基于速度的力量訓練：應用基礎與訓練效果

廖開放，高 崇，楊 威，李 博，閆 琪，黎涌明，

（1.上海體育學院體育教育訓練學院，上海 200438；2.廣東體育職業技術學院體育健康學院，廣東廣州 510663；3.國家體育總局體育科學研究所，北京 100061）

1 問題的提出

力量訓練是運動員提升競技表現和預防損傷的一個重要途徑[1-2］，也是普通人群提升健康水平[3］、預防和治療慢性疾病[4］的重要措施。對強度（阻力大小）、量（包括重復次數和組數）等負荷指標進行科學設定是實現力量訓練積極效果的關鍵[5］。然而，常用的基于重量的最大力量（或阻力）百分比（%1RM）和最大重復次數（RM）法存在一定不足：前者需進行繁瑣和具有損傷風險的最大力量測試[6］，不但實時性不強，也不適用于不適宜進行最大力量測量的人群；后者力竭式的訓練安排可能對爆發力、力量生成率等關鍵能力產生負面影響[7-8］。

20世紀末，國內研究人員陳松等[9-10］采用自制的動作速度測試儀器，試圖建立一種以速度與重量曲線為理論依據，利用動作速度量化力量訓練負荷強度的方法，并證實了該方法提升速度力量優于傳統的%1RM法。此外，肖毅等[11］根據超等長訓練的特殊要求，設計了專門的位移傳感器監控速度，控制深蹲跳的負荷強度，亦證明其具有可行性。遺憾的是，由于自制測速設備應用的局限性，這些理論方法并未在國內獲得進一步的深入研究和發展。此后，隨著國外拉線測速、紅外捕捉和加速度計等的商用化，相關儀器設備被證明具有很好的信效度[12］。這些設備的研發和應用為力量訓練的科學化和普及提供了重要的技術前提。2010年，González-Badillo等[13］首先采用商用拉線測速設備（T-FORCE）證實動作的平均速度（Mean Velocity，MV）用于量化常規力量訓練負荷的可行性，并據此提出了Velocity Based Training（VBT）。鑒于該訓練本質上屬于力量訓練，故將其翻譯為“基于速度的力量訓練”。自提出以來，VBT迅速發展為國外力量訓練研究和實踐領域關注的一個重點，并成為數字化體能訓練的重要組成部分[14］。VBT包括最高動作速度和速度損失百分比（Velocity Loss，VL）這2個速度類指標，并通過明確其與傳統的強度（%1RM）和重復次數的相關性，在訓練中可實現前者對后者的替代[13，15］。綜合而言，VBT是利用動作速度與%1RM、重復次數、疲勞的強相關關系，制定、監控和調整力量訓練負荷的一種新的訓練方法[15-16］。

相比傳統方法，VBT 可以根據動作速度與%1RM的強相關性實時量化和監控力量訓練的強度[13］，保證訓練的實際強度與目標強度一致；可以通過VL 控制每組的疲勞程度，避免過度疲勞或刺激不足給練習者帶來的負面影響，并實現個體間刺激水平的一致性；可以實時反饋每一次練習的動作速度，提高練習者的訓練動機[17］和競爭性[18-19］，并提升運動員練習中的動作速度和功率輸出[19］；可以幫助不適宜進行最大力量測量的人群（如老年人、青少年等）進行更精確的力量訓練負荷設置。

