FITLAB AI+运动：智能化健身的未来

Fitlab（纷来智能）致力于打造基于计算机视觉的智能健身解决方案，在不改变健身房运营模式和用户运动习惯等前提下，为健身房及其用户提供全面的运动健康数据服务。用户可以通过App，自动获取结构化的健身数据与专业分析、实时的动作校准和指导，享受私教级别的健身服务。健身房运营者可以实现科技感、智能化形象升级，获得精细化的管理和运营能力。支撑这一变革的核心技术的是Fitlab自研的“身份认证”和“运动分析”两大系统，具备高可用、高并发、轻量化、低算力、实时同步、深度人工智能等优势。

智能健身系统面临挑战

智能健身系统将成为未来运动健身领域的重要组成部分。现有的数字化健身系统或者是集成在特定种类的运动场馆（篮球足球），或者是在家庭终端中。而多用户与多运动类型等复杂环境下的智能化需求并没有被满足。因此，将具有低延时、高吞吐量的实时多人室内AI运动分析系统集成到各种不同的运动场景下成为Fitlab的主要挑战。与单一AI模型推断模式不同，多人运动分析系统涉及到各种不同功能的AI模型的复杂耦合：分析过程要基于多个位置的实时视频流，视觉数据要经过多种检测、识别、定位和分析等模型。因此将不同后端、不同量化模式、不同功能的AI模型部署起来，并提供统一的接口，成为一个难点。

另外，上述的AI运动分析系统对于实时性的要求很高，而一个客户场景下可能具有数十个视觉传感器的数据吞吐。这些数据有的是一段运动的序列数据，有的是同时发生的多个位置的空间数据。因此，基于云的解决方案具有相对较大的网络IO延迟和带宽问题，在当前并不是一个合适的选择。本系统在硬件层面需要构建一套能平衡地利用网络带宽和网络IO负载，同时能有效支持AI异构计算的硬件拓扑结构。

应用方案

基于以上挑战，Fitlab选择采用NVIDIA Jetson边缘AI计算平台作为底层硬件，采用NVIDIA Docker和NVIDIA Triton Inference Server作为多后端集成的模型部署工具，使用后给系统的运行效率带来巨大提升。

1. NVIDIA Jetson边缘AI计算平台能够以低成本的优势部署经过量化的AI模型。同时也能将AI模型分布式部署到各个硬件运算节点，从而实现负载均衡。这套系统的综合推断运行效率相比原来提高了30倍，能有效处理大吞吐量的视频流数据。同时由于Jetson边缘AI计算平台上具有丰富的视觉传感器接口，因此也能充当集成了多位置的帧同步功能的视频推流服务器，使得部署成本降低了10倍左右。

2. NVIDIA Triton Inference Server是一种集成了多种自定义后端、支持不同量化方式的AI模型部署服务框架。相较于其他部署框架，Triton能够更加高效地利用NVIDIA GPU的算力。同时Triton还支持模型自动并行、动态batching等，在真实场景下大幅提升算力的利用率。在纷来智能的实时运动分析系统的开发中，基于NVIDIA Docker的Triton Inference Server大幅缩短了AI模型从研发到生产部署的流程，节省了超过55%的开发时间。

目前Fitlab已经开始了在B端种子用户中的部署，全方位提高种子用户的服务能力及经营能力。使健身爱好者更好地了解每次运动的成效，更安全更有效率地实现用户的训练目标。