用一枚戒指，撬動4.4億慢病人群的百億生意

出品｜虎嗅科技組

作者｜陳伊凡、李一飛

編輯｜苗正卿

頭圖｜視覺中國

2003年，香港中文大學教授張元亭開始研究開發智能戒指來監測血壓。那個時候，全球幾乎還沒有人認真把“戒指”當作一種可穿戴健康入口。

“做戒指的門檻特別低，兩三個月就能做出demo。”但做準很難，張元亭的團隊做了25年。

一直以來，智能戒指、智能腕表更像消費電子的延伸：統計步數、記錄睡眠、偶爾測個心率，更多是“看一眼就過去”的數據但連續、醫療級、無感的健康監測，始終是一道難以跨越的門檻。

這一次，張元亭選擇押注一家叫做靈析生物的初創公司，擔任首席科學家。

他曾在蘋果參與智能健康相關研究，見過消費電子如何將健康穿戴設備做成產品；也見過嚴肅醫療對“數據可信”的苛刻要求。他要找的，不是再做一枚更精致的消費電子產品，也不是一個傳統的醫療設備公司，而是一家想把智能穿戴推進醫療器械體系的公司。

在交流中，我問的一個問題是：靈析生物的對手，到底是華為、小米，還是歐姆龍、魚躍？

如果只是做一枚消費電子配件，對手天然是小米、華為、蘋果。但如果目標是把智能穿戴做成嚴肅醫療設備，衡量標準換成“醫療級精度、連續監測、臨床驗證、合規路徑”，對標對象更接近歐姆龍、魚躍這樣的醫療器械體系。

靈析生物的CEO彭智峰告訴我，長期來看，是后者。更準確地說，主要面向普通群體的慢病管理——這個一直被忽視的需求。

2024年，Oura Ring憑借一枚智能戒指在全球賣出300萬枚、估值突破50億美元。同一年，靈析生物的研發團隊正在深圳實驗室做動態血糖血壓測量的智能戒指研發。

彭智峰在全球化的醫療健康企業工作多年，負責血糖和糖尿病業務，那時他所在公司的血糖儀在中國市場份額第一。之后他在國內一家大型醫療器械企業做醫療大設備，接觸過CT、PET-CT這些復雜系統。他很清楚一個數字：中國有超過1.4億糖尿病患者，近3億高血壓患者。但慢病管理幾乎是一片空白。中國沒有家庭醫生，醫院的醫生每天要看一兩百個病人，根本沒時間做慢病管理。

2014、2015年，互聯網試圖填上這個空白。“百糖大戰”期間，大量APP做糖尿病管理、打卡、問診、控糖方案，想用軟件顛覆醫療管理。但后來發現根本顛覆不了。彭智峰說，核心問題是：他們只有軟件，沒有數據入口。沒有連續、可信的生理數據，所謂管理很快變成用戶手動記錄、間歇上傳、低頻互動，難以持續。所以彭智峰表示，靈析生物的核心戰略是以醫療級智能硬件為數據入口，以AI為“大腦”，構建“連續監測-數據沉淀-智能干預”的閉環。

這件事的技術難度，遠不止“做一枚戒指”。

無創血糖監測被業內形容為諾貝爾獎級的難題。血糖通過PPG技術檢測，利用綠光、紅光的反射和折射，根據血糖高低對光線波長吸收差異尋找關聯，但這是“弱連接”，不是精準連接。皮膚厚度、血管深度、環境溫度、運動狀態，每一個變量都在影響結果。美敦力、谷歌、華為、三星研究了很多年，都沒有重大突破。

連續血壓監測的難點不同，但同樣棘手。做小型醫療設備，核心是平衡三個點：數據精準監測性、用戶舒適無擾性、長期監測所需的續航——這在行業內被稱為“不可能三角”。在極小的體積內塞進傳感器、電池與電路，讓用戶長期佩戴不受干擾，同時把數據穩定做準，本身就是一場長期工程。

靈析即將推出的無創動態血壓醫療級精度戒指，研發中最大的問題就是續航不足。每個人的皮膚狀況不同——男性皮膚偏厚、女性皮膚偏薄、老人手上有硬皮，這些都影響光線的折射和透射，導致續航時間波動不定。他們最終通過算法優化，采用“待機-啟動-待機-啟動”的循環模式，一點點摳回續航時間。