以“Velocity Based Training”或“VBT”為關鍵詞在PubMed 和Web of Science 數據庫中進行全文檢索，剔除重復和無關文獻后，獲得經過同行評議的英文期刊文獻94 篇，文獻集中發表于2015—2020年（占89%），這表明VBT 是近年來國外力量訓練研究領域的新興熱點。以“基于速度的力量訓練”“基于速度的抗阻訓練”“速度量化負荷”為關鍵詞在中國知網數據庫進行全文檢索，剔除無關文獻后，篩選出碩士學位論文2篇[20-21］、會議論文2 篇[22-23］、經過同行評議的期刊文獻5 篇[9-11，14，24］，這表明雖然國內較早地開展了速度量化力量訓練負荷的理論研究，但對VBT的研究仍處于起步階段。在2020年東京奧運會和2022年北京冬奧會備戰期間，我國在數字化體能訓練方面進行了積極的探索[14，25］。力量訓練是體能訓練的主要內容之一，其數字化的實現將有利于體能訓練數字化和科學化的推進。VBT是力量訓練數字化的重要方式，對其應用基礎與訓練效果等問題進行研究證據的系統梳理，能為國內訓練與研究領域認識、理解和應用該訓練方法，積極推動體能訓練的數字化和科學化提供參考。

2 VBT的應用基礎

VBT 的應用基礎是動作速度與%1RM、動作速度與重復次數、VL與疲勞的強相關關系（圖1）。VBT通過構建各相關關系的回歸方程，并根據不同VL 的不同訓練效果，可以實現以動作速度指標取代傳統力量訓練負荷指標（%1RM和重復次數）。

圖1 動作速度與負荷及疲勞的關系Figure 1 The relationship between movement velocity，load and fatigue

2.1 速度與%1RM的關系

LVP（Load-Velocity Profile）是動作速度與阻力（重量）關系的變化圖譜。在實踐和科研應用中，由于力量訓練中的阻力（重量）常用%1RM 量化，LVP 也特指速度與%1RM 的關系。力（Force）與速度（Velocity）的關系（力速關系）是肌肉發力的基礎性原理，其可被描述為肌肉收縮速度越快，產生的力越小，反之亦然。早期大量研究證實，受橫橋循環和三磷酸腺苷（ATP）水解速率影響，離體肌纖維對應的力與速度呈高度曲線關系[即希爾曲線，圖1（a）］[26，28-30］。然而，后續對人體多關節動作的研究發現，受關節節段動力學影響，力與速度并非完全是曲線關系，而是線性關系或近似線性的曲線關系（二次多項式）[31］。

González-Badillo 等[13］對史密斯架臥推動作進行研究，發現MV 和平均推動速度[Mean Propulsive Velocity（MPV），指力量訓練動作向心收縮加速階段的平均推動速度］均與臥推%1RM 存在極強的負線性關系（R2=0.98）。這一發現也得到了他人研究的支持，針對不同力量訓練動作的多項研究一致發現，MV 或MPV 與%1RM 存在近乎完美（R2>0.95）的負線性關系或二次多項式函數關系（表1）。這種強負線性關系在20%~80%1RM 的重量（或力值）范圍內尤為明顯。這為動作速度替代%1RM 量化力量訓練強度奠定了理論基礎。然而，動作的LVP 具有個體性，且受動作規格、動作執行方式、器材類型、訓練的影響。

表1 不同動作的速度與重量關系Table 1 Load-velocity profile of various exercises

2.1.1 LVP的個體性

早期觀點認為，每個動作的標準LVP（基于大樣本數據建立的LVP）可以適用于不同運動水平和性別的運動員[13］，具有普遍適用性。但是后續研究否定了這一觀點，指出動作的LVP 存在較大的個體差異[變異系數（CV）=12.9%~24.6%］[32-33］。相比個體LVP，標準LVP 推算的1RM 值偏離了真實值[34-35］。①相對力量水平的不同是影響個體間LVP差異的主要因素，相對力量水平越高的練習者，LVP 線性關系的斜率更為陡峭，高強度區間（>90%1RM）的%1RM 對應的速度值趨向于更低[36-38］。②人體測量學指標對個體的LVP也會產生影響，其中身高對LVP 的影響最大[36］，而四肢長度根據動作不同有所差異，手臂越長的練習者，中低強度（20%~60%1RM）下臥推的MV 越快[39］，但下肢長度似乎不會影響深蹲、硬拉等動作的LVP[36］。③由于相對力量水平和肌肉含量更高，在相同強度下，男性的動作速度比女性更高[37］。值得注意的是，Dorrell 等[40］比較了標準LVP 和個體LVP 應用于VBT的訓練效果，結果表明在為期6 周、每周2 次的訓練中，兩者均能顯著提高各項結局指標，組間差異不顯著，但個體LVP 組提高的百分比更大，表現出更大的優勢。這意味著，對于普通健身人群而言，動作的標準LVP已經足以用于進行力量訓練，而對于運動能力接近個人極限的精英運動員，個體LVP可能更適用。

