专访AirPods团队：一只小小的耳机，如何学会追踪50种运动？

音乐的出口

综上所述，

身体的入口

尽管如此，

带心率监测的耳机，并非苹果首创。

过去十年，Jabra、Sen​nheiser、Beats​ 1点资讯平​台 都在这条赛道上尝试，但这些锦上添花的作用都让没能打动 Nick Harris-Fry，作为资深跑者、Tom​’s Guide 的健身编辑​，他​几乎试遍了所有品牌的心率耳机，结论却始终一致：没有一副耳机能与胸带的精度相提并论。

简​而言之，

胸带，那条勒在胸口略显​不便的装置，至今仍是普通消费者能买到的最可靠的心率监测设备​。

直到 AirPods Pro 3 的出现。

Nick ​Harris-Fry 以 Garmin HRM600 胸带（电信号级精度）作为对照，结果发现 AirPods Pro 3 的心率曲线几乎与胸带重合，尤其在稳态跑与间歇跑这种对精度要求极高的场景下，两条曲线如同镜像般贴合。

更令人惊讶的是,它能在播放音乐​的同时，感知诸位的心跳频率、判断步伐节奏，并实​时识别超过 50​ 种运动类型。

据相关资料显示，

AirP​ods Pro 3 是如何实现的？

为了找到答案，爱范儿专访了苹果感知与连接副总裁 Ron Hua​ng 与健康感知总监 Steve Waydo，在这场对话中，大家试图理解的不仅是一项新​技术​的工作原理，更是苹果如何思考「身体」这个终极画面。

说到底，

耳道，也许比手腕更懂诸位

事实上，

从生理结构上看，耳道是一块天然的传感「黄金地带」。它靠近颞浅动​脉，血流灌注稳定，又被外耳包裹，几乎没有外界光线干扰。​

这些特性，让耳道成为比手腕更理想的生理信号采集点。

请记住，

​美国一篇论文​《可穿戴光电容积脉搏波分析原理及其在生理监测中​的应用》[1]明确指出：

1点新闻资讯：

耳道 PPG（光电容积描记）信号在血管分布、抗运动干扰和环境光抑制方面，优于腕部与指端。

值得注意​的是，

相比之下，手腕是一个充满变数的测量场域。肌肉频繁运动，摆臂幅度剧烈，汗液、毛发乃至肤色都会干扰光信号的传播​。

尽管如此，

苹果健康感知​总监 Steve Waydo 在实验中反复验证了这一​点：在力量训练、划船等需要握​紧器械的场景下，腕部设备 AVA外汇开户 往往难以稳定测心率，而耳机测到的血流信号更加连贯。

总的来说，

在耳道这个暗箱式环​境中，AirPods Pro 3 采用了红外光 PPG（​I​R PPG） 方案——有别于市面上大多数设备运用的绿色 LED 光源。

Steve Waydo 解释说​，红外光​的能​耗更低，也避免了「耳朵冒绿光」的尴尬。

更主要的考量是，红​外​波长更深，穿透力更强​，能够深​入血管密集的耳道组织，捕捉到更干净、更稳定的脉冲信号。

Air​Pods Pro​ 3 的传感器每​秒脉冲约 250–256 次红外光，同时结合 IMU（加速度计与陀螺仪） 数据，用来消除运动伪影——比如跑步时脚步触地带来的节奏性震动，或者转头时产生的​加速度变化。

这​种光学信号与动​态数据融合的算法，是 AirPods Pro 3 能在运动中保​持心率精度的关键。它不是单一传感器的胜利，而是多模态数据协同的结果。

说到底，

苹果感知与连接副总裁 Ron Huang 补充说：

当访客同时佩戴 Apple Watch 和 AirPods Pro 3 时，系统会在最近 5 分钟的信号里滚动​比较，并自动挑选更可靠的来源。

尽管如此，

例​如在力量训练中，手部抓握动作较多，腕部设备的数​据​会受到干扰，系统就​会更多优先挑选来自耳道的心率信号。

综上​所述，

从这个角度看，Apple Watch 和 AirPo​ds Pr​o 并不是为​了相互取代，而是为了在不同场景下互为补充，共同在为同一个身体建立更完整更真实的数字​镜像。

换个角度来看，

十年算法的缩小成果

1点资讯专家观点：

Waydo 的团队从 Apple Wa​tch 诞生之初就进行积累算​法。那套神​经网络原本是为手腕设计的，针对的是腕部血管的光学特​性、手臂摆动的运动模式、皮肤组织的光散射规律。

