苹果手表的睡眠阶段准确性如何？验证研究实际显示了什么

苹果手表在区分清醒与睡眠方面表现良好，但在区分各阶段上仅表现中等。在苹果自己的多导睡眠监测(PSG)验证中，当前算法识别了96.8%的睡眠时段和78.9%的清醒时段，并与人类评分者在四个阶段上的一致性kappa为0.68¹。独立实验室在未得到苹果参与的测试中报告的睡眠与清醒的一致性和同样的弱点：深度睡眠，手表只能在脑电图识别的30秒窗中的一半左右找到此阶段²³。

Kappa是一个机会修正的同意评分：1.0是完美的，0是抛硬币的结果。为了提供背景，训练有素的技术人员对同一多导睡眠监测记录的评分一致性达到了大约0.76¹⁰。因此，整夜的手表得分与第二个人类意见相差不远，但其错误聚集在深度睡眠和安静的无动作清醒时段。

以下内容均涉及苹果自推出watchOS 9以来的睡眠阶段功能，并于2025年9月为watchOS 26重新训练¹。截至2026年9月发布的watchOS 27和苹果手表系列12，苹果尚未发布更新的验证文件，因此截至2025年10月的数据仍是最新数据¹¹⁵。

睡眠实验室通过脑波、眼动和肌肉张力来评分睡眠。苹果手表没有这些传感器。它的阶段分类器仅依靠三轴加速度计，读取粗大动作和由于呼吸引起的微小手腕振动，并将每个30秒段标记为四个标签之一：清醒、快速眼动、核心或深度睡眠¹。心率、手腕温度和血氧在晚上被记录下来以提供其他特性；阶段分类器本身是基于加速度计的¹。

这些标签对应于临床标签，简化处理。深度对应N3，快速眼动对应REM，而核心则结合了N1和N2，因为手表无法区别二者。苹果选择使用“核心”这个词而不是“轻睡”是因为N2通常占据一晚的过半部分，并不是一种较低级别的睡眠¹。

该算法在858人中训练了1,171个夜晚，并在166人中测试了299个夜晚，包括患有睡眠呼吸暂停和周期性肢体运动的参与者¹。2025年，苹果使用基于苹果心脏和运动研究数据构建的基础模型对其进行了再训练，并在相同的验证集上评估了新版本¹。自watchOS 11以来，手表在预定时间以外也能记录睡眠，但仅对超过三小时的会话写入阶段；短暂的小憩只会记录为简单的睡眠或清醒记录¹。

这里有两个重要数字。灵敏度是手表标记为睡眠的真实睡眠阶段的比例；特异性是手表标记为清醒的真实清醒阶段的比例。苹果报告2022年算法的中位数为97.9%和75.0%，2025年更新为96.8%和78.9%¹。传统的研究活动监测通常达到90%到97%的灵敏度，但特异性通常低于50%¹。

独立研究证实了灵敏度，并对特异性更加严格。在2024年对35名健康成年人进行的单晚研究中，苹果手表系列8检测到了97%的睡眠阶段，并在93%的全部阶段中与PSG在睡眠与清醒上的一致性达到了³。在2025年对62名因怀疑睡眠呼吸暂停而转诊的成年人的研究中，灵敏度为96%，但特异性降至52%，因此，几乎一半的夜间清醒阶段被记录为睡眠²。

实际后果是一个持续的偏差：手表倾向于报告比你实际获得的睡眠略多。健康组的总睡眠时间被高估了8分钟，而呼吸暂停组高估了20分钟，入睡后觉醒时间分别低估了10和21分钟²³。2025年对24项手腕追踪器研究（包括苹果手表）的荟萃分析发现，集团与PSG的总睡眠时间存在约17分钟的偏差和入睡后觉醒时间约为13分钟的偏差⁷。对于七个小时的夜晚，这大致是一个3%到5%的错误。

苹果在2025年算法的混淆矩阵显示每个真实阶段被标记为正确的频率：核心82%，快速眼动82%，清醒79%和深度68%¹。2022年版本在同四个阶段的评分分别为83%、78%、70%和62%，所以更新在清醒和深度睡眠方面帮助最大，四阶段的中位数kappa从0.63上升到0.68¹。

同样的模式出现在苹果之外。在2024年的健康成年人研究中，系列8找到了86%的浅睡眠阶段和83%的快速眼动阶段，却仅找到了51%的深度睡眠阶段，深度睡眠被低估了43分钟，而浅睡眠则被高估了45分钟；与PSG的四阶段一致性为75%（kappa 0.60）³。在2025年的六设备研究中，手表在浅睡眠（83%）和快速眼动（69%）上再次领先，但深度睡眠仅为51%，低估了25分钟。其kappa为0.53仍是六款手腕设备中表现最佳，领先于Fitbit Sense（0.42）、Whoop 4.0（0.37）和Garmin Vivosmart 4（0.21）²。

一个有利于手表的细微之处是，当手表标记一个阶段为深度时，它通常是正确的：在健康成年人研究中深度睡眠的精准度为88%³。问题在于它错过的深度睡眠，而不是它创造的深度睡眠。一个显示40分钟深度睡眠的夜晚很可能至少包含那么多，甚至可能更多。关于这一阶段的功能和正常范围，请参阅 深度睡眠基础。

