Google Research发布SensorFM：基于500万人万亿分钟数据训练的可穿戴健康基础模型

时间：2026年7月9日 地点：美国 人物：Google Research（Xin Liu、Daniel McDuff） 事件详情：7月9日，Google Research发布SensorFM，一个面向可穿戴健康数据的大型传感器基础模型。SensorFM基于来自500万用户的超过1万亿分钟的多模态传感器信号进行预训练，是迄今规模最大、覆盖最广的可穿戴健康数据集训练的AI模型。数据覆盖100多个国家和地区、超过20款Fitbit和Pixel Watch设备型号，时间跨度从2024年9月到2025年9月。SensorFM学习了通用的人体生理学表示，可迁移至35项健康预测任务，支持标签高效适配和数据填充，并可作为个人健康代理的基础工具。 背景：全球已有数十亿可穿戴设备在精确追踪心率、运动、皮肤温度、血氧水平和睡眠等生理数据。然而将这些底层信号转化为有意义的健康洞察非常困难，因为个体间基线生理状态差异巨大，且标注数据获取成本极高。此前大多数可穿戴健康模型采用针对单一指标的监督学习方式，难以泛化。SensorFM通过无监督预训练在整个人口规模上学习通用生理学表示。 影响： - SensorFM是首个在万亿分钟级数据上训练的可穿戴健康基础模型，标志着AI健康监测从单一目标模型向通用生理智能的范式转变 - 覆盖心血管、代谢、睡眠、心理健康及生活方式等多维度预测，将极大推动个性化预防医疗发展 - 支持标签高效适配意味着在数据稀缺的健康领域也可以快速部署AI诊断 - 作为个人健康代理的底层技术，SensorFM有望开启AI驱动的持续健康管理新时代 总结：Google Research发布SensorFM，基于500万人超过1万亿分钟的可穿戴传感器数据训练，实现了面向35项健康预测任务的通用生理学智能，标志着AI健康监测进入基础模型+个性化适配的新范式。 参考来源： - https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/ - https://aihot.virxact.com