Google Research 發表 SensorFM，用超過 1 兆分鐘穿戴裝置感測數據、來自 500 萬名同意受試者訓練出的健康基礎模型，在 35 項心血管、代謝、睡眠、心理健康任務中打贏 34 項專用模型。這篇拆解它怎麼訓練、怎麼評測，以及為什麼現在還只是一篇論文，不是你手錶裡的下一個功能。
目錄+
Google Research 在 2026 年 7 月 9 日丟出一個數字：1 兆分鐘。這是他們新模型 SensorFM 吃下去的穿戴裝置感測資料量，來源是 500 萬名同意參與研究的人、超過 20 款 Fitbit 和 Pixel Watch。更狠的是，這個模型沒有針對任何單一疾病訓練，卻在 35 種健康預測任務裡贏過 34 個各自打造的專用模型。這篇拆三件事：它怎麼練出來的、贏面從哪來、以及為什麼現在還輪不到你的手錶。
SensorFM 是什麼：一個不挑任務的健康模型
過去做穿戴裝置健康預測，通常一個任務配一個模型：睡眠品質一個、心律不整風險又一個。問題是每個人的生理基線差很多，同一個訊號在你身上是警訊，在別人身上可能只是日常波動，能拿來訓練的標籤（確診紀錄、抽血報告、量表分數）又貴又慢。
SensorFM 換了個做法。它是一個「感測器基礎模型」，先不管任何具體任務，直接從海量、沒有標籤的穿戴資料裡學一個通用的生理表徵，之後轉接到心血管、代謝、睡眠、心理健康、生活習慣、人口統計六大類任務——一個底層模型服務所有下游用途，不用每個任務重新練一次。
資料從哪來：20 款裝置、500 萬人、1 兆分鐘
這批資料有多大？500 萬人同意把自己手錶的資料拿去做這個研究，時間橫跨 2024 年 9 月到 2025 年 9 月，涵蓋 100 多個國家、美國全部 50 州，裝置超過 20 款 Fitbit 和 Pixel Watch。加起來超過 20 億小時——換算成分鐘，是 1 兆多分鐘。
模型看的是手錶上五種感測器的資料：量心率血氧的、記錄動作的、測皮膚導電反應的、量體溫的、量高度的。翻成白話就是：心跳穩不穩、血氧夠不夠、睡得好不好、走了幾步、會不會緊張出汗、體溫正不正常——而且是連續 24 小時全都記錄。
Google 自己說，這是目前訓練單一模型用過規模最大、種類最多的一批穿戴資料。
訓練方式：資料缺塊，不補也不丟
穿戴裝置的資料天生破碎：手錶會沒電、會被拿下充電、會進省電模式。傳統自監督學習遇到缺口通常兩條路——硬補上去（帶入偏差）或整段丟掉（浪費資料）。SensorFM 用 LSM-2 延伸出的 AIM 框架（Adaptive and Inherited Masking），把「真的缺資料」跟「刻意蓋住做重建練習」的位置一視同仁，讓模型學著在不完整輸入下工作。缺塊不是雜訊，是訓練訊號的一部分。
養大模型真的有差：35 選 34 的贏面
Google 做了一組橫跨四個數量級的擴展實驗，資料量從約 200 萬小時加到 20 億小時，模型參數從 10 萬撐到 1 億，共四種尺寸。結果很乾脆：資料和模型一起放大，重建損失持續下降，這個進步還會傳到下游任務，沒看到飽和跡象。
最大模型 SensorFM-B 相對最小版本的效能提升（Google Research 官方數據，單位：%）
最大版本 SensorFM-B 用滿 500 萬人語料，重建損失比最小版本降了 31%，下游分類任務平均 AUC 提升 9%，迴歸任務的 Pearson 係數平均提升 21%。評測用三個獨立、經 IRB 審核的前瞻性研究，共 13,985 名受試者、35 個任務。做法是凍結 SensorFM 的編碼器，只在上面接一層很輕的線性分類頭，跟工程特徵訓練出的監督式基準比——結果 35 項裡贏了 34 項。連憂鬱、焦慮這種因人而異、訊號很淡的心理健康指標，規模放大後表現也在變好。
讓 LLM agent 自己找演算法
