用一枚戒指，撬动4.4亿慢病人群的百亿生意

出品｜虎嗅科技组

作者｜陈伊凡、李一飞

编辑｜苗正卿

头图｜视觉中国

2003年，香港中文大学教授张元亭开始研究开发智能戒指来监测血压。那个时候，全球几乎还没有人认真把“戒指”当作一种可穿戴健康入口。

“做戒指的门槛特别低，两三个月就能做出demo。”但做准很难，张元亭的团队做了25年。

一直以来，智能戒指、智能腕表更像消费电子的延伸：统计步数、记录睡眠、偶尔测个心率，更多是“看一眼就过去”的数据但连续、医疗级、无感的健康监测，始终是一道难以跨越的门槛。

这一次，张元亭选择押注一家叫做灵析生物的初创公司，担任首席科学家。

他曾在苹果参与智能健康相关研究，见过消费电子如何将健康穿戴设备做成产品；也见过严肃医疗对“数据可信”的苛刻要求。他要找的，不是再做一枚更精致的消费电子产品，也不是一个传统的医疗设备公司，而是一家想把智能穿戴推进医疗器械体系的公司。

在交流中，我问的一个问题是：灵析生物的对手，到底是华为、小米，还是欧姆龙、鱼跃？

如果只是做一枚消费电子配件，对手天然是小米、华为、苹果。但如果目标是把智能穿戴做成严肃医疗设备，衡量标准换成“医疗级精度、连续监测、临床验证、合规路径”，对标对象更接近欧姆龙、鱼跃这样的医疗器械体系。

灵析生物的CEO彭智峰告诉我，长期来看，是后者。更准确地说，主要面向普通群体的慢病管理——这个一直被忽视的需求。

2024年，Oura Ring凭借一枚智能戒指在全球卖出300万枚、估值突破50亿美元。同一年，灵析生物的研发团队正在深圳实验室做动态血糖血压测量的智能戒指研发。

彭智峰在全球化的医疗健康企业工作多年，负责血糖和糖尿病业务，那时他所在公司的血糖仪在中国市场份额第一。之后他在国内一家大型医疗器械企业做医疗大设备，接触过CT、PET-CT这些复杂系统。他很清楚一个数字：中国有超过1.4亿糖尿病患者，近3亿高血压患者。但慢病管理几乎是一片空白。中国没有家庭医生，医院的医生每天要看一两百个病人，根本没时间做慢病管理。

2014、2015年，互联网试图填上这个空白。“百糖大战”期间，大量APP做糖尿病管理、打卡、问诊、控糖方案，想用软件颠覆医疗管理。但后来发现根本颠覆不了。彭智峰说，核心问题是：他们只有软件，没有数据入口。没有连续、可信的生理数据，所谓管理很快变成用户手动记录、间歇上传、低频互动，难以持续。所以彭智峰表示，灵析生物的核心战略是以医疗级智能硬件为数据入口，以AI为“大脑”，构建“连续监测-数据沉淀-智能干预”的闭环。

这件事的技术难度，远不止“做一枚戒指”。

无创血糖监测被业内形容为诺贝尔奖级的难题。血糖通过PPG技术检测，利用绿光、红光的反射和折射，根据血糖高低对光线波长吸收差异寻找关联，但这是“弱连接”，不是精准连接。皮肤厚度、血管深度、环境温度、运动状态，每一个变量都在影响结果。美敦力、谷歌、华为、三星研究了很多年，都没有重大突破。

连续血压监测的难点不同，但同样棘手。做小型医疗设备，核心是平衡三个点：数据精准监测性、用户舒适无扰性、长期监测所需的续航——这在行业内被称为“不可能三角”。在极小的体积内塞进传感器、电池与电路，让用户长期佩戴不受干扰，同时把数据稳定做准，本身就是一场长期工程。

灵析即将推出的无创动态血压医疗级精度戒指，研发中最大的问题就是续航不足。每个人的皮肤状况不同——男性皮肤偏厚、女性皮肤偏薄、老人手上有硬皮，这些都影响光线的折射和透射，导致续航时间波动不定。他们最终通过算法优化，采用“待机-启动-待机-启动”的循环模式，一点点抠回续航时间。

