说法一：“踏频越高，越省力”
先说结论：不一定，更准确的说法是“踏频改变的是负担落在哪里”。
公开的运动生理学研究里有一个反复出现的现象：在相同的输出功率下，较低踏频时肌肉每一圈需要发出更大的力，更容易积累局部疲劳；较高踏频时单次用力小，但心肺系统和整体代谢的负担会上升。也有实验室研究报告，在较低的功率范围内，总机械效率在踏频较低时相对更高，一些研究中的结果落在60rpm附近，但这和多数骑行者实际习惯的80至100rpm存在差距。为什么大家还是愿意踩高一点，学界的解释并不统一，常见的推测之一是较高踏频能降低每次蹬踏的肌肉力量，从而减缓神经肌肉疲劳。
所以“省力”其实要先问清楚：省的是腿，还是心肺？
说法二：“同样200W，踏频不影响什么”
做一个示意场景：假设一位骑行者在平路上骑同样的200W，分别尝试60rpm、75rpm和95rpm，每档骑十分钟。下面是为了说明而设的示意数据，并非真实测试结果。
| 踏频 | 心率的示意表现 | 腿部感受 | 后半程稳定性 |
|---|---|---|---|
| 60rpm | 较低 | 大腿前侧发紧 | 后半程容易掉功率 |
| 75rpm | 中等 | 比较均衡 | 稳定 |
| 95rpm | 略高 | 腿轻，呼吸偏重 | 前半程稳，长时间后可能出现心率上漂 |
这个表想说明的是：同一个功率，换了踏频，身体的账单换了一种写法。贝博体育骑行AI要做的，就是把这份账单读出来，而不是只报一个平均踏频。
这里还有一个容易忽略的细节：表里的“较低”“略高”都是相对同一个人自己而言，不同人的心率天生就不一样，把甲的心率拿去和乙比较，没有意义。系统比较的始终是同一位骑行者在不同踏频下的自身差异，并且只使用功率、坡度和风况接近的片段。某个踏频带里如果只有一两段很短的样本，它会被标为“证据不足”，不会拿来下结论。
说法三：“有一个通用的最佳踏频”
如果有，教练早就写进说明书里了。现实是最佳踏频随下面几个因素移动：
- 功率：功率越大，多数人会不自觉地把踏频提上去，因为在低踏频下要发的力太大；
- 坡度：陡坡时车速低、阻力大，踏频往往被迫降低，这时硬要维持平路踏频，会把齿比调得过轻，反而让爬坡不稳；
- 骑行经验：公开资料里提到，自选踏频往往会随经验和体能提升而逐渐变高；
- 目标：长距离骑行更看重不过度消耗，专项冲刺、爬坡训练则有意识地练特定踏频。
所以贝博体育骑行AI的思路是：不套一个统一数字，而是对每位骑行者建立一张“功率与踏频”的个人分布图，看他在哪些功率和坡度下，踏频习惯落在哪个范围，哪一段范围里后半程掉功率最少、心率最平稳，这一段就是他此刻的“舒适带”。
说法四：“AI可以直接告诉我最佳踏频”
不能，至少不该这么说。
要判断“舒适带”，需要足够多的对比样本：相似的功率、相似的坡度、不同的踏频，还得排除风、疲劳、睡眠这些干扰。如果这位骑行者的记录里九成时间都在90至95rpm，模型根本没有见过他在70rpm时的表现，就没法说70rpm是好是坏。这时系统的合理做法是提出一个小实验，比如在下一次平路耐力骑行中安排几段同功率不同踏频的对照，而不是凭空给建议。
数据不够的时候，给出的是“目前样本里这一段表现更稳”，并注明样本量。想更好地理解功率分布本身怎么解读，可以先读骑行平均功率一样，训练效果为什么完全不同这篇。
一个示意的对照实验怎么排
如果系统发现样本太集中，可能会建议一次很朴素的对照，下面是示意安排，具体数字要按个人能力调整：
- 找一段车流少、坡度基本为零的路，风不大最好，或者用室内骑行台；
- 先热身十五分钟，然后把功率控制在自己的耐力区间内，每档踏频骑八到十分钟；