靈析生物的核心成員來自強生、歐姆龍、魚躍等醫療器械企業，涵蓋營銷、市場、產品等領域；研發團隊在深圳開展早期預研。去年年底，彭智峰又引入了國際醫學與生物工程院院士張元亭的團隊，補上AI與模型側的能力，這套拼圖，才終于完整。

這也就能解釋，一家醫療設備基因的初創公司做智能穿戴，和一個消費電子或者互聯網基因的團隊做智能穿戴的不同邏輯。

這是一個精細化的生態卡位。如果做監護儀，就是直接和邁瑞競爭；做上臂式血壓計，就是和魚躍對打。但把戒指、手表這些可穿戴形態推到醫療級標準線之上，這不是大公司的核心業務。而反過來，消費電子企業則不會切入這么專業的醫療賽道。“目前中國還沒有一家大型公司會把醫療級可穿戴或AI可穿戴作為核心業務，”彭智峰說，“這是我們的機會。”

但這條路有一個獨特的價格約束：定價。如果按傳統醫療器械定價，很容易落到歐姆龍、魚躍的價格帶，但在形態和場景上，短期內未必能全面覆蓋那些成熟器械的專業度；可如果價格完全跟著消費電子走，又容易陷入國內的價格內卷，最終傷到研發和臨床驗證的投入。這個度很難拿捏。

彭智峰的回答是：從一開始就考慮出海，而不是在國內卷生卷死，卷到一定程度再出海。路徑上，因歐美市場政治因素復雜，靈析優先布局東歐、中東和“一帶一路國家。支撐這一判斷的，是團隊積累的海外渠道資源，以及已儲備的海外經銷商網絡，并且很多海外經銷商希望看到雅培等品牌之外的“第二選擇”。

CGM（動態血糖監測）市場，全球單品年銷售額高達800億人民幣；高血壓人群比糖尿病患者還要多。這樣的大市場，必然吸引更多玩家進入。

但靈析面對的更深層挑戰，不是競爭，而是如何讓這套入口真正跑起來。

Oura的前CEO說過一句話：Oura的本質是軟件問題，而非硬件。我們需要解決的是如何讓海量數據產生個性化洞察。正是踩中了“算法生成+數據飛輪”這條路徑，設備持續產生數據，模型據此迭代，再反過來改變用戶行為，繼續強化數據質量，Oura才從一枚戒指跑出了百億估值。

對靈析來說，把醫療級連續監測做準，只是起點。讓不斷更新的用戶數據與模型之間形成持續反饋，才是真正的壁壘。而要做到這一點，硬件的數據必須足夠精準、足夠連續、足夠可信。

為什么選擇醫療和智能穿戴結合的領域

虎嗅：為什么你們這個時候要做一家智能穿戴的醫療設備公司，以及為什么要針對慢病管理。

彭智峰：以前的健康數據給醫生看，以上海的三甲醫院為例，一個科室一天門診至少掛一兩百個號，醫生從早到晚疲于奔命，不可能在晚上還幫患者做慢病管理。而且慢病管理和醫生的KPI不沾邊，以前很難落地。

但這一波AI興起后，剛好填補了家庭醫生的生態位。從科技和醫學的嚴肅醫療角度來說，AI已經具備做家庭醫生的水平，這是天作之合。我認為大健康應該是AI最大的垂直應用，就像智能駕駛一樣，能真正幫到人。

中國沒有家庭醫生，所以慢病管理一直落不了地：醫生被限制在醫院里，每天忙著看病人，根本沒有精力做長期隨訪和管理；慢病管理又不在KPI里。

現在有了垂類應用的AI，它真的可以落地，因為它已經具備基礎的家庭醫生水平，能給出健康診療建議，類似醫囑。加上糖尿病、高血壓這類慢病不會馬上危及生命，更適合AI用長期趨勢去做管理。