灵析生物的核心成员来自强生、欧姆龙、鱼跃等医疗器械企业，涵盖营销、市场、产品等领域；研发团队在深圳开展早期预研。去年年底，彭智峰又引入了国际医学与生物工程院院士张元亭的团队，补上AI与模型侧的能力，这套拼图，才终于完整。

这也就能解释，一家医疗设备基因的初创公司做智能穿戴，和一个消费电子或者互联网基因的团队做智能穿戴的不同逻辑。

这是一个精细化的生态卡位。如果做监护仪，就是直接和迈瑞竞争；做上臂式血压计，就是和鱼跃对打。但把戒指、手表这些可穿戴形态推到医疗级标准线之上，这不是大公司的核心业务。而反过来，消费电子企业则不会切入这么专业的医疗赛道。“目前中国还没有一家大型公司会把医疗级可穿戴或AI可穿戴作为核心业务，”彭智峰说，“这是我们的机会。”

但这条路有一个独特的价格约束：定价。如果按传统医疗器械定价，很容易落到欧姆龙、鱼跃的价格带，但在形态和场景上，短期内未必能全面覆盖那些成熟器械的专业度；可如果价格完全跟着消费电子走，又容易陷入国内的价格内卷，最终伤到研发和临床验证的投入。这个度很难拿捏。

彭智峰的回答是：从一开始就考虑出海，而不是在国内卷生卷死，卷到一定程度再出海。路径上，因欧美市场政治因素复杂，灵析优先布局东欧、中东和“一带一路国家。支撑这一判断的，是团队积累的海外渠道资源，以及已储备的海外经销商网络，并且很多海外经销商希望看到雅培等品牌之外的“第二选择”。

CGM（动态血糖监测）市场，全球单品年销售额高达800亿人民币；高血压人群比糖尿病患者还要多。这样的大市场，必然吸引更多玩家进入。

但灵析面对的更深层挑战，不是竞争，而是如何让这套入口真正跑起来。

Oura的前CEO说过一句话：Oura的本质是软件问题，而非硬件。我们需要解决的是如何让海量数据产生个性化洞察。正是踩中了“算法生成+数据飞轮”这条路径，设备持续产生数据，模型据此迭代，再反过来改变用户行为，继续强化数据质量，Oura才从一枚戒指跑出了百亿估值。

对灵析来说，把医疗级连续监测做准，只是起点。让不断更新的用户数据与模型之间形成持续反馈，才是真正的壁垒。而要做到这一点，硬件的数据必须足够精准、足够连续、足够可信。

为什么选择医疗和智能穿戴结合的领域

虎嗅：为什么你们这个时候要做一家智能穿戴的医疗设备公司，以及为什么要针对慢病管理。

彭智峰：以前的健康数据给医生看，以上海的三甲医院为例，一个科室一天门诊至少挂一两百个号，医生从早到晚疲于奔命，不可能在晚上还帮患者做慢病管理。而且慢病管理和医生的KPI不沾边，以前很难落地。

但这一波AI兴起后，刚好填补了家庭医生的生态位。从科技和医学的严肃医疗角度来说，AI已经具备做家庭医生的水平，这是天作之合。我认为大健康应该是AI最大的垂直应用，就像智能驾驶一样，能真正帮到人。

中国没有家庭医生，所以慢病管理一直落不了地：医生被限制在医院里，每天忙着看病人，根本没有精力做长期随访和管理；慢病管理又不在KPI里。

现在有了垂类应用的AI，它真的可以落地，因为它已经具备基础的家庭医生水平，能给出健康诊疗建议，类似医嘱。加上糖尿病、高血压这类慢病不会马上危及生命，更适合AI用长期趋势去做管理。