2.1.2 動作規格對LVP的影響

不同動作規格對應的肌肉參與不同，并造成動作LVP 的不同。參與肌肉群的差異越大，動作間LVP 的差異越大，反之亦然。且相比大肌群動作，小肌群動作的LVP 斜率更為陡峭，即動作的相對速度變化更大。例如，在水平臥推、45°斜上臥推和坐姿肩上推舉這3個上肢推的動作中，胸大肌參與度依次減少，三者對應的最大力量、%1RM 時的速度、LVP 線性斜率均存在較大差異[38］。相比之下，由于不同握法（窄、中、寬和自選握距）的水平臥推肌肉參與度差異較小，個體的LVP 并無顯著差異（P≥0.13）[39］。同樣的現象也出現在下肢動作中。例如，傳統硬拉和相撲式硬拉由于在站立寬度、握法、動作幅度和肌肉用力程度幾方面存在較大差異，二者在任一強度下的速度值均表現出較低的相關性（r=0.443）[41］。頸前深蹲和頸后深蹲由于只是在載荷位置上存在細微差異，當強度<80%1RM 時，二者在相同強度下對應的速度值無明顯差異[41］。因此，在采用動作的LVP進行力量訓練強度設定時，須對動作的規格進行嚴格規定。

2.1.3 動作執行方式對LVP的影響

在動作執行過程中，牽拉- 縮短周期（Stretch Shortening Cycle，SSC）效應可以提高動作的完成速度。然而，在不同重量下動作的執行方式和節奏差異較大，這增加了控制SSC 效應的難度，并進一步導致速度指標變異性的增加[42］。Pallarés 等[43］在對臥推和深蹲的研究中發現，有停頓的動作（離心和向心間停頓2 s，無SSC）相比無停頓的動作（離心和向心間無停頓，有SSC）的個體LVP 變異更低（臥推CV 2.9% vs.4.1%；深蹲CV 2.9% vs. 3.9%），且無停頓動作推算的%1RM 誤差高達37.9%（臥推）和57.5%（深蹲）。目前，大部分研究在建立動作的LVP時均采用離心和向心收縮間停頓1~2 s 的方式，以消除SSC 效應的影響，提高動作LVP的穩定性和精確度，但在實際訓練過程中，大部分動作的完成要求充分利用SSC 效應，這在一定程度上降低了有停頓動作的LVP 在實際訓練中的適用性。

2.1.4 器械類型對LVP的影響

力量訓練器械可分為固定軌跡式（如史密斯架）和自由軌跡式（如杠鈴）兩大類。從表1 可見，大部分研究采用的器械是固定軌跡式的史密斯架，其構建的LVP 的擬合優度（R2）明顯高于自由軌跡式的自由重量器械。其原因可能在于自由負重增加了矢狀面內的動作幅度，以及動作速度的波動，導致測速設備對動作速度的估偏[56］。因此，動作軌跡越難控制的動作，其%1RM 所對應的速度值的重測信度越低。例如，同為自由負重，穩定性要求更高的肩上推舉和深蹲的重測信度明顯低于軌跡更可控的臥推和臥拉[57］；相較于中、小負重，大負重（>90%1RM）動作對應的速度值的波動也更大[56］。此外，動作熟練、經驗豐富和力量水平較高的運動員可更好地控制動作軌跡的穩定性，提高自由負重動作LVP 的擬合優度和重測信度[51］。