純軟件時代已經證偽了。沒有硬件抓手，慢病管理就是空中樓閣；但如果只做硬件，沒有AI對連續數據的解讀，用戶拿到的只是一堆無意義的曲線。

我們要做的，是軟硬一體化的AI健康穿戴解決方案——硬件負責連續、無感、醫療級的數據采集，AI負責把數據轉化為可執行的醫囑，缺一不可。

虎嗅：這是你們做智能穿戴設備的背景，但是智能穿戴很早就有了，華為、小米、蘋果這些玩家也都在做。你們現在再做，憑什么從競品里跑出來？

彭智峰：我有三個核心觀點。

第一，軟硬件一體化+ AI賦能，到現在這個階段終于讓可穿戴設備的數據找到了出口。

第二，過去的健康監測基本是被動式、碎片化的。你無法捕捉凌晨3點的夜間血壓高峰，也無法看到餐后血糖波動的完整曲線。即便后來在可穿戴設備中能監測的數據，大家更多是在特定場景里“偶爾看一眼”，比如運動時看看卡路里、心率，數據用過就丟，不會形成持續價值。

我們強調連續監測，是為了和現有智能硬件形成區別、實現突圍。希望健康監測走向連續、無感、全場景化：用戶只要戴著，后臺的AI（比如血壓大模型、血糖智能體）就能默默讀取數據、形成長期檔案，在不打擾的前提下做預警。

第三，醫療精準化。用戶為什么要選我們的戒指或手表，而不是華為、小米？核心是數據要更精準。數據不準就沒有意義，“rubbish in，rubbish out”，哪怕AI再強大，處理無效數據也只能得出錯誤結論。所以我們的產品要求達到醫療級精度，或通過醫療級精度認證。

總結起來，我們要做的核心是三點：醫療級精度是底線，連續監測是手段，AI賦能是終局。。這樣就能把產品從潮人的“玩具”、普通消費電子產品，轉變為用戶真正的健康管理助理，用戶粘性和數據粘性也會遠超同類產品。

虎嗅：從公司成立到第一款產品推出大概用了多長時間？

彭智峰：準確來說差不多一年半。

虎嗅：你自己為什么選擇做可穿戴而不是繼續做大型醫療設備？

彭智峰：過去我接觸的是CT、PET-CT這類產品，研發周期動輒三五年，渠道是醫院、科室，決策鏈非常長，根本不是一個能快速出圈的市場。

可穿戴不一樣。它面向的是普通用戶，講究的是場景化和爆品邏輯：選對一個高頻慢病場景，產品做到足夠精準、足夠無感，就有機會快速普及。我們配合當下的AI浪潮，在糖尿病、高血壓這兩個最大的慢病場景里先做出來，就能形成從入口到數據再到AI管理的完整閉環。

傳統醫療器械的路是精英渠道、醫院決策，但我們走的是大眾用戶滲透——讓普通患者戴上它，形成長期數據，然后用AI把這些數據變成真正有用的健康管理。這兩條路的邏輯完全不同。

為什么要做全品類？

虎嗅：你們做的是血壓、血糖這種“更硬”的指標。那么現在做到什么程度了？哪些能做到醫療級，哪些還不行？

彭智峰：血壓方面，我們和張元亭院士合作的設備，基本上能達到醫療級精度，這是必須要做到的。另外，心率、血氧這些體征，現在也肯定能達到醫療級精度。

血糖方面，無創監測目前還有壓力。無創血糖是行業的終極目標，業內都在往這個方向努力，我們也不例外。你可能聽過一句話，能做出精準的無創血糖監測，足夠拿諾貝爾獎。

虎嗅：無創血糖到底難在哪？為什么大廠也做了很多年還沒“做準”？

彭智峰：因為血糖受太多因素影響，比如運動、飲食、心情等都會干擾。

無創血糖一般通過PPG技術，用綠光、紅光的反射和折射，將光線射入手指等部位，通過血糖高低對光線波長吸收差異來尋找關聯，但這是一種“弱連接”，不是精準連接，只能再靠算法校準、修正——而算法要同時考慮的干擾變量非常多。

目前業內，包括美敦力、谷歌、華為、三星這些大廠，研究了很長時間都沒有重大突破，所以他們也不敢說能做出精準的無創血糖監測產品。

虎嗅：如果無創血糖很難“做準”，那產品怎么落地？你們怎么把這件事拆開做？

彭智峰：我們現在針對血糖有兩款產品。

第一類是戒指上的無創血糖監測，我們會嚴謹地定位為趨勢監測。對糖前期、正常狀態以及亞健康狀態的用戶來說已經足夠了，因為他們不需要知道具體數值是5.3、5.2還是5.4，只要知道血糖是否在正常范圍內波動就好。

