如果你曾经看过运动员艰难地完成一组本应是“爆发力训练”的重量，你就会明白那种挫败感。训练计划上写着80%，重量为1RM。运动员算了算，结果杠铃就像卡在水泥里一样纹丝不动。显然哪里出了问题——但究竟是什么问题呢？
以下是传统百分比训练方法不愿让你听到的令人不快的真相： 运动员的1RM（最大重复重量）会因睡眠、压力、营养和累积疲劳等因素而波动10-20%。¹ 那个经过完美计算的 80% 负荷？今天可能实际上是 90%，明天可能又是 70%。这正是那些了解这一点的教练们所关注的。 如何使用VBT进行编程 （基于速度的训练）培养出的运动员适应能力更强，身体更健康，并且在关键时刻能够发挥出色。.
让我们详细讲解如何使用诸如以下工具在您的训练系统中实施基于速度的编程： Spleeft 应用程序 衡量和监控能够真正预测绩效的指标。.
立即下载适用于 iOS、Android 和 Apple Watch 的 SPLEEFT 应用程序！
VBT 与传统编程有何不同？
自苏联时代以来，传统的力量训练计划一直依赖于1RM百分比模型。这种方法在一定程度上有效。但问题在于：它假设你的最大力量是一个固定值，在每次测试中保持不变¹²。而实际上，运动员的真实1RM会根据其每日状态发生显著变化。.
基于速度的训练通过使用以下方式颠覆了这种范式： 移动速度 作为训练强度的主要指标。运动员以最大努力完成给定负荷时速度越快，该负荷相对于其当前能力就越轻。负荷与速度之间的关系在训练有素的个体中表现出显著的一致性和线性特征²³。.
González-Badillo 和 Sánchez-Medina 的基础研究表明，杠铃速度与多种练习中的 1TP、12T、1RM 值密切相关²。这意味着您可以利用速度数据来：
无需进行最大负荷测试即可估算 1RM。
根据实时表现制定训练负荷
立即监测疲劳程度和准备状态
在会话期间自动调节音量
这就是类似这样的应用程序的作用所在。 Spleeft 应用程序 变得至关重要。与其寄希望于运动员以合适的强度进行训练，不如…… 实时测量它们的速度 并当场做出明智的决定。.
了解载荷-速度曲线：你的全新训练指南针
在能够有效地使用VBT进行编程之前，您需要了解…… 荷载速度曲线—杠铃上的重量与运动员移动速度之间的个体化关系。.
可以把它想象成运动员在特定训练中的“指纹”。当绘制成图表时，这种关系会呈现近乎线性的曲线：随着负荷增加，速度会按预期下降²⁴。这种特性可以帮助您：
根据次最大负荷预测1RM — 无需让运动员失败
识别力-速度特性 — 你的运动员是力量型还是速度型？
跟踪进度 — 轮廓的变化表明适应
精确设定载荷 — 针对特定速度区域实现所需的适应性调整
使用 Spleeft 应用程序构建载荷-速度曲线
为了创建准确的训练曲线，你需要4-6个不同负重下的弹道速度数据，负重范围从轻负荷（约40-50公斤/12次最大重复重量）到重负荷（约85-90公斤/12次最大重复重量）⁵。以下是一个实用的训练方案：
充分热身 以目标练习
先从空杆或轻载荷开始。 并以最大努力完成 3-5 次重复动作。
逐步增加重量 （10-15% 跳跃），并记录每个负荷下的最佳重复速度
继续操作，直到速度降至约 0.5 米/秒以下。 （适用于大多数练习）
绘制数据图 为了可视化载荷-速度关系
Spleeft App 会在您训练时自动生成此个人资料，并根据您最近的表现数据持续更新。该应用利用您的历史速度数据来估算您的 1RM，而无需进行真正的极限尝试——这可谓是一项颠覆性的创新。 运动员管理 健康和训练准备⁶。.