纯软件时代已经证伪了。没有硬件抓手，慢病管理就是空中楼阁；但如果只做硬件，没有AI对连续数据的解读，用户拿到的只是一堆无意义的曲线。

我们要做的，是软硬一体化的AI健康穿戴解决方案——硬件负责连续、无感、医疗级的数据采集，AI负责把数据转化为可执行的医嘱，缺一不可。

虎嗅：这是你们做智能穿戴设备的背景，但是智能穿戴很早就有了，华为、小米、苹果这些玩家也都在做。你们现在再做，凭什么从竞品里跑出来？

彭智峰：我有三个核心观点。

第一，软硬件一体化+ AI赋能，到现在这个阶段终于让可穿戴设备的数据找到了出口。

第二，过去的健康监测基本是被动式、碎片化的。你无法捕捉凌晨3点的夜间血压高峰，也无法看到餐后血糖波动的完整曲线。即便后来在可穿戴设备中能监测的数据，大家更多是在特定场景里“偶尔看一眼”，比如运动时看看卡路里、心率，数据用过就丢，不会形成持续价值。

我们强调连续监测，是为了和现有智能硬件形成区别、实现突围。希望健康监测走向连续、无感、全场景化：用户只要戴着，后台的AI（比如血压大模型、血糖智能体）就能默默读取数据、形成长期档案，在不打扰的前提下做预警。

第三，医疗精准化。用户为什么要选我们的戒指或手表，而不是华为、小米？核心是数据要更精准。数据不准就没有意义，“rubbish in，rubbish out”，哪怕AI再强大，处理无效数据也只能得出错误结论。所以我们的产品要求达到医疗级精度，或通过医疗级精度认证。

总结起来，我们要做的核心是三点：医疗级精度是底线，连续监测是手段，AI赋能是终局。。这样就能把产品从潮人的“玩具”、普通消费电子产品，转变为用户真正的健康管理助理，用户粘性和数据粘性也会远超同类产品。

虎嗅：从公司成立到第一款产品推出大概用了多长时间？

彭智峰：准确来说差不多一年半。

虎嗅：你自己为什么选择做可穿戴而不是继续做大型医疗设备？

彭智峰：过去我接触的是CT、PET-CT这类产品，研发周期动辄三五年，渠道是医院、科室，决策链非常长，根本不是一个能快速出圈的市场。

可穿戴不一样。它面向的是普通用户，讲究的是场景化和爆品逻辑：选对一个高频慢病场景，产品做到足够精准、足够无感，就有机会快速普及。我们配合当下的AI浪潮，在糖尿病、高血压这两个最大的慢病场景里先做出来，就能形成从入口到数据再到AI管理的完整闭环。

传统医疗器械的路是精英渠道、医院决策，但我们走的是大众用户渗透——让普通患者戴上它，形成长期数据，然后用AI把这些数据变成真正有用的健康管理。这两条路的逻辑完全不同。

为什么要做全品类？

虎嗅：你们做的是血压、血糖这种“更硬”的指标。那么现在做到什么程度了？哪些能做到医疗级，哪些还不行？

彭智峰：血压方面，我们和张元亭院士合作的设备，基本上能达到医疗级精度，这是必须要做到的。另外，心率、血氧这些体征，现在也肯定能达到医疗级精度。

血糖方面，无创监测目前还有压力。无创血糖是行业的终极目标，业内都在往这个方向努力，我们也不例外。你可能听过一句话，能做出精准的无创血糖监测，足够拿诺贝尔奖。

虎嗅：无创血糖到底难在哪？为什么大厂也做了很多年还没“做准”？

彭智峰：因为血糖受太多因素影响，比如运动、饮食、心情等都会干扰。

无创血糖一般通过PPG技术，用绿光、红光的反射和折射，将光线射入手指等部位，通过血糖高低对光线波长吸收差异来寻找关联，但这是一种“弱连接”，不是精准连接，只能再靠算法校准、修正——而算法要同时考虑的干扰变量非常多。

