核心内容摘要
我的健身教练：从被忽悠到真香，一个普通人的两年踩坑实录以前总觉得科普等于抖机灵，这里多少纠正了我的偏见。大话题能串成小课，读完有脉络，不是散落的信息碎片。转给我自己时也不担心语气太冲或太玄乎。收藏、稍后读和笔记同步比较稳，复习旧内容不用重新翻半天。方法比结论更让人长进，带出应用后在生活里也继续生效。
我的健身教练：从被忽悠到真香，一个普通人的两年踩坑实录
你办过健身卡吗？
我办过。不止一张。三年里换了四个健身房，买了大概两百多节私教课。算下来花掉的钱够买一辆二手代步车了。
今天不聊健身理论，也不推销什么课程。就想说说我遇到的这几个教练，他们教了我什么，坑了我什么，以及我最后是怎么找到适合自己的那个人的。如果你也在纠结要不要请私教，或者已经被教练搞得有点烦，这篇文章应该能帮你省下一些冤枉钱。
第一个教练：热情得像卖保险的
2021年春天，我家楼下新开了一家健身房。开业酬宾，年卡打折，还送两节体验课。
销售小哥嘴甜得不行，一口一个“哥”叫着。我脑子一热，刷了卡。
第二天就被安排给了第一个教练。叫他A教练吧。
A教练二十出头，浑身肌肉鼓得像气球，说话中气十足。第一节课带我做了几个动作，然后就把我拉到体测仪前面。
“哥，你这个体脂率有点高啊。28.6%，属于肥胖范畴了。”
我当时162斤，身高175。确实不算瘦，但也没到“肥胖”那么夸张吧。
A教练话锋一转：“不过没关系，跟着我练，三个月保证你瘦二十斤。我们有个套餐，36节课，原价一万二，今天办只要八千八。”
我说我再想想。
他立马掏出手机：“哥你看，这是我带过的会员，这个三个月减了三十斤，这个练出了腹肌。你加我微信，我天天监督你。”
这就是典型的“体测仪恐吓+成功案例轰炸”套路。
后来我查了一下，体脂仪那个数据误差挺大的。喝杯水、上个厕所，数字都能变。有些教练会故意把参数调得吓人一点，好让你赶紧掏钱。
我扛住了第一波。但没扛住第二波。
第二个教练：上课像在开盲盒
过了两个月，我换了一家离家更近的健身房。这次学乖了，先买了12节体验包。
B教练看起来专业多了。穿着统一的工服，手里拿着平板电脑，每节课都做记录。
但他有个问题：上课内容完全随机。
今天带我练胸，明天突然练腿，后天又变成核心。问他为什么这么安排，他说“交叉训练效果更好”。
我练了八节课，膝盖开始疼。
去问B教练，他说正常，乳酸堆积。让我回去多拉伸。
后来我自己查资料才知道，交叉训练确实有用，但前提是有规划。像我这种基础差的新手，突然上大重量深蹲，膝盖不疼才怪。
更离谱的是有一次，他同时带我和另外两个会员。三个人围着他一个人转，一节课下来我实际练了不到二十分钟。剩下的时间都在排队等器械。
我算了算，那节课折合下来，每分钟花了我七块钱。就这，还差点把膝盖搭进去。
第三个教练：终于遇到对的人了
2023年夏天，我换了第三家健身房。这次我不着急买课，先观察了一个月。
我发现有个教练，叫他C教练吧，他的会员年纪都偏大，四五十岁的居多。但每个人练得都很认真，而且跟他的关系特别自然，不像顾客和销售，更像朋友。
我找了个机会跟他聊。他没急着让我买课，先问了我三个问题：
你平时几点下班？
一周能保证来几次？
你练力量是想干嘛，是想要好看还是想要好用？
我说我就想爬楼梯不喘，搬东西不闪腰，顺便肚子小一点。
他笑了：“那你不用买那么多课。你先跟我上六节，把基础动作学会，然后自己练。有问题随时来问我，不收费。”
六节课，一千二。比前面两个教练便宜了一半还多。
C教练教我的第一件事不是举铁，是呼吸。他说你连呼吸都不会，举什么都是白搭。
第二件事是关节活动度。他让我做了一堆看起来很蠢的动作，比如趴在地上像婴儿一样爬来爬去。我问他这有什么用，他说你先把身体打开，再谈加重量。
第三件事才是动作模式。深蹲怎么蹲，硬拉怎么拉，推举怎么推。每一个动作都拆解得很细，细到我有点不耐烦。
但一个月后，我发现自己爬六楼不喘了。搬桶装水也不用憋一口气了。
这时候我才明白，好教练不是让你练得爽，是让你练得对。
私教行业的一些数据，看完你就懂了
我查了一些公开资料，这里列几个数字：
| 指标 | 数据 |
|---|---|
| 国内健身教练持证比例 | 约43% |
| 私教课平均单价（一线城市） | 300-500元/节 |
| 私教会员续课率 | 约25%-35% |