最低速度阈值：理论与现实的交汇点
每项练习都有 最小速度阈值（MVT）——完成一次完整动作所需的最慢速度。这基本上就是1RM²时的速度。理解MVT对于准确估算1RM和选择合适的负荷至关重要。.
| 锻炼 | 最小速度阈值（米/秒） | 笔记 |
|---|---|---|
| 后蹲 | ~0.30 | 由于拉伸-缩短循环而升高²⁷ |
| 卧推 | 0.15-0.17 | 最低MVT；ROM²⁷有限 |
| 硬拉 | 0.15-0.25 | 无SSC；差异很大⁷ |
| 过顶推举 | ~0.19 | 深蹲和卧推数值之间⁵ |
当你的负荷速度曲线与最大自主收缩力（MVT）相交时，你就找到了你的预估1RM。Spleeft App会自动计算这一点，为你提供一个可靠的力量基线，并随着运动员的进步而更新。.
速度区：针对特定适应性的训练计划
VBT最强大的应用之一是其靶向能力。 特定训练适应 通过规定速度区间而不是任意百分比。不同的运动速度对应着不同的神经肌肉需求，因此，不同的训练结果⁸⁹。.
| 训练区 | 速度范围（米/秒） | 约 %1RM | 初级适应 |
|---|---|---|---|
| 绝对力量 | < 0.50 | ≥ 80% | 最大强度，神经效率 |
| 加速强度 | 0.50 – 0.75 | 65-80% | 兵力生产，机动部队征召 |
| 力量-速度 | 0.75 – 1.00 | 50-65% | 功率输出，爆发力 |
| 速度-强度 | 1.00 – 1.30 | 35-50% | 力发展速率 |
| 起始速度 | > 1.30 | < 35% | 反应能力，弹道威力 |
如何在练习中使用速度区
假设你正在指导一名需要……的排球运动员 提高跳跃能力 训练效果。传统的训练计划可能会规定“5×5 @ 75%”，但这并不能告诉你实际的训练刺激是什么。.
使用 Spleeft App 的力度区域功能，您可以进行以下编程：
电力发展模块：
后蹲：4×3 @ 0.75-0.90 米/秒（强度-速度区）
六角杠跳跃：4×3 @ >1.0 米/秒（速度强度区）
运动员热身，找到能使其速度达到目标区间的负荷，并在此负荷下进行训练。如果运动员疲劳，速度低于目标区间，则应减轻负荷或结束该组训练。如果运动员状态良好，但速度过快，则应增加负荷。. 速度区确保了预期的适应效果，无论绝对强度每日如何波动。.
速度损失阈值：更明智的疲劳管理方式
在VBT编程领域，或许没有哪个概念比它更能激发研究兴趣。 速度损失—指一组动作中杠铃速度随次数的下降。该指标可实时反映疲劳累积情况以及接近力竭的程度¹⁰¹¹。.
Pareja-Blanco及其同事的里程碑式研究表明，训练过程中速度损失的程度是决定训练效果的关键变量¹⁰。以下是相关证据：
| 速度损失 | 接近失败 | 主要效应 | 疲劳程度 | 最适合 |
|---|---|---|---|---|
| 0-10% | 非常远（5-8 RIR） | 神经适应 | 极简主义 | 赛季中的力量型运动员¹² |
| 10-20% | 远（3-5 RIR） | 力量增长 | 低的 | 总体实力¹⁰ |
| 20-30% | 中等（2-3 RIR） | 均衡 | 缓和 | 力量与肥大¹³ |
| 30-40% | 收盘价（1-2 RIR） | 肥大 | 高的 | 肌肉生长阶段¹⁴ |
| > 40% | 濒临失败 | 耐力 | 非常高 | 肌肉耐力¹⁴ |
实际应用
这里是 如何使用VBT进行编程 训练变得真正令人兴奋。与其规定固定的重复次数，不如规定速度下降阈值，让运动员根据每日的训练状态来决定训练量。.
示例协议：
锻炼：后蹲
加载第一次重复速度约为 0.65 米/秒
速度损失阈值: 20%
套: 4
运动员重复动作，直到速度降至约 0.52 米/秒（比 0.65 米/秒下降了 20%），然后停止该组动作。状态好的时候，他们可能完成 6 次。状态不好的时候，可能只能完成 4 次。无论如何，, 疲劳刺激是等效的——而这正是关键所在。.
Spleeft App 通过实时显示速度下降区域，让这一切变得轻松简单。您只需设定阈值，App 就会告诉您何时停止。告别那些弊大于利的徒劳重复训练。.
四种经过验证的基于VBT的编程方法
现在让我们深入探讨一下具体细节。有几种基于证据的方法…… 如何使用VBT进行编程, 根据你的背景和目标，每种情况都有其独特的优势¹⁵。.
