音樂的出口

身體的入口

帶心率監測的耳機，并非蘋果首創。

過去十年，Jabra、Sennheiser、Beats 都在這條賽道上嘗試，但這些錦上添花的功能都讓沒能打動 Nick Harris-Fry，作為資深跑者、Tom’s Guide 的健身編輯，他幾乎試遍了所有品牌的心率耳機，結論卻始終一致：沒有一副耳機能與胸帶的精度相提并論。

胸帶，那條勒在胸口略顯不便的裝置，至今仍是普通消費者能買到的最可靠的心率監測設備。

直到 AirPods Pro 3 的出現。

Nick Harris-Fry 以 Garmin HRM600 胸帶（電信號級精度）作為對照，結果發現 AirPods Pro 3 的心率曲線幾乎與胸帶重合，尤其在穩態跑與間歇跑這種對精度要求極高的場景下，兩條曲線如同鏡像般貼合。

更令人驚訝的是,它能在播放音樂的同時，感知你的心跳頻率、判斷步伐節奏，并實時識別超過 50 種運動類型。

AirPods Pro 3 是如何實現的？

為了找到答案，愛范兒專訪了蘋果感知與連接副總裁 Ron Huang 與健康感知總監 Steve Waydo，在這場對話中，我們試圖理解的不僅是一項新技術的工作原理，更是蘋果如何思考「身體」這個終極界面。

耳道，也許比手腕更懂你

從生理結構上看，耳道是一塊天然的傳感「黃金地帶」。它靠近顳淺動脈，血流灌注穩定，又被外耳包裹，幾乎沒有外界光線干擾。

這些特性，讓耳道成為比手腕更理想的生理信號采集點。

美國一篇論文《可穿戴光電容積脈搏波分析原理及其在生理監測中的應用》[1]明確指出：

耳道 PPG（光電容積描記）信號在血管分布、抗運動干擾和環境光抑制方面，優于腕部與指端。

相比之下，手腕是一個充滿變數的測量場域。肌肉頻繁運動，擺臂幅度劇烈，汗液、毛發乃至膚色都會干擾光信號的傳播。

蘋果健康感知總監 Steve Waydo 在實驗中反復驗證了這一點：在力量訓練、劃船等需要握緊器械的場景下，腕部設備往往難以穩定測心率，而耳機測到的血流信號更加連貫。

在耳道這個暗箱式環境中，AirPods Pro 3 采用了紅外光 PPG（IR PPG） 方案——有別于市面上大多數設備使用的綠色 LED 光源。

Steve Waydo 解釋說，紅外光的能耗更低，也避免了「耳朵冒綠光」的尷尬。

更重要的考量是，紅外波長更深，穿透力更強，能夠深入血管密集的耳道組織，捕捉到更干凈、更穩定的脈沖信號。

AirPods Pro 3 的傳感器每秒脈沖約 250–256 次紅外光，同時結合 IMU（加速度計與陀螺儀） 數據，用來消除運動偽影——比如跑步時腳步觸地帶來的節奏性震動，或者轉頭時產生的加速度變化。

這種光學信號與動態數據融合的算法，是 AirPods Pro 3 能在運動中保持心率精度的關鍵。它不是單一傳感器的勝利，而是多模態數據協同的結果。

蘋果感知與連接副總裁 Ron Huang 補充說：

當用戶同時佩戴 Apple Watch 和 AirPods Pro 3 時，系統會在最近 5 分鐘的信號里滾動比較，并自動選擇更可靠的來源。

例如在力量訓練中，手部抓握動作較多，腕部設備的數據會受到干擾，系統就會更多優先選擇來自耳道的心率信號。

從這個角度看，Apple Watch 和 AirPods Pro 并不是為了相互取代，而是為了在不同場景下互為補充，共同在為同一個身體建立更完整更真實的數字鏡像。

十年算法的縮小成果

Waydo 的團隊從 Apple Watch 誕生之初就開始積累算法。那套神經網絡原本是為手腕設計的，針對的是腕部血管的光學特性、手臂擺動的運動模式、皮膚組織的光散射規律。

