博主解读Temple预发布产品研究文档，称心率准确率研究覆盖43名成人

最近我的 twitter 信息流里出现了大量关于 Temple 的讨论，在我看来，其中大部分都跑偏了。就像 Deepinder 说的，喜欢（或讨厌）一款发布前的产品，最好的办法就是去读那该死的研究报告。

所以这个排灯节周末，我决定就这么干，顺便用一种更好消化、也更有观点的写法把它拆解开来，让大多数好奇的人都能跟上。

进入正题之前先提个醒——我远非医学专业人士，只是碰巧有一些可折腾的可穿戴设备和 BLE 技术方面的经验，比较擅长借助 AI agent 去探索我本没资格探索的话题，而且看了太多 quantified scientist 的视频。 另外，我和 Temple 没有任何关系，纯粹是闲得慌。

目前支撑这款设备的主要有 4 份文档，截至今天它们都在等待同行评审，所以请带着几分保留来看。

心率准确性研究——覆盖 43 名健康成年人在跑步机上佩戴 6 种光学设备 + 一条胸带作为参考。原始和清洗后的记录以 CC BY-NC 许可公开，下面的分析就基于这些数据。

Doppler 预印本——BrainFlow 对比经颅多普勒超声（TCD）。这一份讲的是脑血流追踪的工作。

NIRS 预印本——BrainFlow 对比近红外光谱（TD-NIRS），44 名男性、共 60 次会话，把来自大脑和头皮层的信号分离开来。

年龄预印本——89 个脉搏波形特征与生理年龄的对比，论证太阳穴是比手腕更丰富的测量部位。

科学页面还链接了 Entropy 和 Span（Temple 更宏观的健康评分）的背景生理学内容，目前看没那么有意思。

（很可能）它是一款非常好的监测设备

就数据而言，它很惊艳——这本身就是一项很酷的成就，因为它与 WHOOP、Oura、Fitbit 等厂商多年的研发和产品迭代并驾齐驱。

我从原始数据和公开文件重新计算了这些分数，每一项都与论文精确到小数点后两位吻合，所以核心算术是经得起检验的！

这里的图表同样来自那些文件：Temple 的清洗版本（移除了持续失效的片段）和我自己的全有效重跑（什么都不移除）。

跑步机上的心率，我们得到这些统计：

当然，跑步机上走路和跑步是光学传感器追踪起来相对简单的任务之一，所以我们仍需要户外跑步、举重、骑行和日常生活场景的数据来提供更多背景——但这是一个相当不错的起点。

有趣的是，它恰恰在一些其他设备陷入持续失效的地方表现良好：Temple 的分数两种情况都是 1.18，而 Garmin 从 3.18 变成 5.20，Oura 从 5.21 变成 7.31。所以真正的结论是一致性。在这些记录中，Temple 最不容易出现长时间的大误差。

（这些是按合并秒数计算，而非按人，与论文的头条数字不同）

Temple 在各心率区间都保持在 1 bpm 附近，Apple 接近 2，Oura 在高心率时上升。而且糟糕的秒数几乎不存在：Temple 配对秒数中偏差超过 5 bpm 的只占 2.2%，而 Oura 是 34.6%。

在完全相同的时间戳上匹配，Temple 对 Fitbit 是 42/42 人胜出，对 WHOOP 是 40/43，对 Garmin 是 43/43，对 Oura 是 43/43。（解读这些时，上报率和覆盖率仍然重要——更多内容见「不足之处」。）

小的时钟偏移也救不了其他设备。即使在每台设备搜索出的最佳偏移下，Temple 在整个范围内仍然最低。

再强调一次，这些数字来自每人一次跑步机会话、单一站点、以另一款可穿戴设备作为参考。

整个数据集里最有趣的细节：一条未贴胶带的 Polar 胸带在 43 人中有 36 人比 Temple 更准，而 Temple 平均仍然胜出，因为那条胸带在少数人身上彻底失效了。更多内容见「不足之处」，值得一读。

这大概是 Temple 最大的视觉（以及营销 :P）差异点，而且除了论文引用的来源之外，很难从前沿研究中追踪到，但看到这些数字且没有反证，它很可能有实质内容，可以说确实很酷。

TLDR：它论证的是太阳穴处的脉搏信号似乎比手腕处的携带丰富得多的信息，这使它成为活动追踪器更好的佩戴位置。

我从论文中看到的唯一问题是，两侧用了不同的人和不同的硬件（太阳穴处 32 Hz，手腕处 500 Hz），所以在我看来解剖学因素并未被完全隔离，但即便如此，这些特征大体上仍然成立。

我在 twitter 上看到很多关于这一点的猜测，尤其是「没有麦克风」那部分。但有趣的是，这大概是整台设备中研究先例最充分的部分，所以我相当乐观它能做成。

喉部麦克风早就是通过颈部振动而非空气中的声音来拾取语音的，甚至初代 AirPods 的技术规格里也列出了一个语音检测加速度计，与麦克风配合使用来判断你何时在说话。

关于太阳穴也有研究：2007 年微软研究院的一篇论文从太阳穴捕获语音，抗噪但失真，所以他们把它与普通麦克风配对使用（当人们说不需要麦克风时，这一点值得记住）——2013 年的一项研究证实，在包括太阳穴在内的 13 个头颈部位置都能测到语音振动。

确实需要一些新工作才能让它可靠（任何用过纯信号加 transformer 处理普通麦克风语音转文字的人都能看出来）。我真正想看到的检验是：在嘈杂房间里，仅凭振动信号它能还原出多少个词。我非常乐观他们能做到，但那才是能证明它的数字。

BrainFlow 是他们专有的评分，基于脉搏波形、心率、温度和光学信号构建。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）