目前业内，包括美敦力、谷歌、华为、三星这些大厂，研究了很长时间都没有重大突破，所以他们也不敢说能做出精准的无创血糖监测产品。

虎嗅：如果无创血糖很难“做准”，那产品怎么落地？你们怎么把这件事拆开做？

彭智峰：我们现在针对血糖有两款产品。

第一类是戒指上的无创血糖监测，我们会严谨地定位为趋势监测。对糖前期、正常状态以及亚健康状态的用户来说已经足够了，因为他们不需要知道具体数值是5.3、5.2还是5.4，只要知道血糖是否在正常范围内波动就好。

第二类是针对糖尿病临界点人群和确诊患者，我们有CGM（动态血糖监测），这款产品的精准度就很高。

我们会提供一个全覆盖的方案：无创趋势监测 + CGM精准监测，两者结合。具体用哪一种，要看消费者处于什么健康状态。糖尿病的发展路径是从健康到亚健康，再到糖尿病临界点，最后到确诊；针对不同阶段的人群，我们都有对应方案。

虎嗅：真正卡住你们的工程瓶颈是什么？

彭智峰：医疗设备研发，做大和做小都很难。做大的话，比如把设备做成CT、PET-CT，难度很大，涉及巨型设备、复杂系统及子系统，我之前接触过，深有体会。

但做小同样非常难。核心是要平衡三个点：数据精准监测性、用户舒适无扰性，以及长期监测所需的续航问题，这在行业内甚至被称为“不可能三角形”。

因为在极小的体积内，比如我们的戒指产品，要做得非常薄、非常小，同时还要容纳柔性电路板、传感器、电池，还要兼顾外观轻薄和无感体验，这种平衡很难实现；电池体积有限，续航本身就受限制。

比如我们即将推出的无创动态血压医疗级精度戒指，研发过程中最大的问题就是续航不足，这也是行业通病。

它需要持续监测、计算，生成血压曲线，还要进行校准，续航压力很大。而且每个人的皮肤状况不同，男性皮肤偏厚、女性皮肤偏薄、老人手上有硬皮，这些都会影响光线的折射和透射，进而导致续航时间波动不定，始终达不到预期标准。

我们为此钻研了很久，最终通过算法优化，采用“待机-启动-待机-启动”的循环模式，一点点抠回续航时间。为了省电，我们把一部分云端算法内嵌到本地板子里，不需要持续与线上连接、上传下载数据，这样一来上传的数据量变得很低，既减少故障，也大幅降低耗电。

虎嗅：回到“做产品”本身，你们一开始就说要all in全品类，品类到底怎么排先后？为什么这么排？

彭智峰：肯定是有步骤的。

单说CGM市场，全球单品年销售额就有800亿人民币，规模非常庞大，在国际上也被称为糖尿病或医疗器械领域最大的单品。

所以我们最早组建的核心研发人员，都是做CGM的专家，这是第一个重点。紧接着，我们就将目光投向血压监测，因为血糖和血压是两个核心体征信号监测指标，而且高血压人群比糖尿病患者还要多。

我们也清楚血压监测的痛点：上臂式血压计是单点测量，但未来趋势必然会从单点走向连续监测。所以我们马上开始定义连续血压监测产品，也就是手表或戒指形态。

可穿戴设备的核心是硬件入口，我们不会标新立异去创造新场景，而是选择大众已经广泛接受的可穿戴部位和场景，也就是手表、戒指这类产品。

确定这两个核心品类后，我们才会考虑其他领域，比如通过合作共创的方式涉足呼吸睡眠监测。整体路径是：先聚焦糖尿病、高血压，再逐步拓展到心血管疾病、呼吸慢病、肥胖等场景。

虎嗅：多品类布局听起来很“全”，但也容易变成不聚焦，尤其是对比Oura只做戒指，你们为什么不只做一件事把它做透？

彭智峰：我们之所以要做多个产品，和定位有关，我们从来没把自己看作纯硬件公司。之所以一直强调AI+，是因为我在之前的公司时做过数字化慢病管理。

2014、2015年有过“百糖大战”，很多APP做糖尿病管理，大家觉得能用互联网方式颠覆医疗管理，但后来发现根本颠覆不了。核心问题就是他们只有软件，没有数据入口，只能靠导流等方式获取用户，难以持续。