但令人意外的是，這十年的積累并未因平臺切換而作廢——它們成為了 AirPods 心率傳感器開發的基礎。

由于耳機的空間極為有限，AirPods Pro 3 使用的是 Apple Watch 心率算法的「小型化版本」。

他們從原型耳機中采集到的大量數據，進一步微調模型，使其在極端條件下也能準確追蹤心率。測試包括不同膚色、耳型、溫濕度和運動強度，甚至在寒冷氣候中仍保持穩定。

「貼合度」是在采訪中被反復提到的一個關鍵詞，它不僅關乎聲學體驗——主動降噪的效果、空間音頻的沉浸感，更直接決定了生理數據的準確性。

當耳塞貼合良好時，雙耳協同的心率讀數非常精準。

Steve Waydo 說。

這也是蘋果在 AirPods Pro 3 上重新設計入耳結構、優化硅膠耳塞形狀、升級自適應調音算法的隱性原因——那些看似為了聲音的改進，同時也在為生理監測鋪路。

像大語言模型那樣：如何讓耳機理解 50 種動作？

準確的心率監測只是起點。

蘋果的目標是：讓 AirPods Prio 具備與 Apple Watch 相當的運動體驗——不僅要知道你的心跳快慢，還要理解你正在做什么運動，消耗了多少卡路里，跑了多遠的距離。

這意味著，蘋果必須榨干「所能利用的每一個傳感器。」

AirPods Pro 3 在感知系統上其實是像個「小生態系統」。在耳機側，它部署了加速度計、陀螺儀和心率傳感器，在 iPhone 側，則貢獻了 GPS 與氣壓計。這些傳感器產生的數據流，需要被實時整合、解析、轉化為有意義的運動指標。

Ron Huang 提到，Apple Watch 上已積累了大量動作信號的經驗，比如跑步時手臂的擺動、劃船機訓練的動作模式等。把這套能力遷移到 AirPods 后，需要把原來針對手腕的動作觀測「翻譯」為對頭部運動的觀測。

為此,團隊借鑒了大語言模型（LLM）的訓練思路——通過海量數據學習通用的「動作語法」，而非為每種運動硬編碼規則。

他們基于 Apple Heart and Movement Study（心臟與運動研究）中約 5000 萬小時的真實運動數據，訓練了一個全新的動作基礎模型(Motion Foundation Model)。

那是一項蘋果幾年前面向公眾發起的開放研究，參與者自愿捐獻來自 Apple Watch 與 iPhone 的運動數據。

它本質上是一個回歸模型，能理解你在做哪些活動、是否在對抗阻力、動用大肌群還是小肌群、運動平面與身體姿態等。

為了確保算法能覆蓋普拉提、HIIT、橢圓機等不同類型的鍛煉，蘋果邀請了不同體能與技能水平的參與者進行測試與校準。

在實驗室中：在他們采用了被認為是「黃金標準」的方式——佩戴氧氣面罩，用代謝面罩（Metabolic Cart）觀測真實氧氣交換率，以驗證卡路里模型的準確性。

在步數與距離的追蹤上，團隊開發了全新的行人運動神經網絡。他們邀請數百人進入生物力學實驗室，使用標定跑步機記錄距離，在鞋底放置壓力傳感器標記落腳與離地時刻，并用攝像機捕捉完整步態。

最終，他們得以在 AirPods 上「一次性推出超過 50 種運動類型」的追蹤能力，而這在 Apple Watch 時代花了幾年才達成。

從聲學到身體：技術的終極歸宿

作為一種時刻貼近身體的設備，AirPods 天然地處于一個微妙的位置：它既面向外部世界，放大聲音、過濾噪音、重構空間，又面向內在自我，感知呼吸、追蹤脈搏。

當一個聲學器件開始理解心跳的起伏、步伐的韻律、身體的語言，它就不再僅僅是一個輸出設備，而是一個雙向的感知界面。

從「聽世界的聲音」到「聽身體的聲音」，這條路徑延續了蘋果一貫的產品哲學——技術最終要回歸人的感知。

耳機曾經只是音樂的出口，內容的播放器。而現在，它正成為身體的入口，自我認知的傳感器。當技術學會傾聽身體，它才真正學會了傾聽人。