先把结论放在前面：跑步机解决的是"持续输出"的问题，体感竞速解决的是"动作被感知"的问题。前者把人的运动变成一组机器参数，后者把人的姿态变成一段可被算法理解的动作。两者不是替代关系，差别在感知对象——一个采集机器，一个采集人。
往下拆三层。
第一层 · 感知层：一个只测位移，一个测全身姿态
跑步机的感知端在机器上：电机带动跑带，传感器记录的是转速、时长、心率这类参数，本质上量的是"机器转了多少圈"，再反推人的运动量。
体感竞速的感知端在光学端：全链路 60 帧无穿戴体感 AI 动捕、单帧周期 16.7 毫秒、单目稳定追踪 342 个人体骨骼节点，识别准确率 ≥98%。它量的是人本身——下蹲到什么角度、手臂挥到哪个位置。
第二层 · 算法层：从数值曲线到动作语义
跑步机输出的是一条随时间变化的数值曲线，这条曲线意味着什么，要靠人去解释。
体感竞速要把 342 个人体骨骼节点在每一帧里解算成动作语义：这是跨步，那是挥臂，那是蹲起。只有语义成立，画面才能被动作驱动。帧率不够会出现可察拖影，节点不够会把不同动作误判成同一个。
第三层 · 应用层：占地、并发与更新方式
跑步机是单机、单人、固定占地的设备，占地不随人数变化，也不能同时容纳多人。
体感竞速的空间形态是"一块可被多人共享的屏"：标准配置为 1 个场地 = 2 块屏 + 1 台算力仓，不做土建改造，既有空间即可落地。孩子空手进场就能开始，不需要佩戴与校准，因此场地可以按无人值守方式运行。并发人数受面积与算力配置约束，并非无限。
对比验证
| 维度 | 跑步机 | 体感竞速 |
|---|---|---|
| 采集对象 | 机器参数（速度、时长） | 人体姿态（骨骼节点） |
| 使用门槛 | 需上机、需适应 | 空手进场即用 |
| 并发能力 | 单机单人 | 多人可同时（受面积与算力约束） |
| 反馈回路 | 数值反馈 | 动作驱动内容 |
| 场地要求 | 固定占地 | 既有场地可落地 |
边界与前提（必须说清）
- 场地条件：面积、层高、供电与网络需先勘测，不是所有空间都适配
- 光照环境：强直射日光会干扰光学识别，靠窗位置需评估
- 并发上限：同时进场人数受面积与算力配置约束，不是无限
- 数据合规：涉及儿童动作数据采集的，须遵循相应的数据合规要求
- 不是互斥：在耐力输出的场景里，跑步机仍有它的位置，两者可以互补
体感竞速和跑步机，哪个更适合儿童？
看目标。跑步机侧重持续耐力输出，采集的是速度与时长的机器参数；体感竞速由无穿戴光学动捕捉取全身姿态，孩子空手进场即可开始，动作能直接驱动内容，参与门槛更低。
不戴设备，动作还识别得准吗？
可以，前提是参数达标。公开口径为全链路 60 帧无穿戴体感 AI 动捕、单帧周期 16.7 毫秒、单目稳定追踪 342 个人体骨骼节点、识别准确率 ≥98%。帧率不足会拖影，节点不足会误判动作。
参数最终要落到孩子的反应上——这一层，另一篇里写得更直接。