2.1.5 訓練對LVP的影響

動作的LVP 具有較長時間的穩定性是其能長期使用的前提。González-Badillo等[13］發現，經過6周的史密斯架臥推訓練（60%~85%1RM）后，雖然個體平均最大力量提升了9.3%，但標準LVP 的%1RM 對應速度值的變化極其微小（<0.01 m/s）。 Balsalobre-Fernandez 等[32］對6 周的史密斯架坐姿上舉的研究發現，訓練對標準LVP 改變顯著，但對個體LVP 的影響較小（r=0.96；CV<3.6%）。Sánchez-Moreno 等[47］采用了50%~80%1RM 負重的引體向上，并將訓練時長增加至12 周，同樣發現個體平均最大力量提升了9.8%，但動作的速度變化極其微小（<0.01 m/s）。上述3 項研究均采用一般的力量訓練形式，結論均支持了動作的LVP 具有較好的穩定性，然而，不同的訓練形式可能對LVP 的影響不一。Pérez-Castilla 等[58］比較了爆發力訓練和一般力量訓練（70%~90%1RM）對個體LVP 的影響，發現4 周的下蹲跳和臥推末端釋放的爆發力訓練能提升深蹲和臥推%1RM 對應的速度值（ES=0.70~0.90），但一般力量訓練似乎對其改變較小（ES<0.35）。因此，動作的個體LVP 在一般力量訓練中具有較長時間（6~12周）的穩定性，但在爆發力訓練階段，個體LVP可能在短期內發生改變。

2.2 速度與重復次數的關系

動作和負重相同時，VL 與動作的完成次數百分比存在強正相關關系（R2= 0.83，SEE=0.09）[6，8］。不同強度的組內最高MV/MPV 與最大重復次數也存在強正相關關系（R2=0.84）[59］。通過構建兩兩之間的回歸關系方程能準確估算組內剩余次數（CV=4.4%~8.0%）和最大重復次數[59-60］。這為采用速度指標控制組內剩余次數和疲勞提供了應用基礎。

VL 與動作完成次數百分比的關系具有較高的重測穩定性，且似乎不受運動水平和訓練的影響。Morán-Navarro 等[60］發現，低、中、高力量水平的研究對象在史密斯架深蹲、臥推、臥拉和肩上推舉動作中的VL 與完成次數百分比關系不受運動水平的影響，差 異 不 明 顯（CV=4.4%~8.0%）。 Sánches-Moreno等[47］發現，運動員經過12 周的引體向上訓練后，雖然最大重復次數增加了15%，但相同VL 對應的完成次數百分比未發生明顯變化。

然而，不同負重下VL與完成次數百分比的關系有所差異。在50%~70%1RM負重區間內，相同的VL對應的完成次數百分比差異不顯著（P>0.05），而當負重>70%1RM時，完成次數百分比隨著相對負重的增加而逐漸升高[6］。并且，不同動作的VL和完成次數百分比也存在差異。在相同的VL下，肌肉參與量少的動作的完成次數百分比低于肌肉參與量多的動作[61］；在相同的負重下，不同動作的最大重復次數存在差異，下肢動作比上肢動作速度下降得更慢[62］。此外，在相同動作和VL下，每組的最大重復次數隨組數的增加而降低，但組間的動作平均功率和MV保持相對穩定[63］。

這些證據表明，盡管受動作和負重的影響，但動作的VL 與完成次數百分比的關系具有較好的穩定性，其在短期內并不受運動水平的影響。需要注意的是，基于大樣本數據構建的VL 和完成次數百分比的標準模型似乎不適用于無停頓的動作[64］，且每組最高MV 出現在第1 次（37.1%）和第2 次（40.0%）的概率相似，在計算VL時不能簡單地將第1次的MV視為組內最高MV。

2.3 VL與疲勞的關系

疲勞是無法維持所需或期望水平力量輸出的狀態[65］，是衡量和反映刺激水平的重要標準。在力量訓練中，在相同強度下，動作速度隨著動作次數增加而逐漸降低[66］。根據疲勞的定義，在全力運動中，可將組內力竭的最后一次動作速度視為組內最大疲勞，組內第1 次動作（最高速度）視為無疲勞，而VL 可作為衡量兩者間疲勞變化的指標。

