Fitbit Air手环深度体验：「无屏」只是手段，模型能力才是护城河
无屏只是形态，模型才决定产品的上限。
如果你问我：今年最火的 AI 硬件是什么？这个问题大概会有很多答案。
但如果你问的问题收束成：「今年最火的 AI 可穿戴硬件是什么？」那答案大概率只有一个—— Fitbit Air。
仅仅一个数据就足以说明它的现象级爆火：作为一款官方开售已经超过两个月的设备，在二手平台你至今仍然需要加价 200~300 元购买。
作为从去年开始就苦苦寻找取代传统智能手表形态产品的健康监测设备的我，也是拜托朋友第一时间买到了这款无屏手环。
Fitbit Air 形态非常惹人喜欢｜图片来源：极客公园 戴上 Fitbit Air 的前几天，我还会下意识看一眼手腕。
不是有消息进来，也不是为了确认时间。纯粹是智能手表留下的肌肉记忆：手腕上既然有一块设备，就应该有点什么值得看。
Fitbit Air 什么也没有：没有屏幕，没有表盘，没有按键。你不需要考虑表盘有没有朝正，也不用为了看清一行小字扭动手腕。除了偶尔双击表身，让侧面的 LED 显示大致电量，它几乎不要求你做任何事。
当你习惯了这个概念后，你就会开始迅速习惯遗忘掉它的存在：这大概就是无屏手环形态最核心的优势。它不是用更丰富的功能让你习惯它，而是通过取消交互，让你忘记它。甚至在这个语境下，没有屏幕你连时间都看不了这件事本身都成了另外一个优势。让你能够更容易地遗忘它。
但使用两周后，我越来越觉得，无屏是 Fitbit Air 最直观的体验优势，却不是它真正难以复制的价值。拿掉一块屏幕并不难，难的是屏幕消失以后，谁来解释它收集的数据。
01
硬件退位，主角变成软件
过去近 20 年的时间里，智能可穿戴设备、尤其是手腕上的智能手表、手环形态的产品。都保持着极高的存在感：除了经常需要你帮它充电之外，受限于电池、屏幕等元器件体积的原因，它们的体积都无法进一步缩小，甚至近年还有逐渐变大的趋势，出现了类似 Apple Watch Ultra 这样全功能但更加庞大的专业监测档位产品。
Fitbit Air 几乎是与这股潮流完全反其道而行之诞生的产物：的主体只有 5.2 克，装进表带后约 12 克。没有屏幕，也没有独立 GPS。时间、地图、通知和运动界面，全部被拿掉了。
传感器高度集成是无屏手环概念的核心｜图片来源：极客公园 按照智能手表的标准，它缺失了太多功能。但 Fitbit Air 本来就不想成为手表。
无屏手环是数据传感器最原始、也最露骨的形态。它不提供内容，不负责娱乐，也不试图成为手机在手腕上的延伸。它甚至不屑于讨好用户，只想贴在皮肤上，安静地收集数据。
智能手表的逻辑是「人在使用设备」，Fitbit Air 的逻辑更接近「AI 通过这样一台现实设备在观察人」。
对普通消费电子产品来说，让用户忘记自己的存在听起来像是失败；对健康传感器来说，这反而是最理想的状态。只有当一个人愿意戴着它工作、运动和睡觉，心率、睡眠和恢复数据才不会被频繁摘戴切成碎片。
所以，无屏形态服务于数据连续性，却没有独自建立起难以复制的壁垒。相比长期数据和模型能力，做出一块更轻、更安静的传感器更容易。当硬件退到用户几乎感觉不到的地方，产品的差异化就会越来越多地转移到软件和模型上。
这一点也改变了我对健康传感器的理解：在基础精度过关之后，持续、口径一致的数据才会产生更大价值。单次精度决定数据是否可信，长期连续性决定模型能否理解变化。两者不是替代关系，而是先后关系。
从 Fitbit Air 到 WHOOP，我不会说这些产品不重视数据精度：毕竟如果底层数据不可靠，后面的分析当然也没有意义。
Fitbit Air 与 Warp 体积对比｜图片来源：X 但精度是地基，不是用户最终购买的东西。
用户真正需要的，不是多一个心率数字，也不是把睡眠时间精确到更多小数位，而是有人告诉他：这些数字意味着什么，今天应该做什么。
过去的健康设备主要依靠仪表盘和固定算法解释数据。你可以看到睡眠评分、恢复度和训练负荷，却仍然需要自己理解这些指标之间的关系。
生成式 AI 加入后改变的，是最后这层解释开始变得可对话，也更依赖个人上下文。
Fitbit Air 真正的新意，不是又记录了多少指标，而是 Health Coach 开始尝试把这些数据组织成可以直接理解的建议，甚至主动给出下一步行动。
当佩戴时间变长，它获得的不再只是某一天的心率和睡眠，而是一个逐渐成形的个人基线。什么样的睡眠对你算差，什么样的训练负荷会影响第二天的状态，哪些变化只是偶然波动，理论上都可以随着数据积累变得更加个人化。
如果健康历史和模型记忆无法顺畅迁移，这种个人基线还可能形成一种新的切换成本。一块新硬件可以复制相似的传感器，却无法立刻复制模型对你的了解。用户留下来，未必是舍不得那块手环，也可能只是不想再让另一位 AI 教练从头了解自己。
