三星的 xMAE 和 HiMAE 设备端健康 AI 模型

xMAE（全称为 Physiology-Aware Masked Cross-Modal Reconstruction for Biosignal Representation Learning，即面向生物信号表征学习的生理感知型掩码跨模态重建）建立在一个简单的生理洞察之上：ECG 和 PPG 信号源自相同的心脏活动，但到达时间略有延迟，就像雷声在闪电之后才被听到一样^[1]。通过在预训练阶段学习这种时间关系，该模型仅凭 PPG 信号即可持续推断出等效 ECG 的心脏洞察，而无需佩戴者手动触发单独的 ECG 读数^[1]。三星使用约 9,400 小时的配对 ECG 和 PPG 数据对 xMAE 进行预训练，结果表明，该模型在 19 项评估任务中的 15 项上优于单模态生物信号模型和现有多模态方法，包括心血管疾病预测、异常检测结果识别和睡眠阶段分类^[2]。所学习到的特征还显示出在不同传感器设备、身体位置和数据采集环境中迁移的早期迹象——这表明该方法可能推广至单一 Galaxy 可穿戴设备之外^[2]。

HiMAE（分层掩码自编码器）基于一个不同的假设：即“时间分辨率是表征学习的一个基本维度”，不同的健康结果在不同时间尺度上表现最佳^[3]——几秒钟的数据可以揭示单次心跳的信息，而数小时的数据则能暴露睡眠或活动的模式。三星表示，HiMAE 可在智能手表级别的 CPU 上以不到一毫秒的速度处理这些多时间尺度的生物信号，且无需往返云端^[4]。该公司将此视为首个设备端健康基础模型的演示，这一说法具有重要意义，因为大多数基础模型规模的推理仍依赖服务器基础设施^[5]。

产品发布并非起点，研究才是。HiMAE 背后的学术论文由三星美国研究院数字健康团队和加州大学洛杉矶分校计算医学系的 15 名研究人员共同撰写，于 2025 年 10 月 28 日发布至 arXiv，比三星的公开宣布早了约九个月^[3]。随后，这两款模型均通过了顶级人工智能会议的同行评审——xMAE 被 ICML 接收，HiMAE 被 ICLR 2026 接收——这使得相关研究获得了独立的学术审查，而非纯粹的市场宣传包装^[2]。随后，三星将这两款模型定位为其“互联健康”愿景的技术支撑，该愿景于 2026 年 7 月在伦敦 Galaxy Unpacked 大会上发布，旨在将医疗保健“从被动治疗转向预防性、个性化和互联化的体验”^[6]。

短期内的收益是被动、连续的心脏监测：xMAE 的 ECG 重建意味着佩戴者无需主动触发测量即可获得接近医疗级的心脏监测洞察^[1]。HiMAE 的亚毫秒级、完全设备端处理被三星描述为彻底摆脱了对云端的依赖，报道认为这在隐私和延迟方面是重大优势——尽管这一说法源自三星自身材料，尚未经过独立验证^[5]。在 X 平台上，唯一一篇深入探讨该话题的技术长文中，明确将“亚毫秒级、无需往返云端”的设计视为最突出的细节，并明确将其与减少原始健康数据暴露联系起来——表明早期技术受众在将其解读为一则隐私故事的同时，也视其为性能突破。目前尚无公开信息解答的是：这些实验室基准测试结果如何转化为真实 Galaxy 手表的电池续航、腕上测量精度与临床级 ECG 的对比，以及跨设备泛化能力是否能在三星自有测试数据之外依然成立^[2]。