2.3.1 VL與疲勞指標的關系

常用的判定疲勞的指標包括主觀疲勞度（RPE）、血乳酸濃度、縱跳高度等。研究[67］發現，不同負重的深蹲或臥推下的MV 和RPE 呈高度負相關（r=0.79~0.87），最大負重時的RPE 接近最大值（分別為9.6±0.5、9.7±0.4 和9.6±0.5），對應的動作MV 也接近最低值，且組內動作的MV 和功率隨VL 的增加而逐漸下降。同時，VL、血乳酸濃度的增加和縱跳高度的損失間均存在極高的正相關（r=0.91~0.97），且當完成次數百分比大于50% 時，代表高強度反應的血氨濃度（肌肉脫氨速率的指標）開始高于靜息水平，并逐漸升高[27，63］。然而，在相同的VL 下，負重越小，機體的疲勞水平越高，恢復速度越慢[63］。這些研究結論均表明，VL 與疲勞的常用量化指標關聯緊密，可以作為客觀、實時、非侵入式的力量訓練疲勞量化指標。此外，研究[68］發現，在相同%1RM 和VL 下，2 次課間完成的訓練總機械功和總重量相近（CV<10%），而在同一課次內，雖然不同組間的最大完成次數差異較大（CV=18.92%~67.49%），但動作的MV 和功率無顯著差異[63，68］。這表明，根據VL設定的訓練量具有較好的穩定性，能給予運動員較一致的外負荷刺激，這彌補了傳統的基于次數方法的缺陷。因此，VL 可以作為監控和控制力量訓練中疲勞的實時性指標，在相同的動作、負重和VL 安排下，能較好地統一個體間、課次間及組間的疲勞水平，使訓練目標的實現更為均衡和可控。

2.3.2 不同VL的訓練效果

在相同中高強度下，不同VL 的力量訓練有著不同的效果（表2）。Pareja-Blanco 等[66］對比了20% 和40%VL 的訓練效果，發現40%VL 組肌肉肥大程度顯著高于20%VL 組，但40%VL 組肌纖維ⅡX 型百分比和蛋白重鏈ⅡX 出現減少，20%VL 組蛋白重鏈ⅡX 和縱跳能力提升更優。 Martinez-Canton 等[69］指出，40%VL 組較大的疲勞引發的蛋白激酶和肌脂蛋白增加是造成ⅡX 百分比降低（ⅡX 向ⅡA 轉換）的原因。在另一項研究中，Pareja-Blanco 等[70］對比4 種不同的VL（0%、15%、25%、50%），發現VL 值越高，肌肉肥大效果越明顯，VL 值越低，快速力量提升越明顯。此外，Rodríguez-Rosell 等[71］發現，10%VL 和30%VL 組在靜息血清睪酮濃度和肌肉力量提升方面差異不顯著，但10%VL 組提升股外側肌肌電活性和縱跳高度的效果更佳。

表2 不同速度損失百分比的訓練效果比較Table 2 The comparison of training effects between different velocity loss

續表2

綜合表2 中的各項研究結果可以推斷，在中高強度下，20%VL是一個臨界點，超過20%VL更利于肌肉的肥大（20%~40%VL），低于20%VL 更利于快速力量的提高，且VL相差值在10%以內，訓練效果似乎不會有明顯差異。這些研究結果為采用基于速度指標進行分期訓練的設計提供了證據，也為以速度量化力量訓練量找到了更為簡便的方法，避免了構建不同強度下VL 和重復次數關系方程的復雜過程。遺憾的是，現有研究涉及的動作絕大部分是利用史密斯架進行的深蹲，研究對象絕大部分是大學生和業余力量訓練愛好者，這些結果能否完全適用于其他動作、其他負重方式和精英運動員還有待進一步研究。