第二類是針對糖尿病臨界點人群和確診患者，我們有CGM（動態血糖監測），這款產品的精準度就很高。

我們會提供一個全覆蓋的方案：無創趨勢監測 + CGM精準監測，兩者結合。具體用哪一種，要看消費者處于什么健康狀態。糖尿病的發展路徑是從健康到亞健康，再到糖尿病臨界點，最后到確診；針對不同階段的人群，我們都有對應方案。

虎嗅：真正卡住你們的工程瓶頸是什么？

彭智峰：醫療設備研發，做大和做小都很難。做大的話，比如把設備做成CT、PET-CT，難度很大，涉及巨型設備、復雜系統及子系統，我之前接觸過，深有體會。

但做小同樣非常難。核心是要平衡三個點：數據精準監測性、用戶舒適無擾性，以及長期監測所需的續航問題，這在行業內甚至被稱為“不可能三角形”。

因為在極小的體積內，比如我們的戒指產品，要做得非常薄、非常小，同時還要容納柔性電路板、傳感器、電池，還要兼顧外觀輕薄和無感體驗，這種平衡很難實現；電池體積有限，續航本身就受限制。

比如我們即將推出的無創動態血壓醫療級精度戒指，研發過程中最大的問題就是續航不足，這也是行業通病。

它需要持續監測、計算，生成血壓曲線，還要進行校準，續航壓力很大。而且每個人的皮膚狀況不同，男性皮膚偏厚、女性皮膚偏薄、老人手上有硬皮，這些都會影響光線的折射和透射，進而導致續航時間波動不定，始終達不到預期標準。

我們為此鉆研了很久，最終通過算法優化，采用“待機-啟動-待機-啟動”的循環模式，一點點摳回續航時間。為了省電，我們把一部分云端算法內嵌到本地板子里，不需要持續與線上連接、上傳下載數據，這樣一來上傳的數據量變得很低，既減少故障，也大幅降低耗電。

虎嗅：回到“做產品”本身，你們一開始就說要all in全品類，品類到底怎么排先后？為什么這么排？

彭智峰：肯定是有步驟的。

單說CGM市場，全球單品年銷售額就有800億人民幣，規模非常龐大，在國際上也被稱為糖尿病或醫療器械領域最大的單品。

所以我們最早組建的核心研發人員，都是做CGM的專家，這是第一個重點。緊接著，我們就將目光投向血壓監測，因為血糖和血壓是兩個核心體征信號監測指標，而且高血壓人群比糖尿病患者還要多。

我們也清楚血壓監測的痛點：上臂式血壓計是單點測量，但未來趨勢必然會從單點走向連續監測。所以我們馬上開始定義連續血壓監測產品，也就是手表或戒指形態。

可穿戴設備的核心是硬件入口，我們不會標新立異去創造新場景，而是選擇大眾已經廣泛接受的可穿戴部位和場景，也就是手表、戒指這類產品。

確定這兩個核心品類后，我們才會考慮其他領域，比如通過合作共創的方式涉足呼吸睡眠監測。整體路徑是：先聚焦糖尿病、高血壓，再逐步拓展到心血管疾病、呼吸慢病、肥胖等場景。

虎嗅：多品類布局聽起來很“全”，但也容易變成不聚焦，尤其是對比Oura只做戒指，你們為什么不只做一件事把它做透？

彭智峰：我們之所以要做多個產品，和定位有關，我們從來沒把自己看作純硬件公司。之所以一直強調AI+，是因為我在之前的公司時做過數字化慢病管理。

2014、2015年有過“百糖大戰”，很多APP做糖尿病管理，大家覺得能用互聯網方式顛覆醫療管理，但后來發現根本顛覆不了。核心問題就是他們只有軟件，沒有數據入口，只能靠導流等方式獲取用戶，難以持續。

