心电图（ECG）准，但你得停下动作、把手指按在表冠上才量得到；光体积描记图（PPG）方便，却一直被嫌不够精准。三星美国研究院（Samsung Research America）这次没有选边站，而是让两颗信号互相补课。

台北时间8月14日，据外媒Artificial Intelligence News报导，三星美国研究院旗下数字健康团队发表两款健康基础模型：xMAE 与 HiMAE，锁定手表等穿戴设备收集的心脏活动、睡眠与身体活动数据，用自监督学习从大量未标注信号中直接抓特征。

xMAE：让PPG学会ECG的时间差

xMAE 全名「生理感知遮罩跨模态重建生物信号表征学习」，做的事很具体——学习PPG和ECG之间的时间关系。团队用超过9,400小时的PPG与ECG数据做预训练，让模型记住两种信号在时间轴上如何对应。结果是，手表往后只靠平常就在量的PPG，就能反推出接近ECG等级的心血管特征，不必再叫用户停下来手动测一次心电图。三星说法是，xMAE在19项评估任务里有15项赢过现有的多模态方法，这篇论文也已被机器学习顶级会议ICML收录。

HiMAE：手表CPU上跑出的1毫秒

如果说xMAE解决的是「量什么」，HiMAE解决的是「怎么快」。这款「阶层式遮罩自编码器」用不同编码器分工处理不同时间尺度的信号——心跳这种短时快变的，跟睡眠品质这种长时累积的，分开读。模型体积比现有方案更小，却能在智能手表等级的CPU上、不到1毫秒内产出结果。不用连云端运算，代表分析实时完成，敏感健康数据也不必上传到服务器。这项研究已获国际学习表征会议ICLR肯定。

三星美国研究院数字健康算法主管Sharanya Desai表示，这为提供高效、精确且持续的健康洞察打下技术基础，未来会推向更多运算资源有限的设备。数字健康研究实验室主管Subbu Venkatraman则强调，这证明健康基础模型能捕捉动态信号背后的时间结构，团队会持续把研究转化成能实际改善健康的医疗应用。

两项技术都对应三星2026年7月提出的「连网照护（Connected Care）」愿景。目前尚未有具体产品上市时程或适用机型公布。