2.4 小結

研究一致證明了動作速度與%1RM、重復次數、疲勞間的強相關關系。動作的LVP 能準確量化力量訓練的強度，但需要考慮個體、動作規格、動作執行方式、使用器械和訓練等因素的影響。動作速度與重復次數、疲勞的關系為VBT 利用VL 設定訓練量、控制組內疲勞和平衡個體刺激水平奠定了應用基礎。可以根據不同VL 的訓練效果，采用與訓練目標一致的VL 值設定力量訓練量（圖2）。然而，有關VBT 應用基礎的研究證據主要建立在固定軌跡和有停頓的動作之上，存在生態學效度不高的問題。

圖2 基于速度的力量訓練應用基礎示意Figure 2 The diagram of foundation of velocity-based training

3 VBT的訓練效果

VBT彌補了傳統力量訓練量化方法的不足，實現了負荷強度的實時調整、疲勞的更精確控制和肌耐力個體差異的平衡。VBT的這些優勢為力量訓練的科學化提供了一個重要思路和實現途徑。然而，VBT需要得到力量訓練實踐領域的認可還取決于其實際應用效果。

3.1 VBT的獨立訓練效果

目前，幾項對VBT訓練效果的對照研究和個案追蹤研究均證實VBT 能有效提升力量訓練的效果。López-Segovia 等[76］和González-Badillo 等[77］分 別 對青少年足球運動員（14~19歲）進行了為期16和26周、每周2~4 次的VBT 力量訓練，均發現VBT 訓練組的最大深蹲力量、下蹲跳和沖刺提升效果顯著優于控制組。Martinez 等[78］對一名舉重運動員進行VBT 高頻次深蹲的個案追蹤研究，運動員的訓練強度按照動作速度進行每日調整，每組的訓練次數采用10%VL 進行控制。訓練30 d后，該名34歲的舉重運動員30 d內最大深蹲重量提高了26 kg（16.7%），比最好成績提高了4.3 kg。這些研究表明，VBT 能有效提升力量和爆發力，可適用于不適宜進行最大力量測試的青少年運動員，且其具有的訓練強度可精細調控優勢，能幫助高水平運動員打破力量瓶頸。

不同的VBT訓練周期模式產生的訓練效果趨同。Riscart-López 等[79］對比了線性周期（逐漸增加強度、降低訓練量）、波動周期（強度和訓練量重復增加和降低）、倒周期（逐漸降低強度、增加訓練量）和不變周期（訓練強度和訓練量維持不變）安排的VBT訓練效果，發現在8 周的深蹲訓練過程中，4 組均能有效提升受試者的最大力量、爆發力和沖刺能力，但各組間差異均不顯著。同樣，Rauch 等[80］也發現，在7 周×3 次/周深蹲、臥推和硬拉訓練中，線性周期的VBT模式（動作速度由低至高）和最佳功率負荷的VBT 模式（動作速度不變，調整負荷）均能提升大學生排球運動員的力量和爆發力表現，但組間差異不顯著。不同訓練負荷模式的周期安排產生同樣的訓練效果似乎有異于傳統的量化方法，這可能歸因于VBT要求受試者在每次訓練過程中均需盡最大努力，導致在重量負荷降低時，速度負荷反而上升，從而維持了總的應激負荷的不變，造成各訓練周期模式的訓練效果趨同。