| 教练平均从业年限 | 1.8年 |
什么意思呢？
第一，超过一半的教练没有正规资质认证。 很多就是培训两周拿个内部证书就上岗了。
第二，一线城市一节课三百起步，但教练能拿到的可能只有三分之一。 剩下的都被健身房抽走了。所以教练才会拼命让你买课，因为不卖课他活不下去。
第三，续课率低得吓人。 一百个买课的人里面，只有二三十个会继续买。说明大部分人上了一段时间就觉得不值。
第四，教练这行流动性极大。 你刚跟一个教练混熟，下个月他可能就去别的健身房了。
这些数据不是让你别请教练。是想说，选教练这件事，值得你花点时间做功课。
怎么判断一个教练靠不靠谱？
我总结了几条自己的经验，不一定全对，但至少帮我避开了不少坑。
看他上课的时候看哪里。
好教练的眼睛一直在你身上。看你膝盖有没有内扣，看你腰有没有塌，看你呼吸有没有乱。差教练的眼睛一直在手机上，或者一直在跟别的会员聊天。
看他会不会说“不”。
你问能不能一周练五次，好教练会说不行，你恢复不过来。你问能不能一个月瘦二十斤，好教练会说不行，那个速度不健康。什么都说行的教练，大概率只想赚你的钱。
看他自己的身材。
这条有争议。有人天生瘦，有人天生壮。但如果一个教练自己挺着个大肚子教你减脂，你觉得可信吗？
看他怎么对待老会员。
新会员是客户，老会员是口碑。如果老会员跟他有说有笑，练完还一起喝水聊天，这个教练差不到哪去。如果老会员见了他绕着走，那你最好也绕着走。
看合同和退款条款。
这条最重要。买课之前问清楚：能不能退？怎么退？扣多少手续费？教练离职了怎么办？所有承诺都要写进合同，口头说的不算数。
我现在怎么练？
跟C教练上了六节课之后，我就自己练了。
一周去三次，每次四十分钟。不追求大重量，不追求花哨动作。就是深蹲、硬拉、卧推、划船、推举，五个动作轮着来。
偶尔遇到问题，比如肩膀不舒服了，或者某个动作找不到感觉，就去问C教练。他有时候在忙，我就等他下课。他从来不会因为我不买课了就敷衍我。
上个月体测，体重降到了148斤，体脂率22%左右。不算多厉害，但比两年前那个被体测仪吓到的自己，强了不少。
更重要的是，我现在不怕去健身房了。以前每次去都像上刑场，现在去就像去公园散步。练完洗个澡，浑身舒坦。
说点实在的
健身教练这个职业，跟理发师、牙医差不多。遇到好的，你能受益很多年。遇到差的，花钱不说，还可能把自己弄伤。
我的建议就三条：
第一，别急着买大课包。 先买几节体验课，看看这个教练适不适合你。不合适就换，别不好意思。
第二，自己学一点基础知识。 不用学到能当教练的程度，但至少要知道深蹲膝盖能不能过脚尖、硬拉腰要不要绷紧。这些网上都有免费教程。
第三，把教练当顾问，别当保姆。 教练能教你动作，能监督你训练，但没法替你吃饭，也没法替你睡觉。最终能让你变好的，只有你自己。
好了，这就是我跟健身教练打交道这几年的经历。踩过坑，也遇到过好人。如果你正在找教练，希望这篇文章能帮你少走点弯路。如果你已经是老手了，也欢迎说说你的故事。
📕作者： 郭红娜撰 · 更新于 2026-10-07 12:21:35
复刻“半导体时刻”？AI制药版的“瓶颈交易”正在成形，谁是下一个“卖铲人”
10月4日，顶级美元基金Altimeter Capital合伙人Freda Duan近日发文指出，AI制药赛道（AIDD）的"瓶颈交易"正在成形，其结构与此前半导体领域从GPU延伸至HBM、网络、电力的链式行情高度相似。 前沿AI实验室的集体入场是最显著的信号。Anthropic组建了专属生命科学研究团队并建立湿实验室，OpenAI 建立了专为生物学和药物发现设计的 GPT-Rosalind 模型族，字节跳动旗下独立运营的 Anew Labs 已拥有内部药物研发库，同构实验室（Isomorphic Labs）则明确表示将把 AI 设计的药物推进人体临床试验。 与此同时，供应链端的信号同样清晰。DNA 合成商拓斯达生物（Twist Bioscience，TWST）预计2026财年和2027财年的AI药物发现订单将连续实现三位数百分比增长。金斯瑞（GenScript）的 AI 药物发现业务在 2026 财年上半年同比翻倍，渠道调研显示其实际验证产能已达每日约8,000个设计，并有望在 2026 年底前提升至 16,000 个。 