医疗健康领域真正需要的是软硬件一体化。

这看似是多品类，其实只有一个核心：全场景连续数据入口。

慢病管理需要多维数据：血压看心血管，血糖看代谢，呼吸看睡眠。如果只做一个单品，数据是断裂的；戒指（无扰长期）+手表（交互丰富）+CGM（精准血糖）的组合，可以更好形成完整的用户健康画像。

我们的逻辑是“硬件矩阵采集，AI中枢统一”。所有设备数据汇入同一个AI引擎，交叉验证、互补校正。比如戒指监测到心率异常，结合CGM的血糖数据，AI才能判断是低血糖还是心律失常。

这是“以AI慢病管理为目标，反向定义硬件形态”的战略。单品是入口，数据是资产，AI才是终局。

以硬件为入口，核心是数据

虎嗅：你前面反复强调“硬件是入口”。那等数据从入口进来之后，你们真正要把事情做成，关键动作是什么？

彭智峰：关键还是两件事：一是持续提升数据质量，把医疗级精度做成可重复的工程能力；二是让用户和数据真正留下来，形成持续的健康档案。只有数据积累够了，AI的管理建议才有意义，数据飞轮才能真正转起来。

虎嗅：具体到AI，你们说后面会加入大模型。可大模型对数据量和运行量要求更高，这件事会不会把硬件拖垮？

彭智峰：目前我认为不影响。大模型本质上就是算法加大数据，它在戒指、手表上不会呈现全视频、全图形界面，更多是输出文字信息，比如医嘱，告知当前健康状况是否超标、需要注意什么。这类文字信息本身数据量很小。

可穿戴设备无论是手表、戒指还是CGM，最多只需要呈现曲线以及对曲线的解读，目前完全可以应对。当然不排除未来迭代后会出现三维立体影像，到时候数据量就会大幅增加，那时需要更强大的电池；在现阶段还不需要担心。

虎嗅：为什么选择和张元亭院士团队合作，而不是直接接入一个现成的大模型？

彭智峰：我们也和其他团队聊过，从一开始我们做了通盘考虑，也有自己研发的想法。

最终选择和张元亭院士团队合作共创，是因为张元亭院士在血压领域做了二三十年，有大量的数据和算法积累，实力很强。我们最初计划从血糖领域切入，所以双方一开始是有gap的，但后来发现目标一致，都是希望覆盖全健康场景。

虎嗅：你们在垂类数据的积累上有什么规划吗？

彭智峰：有的，我们一直在准备，但需要时间。我们找华西等大医院合作，也是希望借助临床数据来锤炼我们的模型版本。不过这个过程不会太快，必须遵循医院的伦理规范。

我们不可能覆盖从硬件到软件的所有范畴，这不现实，因为需要组建庞大的团队。我们自己做的部分，主要体现在临床数据的采集和基本判断上。大模型本质上就是一个统计学模型，它分为数据采集、数据判断、数据清洗，以及最终的理论架构部分。其中，理论架构很多时候依赖统计学理论，这一块对我们来说目前还有难度，可能需要借助合作伙伴，比如张元亭院士团队，来搭建基础理论模型。

而我们的优势在于数据采集，我们有硬件基础，清楚数据采集的模式和格式，这部分可以嵌入到大模型中；同时，数据的清洗和判断也是我们的优势，因为我们更懂临床，会吸收很多临床专家的意见。

虎嗅：还有一个现实是国内医疗器械和可穿戴都很容易卷成价格战。你们怎么规划出海，把增长放到更大的市场？

彭智峰：在国内卷价格战，会压缩医疗级研发和临床验证的投入，最终伤害产品。而海外市场对医疗级连续监测的付费意愿更强，监管体系更成熟（如FDA、CE），能支撑我们坚持医疗级定价。

路径上，我们优先布局东欧、中东、一带一路国家。这些市场的经销商正在寻找雅培之外的第二选择，而我们需要他们的渠道来验证“医疗级AI慢病管理”的全球化可行性。最终，我们要证明，中国团队不仅能做性价比，更能做医疗级的技术创新和AI应用。