3.2 VBT與傳統量化方法應用效果的比較

要實現VBT 對傳統基于重量的量化方法的替代或補充，取決于其能否產生更好的訓練效果。Orange等[81］在競賽期對比了VBT 和%1RM 法的深蹲訓練效果，保持2 組相對負荷強度、組數和次數的相同，其中VBT組根據速度對每組的強度進行調整，當平均速度超過或低于目標速度0.06 m/s時，相應增加或減少5%的重量。結果顯示，2 組運動員的力量和爆發力均得以提高，但VBT組在訓練中杠鈴的MV和峰值速度顯著大于%1RM 組，其對60%1RM 的杠鈴速度改善更多，而且運動員在訓練中的疲勞感更低。Banyard等[82］采用同樣的訓練負荷設計，但按照力量水平對研究對象進行平衡分組。同樣發現VBT 組在訓練中的疲勞感顯著低于傳統組。此外，VBT組還能更好地提升縱跳的峰值速度、深蹲的杠鈴速度、短距離沖刺和變向表現。但這2項研究均僅采用單一的深蹲動作作為干預控制變量，可能無法排除其他訓練內容對結果的干擾，而且對訓練量的控制均采用調整重量的方式，這可能導致整個訓練過程調換重量較為繁瑣。Dorrell 等[83］沿用以上2 項研究的設計，但增加了力量訓練動作（深蹲、臥推、肩上推舉），在訓練量的控制上，VBT 組采用固定重復次數和20%VL 結合的方式；該研究同樣發現，相比%1RM 組，VBT 組提升最大力量和爆發力效果更佳，而且對應的總訓練量更小。上述3 項研究的研究對象均是成年男性。Ortega 等[84］以青少年女子足球運動員[（13.6±1.2）歲］為對象，在為期12 周、每周3 次的訓練中得到了類似的結論，證實了VBT 相比%1RM 法更適用于不適宜測量最大力量的青少年。此外，來自國內的一項研究[21］也支持了上述結論。這些研究（表3）均表明，相比傳統的%1RM 法，VBT法在降低運動員疲勞感和總訓練量的同時，不僅不會削弱力量的提升效果，還能更好地提高爆發力和最大力量，而且在青少年人群中的應用具有優勢。

3.3 VBT與RIR法應用效果的比較

基于RPE 的剩余次數法（Repetition in Reserve，RIR）和VBT 法均是根據組內訓練次數進行實時負荷調整的自主負荷調整法。目前，僅有1 篇研究對比了兩者的訓練效果（表3）。研究[85］發現，在組內推算剩余次數、強度和組數一致的情況下，VBT 組和RIR 組的訓練總重量相當，均能顯著提高深蹲最大力量[VBT：（7.5±1.5）%；RIR：（3.5±1.8）%］和縱跳高度[VBT：（8.2±1.1）%；RIR：（3.8±0.9）%］，組間差異不顯著，但VBT 組的提升百分比更高。需要注意的是，此項研究采用的速度監控工具是信效度較低的PUSH加速度計，這可能會降低VBT 對刺激水平的精確把控，后續研究可以采用更精確的速度測量工具（如GymAware）做進一步對比。此外，RIR 法需要在訓練過程中不斷口頭詢問運動員的RPE值，這可能對運動員的訓練存在干擾。相比之下，VBT法可能受限于測速設備（數量和操作人員）的可獲得性。因此，在實際訓練中，練習者可以根據自身需要和實際條件進行自行選擇。

表3 基于速度的力量訓練與其他量化方法的訓練效果比較Table 3 The comparison of training effects between velocity-based training and other load quantitative methods

3.4 小結

VBT是一種新型的量化力量訓練負荷的方式，能有效提升參與者的力量水平，適用于不宜測量最大力量的人群，而且其訓練效果不受訓練模式影響。相比%1RM 法和RIR 法，VBT 能更精確地控制訓練負荷，不受個體生理波動的影響，并在較小的疲勞程度下獲得同樣甚至更優的運動表現提升效果。盡管VBT 的訓練效果可能受自由負重負荷控制精度的影響（見本文2.1 節），但總體上還是優于其他負荷量化方法。綜合而言，VBT 適用于日常的自由負重訓練，可用于力量訓練實踐。

4 研究局限與展望

近5年來國外有關VBT 的研究井噴式涌現，迎合了運動訓練科學化的國際發展趨勢[86］。運動訓練的科學化始于量化[87］，力量訓練的科學化同樣需要建立在力量訓練負荷的量化上。VBT 的興起得益于科技的發展，拉線測速、紅外捕捉和加速度計等技術為力量訓練中動作速度的量化創造了可能。盡管其為力量訓練的科學化提供了契機，但作為一種新興的訓練理念和方法，VBT仍存在諸多有待進一步改進之處。

