AirPods借鉴大语言模型思路 参考5000万小时运动数据

花花

10月13日，有媒体报道了AirPods如何学会识别超50种运动模式。据CNMO了解，苹果在AirPods上一次性推出了超过50种运动类型的追踪能力，而此前在Apple Watch时代，达成同等规模的运动追踪能力却耗费了数年时间。

AirPods Pro 3

据外媒报道，在运动监测方面，耳道PPG（光电容积描记）信号展现出了显著优势。与腕部和指端相比，耳道在血管分布、抗运动干扰以及环境光抑制方面表现更为出色。苹果健康感知总监通过实验也验证了这一点：在力量训练、划船等需要握紧器械的运动场景中，腕部设备往往难以稳定测量心率，而耳机所测到的血流信号更加连贯稳定。

以AirPods Pro 3为例，其采用了创新的红外光PPG方案，能耗更低、波长更深、穿透力更强，能够深入血管密集的耳道组织，从而捕捉到更加干净、稳定的脉冲信号，为精准运动监测奠定了坚实基础。

此外，AirPods Pro 3的传感器每秒脉冲约250至256次红外光，同时巧妙结合IMU（加速度计与陀螺仪）数据，可有效消除运动伪影。苹果感知与连接副总裁称，Apple Watch在动作信号积累方面已经拥有了丰富经验，但将这套能力迁移到AirPods上时，需要将原来针对手腕的动作观测“翻译”为对头部运动的观测。

相关报道

为此，苹果借鉴了大语言模型（LLM）的训练思路，基于Apple Heart and Movement Study（心脏与运动研究）中约5000万小时的真实运动数据，精心训练了一个全新的动作基础模型（Motion Foundation Model），为AirPods Pro 3实现超50种运动追踪提供了强大的技术支撑。