传统手环测量的是「你今天怎么样」，AI 教练试图回答的是「你为什么会这样，以及接下来怎么办」。
这也是为什么我会把 Fitbit Air 看成一种从「让 AI 分析健康数据」倒推出来的原生 AI 硬件。先确定模型需要什么数据，再决定硬件应该长成什么样。屏幕和复杂交互被舍弃，硬件只负责稳定地把数据送进模型。
Fitbit Air 售价 99.99 美元，附赠三个月 Google Health Premium。对国内消费者来说并不便宜。只看首次购买，它比每年 199 美元起、硬件包含在会员关系中的 WHOOP 更容易尝试；但如果长期订阅 AI 教练，两者的成本差距会迅速缩小。
这也指向了无屏手环的下一种商业模式：硬件越来越便宜，甚至随订阅赠送，厂商真正出售的是持续分析数据的服务。
从商业角度看，硬件会越来越像获取用户的成本。只要用户持续佩戴，数据和订阅关系就会不断累积。在厂商眼里，按月收费的 AI 服务比几年一次的设备换新更容易形成可预测的持续收入，也更容易把一次硬件购买变成长期关系。
02
模型能力是「双刃剑」
当一款产品开始替你解释身体，它继承的不只有大模型的能力：幻觉、遗忘、错误理解上下文，以及用确定的语气给出错误答案，这些常见问题，也会被带进健康场景。
传统手环记录错一次运动，最多让当天的数据难看一点。而 AI 教练一旦基于错误数据继续推理，就可能得到一条逻辑完整、语气笃定，却从起点开始就错了的建议。
类似睡眠监测这种依赖连续数据分析的场景，对数据精度的依赖会急剧增大｜图片来源：极客公园 AI 的价值和风险来自同一种能力：它能在数据之间建立联系，因此可能发现用户没有察觉的规律，也可能把一次错误推断包装成看似合理的建议。
这会带来一个现实的矛盾。
如果用户拥有足够的专业知识，能够判断每条建议是否可靠，他可能本来就不需要 AI 教练；像我这种真正依赖教练的普通用户，反而最缺乏二次验证建议的能力。
模型越主动，这个矛盾越尖锐。当 AI 只负责解释「HRV 是什么」时，错误的影响范围相对有限；当它开始主动建议你今天该训练还是休息，错误的影响也会随主动性放大。
所以，健康 AI 的竞争不能只看它会不会回答问题，更要看它知不知道什么时候不该回答。它能否记住长期上下文，识别数据缺失，表达不确定性，并在可能产生严重后果的地方及时停下来，才决定了这个教练是否可信。
长上下文的精准分析仍然依赖模型能力｜图片来源：极客公园 同一段身体数据，也可能对应完全不同的生活状态。睡眠变差可能来自训练、压力或一场临时的熬夜。模型不仅要读懂数值，还要把日程、习惯和用户自己的体感纳入判断，并且知道现有数据解释不了什么。
接入一个大模型 API，并不等于拥有模型能力。真正的模型能力还包括数据治理、长期记忆、垂直领域评估、安全边界，以及把模型错误约束在用户能够承受的范围内。
取消屏幕，保留传感器，做一条更轻的表带，再接入一个大模型，表面上没有太高的硬件门槛。未来出现更多类似 Fitbit Air 的产品，并不意外。
但这不代表任何厂商都能做好它。
Google 在这个领域的优势是它有 Gemini，也有 Fitbit 积累多年的健康数据、用户基础和分发渠道。
WHOOP 的 AI 教练虽然依赖外部基础模型，但它拥有长期积累的垂直数据、训练与恢复算法，以及成熟的订阅体系。它可以接入外部模型，再用自己的数据和算法完成垂直化与安全约束。
把通用模型变成健康教练的这一步恰恰最难。通用模型并不知道每一种传感器如何采样，也不知道数据缺失、佩戴中断和算法口径会怎样影响结论。厂商需要用真实案例反复评估模型，再决定哪些建议可以主动给出，哪些只能交给用户或专业人士判断。
所以，这个市场未必只属于能够自研基础模型的公司，但一定很难属于只会做硬件的公司。厂商可以租用模型，却不能把产品判断、安全评估和长期记忆一起外包。
无屏的形态可以复制，数据、模型和反馈形成的闭环却很难复制。
这也解释了为什么 Fitbit Air 容易得到两极分化的评价。
习惯使用大模型的人，会自然地接受这种交互。相比自己翻看十几张图表，直接问「我今天为什么这么累」「今晚应该几点睡」，显然更加省力。
但对已经形成训练体系的健身老手来说，他们知道怎样理解心率、恢复和负荷，也习惯结合身体感受修正数据。AI 提供的「保姆式陪伴」未必是帮助，有时反而会变成干扰。
Fitbit Air 最适合的，可能是中间那群人：已经开始关心身体数据，却没有能力或者耐心独立解释所有指标；愿意接受 AI 建议，同时也知道它不能代替自己的判断。
戴了两周之后，我对无屏手环的看法更加确定了。