其实最近几年，AI 这根“魔法棒”就为肥胖症和减重人群所关注，市场上有了不少智能减肥的软硬件产品。简单总结一下的话，此前的“AI + 减肥”主要集中在三个方面的改变：

1. 数字化。

通过为智能手表、健身器材、全身镜、智能电视等加入传感器、摄像头等数据采集设备，从而识别用户的手势、体态、心跳等数据，识别动作的完成度和标准度，为减肥人士提供数据参考、运动记录、健康提醒等智能体验。帮助养成健身习惯，减少健身过程中的成本。

2. 个性化。

主打千人千面的健身及饮食指导。比如一些健身 App、健身房，根据个人的历史数据定制健康计划，匹配适合的健身课程目标与强度，制定针对性的课程，尝试解决“私教成本高昂”“独自运动难坚持”等难题。

饮食解决方案也如法炮制，根据用户的体检报告、健康问卷数据等等，提供每天三餐怎么吃的建议。雀巢日本公司曾利用机器视觉，根据食物图片分析其包含的卡路里及营养成分含量。Google Coach 服务也会为用户提供未来一周内的饮食安排，制定周密的减肥计划。

3. 效果导向。

以“硬件 + 算法 + 内容”模式打造的商业 AI 产品，或多或少都担负起私人营养师、私人教练之类的角色，为了让人类客户们用得满意，AI 自然也就背上了 KPI，数据收集的完成度、指导的专业性、减重结果的有效性等等。比如某智能健康设备就号称可以“5 分钟检测 1200 项生理机能参数，准确率达 95% 以上”。

那么，上述 AI 是防治肥胖症的最好方法吗?

显然不是。

首先，治标不治本。智能技术的加入是对传统减重方法的优化提效，延续“管住嘴迈开腿”的方式，颠覆性创新很少。没有真正改变肥胖症人群的行为逻辑，自然也无法从根本上抑制肥胖症加剧的趋势。

此外，很多智能健康管理设备只是给常规硬件增加了传感器和联网设备，缺乏充分的个体数据储备，使用的算法模型也是一些 AI 平台预训练好的模型，所以很多时候用户得到的“个性化”指导其实大同小异，无法像人类教练和营养师一样因人制宜。

同时，受限于深度学习算法本身的技术能力，对数据维度、实时分析判断上达不到人类专家的水平，更偏向于担任辅助工具，只是用来帮助健身房、减肥应用降低人力成本。

这些不痛不痒的改变，却需要用户来承担硬件消费支出、学习成本和隐私数据风险。也就不难解释，为什么“智能”只是作为诸多“减肥训练营”的一个“添头”，而不足以作为一个独立的细分赛道，和肥胖人群一起走向未来。

重新定义“肥胖”：到底是谁的错?

别误会，这里并不是想说 AI 对防治肥胖毫无助益。只有真正认识到肥胖症的原因，才能够找到 AI 切入的最佳突破口，带来切实可行的商业机遇。

认识“肥胖症”，就要先解开几个误区：

1. 你真的需要减肥吗?

社交网络充斥着无数骨瘦如柴却哭着喊着要节食的“凡尔赛”。前不久，某社交平台对近万名网民的抽样调查显示，超五成网民有身材焦虑，三成女网民一天称一次体重。

而真正的肥胖症，按照《加拿大医学会杂志》上的新指南定义，指的是体重指数(BMI，即体重 kg 除于身高 m 的平方)大于等于 30 的群体。真正的肥胖症，往往伴随着糖尿病、高血压、心血管等并发疾病，因为遭受脂肪羞辱而导致抑郁、焦虑、睡眠障碍等等精神状况。

只有身体 BMI 指数偏高，并出现了相应的身心健康问题，才应该视为肥胖。如果只是塞不进 XS 码的牛仔裤，或者不再有 18 岁那样的比基尼身材，那么更像是一种撒娇。

(欧洲国家 BMI 高于 30 的居民比例)

2. 穷和懒是原罪吗?

传统概念中，总会将肥胖视为一种“自残状态”，认为肥胖的人往往是因为太穷了，因此只能吃油腻且高热量的快餐食物;没有时间、精力和金钱承担持续的锻炼，对身材管理缺乏意志力 —— 这显然是对肥胖人群的误解。

比如中国疾病控制中心发布的统计数据就显示，北方地区北京城市居民的肥胖率最高，为 25.9%，他们的经济水平显然不能算低。

科学家已经发现，长期处于压力环境下，人的体重也会增加，睡眠不足 6 小时也会导致身体产生太多皮质醇和胰岛素从而增加脂肪，更年期女性由于雌激素减少会使腹部脂肪增多，糖尿病患者因为使用胰岛素药物也会变得更容易存储能量，一个长期 996 心力衰竭、泵血不足的工作党也会突然增加体重……

总而言之，简单的“少吃多动”方案，并不能放之所有人而皆准。

3. 需要改变的只是身体吗?