并非所有研究都对错误的方向意见一致。2026年对佩戴系列7的健康成年人进行的家庭多导睡眠监测研究发现了相反的偏差，浅睡眠低估了74分钟，快速眼动高估了30分钟，尽管手表在测试的三款设备中仍排名第一⁵。不同的手表代、软件版本和卧室环境可能产生不同的错误，因此没有固定的修正方法可应用于你自己的数据。

安静清醒看起来像核心

眼睛睁开静静躺着几乎不会产生任何动作。在苹果的验证中，2022年算法将27%的真实清醒阶段标记为核心；2025年更新专门针对“安静清醒”将这一比例降至17%¹。这就是手表低估清醒时间的原因，以及当睡眠片段化时特异性降至52%的原因²。

深度睡眠也看起来像核心

苹果矩阵中最常见的错误是将真正的深度睡眠标记为核心：2022年为38%的深度阶段，2025年降至32%¹。深度和核心都是静止的，呼吸模式相对规律，而将它们区分开的特征，慢波脑电活动，则是手腕传感器无法探测到的。将心率数据添加到原始苹果手表加速度计数据的研究组发现，四分类的准确性约为71%与脑电图头带对比，因此手腕信号的上限离苹果目前的位置并不远⁹。

片段化的睡眠更困难

苹果自己的分析发现，频繁的阶段转换和较高的呼吸暂停-低通气指数是减少一致性的两个主要因素，而手表模型没有影响¹。在236名睡眠门诊患者的单独队列中，2022年算法的kappa为0.55，2025年为0.66¹。独立的临床研究则更加严格。2023年对75名平均呼吸暂停-低通气指数为18的患者进行的多中心韩国研究，由一家自身应用排名第一的睡眠科技公司进行，记录的苹果手表8的kappa为0.30，41%的深度睡眠阶段和43%的快速眼动阶段被探测到⁴。2026年一篇基于有呼吸暂停患者的苹果手表数据的研究补充警告：长时间的“轻松”清醒，比如入睡前在床上的时间，会膨胀报告的准确性，因此来自健康志愿者的数据并不适用于有干扰的睡眠⁸。

佩戴和会话时长

苹果指出，松动的腕带会降低加速度计信号的质量，且阶段只有在睡眠会话超过三小时时才会被记录¹¹¹。一个短的夜晚，或者手表在手腕上滑动，都将产生一个比上述研究所示更糟糕的图表。

watchOS 26于2025年9月发布，带来了上述重新训练的加速度计模型，并引入了睡眠评分¹¹⁴。苹果表示，评分算法是在来自苹果心脏和运动研究的超过500万晚的数据上开发和测试的，并接受了美国睡眠医学学会、国家睡眠基金会和世界睡眠学会的指导¹⁴。后来的26.2更新细化了评分分类；目前的分数分别为极低（0到40）、低（41到60）、一般（61到80）、高（81到95）和极高（96到100）¹²¹³。

苹果手表系列11没有添加专用的睡眠传感器；睡眠评分适用于系列6或更新版本、SE（第2代）或更新版本以及所有运行iOS 26的Ultra系列¹⁴。2026年9月发布的系列12和Ultra 4，带来了重新设计的健康传感系统，每五秒读取心率，全日最多测量HRV24次，为夜间生命体征添加恢复HRV读数以及0至10的准备分数，该分数将睡眠评分作为一个输入¹⁵。这一切并未改变阶段的评分：苹果的分阶段文档仍然描述了仅基于加速度计的分类器，其验证发现手表型号之间的kappa没有差异，且关于watchOS 27或新硬件的阶段准确性数据也不存在¹¹⁵。

阶段比例是手表正确标记的真实阶段时长比例；偏差是手表与PSG整晚的差异。

相信框架，质疑内容。 就寝时间、醒来时间、总睡眠和你日常作息的规律性来自算法中证据最强的部分。它们也是苹果自己评分的部分：睡眠评分由持续时间50分、最近13晚就寝时间一致性30分和中断20分构成，而阶段分钟不计分¹¹¹²。如果你追踪一件事，那就追踪一致性。

带边际读取阶段分钟。 在上述研究中，深度睡眠每晚偏差25到43分钟，浅睡眠偏差45到74分钟，方向不同²³⁵。单晚“只有35分钟深度睡眠”处在误差条的范围内，告诉你几乎没有什么信息。经过30晚后，随机误差部分会在很大程度上相互抵消，这就是为什么几周的趋势即使在单晚数据不靠谱时仍有意义的原因。如果你每天早上检查图表，请阅读如何停止过度分析苹果手表睡眠数据。

知晓何时数字可靠性最低。 如果你打鼾、频繁醒来、腿部不安或长时间清醒，你就处于所有研究发现一致性最弱的人群中¹²⁴。手表在时间和时长方面仍然有用，但是持久的抱怨应该去寻求临床医生进行真实的睡眠研究，而不是寻找更好的可穿戴设备。苹果自己声明其睡眠阶段并未针对临床使用¹。

根据你的问题选择外形因素。 在2024年面对面研究中，Oura Ring Gen3的深度睡眠阶段检测准确率为80%，与手表的51%相比，而在睡眠与清醒的判断上两者持平³；我们的手表、戒指和床头传感器比较涵盖了权衡。Moon遵循相同的证据读取：它导入苹果手表写入苹果健康的阶段，但更关注时长、时机和一致性，并将阶段变化作为多周趋势展示，而不是每晚的裁决。