方法一：基于百分比的速度反馈
这是 VBT 最容易入门的途径。运动员遵循传统的 %1RM 训练计划，但会收到速度反馈，以增强训练意图并监测准备情况¹⁵。.
例子：4×5 @ 80% 1RM，带速度跟踪
优势：
教练和运动员都熟悉的结构
速度数据可以揭示载荷是否合适。
为未来的编程建立历史数据库
何时使用：在赛季初期、休赛期或想要获取速度数据但又不想彻底改变现有系统时，向团队引入 VBT。.
方法二：速度区处方
设定目标速度区间而不是百分比。运动员通过热身找到能产生所需速度的负荷，并以此负荷进行训练¹⁵。.
例子：4×3 @ 0.50-0.65 米/秒（加速强度区）
优势：
自动调整以适应每日准备情况
确保精准的训练刺激
消除负载选择中的猜测成分
何时使用：针对特定适应情况的阶段性训练，或针对已建立负荷速度曲线的运动员。.
方法三：速度损失截止法
当速度从最快重复动作的速度下降到预定百分比时，组数结束，从而控制疲劳和重复动作的质量¹⁰¹⁵。.
例子：4组，起始速度0.55米/秒，20%速度损失截止
优势：
根据疲劳程度自动调节容量
防止垃圾卷
在整个训练过程中保持动作质量
何时使用赛季训练、力量发展阶段，或者当需要控制累积疲劳时。.
方法四：速度范围内不定时重复次数（AMRAP）
运动员在规定的速度范围内尽可能多地完成重复动作。当速度低于下限阈值¹⁵时，该组动作结束。.
例子：AMRAP @ 0.45-0.60 米/秒
优势：
最大限度提高有效容量
根据每日产能进行自我调节
非常适合用于监测工作能力随时间的变化
何时使用：一般准备阶段、建立工作能力，或者当您想要最大生产量时。.
使用 Spleeft App 实现 VBT：实用工作流程
让我们来看看教练可能会如何实施 VBT编程 在整个训练周中使用 Spleeft App。.
第一天：下肢力量训练
客观的培养力量-速度素质，以提高加速能力
打开 Spleeft 应用 并选择运动员的个人资料
后蹲热身逐步加载，记录每个重量下的速度
该应用程序会自动更新负载速度曲线。
密切关注预估的1RM显示——如果低于平时水平，运动员可能需要调整负荷。
工作集：4×4 @ 0.55-0.70 米/秒，15% 速度损失截止
Spleeft 可实时显示速度，并在达到阈值时发出警报。
如果速度保持较高水平，可考虑在后续组数中增加 2.5-5 公斤的重量。
陷阱杆跳跃：4×3 @ >1.0 米/秒
纯粹的速度强度训练；如果速度低于目标值，立即降低负荷。
第二天：上肢力量训练
客观的通过控制疲劳来增强推举力量。
卧推渐进式加载：在 Spleeft 追踪速度的同时，逐步增加体重至工作体重
工作集：5×3 @ 0.35-0.50 m/s，速度损失阈值为 20%
应用程序显示你正处于加速强度区。
速度反馈确认每次重复动作都达到了预期的训练效果
会议回顾查看应用程序的摘要信息——总次数、平均速度、速度下降趋势
与之前的课程进行比较，以监控进度。
每周回顾
周末结束时，请在 Spleeft App 中查看仪表盘：
1RM 估算它们呈上升趋势吗？
平均训练速度运动员在相似的负荷下能否保持速度？
速度损失模式是否存在任何表明疲劳累积的危险信号？
这种数据驱动的方法将编程从基于经验的猜测转变为 精准训练——而这才是理解的真正力量。 如何使用VBT进行编程.
自我调节和日常准备：VBT 的优势
VBT最有价值的方面之一是它的能力 自我调节—根据实时表现指标调整训练负荷和训练量¹⁶¹⁷。.
传统训练计划假定周二总是进行大重量深蹲的好日子。但现实并非如此。睡眠不足、心理压力、旅行以及健身房外的生活都会影响训练表现。.
研究表明，速度对准备状态的变化比举重负荷或主观疲劳感知（RPE¹⁷）更为敏感。运动员在准备状态不佳的日子里可能达到预定的速度，但这种高强度训练可能会影响速度。 慢速重复 结果表明，他们的实际工作量比预期要大得多。.
