穿戴式裝置的健康監測即將迎來重大升級！據《Artificial Intelligence News》報導，三星美國研究院（Samsung Research America）近日發表了兩款專為穿戴式生物訊號打造的健康 AI 基礎模型 —— xMAE 與 HiMAE。這兩項技術能在智慧手錶上實現不到 1 毫秒的「裝置端（on-device）」分析，無須依賴雲端伺服器，為未來的預防性與個人化醫療照護奠定了關鍵技術基礎。
（前情提要：三星、SK海力士傳出「史詩級股東回饋」共計超過1400億美元）
（背景補充：韓國「單一標的槓桿 ETF」遭重拳監管，三星、SK 海力士交易量雪崩 90%）
隨著人工智慧技術向邊緣運算（Edge AI）延伸，消費級穿戴裝置即將化身為強大的個人健康助理。台北時間 8 月 14 日，據外媒 Artificial Intelligence News 報導，三星美國研究院（Samsung Research America）旗下的數位健康團隊，正式發表了兩款突破性的「健康基礎模型（Health foundation models）」。
這兩款分別名為 xMAE 與 HiMAE 的人工智慧（AI）模型，專門透過自監督學習（Self-supervised learning）技術，從智慧手錶等穿戴裝置收集的大量未標註生物訊號（包含心臟活動、睡眠與身體活動數據）中提取特徵，並為多項下游健康預測任務提供強大支援。
xMAE：串聯 PPG 與 ECG，心血管預測更精準
第一款模型 xMAE（生理感知遮罩跨模態重建生物訊號表徵學習），其核心技術在於學習不同生物訊號之間的「時間關係」。在目前的智慧手錶中，心電圖（ECG）能精準偵測心律不整等問題，但通常需要使用者主動暫停活動進行測量；而光體積描記圖（PPG）雖然能被動且持續運作，但精準度有限。
xMAE 透過從超過 9,400 小時的 PPG 與 ECG 數據中進行預訓練，成功讓模型學會這兩者之間的時間差關係。這意味著，未來系統僅需依賴手錶上持續測量的 PPG 數據，就能分析出深度的心血管健康特徵，免去頻繁手動測量 ECG 的麻煩。據悉，xMAE 在 19 項評估任務中有 15 項擊敗了現有多模態方法，該論文也已獲得機器學習頂級會議國際機器學習大會（ICML）的接受。
HiMAE：實現毫秒級「裝置端運算」保護隱私
第二款模型 HiMAE（階層式遮罩自編碼器）則專注於分析多時間尺度的健康模式。它使用多個編碼器來分別處理如「心跳」等短時段快速變化的訊號，以及如「睡眠品質」等長時段累積的模式。
HiMAE 最大的技術亮點在於其極致的運算效率。該模型尺寸較現有模型更小，卻能在智慧手錶等級的 CPU 上，於不到 1 毫秒內產出分析結果。這種強大的「裝置端（on-device）」分析能力，讓使用者無須持續連線至雲端伺服器，不僅大幅提升了即時性，更解決了敏感健康資料上傳雲端的隱私疑慮。此項研究同樣已獲國際學習表徵會議（ICLR）的肯定。
落實預防性連網照護，奠定次世代健康科技基礎
這兩項重大突破，正是三星於 2026 年 7 月提出的「連網照護（Connected Care）」願景的具體實踐，旨在透過健康科技實現預防性、個人化的醫療照護。三星美國研究院數位健康演算法主管 Sharanya Desai 表示，這為提供高效、精確且持續的健康洞察奠定了技術基礎，未來將推廣至更多運算資源有限的裝置上。
數位健康研究實驗室主管 Subbu Venkatraman 也強調，這證明了健康基礎模型能夠捕捉動態訊號間底層時間結構的可行性，團隊將持續推動 AI 研究，將其轉化為能實質改善人們健康的醫療解決方案。
📍相關報導📍
比特幣上市礦企算力半年下滑 13.4%，AI 收入已超越挖礦
DeepSeek 正研發自家 AI 開發助手，大舉徵才對打 Claude Code
