已核验 · Jul 10, 2026
Google 7/9 SensorFM:在 1T+ 分钟传感器数据 + 5M 人身上做可穿戴健康基础模型
2 个信源Google Research 2026-07-09 官方博客公开 SensorFM(Xin Liu + Daniel McDuff):面向可穿戴健康的通用基础模型,预训练数据「1 万亿 + 分钟传感器信号 / 来自 ~500 万具名同意的人(100+ 国家 / 全美 50 州 / 20+ Fitbit 与 Pixel Watch 型号,数据窗口 2024-09 → 2025-09)」;5 种传感器 + 34 个一分钟级聚合特征。规模曲线跨 4 个量级(数据与模型)。最大变体 SensorFM-B 在 35 项迁移任务中胜 33 项(9% AUC 提升、21% Pearson 提升)。Personal Health Agent 评测用 31 份参与者画像、1860 份临床医生评分。
为什么现在讲
7/9 发布叠加 OpenAI Health Intelligence 7/7、Anthropic Healthbench 7/2 等本月已发生的健康 AI 动态,Google 这条是第一个**真正公开传感器数据规模数字**的研究博客——创作者今天就能拿 1T 分钟 / 5M 人 / 35 项任务这三个具体数字讲,不用等到下周。
推荐理由
数据足够具体(1T 分钟、5M 人、33/35 项任务胜出),可以做出非常具体的信息卡。但这是 medical-adjacent 话题——必须显著保留 health 风险提示,绝不能写成「AI 医疗诊断」。
依据
Google Research 官方博客 + 数据规模数字具体 + 与本月其他健康 AI 话题互为呼应——属于「官方事件 + 有具体数字 + 健康类话题窗口期」三重组合,判为高热度。
“Google 拿 1 万亿分钟的传感器数据训了一个模型——但这不是 AI 诊断。”
切入角度
把 SensorFM 接进 7 月健康 AI 话题:不是单独写一个「可穿戴 AI 突破」——这是迁移基准结果,不是 FDA 认证 / 临床部署 / 诊疗辅助。今天讲这条必须显眼地把健康风险提示钉在第一屏。
形式
图文卡片 + 口播短视频
演示想法
录 90 秒图文 + 60 秒口播组合:0-20 秒卡片列出三个具体数字(1 万亿+ 分钟 / 500 万人 / 35 项任务中 33 项胜出);20-60 秒讲「这是迁移基准结果,不是临床诊断,不是 FDA,不是医疗器械」;60-90 秒 call to action:「订阅我的频道,接下来 OpenAI Health Intelligence / Anthropic Healthbench 我会逐条拆」。
平台注意
这是 medical-adjacent 风险(高风险):绝不能写成「AI 医疗诊断」「健康筛查」「疾病预警」——这些都是超出 Google 自己声明的口径。Personal Health Agent 评测是 31 人临床医生评分研究,不是临床试验。涉及医疗类创作者务必显眼标注「本研究内容不构成医疗建议」,可能踩到监管口径前在你的内容里要有显眼的免责 / 风险标注。
可用说法
- Google Research's SensorFM was pre-trained on more than 1 trillion minutes of sensor data from ~5 million consented people (PPG, accelerometry, EDA, skin temperature, altimetry) and transferred to 35 health prediction tasks; SensorFM-B, the largest variant, won 33 of 35 transfer tasks and gained 9% average AUC plus 21% Pearson regression gain over the smallest variant.
证据链
拆解
SensorFM 的关键数据由 Xin Liu 与 Daniel McDuff 在 Google Research 博客公布:1 万亿+ 分钟传感器数据、500 万具名同意用户、35 项迁移任务中胜 33 项——这是迁移基准,不是 FDA 认证也不是临床部署。本文把这三个数字与一份显眼免责并列呈现。
风险
- 写作时按「研究结果 + 转移动基准」引用。不要写成「AI 医疗诊断」「健康筛查工具」或类似口径。避免使用促使用户采取医疗行动的语言;强调「Personal Health Agent 评估是 31 人临床医生评分研究,不是临床试验」。涉及医疗类话题,务必保留风险提示并显眼展示。
演示思路
- 做一张「3 个具体数字 + 1 个显眼免责」信息卡:大字 1 万亿+ / 500 万 / 33 项,小字一行「这是研究结果,不是医疗诊断」。
- 对比 Google SensorFM(传感器数据)与 OpenAI Health Intelligence(健康 LLM 评测)与 Anthropic Healthbench(医学对话评估)——把 7 月这三个「健康 AI 进展」并列成一张表,每行画「数据来源 + 部署阶段 + 风险标注」。
- 如果你做长期健康 AI 选题,做一张「数据量 → 任务胜率 → 风险标注」三栏可视化,3 行数据(GPT、Anthropic、Google),让观众在 10 秒内知道医疗 AI 进展是有梯度而非一概而论的。