Samsung 新 AI 模型 xMAE 同 HiMAE：手錶自己識分析健康，唔使靠雲端

三星研究院（Samsung Research）轄下嘅數碼健康團隊喺 2026 年 8 月 14 日正式發表咗兩個全新健康 AI 基礎模型：xMAE（生理感知跨模態遮罩重建模型）同 HiMAE（分層遮罩自編碼器）。呢兩個模型最犀利嘅地方係可以喺智能手錶處理器上面直接分析生物訊號，完全唔使經雲端。兩篇論文分別俾頂尖 AI 學術會議 ICML 2026 同 ICLR 2026 接收咗 。

兩個模型點樣運作

xMAE：學識心臟電訊號同光學訊號之間嘅時間關係

xMAE 係一個懂生理學嘅模型，專門學習兩類心臟生物訊號——ECG（心電圖，即心臟嘅電活動）同 PPG（光電容積脈搏波，即智能手錶用光學感應器量度嘅脈搏波）——之間嘅時間關係 。佢用嘅係一種「定向交叉注意力」機制：預訓練嗰陣，模型會逐步遮蓋心電圖嘅連續片段，然後靠同步記錄嘅光電容積脈搏波數據去重構返啲遮蓋咗嘅部分 。簡單講，光電容積脈搏波嘅數據做「鎖匙同價值」，心電圖嘅數據做「查詢」，呢個設計係跟返生理學嘅事實：心臟嘅電活動（心電圖）係驅動周邊脈搏波（光電容積脈搏波）嘅源頭 。

xMAE 用咗大約 9,400 小時、來自約 2,400 位受試者嘅配對心電圖-光電容積脈搏波數據做預訓練。之後佢哋用六項研究涵蓋嘅 19 個下游任務（包括高血壓預測、早搏檢測、睡眠階段分類同血液指標估算等）進行評估，結果 xMAE 喺其中 15 個任務嘅 AUROC 指標上都贏過所有之前嘅開源基礎模型 。有個好實用嘅重點：預訓練完成之後，模型會摺埋心電圖個分支，淨係用光電容積脈搏波嚟做推論，咁樣先適合放喺可穿戴裝置上面用 。

HiMAE：按時間尺度分層分析健康模式

HiMAE（分層遮罩自編碼器）就用咗另一種策略：佢會用一個分層卷積編碼-解碼器，將可穿戴裝置收集到嘅時間序列數據——心跳、睡眠階段、活動模式——分做 多個時間解析度嚟分析 。唔係全部時間尺度都倒模咁處理，HiMAE 能夠發現唔同解析度嘅特定結構：長啲嘅時間尺度睇到較粗略嘅模式（例如睡眠/清醒週期），短啲嘅時間尺度就捉到細微嘅模式（例如逐吓心跳）。呢個模型喺智能手錶嘅處理器上面做到 亞毫秒級推論，即係推論速度快過一千分之一秒，所以可以持續喺裝置上面做分析，完全唔使將數據傳上雲端 。

兩個模型嘅共通點：自我監督學習

xMAE 同 HiMAE 都屬於 遮罩自編碼器（MAE），用嘅係 自我監督學習 方法，喺冇標籤嘅生物訊號數據上進行訓練 。核心原理好簡單但好強大：遮蓋輸入訊號嘅一部分，然後訓練模型重構返佢。咁樣模型就可以學到有意義嘅生理結構，完全唔需要靠人手標註嘅訓練數據——呢點喺健康 AI 領域好重要，因為有標籤嘅臨床數據往往好難搵又製作成本好高。

喺三星 Connected Care 願景入面嘅角色

喺 2026 年 7 月嘅 Galaxy Unpacked 發佈會上，三星介紹咗佢哋嘅 Connected Care 策略，目標係由以前用人口平均數嚟衡量健康，轉為靠裝置上嘅 AI 做預防性、個人化嘅健康監測 。三星嘅 Pak 博士形容健康基礎模型係關鍵嘅推動力，佢話呢啲模型可以透過自我監督學習，從每個人嘅生物訊號入面提取有意義嘅特徵，令健康管理「由人口平均數變成真正個人化」。

xMAE 同 HiMAE 就係三星研究院實現呢個願景嘅頭兩個具體模型：佢哋全部喺智能手錶上運行（唔使雲端），可以學習用戶特有嘅生理模式，而且可以直接喺裝置上面微調去做血壓估計、心律不正檢測同睡眠分析呢類任務 。呢兩個模型一齊代表咗一個實質嘅進展，令到可穿戴健康 AI 可以既保護私隱，又可以持續可用，就算冇網絡連線都得。