光有通用表徵還不夠，每加一個新任務就得手動做特徵工程、選架構、調參數，很耗工。Google 的解法是搭一個「agent 教室」：讓一群互相合作又競爭的 LLM agent，自動生成、測試、修改程式碼去接 SensorFM 的 embedding 做預測頭。整個過程跑了超過 3 萬組候選方案，agent 設計出的預測頭在 20 個分類任務裡贏過線性探針 16 個、15 個迴歸任務裡贏 12 個。這種讓多個 agent 分工榨出模型更多用途的思路，跟 MiroFish 那種平行世界引擎的技術賭注有點像——賭的都是「與其手動堆架構，不如讓 agent 自己迭代出解法」。
500 萬人同意的背後：隱私怎麼講
官方部落格對隱私的說法很簡短：這是「來自 500 萬名同意將資料用於健康與保健研究之受試者的去識別化資料」，沒有再往下講資料治理細節。要理解 Google 平常怎麼要求第三方用這類資料，可以參照 Google Fit 的健康研究政策——研究計畫得經獨立審查委員會核准、資料只能用於原始研究目的、不得挪去做廣告用途。這是 Google 對外部研究者的一般規範，不是這篇論文專屬的揭露，但至少說明了這類穿戴資料在 Google 內部不是隨便拿來用的。
這離你的手錶還有多遠
先講白：這是一篇研究論文，發在 arXiv，作者是 Google Research 和 Google DeepMind 的人。部落格裡唯一提到的實際應用，是拿 SensorFM 的預測結果去餵一個實驗性的 Personal Health Agent，讓臨床醫師盲測評分——加了 SensorFM 預測的健康摘要，評分顯著贏過只有基本穿戴指標的版本，甚至跟真實檢驗數據餵進去的效果沒有統計上的差異。這證明模型的推論品質夠高，但離變成 Fitbit app 裡的功能還有一段距離，官方沒給任何時程。
值得對照的是，Apple Watch、Oura、WHOOP 這些消費端產品，多半還是針對單一指標各自訓練的專用演算法——睡眠分數、恢復分數各是各的模型。SensorFM 賭的是另一條路：先練一個通用表徵，再讓它同時支援多種任務，這跟 GeoGPT 那種領域專屬模型的崛起剛好是反方向的思路——一邊收斂到單一領域做深，一邊在單一模態內部做通用化。哪條路線最後贏還說不準，但這種「先做通用表徵、再長出應用」的打法，跟 垂直 AI 的商業機會地圖裡討論的邏輯是同一套——基礎模型的錢景往往不在模型本身，在誰先把它接進真實工作流。
一個沒被訓練去認識任何一種病的模型，反而在 34 種健康任務上贏過專門訓練的對手——這就是 SensorFM 最反直覺的地方。
如果你對「先做通用嵌入、再接輕量預測頭」這套訓練路數有興趣，想拿自己的資料做類似的小規模微調實驗，本地端至少要一張撐得住 embedding 訓練跟批次推論的顯卡。24GB VRAM 等級的麗臺 RTX PRO 4000 Blackwell，跑這種規模的下游微調任務綽綽有餘，不用出動雲端 GPU 計費。
常見問題
SensorFM 會出現在 Fitbit app 或 Google Fit 嗎？ 目前沒有官方時程。Google Research 部落格把它定位成研究論文，文中唯一提到的應用場景是實驗性接進一個 Personal Health Agent，並不是已公開的產品或 API。
SensorFM 訓練用的是哪些穿戴裝置資料？ 來自超過 20 款 Fitbit 和 Pixel Watch 機型，涵蓋心率（PPG）、加速度、皮膚電活動、體溫、高度計五種感測模態，取樣時間是 2024 年 9 月到 2025 年 9 月。
想動手整理自己的量化自我資料、搭一套本地分析工作站，開發者桌面選物這種基本盤先備好，鍵盤、Hub、站立書架都是常見的起手式。
利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。文中蝦皮商品為規格與情境推薦，並非本人長期實測結果。
SensorFM 目前只是一篇論文，但它把「穿戴裝置健康 AI」的賭注講得很清楚：與其每個病症各練一個模型，不如先練一個懂身體的通用表徵。至於這個表徵什麼時候會變成你手腕上真的能用的東西，就看 Google 願不願意把研究論文的贏面，搬進 Fitbit app 的下一次更新。