400个B端客户倒逼出来的转型：可穿戴设备的终局不仅仅是硬件

这不是科幻场景。它是深圳埃微信息技术有限公司服务的养老项目中，真实发生的事件。类似的故事，过去几年在埃微的客户项目中积累了数百例。

但有意思的是——埃微并不是一家做预警的公司。至少一开始不是。

“能不能别只给我一块手表？”

埃微早期以可穿戴硬件和OEM/ODM能力被行业熟知。成立十余年来，累计服务了超过400家健康类客户，覆盖医院、保险、大健康、养老、企业健康和政企平台等方向。其中医院客户涉及心内科、康复科、呼吸科、内分泌科、神经科等十多个科室。

但过去几年，客户提出的问题变了。

越来越多客户不再问“能不能做一款手表"，而是问“能不能把硬件、数据、算法和系统一起交付"——医院需要院外随访工具，但不想从零研发设备和平台；保险公司关心可穿戴数据能否进入健康险风控；养老机构追问设备能不能稳定佩戴、异常能不能及时响应；企业健康平台则希望快速补齐硬件入口和基础算法能力。

“很多客户并不是没有业务场景，而是卡在底层能力上。” 埃微创始人祝红甲将这个变化概括为一句话。

一个看似简单的远程健康管理项目，往往会牵涉九个环节——设备选型、传感器质量、通信稳定性、数据清洗、算法指标、后台系统、用户管理、售后交付和业务运营。任何一块短板，项目都可能停留在试点阶段，难以规模化落地。

每个客户不需要再去重复造轮子：研发硬件，定制软件，打磨基础的算法等。他们只需要把注意力投入他们优势的具体业务和数据模型上，底层能力直接采用现成方案，快速试错，迭代自己的业务能力。

这些客户表面上都在使用可穿戴设备，背后的真实需求却截然不同：

这就是为什么单一硬件很难覆盖B端数字健康场景。

一块手表可以提供数据入口，但不能单独解决随访管理；一个心电贴片可以采集信号，但还需要数据处理和医生端工具；一台血压设备可以提供单项指标，但慢病管理往往需要多个指标共同判断。埃微近年来将产品线从手表扩展到贴片、血压设备、血氧设备、睡眠监测设备、体温设备、体脂秤和家庭健康站等多模态产品，本质上是在适应这种组合式需求。

对B端客户而言，关键不在于设备种类有多少，而在于这些设备能否在同一个数据体系和业务场景下协同工作。

今天，测心率、血氧、睡眠的设备已经很多。真正难的是：这些数据进入医院、养老、保险或企业健康场景后，能否被持续使用。

首先是稳定性和依从性。 消费级设备可以接受偶发掉线或用户短期不用，但在B端项目中，设备一旦批量部署，问题会被放大——续航、佩戴舒适度、通信稳定性、数据完整性和批量质量一致性，都会直接影响项目成败。佩戴的舒适性始终是个矛盾但是非常重要的问题，只有在舒适性和健康需求达到平衡点，用户才能有良好的依从性。埃微长期从事可穿戴设备研发并拥有自建工厂，相比纯软件公司和传统医疗器械公司，在设备人体工学，稳定交付和批量质量一致性上具备底层优势。

其次是数据质量。 B端客户需要的不是“有数据"，而是“可信的数据"。心率、血氧、血压、心电、睡眠和活动数据，在真实环境中都会受到佩戴状态、运动伪影和信号质量影响。埃微的做法是在设备端和平台端分别设置数据质控层——设备端做信号质量评估和伪影标记，平台端做异常值过滤和连续性校验。同时针对不同场景需求，设计不同款式的设备。例如，气泵式血压手表并不能适用所有慢病管理场景，人群适应性和使用方式的局限决定了它只能在特定场景中使用，这需要交付方在项目前期就给出明确判断，而非事后补救。

第三是系统对接。 医院有HIS、EMR和随访系统；保险公司有风控和客户运营系统；养老机构有护理管理后台；企业健康平台有自己的会员和服务体系。可穿戴设备如果不能进入这些系统，就会变成新的数据孤岛。埃微目前已将数据能力封装为标准API，提供4G和蓝牙两种数据对接通道，并支持中性App和中性平台接入，减少客户二次开发成本。

从目前的业务结构看，埃微的能力分为三层——但更重要的是，客户从每一层中获得了什么：

三层之间不是并列关系，而是递进关系——硬件保证数据入口的可靠性，算法保证数据到指标的转化质量，平台保证指标能进入客户的业务流。

可穿戴设备过去很长时间的主要价值，是把数据展示给用户。但在B端场景中，数据展示只是起点。

医院不缺数据，缺的是帮助医生识别重点患者的有效信号；养老机构不只是想知道老人今天走了多少步，而是想知道谁需要被提前关注；保险公司不只是想获得运动数据，而是希望理解用户风险状态是否发生变化。

这就是风险预警的价值：一个老人的夜间血氧连续下降，是否提示睡眠呼吸风险；一个心衰患者的活动能力、心率、阻抗和睡眠同时变差，是否意味着需要干预；一个术后康复患者活动量长期没有恢复，是否需要重新评估；一个企业员工的睡眠、HRV和静息心率持续走差，是否反映长期压力问题。

这些问题很难靠单次检测回答，也很难靠单一传感器回答。它们依赖的是连续数据、多模态融合和场景化算法。人体的大部分慢性疾病都是一个量变到质变的过程：系统从失衡到代偿到疾病，再到重新平衡再打破平衡是一个过程，而在这个过程中细微的变化靠自己是很难觉察，这就是可穿戴设备的价值。

在学术侧，Stanford等团队已经基于大规模多导睡眠数据训练出可预测超百种疾病风险的AI模型，将脑电、心电、肌电、呼吸、血氧和体动等多模态信号用于130多种疾病风险预测。在产业侧，埃微正尝试将类似的多模态融合思路，落地到B端可穿戴设备可采集的信号范围中——用更轻量的设备组合，覆盖更广的慢病管理和健康风险预警场景。

埃微当前重点布局的方向，包括心脑血管风险管理、心肺趋势监测、睡眠呼吸筛查、代谢风险预警，以及养老场景中的跌倒风险、定位和SOS响应。这些方向背后对应的，都是相对明确的B端场景和付费逻辑。

不过，风险预警不是一个可以轻易承诺的能力。在医疗场景中，算法结果是否可靠、是否具备足够临床验证、如何与医生决策边界区分、如何避免过度告警和责任不清，都是必须长期解决的问题。这也是数字健康行业从“设备公司"走向“基础设施公司"必须跨过的一道门槛。

可穿戴设备行业正在进入新的阶段。

C端市场上，手表、戒指、耳环等单品借着AI加持井喷式爆发。大模型对健康医疗高速的渗透。B端的关注点，也快速地从硬件参数——屏幕、续航、传感器、价格和外观——转向更本质的问题：设备能否稳定部署，数据能否连续采集，算法能否提供有效指标，平台能否对接原有系统，项目能否长期运营。

可穿戴设备在B端的价值，正在从“卖单品"转向“提供系统能力"。

埃微的变化，本质上是行业变化的一个缩影。服务400多家健康类客户之后，埃微得到的判断是：客户真正需要的不仅仅是一块手表硬件，而是一套能够把人、设备、数据、算法和服务连接起来的长期监测系统。