使用 Spleeft 应用程序进行准备情况监控
Spleeft App 会将您当前会话的速度与相同负载下的历史平均速度进行比较。以下是数据解读方法：
速度 > 5% 高于平均水平高准备状态——考虑增加负载或容量
平均速度在 5% 以内一切准备就绪——按计划进行
速度 5-10% 低于平均水平中度疲劳——考虑减少负荷 5%
速度 > 10% 低于平均值准备不足——减少训练量和强度，注重恢复。
这并非娇惯运动员，而是…… 训练智慧. 目标是随着时间的推移逐步增加训练负荷，这就需要在单次训练和整个训练周期内对疲劳进行策略性管理。.
学习使用VBT编程时常见的5个错误
任何方法论都有其需要避免的陷阱：
误区一：过分关注速度数据而非意图
VBT 只有在运动员运动时才有效 最大意图2. 如果他们控制节奏或没有尝试加速，速度数据就毫无意义。教练的意图第一，速度数据第二。.
错误二：速度目标设定得太窄
设定“精确到0.75米/秒”的目标会造成不必要的压力和决策瘫痪。 范围 （0.70-0.80 米/秒）考虑了自然重复次数的变化。.
错误三：忽视个体差异
虽然存在群体速度标准，但个体运动员可能展现出不同的运动特点²。有些运动员天生就能在所有负荷下快速移动；而有些运动员则需要付出艰苦的努力。在制定训练计划之前，应先建立个人运动特点。.
错误四：忽视热身程序
规律的热身程序可以减少速度变化，使你的数据更可靠⁶。规范你的方法。.
错误五：脱离语境使用VBT
速度数据并不能取代教练的知识，而是对其进行补充和增强。数据为决策提供信息，而不是替你做决策。.
将价值导向型治疗融入现有项目
您无需彻底改革就能从价值导向型培训 (VBT) 中获益。以下是一种循序渐进的方法：
第一阶段在您的现有程序中添加速度跟踪功能。收集数据，建立用户画像，了解各项数据。.
第二阶段引入基于速度的自动调节机制。使用速度损失阈值来确定何时结束训练组。.
第三阶段：首先按速度区间制定关键练习的训练计划。辅助练习则继续按百分比进行。.
第四阶段：全面整合VBT训练。所有主要举重动作均按速度编程，历史数据驱动训练周期安排决策。.
Spleeft App 支持旅程的每个阶段，从简单的速度跟踪到复杂的 负荷-速度曲线分析和1RM估算.
基于研究的VBT案例
支持VBT的证据不断增加：
荟萃分析表明，VBT 能有效增强 最大力量（SMD = 0.76）, 力量耐力（SMD = 1.19）, 跳跃表现（SMD = 0.53）, ，以及**冲刺能力（SMD = -0.40）**¹⁸。.
训练中的速度反馈可将峰值功率输出提高约 8-9% 与无反馈条件相比¹⁹。.
低速度损失阈值（10-20%）与高阈值相比，能产生相似或更大的力量增长，同时需要 50% 重复次数减少¹⁰¹²。.
VBT能够实现更安全的1RM估算，这对于以下情况尤其有价值： 青少年运动员和重返赛场协议²⁰。.
总之：VBT 不仅仅是另一种训练潮流。它是一种基于运动生理学并有大量同行评审研究支持的训练方法。.
常见问题
我可以在不使用昂贵设备的情况下使用VBT吗？
当然。虽然专用测速设备能提供高精度，但像这样的应用程序也能提供高精度测速。 Spleeft 应用程序 利用智能手机的传感器和 Apple Watch 集成功能，以极低的成本提供可靠的速度数据。研究表明，基于智能手机的系统与黄金标准的速度数据相关性可达 r > 0.95 以上。 线性传感器 适用于多种应用。.
VBT疗法需要多久才能见效？
大多数运动员都能立即感受到训练质量的提升——更好的重复次数一致性、更合适的负荷选择以及更清晰的训练反馈。客观的力量增长通常在持续执行训练计划4-8周后显现，与传统训练计划类似，但效果更佳。 疲劳管理.