（1）對VBT的科學研究過于注重與傳統力量訓練量化負荷方法的精確關聯，對各種變量的信效度要求過于嚴苛，限制了研究成果在實踐中應用的生態學效度。例如，絕大部分動作構建的速度與%1RM 關系方程是基于固定軌跡的史密斯架，但在實際訓練的應用中，大多采取自由重量的訓練動作。此外，為避免動作速度受SSC 效應的影響，絕大部分研究都要求動作在離心轉化為向心收縮階段停頓≥1.5 s，這不符合絕大多數實際訓練情況的要求。

（2）每一個不同動作的速度與%1RM 關系均存在差異，目前僅針對一些力量訓練的主要動作（如深蹲、臥推、硬拉、引體向上等）進行了VBT 的適用性研究，缺乏對其他功能性動作的研究，如單邊的分腿蹲等。這影響了VBT在力量訓練中的全面應用。

（3）VBT 需要測速儀器實時監控動作，而現有較精確的線性速度傳感器成本高、易損壞，可能由于經費和監控人員的原因僅能對1~3 個主要訓練動作進行VBT 訓練。且VBT 所涉及的知識較復雜，尤其是在采用個體LVP進行訓練時，需要教練員和實踐人員具備較高的專業知識背景，可能會影響其使用范圍。

（4）許多重要基礎研究均出自少數幾個研究團隊，如González-Badillo 研究團隊、Weakley 研究團隊和García-Ramos研究團隊，這可能導致證據強度的作者偏倚，亟待更多研究人員從多方面去證實。

在競技體育成績愈加接近人類極限的情況下，對訓練負荷的精確控制和微調是獲得運動表現歷史性突破的必然選擇。隨著現代科技的發展，尤其是大數據和人工智能的快速發展，以及力量訓練對健康促進的重要作用，采用速度精確量化訓練負荷的優勢將得以放大，未來VBT 極有可能成為力量訓練的主要方法。對VBT的未來發展展望如下：

（1）隨著大數據、物聯網、深度學習和人工智能的進一步發展，VBT將成為健身和訓練場館力量訓練計劃制訂、監控和評估智能化的重要實現路徑。

（2）VBT將廣泛應用于不適宜進行傳統基于最大力量負荷設定的場景（如太空等失重環境、水下的力量訓練）及人群（如兒童、青少年、孕婦、老年人及殘障人群），進一步推動力量訓練在健康促進領域及特種行業領域發揮重要作用。

（3）VBT 將成為精英運動員個性化精確負荷確定、監控和評估的有效手段，協助其打破力量水平瓶頸，提升競技運動表現水平。

5 結論

VBT 是一種基于速度與%1RM、速度與動作重復次數、速度與疲勞的關系建立的有效、實時和客觀的自主負荷調整的新型力量訓練方法。個體LVP 能用于力量訓練強度的設定，使其更為精確地匹配預期訓練目標。VL 與重復次數、疲勞的關系能客觀、穩定和統一地量化運動員在力量訓練中的疲勞水平，精確調控運動員的組內疲勞，更加精準地把握訓練適應的方向。相比傳統的力量訓練，VBT能在較低的訓練量和疲勞狀態下，獲得更好的訓練效果，這一優勢在提高速度和爆發力方面尤為明顯，且VBT可適用于不能進行最大力量測量的場景和人群。VBT 未來將成為力量訓練科學化的重要推動力，應加強對其的科學研究和實踐應用。

作者貢獻聲明：

廖開放：設計論文框架，搜集數據，撰寫論文；

高 崇：搜集、核對數據，制作圖表，修改論文；

楊 威：搜集、核對數據，修改論文；

李 博：搜集、核對數據，修改論文；

閆 琪：修改論文；

黎涌明：提出論文選題，修改、審核論文。