最需要运动的人群，却被智能手表“背刺”？

速读：但站在用户的角度来说，我们也可以反过来诘问相关厂商，为什么不能设计针对高体脂率用户的算法呢？

2026年09月06日 18:0

大家不妨想象一下，如果你觉得自己有点胖或是“亚健康”，下定决心想要好好运动一阵子，突击减个肥的情况下，购买了一块智能手表来监控自己每天的活动量，并根据其算法建议给自己制定了每日的运动指标。

在严格遵循智能手表（以及其APP）给出的建议，认真锻炼了一段时间后，却发现自己似乎并没有得到预期的健康改善。

这是为什么？是在锻炼时偷懒了，还是没管住自己的嘴？也许是，但还有一种可能，那就是你佩戴的智能手表，可能从一开始就测不准真正的“锻炼消耗量”，它从始至终一直都报告了过分高估的数据。当你以为自己已经很努力地健身时，其实根本就没有达到相应的消耗量。

近日，一份关于智能手表运用监测准确度的研究报告在《PLOS ONE》期刊发布。研究人员测量了多款智能手表应对给定运行项目时的卡路里消耗误差值，却发现所有的受测设备都出现了“高估”的情况，偏差约为15%-25%。

也就是说，这些智能手表都会报告比实际更多的运动消耗量。如果用户根据它们给出的数据来制定锻炼计划，那么他们实际消耗的卡路里就会比自己以为的要少了两成左右，从而影响到最终的减脂或健身效果。

那么为什么会这样呢？是智能手表厂商有意“讨好”用户，刻意在算法里夸大了用户的努力程度吗？

从这份研究报告来看，并非如此。真正的问题可能出在算法的设计机制上。

相关报告显示，研究人员们发现，当用户的体脂率升高时，智能手表“夸大”锻炼效果的误差程度就会变大。这在生理学上其实很好理解，因为体脂率高的人心率往往会比健康人更高，而更高的心率就会误导监测设备，使得其以为用户比实际上更劳累、锻炼更“刻苦”。

但站在用户的角度来说，我们也可以反过来诘问相关厂商，为什么不能设计针对高体脂率用户的算法呢？

不得不说，这可能才是整个事件当中最关键的一环。

如果厂商想要确保运动数据对所有的人都更精确，他们应该怎么做？比如，智能手表或许应该提前告知用户，要想保证运动监测数据的准确性，就得先老老实实地输入自己的真实年龄、身高、体重、胸围、腰围、臀围、骨龄、体脂率这些数据。如果用户试图回避这个环节，或是输入的相关数据不准确，那么由此导致的数据偏差“应该由用户自己负责”。

虽然道理确实是这个道理，但一方面不是所有人都有随时测量自身详细健康数据的条件，因为这至少需要购买一台不算便宜的体脂秤或是需要去医院做专门的测试，会额外增加开销。