在AI制药领域，瓶颈同样在沿产业链向下传递：AI模型产生设计→DNA合成→蛋白生产→实验验证→临床前测试，每个环节都可能成为下一个受益节点。 Anthropic已将生命科学研究提升至战略层级，其湿实验室完成的首个重大项目是利用Claude智能体识别了一种与CRISPR类DNA重复序列相关的、此前未被表征的酶系统。 字节跳动的前AI药物发现部门现已独立运营，更名为Anew Labs，整合了基础模型、湿实验室验证与自有药物管线，字节跳动仍持有多数股权。 这意味着AI药物发现的商业化路径正在分叉：授权给大型药企、合作里程碑+专利费、或直接孵化独立公司。对于下游供应链而言，无论哪条路径，实验需求的增量都将真实发生。 第一，假设生成趋近于零成本，实验验证成为新瓶颈。传统药物发现中，专家筛选候选分子的成本极高，能够进入昂贵验证流程的只有最高置信度的候选项。 第二，失败的实验同样有价值，负样本成为训练数据。Anthropic提供了一个典型案例：Claude设计了1,320个蛋白结合子，Adaptyv将这些数字序列转化为DNA、表达蛋白并测试结合性，最终只有354个成功结合。 但另外966个失败案例并未被浪费——什么不表达、什么不结合、什么亲和力差，这些都是有价值的负向标签，用于训练下一轮模型迭代。传统药物发现只问"候选X有效吗"，AI药物发现还额外追问"这个实验能教给模型什么"。 第三，湿实验室正在从制造药物转型为制造训练数据。TWST明确表示，其业务正在转向从AI设计序列中生成可直接输入模型的结构化实验结果数据。GenScript的序列到结合数据工作流可在4至7天内返回结果。 在部分工作流中，客户关心的可能已不是获得物理蛋白本身，而是将结构化实验结果反馈回模型。TWST和GenScript因此愈发接近"生物数据铸造厂"的角色。 TWST预计FY26的AI药物发现订单增速将达三位数百分比，且FY27的订单增长将延续同等幅度。GenScript的AI药物发现业务在2026财年上半年实现同比翻倍，其平台对外宣传的工业级验证产能为每日4,000个以上设计，配备完整的序列到数据工作流。 在市场规模方面，若AI只是更高效的研发工具，相关支出池为每年3,000至4,000亿美元的全球制药研发总支出。若AI真正扩大了可行药物项目数量，机会将更大，因为它还将带动DNA合成、蛋白生产、实验验证和临床前工作的增量需求。 此外，从AI公司自身的支出角度也可做出近似估算。若Anthropic在2026年实现800亿美元年化收入，仅将其中1%投入AI药物发现，便已意味着约8亿美元的年度投资体量。 Exscientia的DSP-1181分子在不到一年内从发现推进至I期临床，但随后因未达到目标机制的I期评估标准而终止。彼时的失败有两个明确原因：宏观环境急剧收紧，叠加"更快的发现不等于更好的临床生物学"被残酷证实。 2020/21年的核心逻辑是：用计算减少低价值的湿实验室筛选，AI是搜索效率工具，目标是减少物理实验量，以更少的合成和更少的测试更快锁定候选药物。 2026年的核心逻辑截然不同：用AI大幅扩展假设空间，再用湿实验室生成真实验证数据。其内在循环为：AI→实验→数据→更好的AI→更多实验。AI创造的可用实验数量之多，使物理生物学本身成为瓶颈。 从已有数据来看，2024年一项研究显示，AI发现药物的I期成功率约为80%至90%，高于行业历史平均水平；II期成功率约为40%，与历史平均水平大致相当，但样本量仍有限。 随着更多候选药物被推入临床前阶段，动物实验或将成为下一个受限环节。灵长类动物价格已接近此前高点，CRO产能持续偏紧，AI药物发现进一步压入临床前的候选项只会加剧这一压力。 2026至2027年底，Isomorphic首批AI设计药物进入人体临床试验，更多AI原生项目推进至IND-enabling阶段；2028至2030年，临床试验结果开始揭示AI设计药物是否真正优于传统药物。 长期看，若AI药物在发现阶段和I期表现亮眼，却在II/III期以正常失败率落败，整个投资逻辑将面临根本挑战，这也是为何II期临床结果如此关键。 生物学可能成为AI下一个递归自我改进的前沿——在计算机中设计，在实验室中测试，将实验反馈转化为半合成训练数据，改进模型，周而复始。
📸 记者 罗耀辉 摄 · 更新于 2026-10-07 12:21:35
