健身追踪器测 VO₂max：你手腕上的数字有多准？

你的手表给你一个 VO₂max 数值。它安静地更新，上下起伏，感觉像是一次测量。它不是。它是一个从未看过你肺部内部的算法给出的估算。

这很重要，因为 VO₂max——你的最大摄氧量，即高强度运动时身体能摄入并利用的最大氧气量——是我们拥有的最强健康指标之一。所以值得知道手腕上的数字究竟有多接近真相，以及知道之后该怎么办。

为什么值得把 VO₂max 这个数字弄准

一项涵盖 199 项队列研究、超过 2,090 万人次观察的荟萃分析综述发现，心肺适能高的人全因死亡风险约为适能低者的一半（风险比 0.47），而适能每提高 1 MET，任何原因导致死亡的风险就降低 11–17%（Lang et al., 2024）。1 MET 约相当于 3.5 ml/kg/min 的摄氧量——刻度上的一小步，却挂着很大的效应。

同一篇综述发现，最大的单项关联出现在新发心力衰竭：适能每高 1 MET，风险降低 18%。如果一个指标能这样改变你的风险，那么测量它时 15% 的误差就不是四舍五入的小事。

健身追踪器如何估算 VO₂max？

没有哪款消费级可穿戴设备真的测氧气。实验室金标准——心肺运动试验——会给你戴上面罩，在你力竭之前分析你呼出的气体。你的手表没有这些。它靠推断。

大体上，算法分两大家族，而这个区别比表盘上的品牌更重要：

• 基于静息的估算 使用你的人口学信息、静息心率和心率变异性。无需运动。
• 基于运动的估算 使用你在训练中心率与实际做功率之间的关系——来自 GPS 的配速，或来自功率计的功率。

两者都是推断。只是其中一种推断好得多。

健身追踪器测 VO₂max 有多准？

INTERLIVE 网络汇总了 14 项验证研究，清楚地看出了这条分界。使用静息信息的设备平均把 VO₂max 高估 2.17 ml/kg/min，一致性界限从 −13.07 延伸到 +17.41 ml/kg/min。使用运动信息的设备平均几乎完美——偏差仅 −0.09 ml/kg/min——但一致性界限仍在 −9.92 到 +9.74 之间（Molina-Garcia et al., 2022).

请仔细看这些一致性界限，因为它们才是真正的发现。平均偏差接近零，意味着误差在一群人之间互相抵消。它并不意味着你的数字是对的。即便用更好的算法，个体估值也可能落在真值两侧各约 10 ml/kg/min 处——对一个普通成年人来说，这就是「中等体能」和「真正不错的体能」之间的差别。作者自己的结论是：基于运动的估算在群体层面没问题，但个体误差依然大到让运动和临床应用仍需改进。

一篇涵盖 24 篇系统综述的动态伞式综述——249 项验证研究、430,465 名参与者——得出的答案形状相同：可穿戴设备在基于静息测试时把 VO₂max 高估约 15%，基于运动测试时约 10%（Doherty et al., 2024）。这篇综述还指出一点值得停下来想想：迄今发布的消费级可穿戴设备中，只有约 11% 针对哪怕一项生物指标做过验证，而已完成的验证工作大约只占全面评估所需的 3.5%。

针对具体设备的研究补上了细节。当 Apple Watch Series 7 在 19 名成年人身上与代谢气体分析仪对比时，实验室均值为 45.88 ml/kg/min，手表为 41.37——平均绝对百分比误差 15.79%，组内相关系数 0.47，属于信度差（Caserman et al., 2024）。Garmin fēnix 6 在类似方案中表现更好，误差 7.05%，一致性系数 0.73——达到了研究预设的验证门槛（Carrier et al., 2025).

所以：不是没用，不是可以互换，也不是测量。

为什么误差在两端最大

数据里有一个容易被忽略的规律。Apple Watch 那项研究发现，估算倾向于高估体能差的人、低估体能极好的人——而在体能较好的亚组里准确性有所改善（误差 14.59%，组内相关系数 0.60）（Caserman et al., 2024).

这就是回归总体均值在现实中的样子。在广泛样本上训练出的算法，会把不寻常的个体往中间拉。结果让人不舒服：最在意结果的两类人——需要诚实基线的不健康者，和追逐微小进步的高训练者——恰恰是估算服务得最差的两类。

你的追踪器真正擅长什么

准确和有用不是一回事。一个数字可以系统性地偏离，仍然提供信息，只要它偏离的方向一致。

你追踪器的真正价值是趋势，不是真值。如果算法、设备和测试条件保持一致，八周内的上升多半反映了体能的真实变化——即便绝对数值差了好几个单位。不该做的是拿你手表上的数字去和朋友另一款手表、和公开的年龄对照表、或者和实验室结果比较，然后下结论。那些比较正是一致性界限咬人的地方。

把它当成一台有未知偏移量的体重秤。看方向有用，看绝对值不行。

怎样得到一个能据以行动的 VO₂max 数字

如果你想让这个估算有意义，证据指向三件事。

优先选择基于运动的估算。 INTERLIVE 的荟萃分析毫不含糊：以真实做功率为输入的算法优于建立在静息数据上的算法（Molina-Garcia et al., 2022）。在校准过的功率计上测得你真实功率输出的测试，给算法的原料远好于静息心率。CAROL 的 VO₂max 测试就是这样工作的——在个性化目标功率下完成一次次最大强度骑行，做功率是直接测得的，而不是在大风天从 GPS 配速推断出来的。

把条件标准化。 同一个测试、同一台设备、大致同一时间。方法保持不变，趋势数据才是趋势数据。

然后改变输入。 更好的 VO₂max 估算并不会提高它。训练才会——而强度比时长更重要。在一项为期八周的职场试验中，低消耗高强度间歇训练（REHIT）——也就是 CAROL 的方式，围绕约五分钟骑行里两次 20 秒全力冲刺——使心肺适能提高了 12%，而中等强度持续训练为 7%（Cuddy et al., 2019）。冲刺时长也不是随意定的：把冲刺从 20 秒缩短到 10 秒，会明显削弱 VO₂max 的提升（Nalçakan et al., 2018）。两项都是小规模研究，个体反应也各不相同——但方向是一致的。

结论

你健身追踪器上的 VO₂max 是个估算，而且噪声不小。基于运动的算法明显胜过基于静息的算法，但即便是好的算法，对某个具体的人也可能偏离真值约 10 ml/kg/min。而误差最大的地方，恰恰是你最不希望它大的地方——区间两端的不健康者和高训练者。

把这个数字用于看方向，而不是用于诊断。保持测试和设备不变，趋势才有意义。还要记住：估算是容易的部分——那个预测你能活多久的指标，回应的是艰苦的冲刺，而不是更好的算法。