運動記錄平台Strava與Google的AI模型Gemini整合，讓訂閱用戶能獲得個人化訓練洞察，然而實測顯示，這項AI功能在數據準確性、歷史資料存取及建議深度上仍有局限，用戶在使用時需保持審慎。
運動記錄平台 Strava 已與 Google 的人工智慧模型 Gemini 完成整合，開放訂閱用戶將其 Strava 帳戶連結至 Gemini，以獲取個人化的訓練洞察。這項功能繼 Strava 先前整合另一 AI 模型 Claude 後推出，目前正陸續開放給美國地區的訂閱用戶使用。
透過這項整合，用戶可以向 Gemini 詢問關於運動表現的問題，例如「我在相同心率下速度是否變快？」或「能為我分析上次比賽的詳細表現嗎？」。用戶只需在 Gemini 應用程式中開啟「個人智慧」功能，選擇 Strava 並完成帳戶連結與授權，過程選擇性且僅為唯讀模式，用戶可隨時中斷連結。Gemini 將會存取運動活動、表現指標、訓練計畫、裝備、俱樂部及個人檔案等資訊，部分對話內容也可能與 Strava 分享。
然而，實際測試結果顯示，這項 AI 輔助功能仍存在一些限制。在詢問「我在相同心率下速度是否變快？」時，Gemini 初步雖報告效率提升，但卻忽略了氣溫與天氣的影響，需經用戶提示才能納入考量。此外，當被要求分析馬拉松表現時，Gemini 的初始回覆並不準確，誤稱自 2026 年以來只記錄了一次馬拉松，儘管實際已完成多次。Gemini 表示，其對過去活動的存取僅限於近期歷史（大約 2026 年夏季至今），原因為分頁限制。若要查詢更早期的數據，用戶必須提供具體的日期和地點作為替代方案。
在提供跑步建議方面，Gemini 的回覆多半是通用且討喜的建議，例如建議增加速度訓練或進行「兩極化訓練」（polarizing training，指高強度與低強度交替進行的訓練）。它也指出用戶的輕鬆跑配速與馬拉松配速過於接近，建議每英里應放慢 45 至 90 秒。這項整合並未發掘出特別深入的獨到見解，且未能主動考慮氣溫對心率的影響。
專家提醒，AI 生成的建議不應被誤認為是全新的個人化洞察，它們通常只是傳統的運動智慧。對於許多用戶而言，專注於訓練負荷、睡眠時間和心率趨勢等原始數據，可能比依賴 AI 摘要更為明智。用戶應謹慎對待 AI 教練的建議，避免盲目信任而忽略自身感受與批判性思考。建議在使用 Gemini 時，對查詢更早期的活動應明確指定日期和地點，並針對其結論提出質疑，例如詢問天氣和地形等因素的影響，將 AI 輸出視為快速的數據擷取工具，而非個人專屬教練。