技术框架，并正以此为基础尝试降低B端客户的接入门槛，或者也是希望通过服务不同的客户，快速积累落地经验，反向打磨自己的能力。

毕竟，跑得越快、合作厂商越多，Keep AI作为运动健康“智能层”的行业基础设施属性就越强。

目前，Keep已同耐克围绕跑步生态达成合作。品牌方懂运动，但缺一个把专业数据变成智能服务的能力，Keep补上的正是这一环。更早之前，Keep还曾同平安健康达成“智能运动+健康服务”战略合作，把运动指导接入更完整的健康管理链条。

除此之外，Keep现阶段正与更多智能硬件厂商、运动器械品牌、金融保险公司等洽谈合作。

时间窗口似乎也站在Keep这边。目前，主流大模型厂商的火力仍集中在AI Coding、AI办公等大战场，尚未大规模深入垂直行业。

从长远来看，无论是Anthropic所代表的AI Coding，还是WorkBuddy点燃的AI办公，都不一定是AI落地最具价值的场域，诸如金融、法律以及Keep所扎根的运动健康行业，都是尚待发掘的“金矿”。如果AI能深度嵌入其中，释放的价值未必比写代码小。

因此，对Keep AI而言，C端的深耕证明了模型能用、好用、有人付费，B端的拓展则决定了这套能力最终能撑起多大的空间。

深蹲500天，Keep这一跃，要越过的，可能不只是一个App的高度。