随着腕部和手指佩戴健身追踪设备的普及,监测健康状况变得前所未有的简单。但对收集数据的分析很大程度上依赖用户自己完成。直到近年来,制造这些可穿戴设备的科技公司推出了基于AI的健康教练服务。
2025年10月,谷歌为美国地区使用安卓设备的Fitbit Premium订阅者推出了由Gemini AI驱动的Coach功能。不过,10月的发布只是预览版本,公司希望从早期用户那里获得反馈。今年2月,谷歌将Coach公共预览版扩展至iOS用户以及加拿大、英国、澳大利亚、新西兰和新加坡的Fitbit Premium会员。谷歌在周二举行的年度健康活动The Check Up上宣布,将为这一集健身教练、睡眠指导和健康顾问于一体的服务增加更多功能。
睡眠洞察和评分的改进
在睡眠追踪方面,公司最重要的更新是将睡眠阶段准确性提升了15%,这一数据基于兼容的Pixel和Fitbit设备上最新算法与旧算法的对比结果。
当前模型现在能够更好地区分用户何时正在尝试入睡,以及何时真正进入睡眠状态。它可以检测午睡、睡眠中断或在不同睡眠阶段之间的转换。
几周后,这些改进将共同促成Sleep Score的全面升级,新评分系统不仅关注睡眠时长,还会考虑入睡所需的时间。由于拥有更多睡眠数据,Coach将能够提供更明智的洞察和改善睡眠的建议。
医疗记录可用性
从4月开始,美国订阅者将能够在Fitbit应用中关联他们的医疗记录,包括药物、实验室结果和就诊历史。
这一功能是与B. Well Connected Health(一个由AI驱动的数字健康平台,整合来自不同医疗提供商的健康数据)和Clear(以机场安检身份验证而闻名的身份验证平台)合作开发的。
在Fitbit应用中,用户可以搜索自己的医生,然后链接到其会员门户。或者如果使用Clear通过自拍和有效身份证件验证身份,系统将代为搜索医疗记录。功能可用性将取决于医疗提供商。
Fitbit的Coach随后可以利用用户的医疗历史创建更加个性化的指导,结合实验室结果、Fitbit收集的数据以及从记录中收集的任何其他相关信息。几个月后,用户将能够通过二维码或智能健康链接URL与医疗提供商或家庭成员分享这些记录和摘要。
隐私安全考量
隐私专家提醒人们在将医疗信息上传至AI工具之前要三思而后行。
Fitbit表示会安全存储用户的医疗记录,用户控制数据如何使用、是否共享以及是否删除。该公司还表示,医疗记录不会用于广告投放。
AI健康教练无法替代医生,因为它们不能诊断或治疗疾病。在没有咨询医生的情况下,用户不应对生活方式或健康日常做出任何改变。
Fitbit个人健康教练的未来
谷歌还宣布将投资健康研究,涉及利用可穿戴设备数据预测胰岛素抵抗、高血压以及了解AI在虚拟医疗环境中的表现等主题。这些研究主题让我们了解到谷歌可能为未来Fitbit更新准备的内容。
4月份,参与公共预览的Fitbit会员还将能够通过Health Connect将连续血糖监测仪连接到Fitbit应用。这一功能让用户能在一个地方查看来自兼容应用的所有健康数据。通过这种连接,Fitbit会员可以向Coach询问锻炼或饮食选择如何影响血糖水平的更多信息。
Q&A
Q1:Fitbit的Coach功能有什么新特点?
A:Coach是谷歌为Fitbit Premium订阅者推出的由Gemini AI驱动的健康教练服务,集健身教练、睡眠指导和健康顾问于一体。最新更新包括睡眠阶段准确性提升15%,能更好区分入睡尝试和真正睡眠状态,以及即将支持医疗记录关联功能。
Q2:Fitbit如何保护用户医疗记录的隐私?
A:Fitbit表示会安全存储用户医疗记录,用户完全控制数据如何使用、是否共享以及是否删除。公司承诺医疗记录不会用于广告投放。但隐私专家建议用户在上传医疗信息到AI工具前要谨慎考虑。
Q3:AI健康教练能否替代医生?
A:不能。AI健康教练无法诊断或治疗疾病,只能提供健康建议和洞察。用户在没有咨询医生的情况下,不应对生活方式或健康日常做出任何改变。这些工具应该作为医疗保健的辅助,而非替代。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。