Humango 評測：以 AI 驅動的教練功能，助你備戰 100 英里礫石路賽事

前言

第一次挑戰 100 英里礫石路賽事，是一件認真的大工程。體能、耐力與越野操控能力必須同時進步，而多數車手還得把這些訓練塞進工作、天氣與家庭生活之間。Humango 正是為了解決這個問題而打造的 AI 教練平台。它會依據你自己的各項數據與目標賽事，組合出一份訓練計畫，並且隨著訓練進展持續調整。

這個平台的教練名叫 Hugo。Humango 不是丟給你一份固定課表、讓你自行解讀，而是觀察你實際完成了什麼，並在訓練負荷偏離原本設定時重新調整計畫。這個行為正是產品最有趣的核心，也是在為一場長距離賽事備戰、決定長期投入之前，最值得仔細檢視的部分。

適合哪些使用者

Humango 適合有明確目標賽事、想要有結構化訓練、但不想聘請真人教練的車手。其中兩種類型特別明顯。

第一種是騎車經驗豐富，但對結構化訓練沒什麼概念的車手。如果你的騎乘多半是「感覺好就用力騎」，那麼一個能告訴你該做什麼、用多大強度、什麼時候做的平台，可以省下大量摸索。它也往往能糾正一個常見毛病：太頻繁騎得太用力，等到關鍵訓練時已經累了。

第二種是有經驗、重新回到結構化訓練的競賽車手。對於已經累積多年高強度訓練的人來說，教練平台帶來的進步可能較小，因為明顯可進步的空間本來就不多；但他們仍能受益於訓練被安排好，以及有一份計畫能督促自己維持紀律。

主要優勢

最明顯的優勢，在於計畫是依照你輸入的資料與你的目標賽事所產生。你註冊帳號、輸入關鍵數據與目標賽事的相關細節後，平台就會算出你該做什麼、何時做，才能以它所能做到的最佳狀態迎接比賽日。

訓練的執行方式相當有彈性。課程可以匯出到碼表，讓你在戶外完成結構化間歇；在室內騎乘時，也能跟著電腦上的指示進行。對整個濕冷冬季都要訓練的人來說，這點很重要，因為同一份計畫可以視天候與可用時間，在公路、礫石路或訓練台上執行。

第二個優勢是調適能力。當某一週的訓練失衡、在高強度區間停留太多時間時，平台不會就這樣照表操課，而是發出更新後的計畫，重新平衡接下來幾週的內容。這種反應方式比靜態的試算表更接近真人教練的做法。對必須兼顧工作與生活的車手而言，這種自動重新規劃能讓整體訓練維持在軌道上，而不是默默崩解。

適應式教練功能的運作方式

設定過程刻意保持簡單。你在 Humango 網站註冊，提供系統要求的數據與個人資料，並描述你正在準備的賽事。接著，教練引擎會產出課表並持續監控。

調整是由你記錄的內容所觸發。如果你完成訓練的紀錄顯示高強度時間比例過高，系統會察覺這個落差，並重建計畫以恢復平衡。實務上，這讓平台的行為不太像一份訓練行事曆，更像是一場關於負荷、強度與恢復的持續對話。

對這套流程的極限，也值得誠實以對。教練品質取決於你餵給它的資訊。詳盡而準確的輸入會產生貼合你的計畫；資料稀疏或不準確，結果就會比較通用，帶來的進步也更有限。

如何衡量訓練週期的進步

進步是透過遞增測試（ramp test）來衡量，也就是逐漸提高強度，直到你無法繼續為止。在訓練週期開始前做一次，結束時再做一次，就能得到兩個可互相比較的體能快照。

一個大約七週的訓練週期，結果說明了車手的反應可以差多少。一位經驗較少的車手，最佳一分鐘功率從 235 瓦提升到 270 瓦，進步 35 瓦，約 15%。一位有長期競賽背景的車手，在同一項指標上只增加 5 瓦，約 1%。單看這些結果，都不能直接論斷平台好壞。

這個差距並不是教練功能的缺陷，而是反映出每位車手一開始可進步的空間有多少。它也說明為什麼單一測試無法涵蓋一切：遞增測試只是體能其中一個面向的快照，對於操控技巧、長時間耐力，或是在崎嶇礫石路上撐過漫長一天的能力，都無法說明什麼。

購買前應考慮的事項

在這裡，期待值最重要。進步幅度會因經驗程度而有很大差異，因此本身體能水準已經很高的車手，不該假設自己能獲得與結構化訓練新手相同的進步百分比。

結構化課程也需要花心力塞進正常的一週。特定間歇訓練在戶外執行時，會因為你騎乘的路線而變得不容易完成，要把這樣的結構搬到礫石路上更是棘手。許多車手最後會把精準的訓練放在室內，戶外騎乘則留給技巧、耐力與享受。

其中也牽涉到信任。照著一份不是自己寫的計畫走，可能會覺得不對勁，尤其當某堂課看起來比你預期輕鬆時。會質疑課表、自行加碼強度的車手，往往會發現接下來的課程比原定更難，而這正是適應式重新規劃要修正的情況。

購買建議

對於有明確目標日期的車手，Humango 最有意義，無論那是一場長距離礫石活動、挑戰賽，還是第一次百英里騎乘。它的價值在於：在你開始訓練之前就有一份計畫、在生活干擾時會調整，而且室內戶外都能照著執行，不必額外費工。

如果你是結構化訓練新手，請帶著準確的數據開始，並至少照著課表執行數週之後再評價它。如果你有深厚的競賽背景，請把這個平台視為組織與督促的來源，而不是大幅提升體能的保證。無論哪一種，你提供的資訊越完整，拿回來的計畫就越有用。

結論

Humango 把一個直接的問題回答得不錯：AI 驅動的教練平台，能幫助車手備戰 100 英里礫石路賽事嗎？根據一個涵蓋礫石騎乘、公路騎乘、室內訓練與恢復的完整訓練週期來看，答案是肯定的，但有一個重要前提。

結果很大程度上取決於車手本身。可進步空間較大的人，可能看到明顯提升；有經驗的競賽車手，則可能只有邊際性的進步。這個平台真正的貢獻在於結構、自動調整與一致性，而這些往往正是車手與一場自己還沒完全準備好的比賽起跑線之間，最關鍵的差距。