VBT适合初学者吗？
是的，但需要考虑一些因素。初学者在训练初期往往缺乏足够的运动协调性来保持稳定的速度。首先要注重培养动作能力，然后在技术稳定后再引入速度监测。速度训练法（VBT）实际上可以通过提供关于动作质量的客观反馈，帮助初学者找到合适的训练强度。.
平均速度和峰值速度有什么区别？
平均速度 是整个向心阶段的平均速度——这是最常用的指标，与相对负荷的相关性最高。. 峰值速度 是升力过程中达到的最高瞬时速度。大多数研究和实际应用都依赖于平均速度或平均推进速度（不包括非弹道升力中的减速阶段）²。.
使用VBT时，我应该多久重新测试一次1RM？
VBT 的一大优势在于，您几乎无需进行真正的 1RM 测试。您的负荷-速度曲线会根据次最大训练数据持续更新，提供准确的估算值。虽然为了验证，可能需要每 8-12 周进行一次正式的复测，但 Spleeft App 提供的每日估算值可以让您随时了解训练情况，而无需承受最大负荷尝试带来的疲劳和受伤风险。.
参考
González-Badillo JJ、Sánchez-Medina L、Ribas-Serna J、Rodríguez-Rosell D。通过速度监控实现阻力训练的新范式：批判性和挑战性的叙述。运动医学公开赛。 2022；8(1):118。.
González-Badillo JJ, Sánchez-Medina L. 运动速度作为阻力训练负荷强度的测量指标。国际运动医学杂志。2010;31(5):347-352。.
Jovanović M, Flanagan EP. 基于速度的力量训练的研究应用。澳大利亚力量与体能杂志。2014;22(2):58-69。.
桑切斯-梅迪纳 L、冈萨雷斯-巴迪略 JJ、佩雷斯 CE、帕拉雷斯 JG。根据全背深蹲练习中杠铃速度来估计相对负荷。国际运动医学杂志。 2017；38(5)：370-377。.
载荷-速度曲线分析指南。Output Sports。2024。.
VBT教练。利用速度训练估算1RM：完整指南。2024年。.
Lake J、Naworynsky D、Duncan F、Jackson M. 比较不同的最小速度阈值以确定硬拉 1RM。国际运动生理学与运动表现杂志。2017;12(10):1316-1323。.
MeasureUp. 基于速度的力量训练：循证概述。2025。.
Mann JB. 基于速度的训练区域及其应用。GymAware。2025。.
Pareja-Blanco F、Rodríguez-Rosell D、Sánchez-Medina L 等。阻力训练期间速度损失对运动表现、力量增长和肌肉适应的影响。Scand J Med Sci Sports. 2017;27(7):724-735。.
Suchomel TJ、Nimphius S、Bellon CR、Stone MH。肌肉力量的重要性：训练注意事项。运动医学。2018；48(4)：765-785。.
Rodríguez-Rosell D、Yáñez-García JM、Torres-Torrelo J 等。基于速度的阻力训练：组内速度损失对神经肌肉表现和激素反应的影响。应用生理营养代谢。2020；45(8):817-828。.
Held S、Hecksteden A、Meyer T、Donath L. 传统力量训练与速度型力量训练对爆发力和最大力量表现的有效性：一项网络荟萃分析。Front Physiol. 2022;13:926972。.
Pareja-Blanco F、Alcazar J、Sánchez-Valdepeñas J 等。卧推练习中速度损失对力量增长、神经肌肉适应和肌肉肥大的影响。Scand J Med Sci Sports. 2020;30(11):2154-2166。.
Output Sports。《如何进行基于速度的训练（VBT）》2024。.
Greig L、Hemingway BHS、Aspe RR 等。阻力训练中的自我调节：解决不一致性。运动医学。2020；50(11)：1873-1887。.
VBT教练。基于速度的训练，实现自动调节和准备就绪。2024年。.
Chen YS、Wang YT、Lin CY 等。基于速度的训练 (VBT) 在提高训练有素个体的运动表现中的作用：一项对照试验的荟萃分析。国际环境研究与公共卫生杂志。2022;19(15):9252。.
Randell AD、Cronin JB、Keogh JW 等。基于速度的阻力训练 6 周期间即时表现反馈对专项运动表现测试的影响。J Strength Cond Res. 2011;25(1):87-93。.
Weakley J、Mann B、Banyard H 等。基于速度的训练：从理论到应用。力量与体能杂志。2021；43(2)：31-49。.
