Apple一直在为AirPods寻觅新的健康相关功能。今日，美国专利商标局公布了Apple的一项全新专利申请，内容描绘了AirPods类设备一个令人意外的新角色：作为持续、被动的监测器，追踪我们的咀嚼方式、食物咀嚼硬度以及这些习惯可能对下颌健康造成的长期影响。

该专利文件始于一个观察结论：咀嚼属于半自动化行为，用户往往并未意识到自身长期存在的不对称习惯，比如习惯性单侧咀嚼、紧咬牙关或磨牙。历经数月或数年，这些无形的习惯可能导致颞下颌关节（TMJ）疼痛、咀嚼肌损伤以及颞下颌关节紊乱病（TMJD）等相关病症。

Apple将该系统定位为一种用于揭示这些隐藏行为的工具，能生成量化的下颌健康指标，并在必要时引导用户养成更健康的咀嚼模式及选择更柔软的饮食。

所提议的下颌健康系统利用一副耳机（包括耳塞式、头戴式或罩耳式），每个耳机都内置多种传感器，例如外部麦克风、内部误差麦克风、语音加速度计、运动加速度计、陀螺仪和磁力计。

当用户进食时，这些传感器会捕获下颌左右两侧咬合与咀嚼时的骨传导振动及运动特征，生成关于左侧和右侧的用户数据。处理器（可位于耳机内、iPhone等配套设备中，或分布式于两者之上）运行音频与运动分析流程，对信号进行过滤、去噪、标记并转换为频谱图，然后检测每次咬合的开始/停止索引及咀嚼事件。

一个专用的不对称性子系统统计左右耳机检测到的每次咬合中的咀嚼次数，并在单次咬合内以及更长的时间周期（如一餐、一天或一个月）内对这些计数进行比较。

由此，系统生成一个连续取值从-1到+1的不对称性指标，其中-1代表强烈偏向左侧，+1代表偏向右侧，0则表示咀嚼平衡。与此同时，硬度子系统分析与咬合力及振动相关的信号特征，将正在食用的食物相对于可配置硬度阈值，分类为软或硬，并输出一个二进制硬度指标（0代表软，1代表硬）。

Apple提议将不对称性和硬度输出结果，基于时间序列数据的线性或非线性映射，整合为一个综合的整体下颌健康指标（例如缩放至0到1之间）。该指标可被转化为平衡、轻微不对称、中度不对称或严重不对称等类别呈现给用户，并与健康指导内容或警报相关联。

通知并非一刀切：系统依赖用户档案，例如，患有颞下颌关节紊乱病（TMJD）的人在咀嚼高度不对称时可能收到更频繁或即时的警报，而那些要求避免食用硬食的人则会在咬击特征超过硬度阈值时获得警告。专利还设想了在配套设备上的实时或准实时消息推送，比如当行为偏离用户定义的下颌健康目标时，发出避免硬糖的警告。

在技术实现层面，专利概述了一种模块化架构，耳机内配备可选滤波器、去噪器、缓冲区，以及用于不对称性和硬度分析的独立或统一子系统。Apple解决的一个显著挑战是，咀嚼会产生强烈的干扰源信号，这可能干扰同一麦克风和运动传感器捕获的其他生理测量值（如心率或呼吸）。

为解决此问题，系统包含一个去噪器，可将清晰的咬合与咀嚼信号从同时存在的生理信号中分离出来，这或许会借助基于多传感器数据训练的多输入多输出（MIMO）机器学习去噪器实现。处理流水线可通过无监督数字信号处理启发式方法、机器学习模型（如卷积神经网络 CNN、循环神经网络 RNN、变换器 Transformer 及多模态大语言模型 LLM）实现，或采用混合方案——基于规则的逻辑处理依赖于模式和噪声的传感器权重分配，而机器学习则负责频谱图中的模式识别。

专利还描述了一套完整的机器学习训练流程：将标记好的咬合、咀嚼及食物硬度的精选数据集进行预处理，输入搭载 GPU 的平台上训练模型，然后以分段模型（独立的咬合检测、咀嚼频率、硬度模块）或统一的多模态模型（联合学习全部三项任务）的形式部署回下颌健康系统。这些模型可完全在设备端运行，在耳机与配套设备间分布式运行，或采用包含联合学习（Federated Learning）和安全多方计算的隐私保护配置。

与Apple更广泛的健康与传感策略一致，该专利申请详尽阐述了隐私问题，包括匿名化、聚合、可选/退订控制、本地处理、联合学习、差分隐私及加密保护。强调个人和健康数据应尽可能保留在设备端，远程训练和存储则通过安全数据存储、加密和严格治理实现，且模型可在遵循用途限制和同意要求的前提下进行自适应优化。

此次申请中突出的创新亮点在于，将消费级耳机、多传感器音频与运动分析、机器学习技术进行特定融合，以生成明确的以下颌为中心的健康指标，而非通用的活动量或降噪增强功能。该专利超越了简单的咬合计数，迈向了针对左右侧的咀嚼不对称指数、食物硬度/韧性分类，以及一个可长期追踪并与颞下颌关节紊乱病（TMJD）和术后康复个性化指导相结合的综合下颌健康评分体系。

同样重要的是，Apple通过引入一种去噪器，实现了与其他传感任务（心率、呼吸监测）的共存。该去噪器不将咀嚼视为需要抑制的噪声，而是将作为一种可提取并量化的信号，从而将传统的干扰信号转化为 AirPods 生态系统内一种全新的健康监测维度。