- 中间用几分钟轻松骑隔开，档位顺序最好打乱，避免总是“最后一档最累”；
- 骑完后，把每一档的心率变化、功率是否稳定、主观用力感受都记下来。
这个实验有一个明显的弱点：一次对照受当天状态影响很大。前一晚没睡好，所有档位都会显得吃力，结论就不可靠。所以系统更倾向于把多次骑行合并起来看趋势，而不是根据一天的表现改掉你的习惯。
说法五：“踏频传感器读到的就是真实踏频”
大多数时候没问题，但有几种情况会出错：
- 磁铁式或曲柄式踏频传感器位置偏移、电池电量低，会丢信号，导致某段踏频显示为0；
- 部分功率计可以直接给出踏频，与外置传感器同时连接时可能出现两路数据，要选用哪一路需要设备端设定；
- 下坡或滑行时踏频为0，是真实状态，不是故障，但如果把它计入平均踏频，数字会被拉低，所以系统会分开统计“蹬踏时的踏频”；
- 换了鞋、鞋垫、鞋底板位置，或者换了车架和曲柄长度，同一个人的舒适踏频可能变化，旧数据的参考价值需要打折。
一个容易被忽略的场景：站立冲坡和成团骑行
以上都以坐姿、稳定输出为前提。站立蹬踏时，身体重心改变，踏频往往比坐姿低，功率峰值却更高；成团骑行时，跟着前车节奏频繁变速，踏频忽高忽低，并不反映个人偏好。这两类片段掺进“个人舒适带”的统计里，会把结果搅乱。所以系统会先按姿态倾向（能否从功率与踏频的组合中识别出站立冲坡）和功率稳定程度做筛选，剔除明显不属于稳定输出的时段，识别不出来的，就只能保守处理，宁可少用数据。
把这些放到训练安排里
假设一位骑行者的个人分布显示：平路耐力骑行时舒适带在85至92rpm；陡坡上踏频降到65至70rpm时，后半段功率下降更明显，而70至75rpm相对稳。这时贝博体育骑行AI可能给出这样的提示：
- 长距离耐力骑行时，优先保持自己的舒适带，不需要为了追求“90”这个数字刻意加速踩踏；
- 陡坡路段提前换到更轻的齿比，把踏频留在偏高一点的位置，避免最后一段坡道腿部发不出力；
- 如果这位骑行者的目标是提升爬坡时的力量耐力，可以安排每周一到两次的低踏频专项，但要在状态良好、无膝盖不适的日子做，且组数与总时长要循序增加。
如果骑行者在低踏频训练后出现膝盖、髋部疼痛，应该及时停止，训练提示不替代医生或专业教练的意见。
踏频和疲劳，是怎么连起来的
前面说的都是同一次骑行里的对比，疲劳则是跨时间的。一个常见的信号是：骑行者在同样的功率和坡度下，踏频逐渐掉落，比如一开始舒服地踩着88rpm，两个小时后同样的功率只能维持在80rpm，或者为了维持踏频，心率明显更高。这说明身体正在为同样的输出付出更多代价。
不过这个信号很容易被误读。天气变热、补给不足、路面变差、逆风都能造成类似的现象。所以贝博体育骑行AI不会单凭踏频下降就说“你疲劳了”，而是同时看心率相对功率的变化、功率波动幅度，以及最近几天的训练负荷。多个信号一起指向同一个方向时，才会用“疲劳累积的可能性较高”这样的措辞，并建议下一次训练适当放轻；只有一个信号异常时，更多是记录下来观察。关于功率与心率在时间上的差异，可以参考爬坡训练应该看功率还是心率里的讨论。
边界：模型看得见的和看不见的
踏频只是结果，不是原因。模型看得见的是踏频、功率和心率的关联，看不见的是你的车架适配、坐垫高度、踏板与脚的对位。同一个人换了一次坐垫高度，舒适踏频可能就变了，模型只能从数据变化里察觉“有点不一样”，却没法判断是坐姿问题还是状态问题。
所以更稳妥的用法是把它当成一个会做对比的助手：告诉你在哪个踏频带里数据更稳，提醒你哪里样本不够，最终是否调整，仍然要结合身体的感受，必要时找专业的车架适配师或教练确认。