《加拿大医学会杂志》的新指南指出，肥胖症受遗传学、神经激素机制、相关慢性病和肥胖药物、社会文化习俗和信仰、建筑环境、个人生活经历(如不良童年经历)，以及一系列心理因素的影响。

比如大众对肥胖症的认知。肥胖儿童，更容易出现社会耻辱感，变得焦虑、沮丧，甚至遭受霸凌。

从这个角度看，防治肥胖自然也必须从单一的运动减肥，引入更多解题思路，关注改善这一群体的健康和福祉，而不仅仅是减重。

如果我们转变思路，理解到防治肥胖并不仅仅是肥胖群体自己的事儿，而是一个复杂的经济、心理和生理现象，那么留给 AI 发挥的空间，反而更大了。

转向中的 AI：关乎所有人的健康生活

值得期待的是，我们看到了很多 AI 创新，已经开始在防治肥胖这件事上转向，寻找直面根源的解题思路。

比如海外应用平台 Noom ，这个应用原本是使用人工智能，根据用户的锻炼和食物日志，提供个性化的饮食和健身方案建议。而如今，它在数字驱动的基础上，增加了一种老派方法：现实生活中的减肥教练。

Noom 的总裁 Artem Petakov 拥有人工智能和认知治疗心理学的双重背景，他声称，这一做法是为了改变人的大脑(认知)。

Noom 对收集的数据进行了令人耳目一新的诚实评估：AI 不是万能的，不能像与人类教练实时聊天那样，理解和识别引发不良饮食行为的情绪和思维模式。

所以 Noom 停止了所有纯人工智能项目，采用混合方法，将用户输入的数据将转给人类教练，对方会立刻提供反馈和精神支持，以保证用户能够坚持下去。该平台发现，由人类教练服务的用户，其减肥结果大约是基于 AI 教练的三倍之多。

人类教练会引导用户确定自己减肥的内在动机，并非常仔细地挑选奖励，以确保奖励对个人有督促意义，比如服装尺码下降两个号码就给自己买一台新的游戏机，从而更有效地改变自己的习惯。

除此之外，减肥如此困难的部分原因，是现代生活方式带来的诸多变化，改变了我们的饮食结构、睡眠、压力和生活规律等，都会刺激体重上升。即便通过短期运动与节食成功减下来，一旦恢复原本的作息身体仍然会复胖。

如何从根本上改变导致肥胖的生活方式?华盛顿大学的研究人员提供了另一种思路。

他们给深度学习算法投喂了谷歌街景中四个城市的高分辨率卫星图像，发现社区的特征，如公园、高速公路、绿色街道、人行横道、各种住房类型的存在，可能与肥胖患病率有关。

换句话说，通过开放更多城市绿地、基础设施等，影响人群的运动生活习惯，也可以改善超重问题。

目前，这一研究还没有基于中国城市数据进行的类似研究，但在肥胖病医疗负担日趋增加的今天，类似的研究及模型与智慧城市相结合，也能为城市居民健康状况带来积极的影响。

AI 在帮助部分慢性病肥胖群体上，也显示出了希望。

密歇根州立大学人类医学学院教授娜塔莉・斯坦(Natalie Stein)领导了一项研究，通过 NLP 技术创造了一个对话机器人，用来担任减肥健康教练，承担 2 型糖尿病(T2D)患者的健康咨询。

在下图中，它主动询问一个用户“你早餐吃什么?”，并根据答案，提供了积极的强化或建设性的批评和提示，指导用户如何吃得更好。比如当用户声称吃了鸡蛋、熏肉、烤面包和咖啡时，AI 列出了过去一周该人吃熏肉的次数，并推荐了更健康的蛋白质。但是，当用户回答吃了“鸡、蔬菜和大米”时，机器人会大力称赞对方健康的选择。

报告显示，研究期间，75.7% 的用户体重减轻，平均减少 2.4 公斤，健康膳食的数量在 21 周内增加了 31%。

正如专家所说，让亚马逊 Alexa 这样的通用智能语音助手来提供用药建议等辅助服务可能需要一段时间。但针对健康饮食这样的垂直知识领域，AI 已经能够用于实际应用并取得不错的表现。

与人类协作、与城市共舞、重视情感支持，或许也是 AI 在解决其他与人有关的问题时，所需要思索的。

总的来说，防治肥胖，问题不在于身体，身体只是问题的结果，而非原因。

AI 想要在减肥领域释放价值，也绝不能只是过度关注改造身体，更应该解决更大的问题，改变导致肥胖的环境;与其教人们运动，不如强调更有效全面的方法，如提高健康认知。

能够承担起心理、环境、社会等更多层面的改造，AI 也就有了更广阔的发展空间

关键词： AI 减肥 领域 释放价值