醫療健康領域真正需要的是軟硬件一體化。

這看似是多品類，其實只有一個核心：全場景連續數據入口。

慢病管理需要多維數據：血壓看心血管，血糖看代謝，呼吸看睡眠。如果只做一個單品，數據是斷裂的；戒指（無擾長期）+手表（交互豐富）+CGM（精準血糖）的組合，可以更好形成完整的用戶健康畫像。

我們的邏輯是“硬件矩陣采集，AI中樞統一”。所有設備數據匯入同一個AI引擎，交叉驗證、互補校正。比如戒指監測到心率異常，結合CGM的血糖數據，AI才能判斷是低血糖還是心律失常。

這是“以AI慢病管理為目標，反向定義硬件形態”的戰略。單品是入口，數據是資產，AI才是終局。

以硬件為入口，核心是數據

虎嗅：你前面反復強調“硬件是入口”。那等數據從入口進來之后，你們真正要把事情做成，關鍵動作是什么？

彭智峰：關鍵還是兩件事：一是持續提升數據質量，把醫療級精度做成可重復的工程能力；二是讓用戶和數據真正留下來，形成持續的健康檔案。只有數據積累夠了，AI的管理建議才有意義，數據飛輪才能真正轉起來。

虎嗅：具體到AI，你們說后面會加入大模型。可大模型對數據量和運行量要求更高，這件事會不會把硬件拖垮？

彭智峰：目前我認為不影響。大模型本質上就是算法加大數據，它在戒指、手表上不會呈現全視頻、全圖形界面，更多是輸出文字信息，比如醫囑，告知當前健康狀況是否超標、需要注意什么。這類文字信息本身數據量很小。

可穿戴設備無論是手表、戒指還是CGM，最多只需要呈現曲線以及對曲線的解讀，目前完全可以應對。當然不排除未來迭代后會出現三維立體影像，到時候數據量就會大幅增加，那時需要更強大的電池；在現階段還不需要擔心。

虎嗅：為什么選擇和張元亭院士團隊合作，而不是直接接入一個現成的大模型？

彭智峰：我們也和其他團隊聊過，從一開始我們做了通盤考慮，也有自己研發的想法。

最終選擇和張元亭院士團隊合作共創，是因為張元亭院士在血壓領域做了二三十年，有大量的數據和算法積累，實力很強。我們最初計劃從血糖領域切入，所以雙方一開始是有gap的，但后來發現目標一致，都是希望覆蓋全健康場景。

虎嗅：你們在垂類數據的積累上有什么規劃嗎？

彭智峰：有的，我們一直在準備，但需要時間。我們找華西等大醫院合作，也是希望借助臨床數據來錘煉我們的模型版本。不過這個過程不會太快，必須遵循醫院的倫理規范。

我們不可能覆蓋從硬件到軟件的所有范疇，這不現實，因為需要組建龐大的團隊。我們自己做的部分，主要體現在臨床數據的采集和基本判斷上。大模型本質上就是一個統計學模型，它分為數據采集、數據判斷、數據清洗，以及最終的理論架構部分。其中，理論架構很多時候依賴統計學理論，這一塊對我們來說目前還有難度，可能需要借助合作伙伴，比如張元亭院士團隊，來搭建基礎理論模型。

而我們的優勢在于數據采集，我們有硬件基礎，清楚數據采集的模式和格式，這部分可以嵌入到大模型中；同時，數據的清洗和判斷也是我們的優勢，因為我們更懂臨床，會吸收很多臨床專家的意見。

虎嗅：還有一個現實是國內醫療器械和可穿戴都很容易卷成價格戰。你們怎么規劃出海，把增長放到更大的市場？

彭智峰：在國內卷價格戰，會壓縮醫療級研發和臨床驗證的投入，最終傷害產品。而海外市場對醫療級連續監測的付費意愿更強，監管體系更成熟（如FDA、CE），能支撐我們堅持醫療級定價。

路徑上，我們優先布局東歐、中東、一帶一路國家。這些市場的經銷商正在尋找雅培之外的第二選擇，而我們需要他們的渠道來驗證“醫療級AI慢病管理”的全球化可行性。最終，我們要證明，中國團隊不僅能做性價比，更能做醫療級的技術創新和AI應用。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4839988.html?f=wyxwapp