AirPods Pro 3：耳道心率监测开启身体感知新纪元

音乐的出口

身体的入口

集成心率监测功能的耳机，苹果并非行业先驱。

过去十年间，Jabra、Sennheiser、Beats等品牌均在此领域进行探索，然而这些附加功能始终未能征服资深跑者兼Tom’s Guide健身编辑Nick Harris-Fry。他几乎测试了所有主流心率耳机，结论始终如一：尚无任何耳机能在精度上与胸带媲美。

胸带，那种佩戴于胸部略显不便的设备，至今仍是消费级市场中最可靠的心率监测方案。

直到AirPods Pro 3问世。

Nick Harris-Fry以Garmin HRM600胸带（具备电信号级精度）作为基准，发现AirPods Pro 3的心率曲线几乎与胸带完全重叠。尤其在稳态跑步与间歇跑这类高精度需求场景中，两条曲线犹如镜像般一致。

更令人惊叹的是，它能在播放音乐的同时，实时感知用户心跳频率、分析步伐节奏，并自动识别超过50种运动类型。

AirPods Pro 3如何实现这一突破？

为探寻答案，爱范儿独家专访了苹果感知与连接副总裁Ron Huang及健康感知总监Steve Waydo。此次对话不仅揭示了新技术原理，更展现了苹果对于“身体”作为终极交互界面的深层思考。

耳道：比手腕更优越的生物传感区域

从生理学角度审视，耳道堪称天然的传感“黄金位置”。它邻近颞浅动脉，血流信号稳定，且受外耳保护，几乎隔绝外界光线干扰。

这些特质使耳道成为比手腕更理想的生理信号采集点。

美国学术论文《可穿戴光电容积脉搏波分析原理及其在生理监测中的应用》[1]明确阐述：

耳道PPG（光电容积描记）信号在血管分布、抗运动干扰及环境光抑制方面，显著优于腕部与指尖测量。

相较之下，手腕测量环境变量复杂。肌肉频繁活动、手臂摆动剧烈、汗液、毛发乃至肤色差异均会干扰光学信号传输。

苹果健康感知总监Steve Waydo在实验中多次验证：进行力量训练、划船等需紧握器械的运动时，腕部设备常难以稳定捕获心率，而耳机采集的血流信号则更为连贯。

在耳道这一密闭环境中，AirPods Pro 3采用红外光PPG（IR PPG）方案——区别于市面多数设备使用的绿光LED光源。

Steve Waydo解释，红外光能耗更低，且避免了“耳内泛绿光”的视觉尴尬。

更关键的是，红外波长穿透力更强，能深入耳道血管密集组织，获取更纯净、更稳定的脉搏信号。

AirPods Pro 3的传感器每秒发射约250–256次红外脉冲，并结合IMU（加速度计与陀螺仪）数据，以消除运动伪影——例如跑步时脚步触地的节律性震动，或头部转动产生的加速度变化。

这种光学信号与动态数据融合的算法，是AirPods Pro 3在运动中维持心率精度的核心。它并非单一传感器的胜利，而是多模态数据协同的成果。

苹果感知与连接副总裁Ron Huang补充道：

当用户同时佩戴Apple Watch和AirPods Pro 3时，系统会在最近5分钟的信号中滚动比对，自动择取更可靠的来源。

例如在力量训练中，手部抓握动作频繁，腕部设备数据易受干扰，系统便会优先采用耳道心率信号。

由此可见，Apple Watch与AirPods Pro并非相互替代，而是在不同场景下互为补充，共同为人体构建更完整、更精准的数字镜像。

十年算法积淀的微型化突破

Waydo团队自Apple Watch诞生起便持续优化算法。那套神经网络原为手腕设计，针对腕部血管光学特性、手臂摆动模式及皮肤组织光散射规律进行校准。

出人意料的是，这十年积累并未因平台转换而失效——它们成为AirPods心率传感器研发的基石。

由于耳机内部空间极其有限，AirPods Pro 3搭载的是Apple Watch心率算法的“微型化版本”。

团队从原型耳机采集海量数据，进一步微调模型，确保其在极端条件下仍能精准追踪心率。测试涵盖不同肤色、耳廓形态、温湿度环境及运动强度，甚至在寒冷气候中依然保持稳定。

“贴合度”在访谈中被反复强调，这不仅关乎声学体验——主动降噪效果、空间音频沉浸感，更直接决定了生理数据的准确性。

当耳塞贴合度良好时，双耳协同的心率读数极为精确。

Steve Waydo表示。

这也解释了苹果在AirPods Pro 3上重新设计入耳结构、优化硅胶耳塞形状、升级自适应调音算法的隐性动机——那些看似为音质而做的改进，实则同步为生理监测铺平道路。

仿若大语言模型：耳机如何理解50种运动动作？

精确的心率监测仅是起点。

苹果的目标是：让AirPods Pro 3具备与Apple Watch相当的运动体验——不仅能知晓心跳频率，更能识别用户正在进行的运动类型、计算卡路里消耗、测量运动距离。

这意味着，苹果必须极致利用“所有可调动的传感器”。

AirPods Pro 3的感知系统实则构成一个“微型生态系统”。耳机端集成了加速度计、陀螺仪与心率传感器，iPhone端则贡献了GPS与气压计。这些传感器产生的数据流需被实时整合、解析、转化为具象的运动指标。

Ron Huang指出，Apple Watch已积累大量动作信号经验，如跑步时手臂摆动、划船机训练动作模式等。将此能力迁移至AirPods后，需将原针对手腕的动作观测“转译”为对头部运动的观测。

为此，团队借鉴了大语言模型（LLM）的训练思路——通过海量数据学习通用的“动作语法”，而非为每种运动硬编码规则。

他们基于苹果心脏与运动研究（Apple Heart and Movement Study）中约5000万小时的真实运动数据，训练出一个全新的动作基础模型（Motion Foundation Model）。

该项研究是苹果早年面向公众发起的开放项目，参与者自愿提供来自Apple Watch与iPhone的运动数据。

它本质是一个回归模型，能解析用户进行何种活动、是否对抗阻力、动用大肌群或小肌群、运动平面与身体姿态等。

为确保算法覆盖普拉提、HIIT、椭圆机等多样运动类型，苹果邀请了不同体能水平与技能层次的参与者参与测试与校准。

实验室中，团队采用“黄金标准”方法——佩戴氧气面罩，使用代谢车（Metabolic Cart）监测真实氧气交换率，以验证卡路里计算模型的准确性。

在步数与距离追踪方面，团队开发了全新的行人运动神经网络。他们邀请数百人进入生物力学实验室，使用标定跑步机记录距离，在鞋底放置压力传感器标记步伐节点，并用高速摄像机捕捉完整步态。

最终，AirPods得以“一次性支持超过50种运动类型”的追踪能力，而这在Apple Watch时代耗时数年才实现。

从声学到身体感知：技术的终极演进方向

作为时刻贴近身体的设备，AirPods天然处于独特位置：它既面向外部世界，放大声音、滤除噪音、重构空间；又面向内在自我，感知呼吸、追踪脉搏、解读运动。

当一款声学器件开始理解心跳起伏、步伐韵律、身体语言时，它便不再仅是输出工具，而进化为双向感知界面。

从“聆听世界之声”到“聆听身体之声”，这一路径延续了苹果一贯的产品哲学——技术终须回归人类感知本身。

耳机曾仅是音乐的出口，内容的载体。而今，它正成为身体的入口，自我认知的传感器。当技术学会倾听身体，它才真正学会了倾听人。

[1] https://pmc.ncbi.nlm.nih.gov/articles/PMC10384007/