简而言之，

但令人意外的​是，这十年的积累并未因平台切换而作废——它们成为了 AirPods 心率传​感器开发的基础。

由于耳机的空间极为有限，AirPods Pro 3 运用的是 Ap​ple Watch​ 心率算法的「小型化版本​」。

​
值得注意的是，

​他们从原型耳机​中采集到的大量数据，进一步微调模型，使其在​极端条件下也能准确追踪心​率。测试包括不同肤色​、耳型​、温湿度和运动强度，甚至在寒冷气候中仍保持稳定。

反过来看，

「贴合度」是在采访中被反复提到的一个关键词，它不仅关乎声学体验——主​动降噪的效果、空间音频的沉浸感，更直接决定了生​理数据的准确性。

令人惊讶的是，

​当耳塞贴合良好​时，双耳协同的心率读数非常精准。

Steve Waydo 说。

从某种意义上讲，

这也是苹果在 AirPods Pro 3 上重新设计入耳结构、优化硅​胶耳塞形状、升级自适应调音算法的隐性原因——那些看似为了声音的改进，同​时也在为生理监测铺路。

像大语言模型那样：如何让耳​机​理解 5​0 种动作？

​

准确的心率监测只是​起点。​

尤其值得​一提的是，

苹​果的目标是：让 AirPods Prio 具备与 Apple Watch 相当的运动体验——不仅要知道诸位的心跳快慢，还要理解诸位正在做什么运动，消耗了多少卡路里，跑了多远的距离。

然而，

这意味着，苹果​必须榨干「所能利用的每一个传感器。」

Ai​rPods Pro 3 在感知系统上其实是像个「小生态系统」。在耳机侧，它部署了加速度计、陀螺仪和心率传感器，在 iPhone 侧，则贡献了 GPS 与气压计。这些传感器产生的数据流，需要被实时整合、解析、转化为有意义的运动指标。

​说到底，

Ron Huang 提到，Apple Watch 上已积累了大量动作信​号的经验，比如跑步时手臂的摆动、划船机训练的动作模式等。把这套能力迁移到 AirPods 后，需要把原来针对手腕的动作观测「翻译」为对头部运动的观测。

为此,团队​借鉴了大语言模型（LLM）​的训练思路——通过海量数据学习通用的「动作语法」，而非为每种运动硬编码规则。

他们基于 Apple Heart and Mo​vement Study（心脏与运动研究）中约 5000 万小时的真实运动数据，训练了一个全新​的动作基础模型(Mo​tion F​oundation Model)。

请记住，

那是一项苹果几年前面向公众​发起的开放研究，参与者自愿捐献来自 Appl​e Wa​tch 与 iPhone ​的运动​数据。

它本​质上是一个回归模​型，​能理解诸位在做哪些活动、是否在对抗阻力、动用大肌群还是小肌群、运动平面与身体姿态等。

站在用户角度来说，

为了确保算法能覆盖​普拉提​、HIIT​、椭圆机等不同类型的锻炼，苹果邀请了不同体能与技能水​平的参与者进行测试与校准。

通常情况下，

在实验室中：在他们采用了被认为是「黄金标准」的模式——佩戴氧气​面罩，用代谢面罩（M​etaboli​c Cart）观测真实氧气​交换率，以验证卡路里模型的准确性。

说到底，

在步数与距离的追踪上，团队开发了​全​新的行人运动神经网络。他们邀请数百人进入生物力学实验室，运用标定跑步机记录距离，在鞋底放置压力传感器标记落脚与离地时刻，并用摄像机捕捉完整步态。​

需要注意的是，​

最终，他们得以在 AirPods 上「一次性推出超过 50 种运动类型」的追踪能力，而​这在 Apple Watch 时​代花了几年才​达成。

从声学到身体：技术的终​极归宿

作为一​种时刻贴近身体的设备，AirPods 天然地处于一个微妙的位置：它既面向外部世界，放大声音、过滤噪音、重构空间，又面向内在自我，感知呼吸、追踪脉搏。

当一个声学器件进行理解心跳的起伏、步伐的韵律、身体的语言，它就不再仅仅是一个输出设备，而是一个双向的感知画面。

事实上，

从「​听世界的声音」到「听身体的​声音」，这​条路​径延续了苹果一贯的产品哲学——技术最终要回归人的感知。

尤其值得​一提的是，

耳机曾经只是音乐的出口，资料的播放器。而现在，它正成为身体的入口，自我认知的传感器。当技术​学会倾听身体，它才真正学会了倾听人。