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

先说一个核心判断：可穿戴设备在B端场景的价值，正在经历一场从“卖硬件”到“卖系统能力”的深刻转变。

去年某个深夜，深圳一位独居老人手腕上的设备突然发出房颤预警。他的子女远在千里之外收到推送，紧急联系社区上门，最终赶在危险扩大前将老人送医。这不是科幻剧本里的桥段，而是深圳本土健康可穿戴服务商——埃微，在落地养老项目中真实发生的事件。类似的健康风险干预案例，已在全国数百个落地项目中持续上演。有意思的是，这种“健康预警+闭环服务”的模式，并不是这家厂商最初设想的核心业务。

“能不能别只给我一块手表？”

埃微在行业里的名声，早期是靠硬件打下来的。成立十余年，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，光医院客户就涉及心内科、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，但没兴趣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的风险控制模型；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，以便聚焦在自己的业务上。

“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总结为一句话。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，无法规模化落地。每个客户不再需要重复造轮子，他们只需要把精力投入自己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。

单一设备，解决不了所有问题

这些客户表面上都在用可穿戴设备，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，但解决不了随访管理；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，本质上就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。

B端的难，不在“能不能测”，而在“能不能用”

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。

先从稳定性和依从性说起。消费级设备可以接受偶发掉线或用户短期不用，但在B端项目里，设备一旦批量部署，问题就会被放大——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。佩戴舒适性始终是个矛盾但极其重要的问题，只有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。这意味着，在项目启动前，交付方就得给出明确的判断，不能等设备发下去了再想办法补救。

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。如果可穿戴设备进不了这些系统，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，从而减少客户的二次开发成本。

三层能力，一个入口

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

埃微拥有自建工厂和十余年可穿戴设备研发制造经验。客户不需要自己踩消费级设备转医疗场景的坑，也不需要承受OEM交付周期不可控的风险。定制化需求从需求确认到量产交付，周期可控。

埃微围绕心电ECG、PPG、Bio-Z、IMU、体温、血压、血氧、睡眠、体重、体脂和活动数据等多模态信号构建算法能力。单一指标容易误判，连续多维趋势才更接近慢病管理和风险观察的真实需求。客户无需自建算法团队，即可获得经过场景验证的指标输出。

数据和算法能力封装为API，客户按需选择硬件OEM/ODM、算法接口、平台接入或联合方案开发。埃微不只是交付设备，它也可以成为客户现有业务系统中的底层模块。

这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。

比数据展示更重要的事

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了变化。

这就是风险预警的价值所在——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，这是一个长期过程。而在这个过程中，细微的变化靠自己是很难察觉的，这正是可穿戴设备的价值所在。

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。

终局不是手表

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，大模型对健康医疗的渗透也在高速推进。而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，得出的判断是：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。