从记录身体，到理解生命：AI可穿戴设备正在重写健康管理的未来

从传感器采集生命信号，到AI理解个体健康轨迹，医疗正在从“疾病发生后的治疗”，走向“疾病发生前的风险管理”。

未来，一个没有糖尿病的人，可能每天收到这样的健康反馈：“过去30天，你的睡眠恢复指数下降，早餐后的血糖波动增加，运动后的心率恢复速度降低。综合分析显示，你近期代谢压力正在升高，建议调整晚餐时间，并增加规律运动。”这不是一个简单的数据提醒。它代表的是AI医疗正在形成的一种全新模式：持续观察 → 识别变化 → 预测风险 → 辅助行动。

过去，健康管理的起点是医院。患者出现症状，前往医院检查，医生根据有限的信息进行判断。未来，健康管理可能更多发生在疾病发生之前。

但需要明确：今天的可穿戴AI还不是医生。它不会替代医生完成诊断和治疗，而更像一个“持续工作的健康观察员”——帮助个人和医生更早发现变化，更全面理解身体。真正改变医疗的，不是一块手表、一枚戒指或者一个传感器。而是：AI第一次拥有了长期观察一个人的机会。

一、第一代可穿戴设备记录身体，但无法真正理解身体

十年前，可穿戴设备主要解决的问题是：“我今天运动了吗？”智能手环记录步数、运动时间、消耗热量、心率变化。它们本质上是人体数据记录仪。

随后，可穿戴设备开始进入更加复杂的生理监测领域。2018年，Apple Watch Series 4加入单导联心电图功能，并获得美国FDA相关医疗器械许可，使消费级设备第一次具备帮助用户捕获部分心律异常信号的能力。之后，睡眠呼吸暂停检测、心律异常提醒等功能逐渐进入消费级设备。

与此同时，智能戒指和智能手环开始探索新的健康场景。Oura Ring通过持续采集静息心率、心率变异性（HRV）、体表温度趋势、睡眠阶段，建立睡眠和恢复评估体系。WHOOP则通过持续采集运动、恢复和睡眠相关指标，帮助用户理解身体负荷。连续血糖监测（CGM）也正在从糖尿病管理工具，逐渐拓展到更广泛的代谢健康领域。

但是，一个关键问题正在出现：数据越来越多，但人体是否真的被理解？

答案是：没有AI，数据只是记录。

二、AI让可穿戴设备从“记录仪”变成“健康智能系统”

人体每天产生大量动态变化：心率变化、睡眠周期、活动水平、血糖波动、压力反应、体温变化。传统医疗面对的是离散检查：血糖化验、心电图、影像检查。而AI面对的是连续时间序列，这意味着医学观察对象正在发生变化。过去，医生看到的是某一个时间点的身体状态。未来，AI看到的是一个人的长期生命轨迹。这正是可穿戴AI最重要的价值。

1. AI让医学从“发现异常”走向“发现趋势”

传统医疗模式：症状出现 → 检查 → 诊断；而AI健康管理探索的是：微小变化累积 → 风险模型识别 → 提前提醒。传统筛查关注：“现在有没有异常？”AI更加关注：“你的身体是否正在朝异常方向变化？”这并不意味着AI已经能够预测所有疾病。但它正在推动医学从关注结果，转向关注变化过程。医院保存的是检查结果，AI正在尝试构建的是生命轨迹。

但是，要真正理解一个人的生命轨迹，AI需要面对一个更大的挑战：如何从海量生命信号中学习健康规律？

过去，可穿戴设备依靠的是规则，例如：心率超过某个阈值，触发提醒；睡眠时间低于某个标准，提示改善。这种方式本质上仍然是：“人定义规则，机器执行规则。”但未来的健康AI正在探索另一条路径：让AI从大规模人群数据中自主学习人体规律。

2026年7月，谷歌发布的“可穿戴健康基础模型SensorFM”，展示了这一方向的重要进展。SensorFM并不是一个针对单一疾病开发的算法，而是一种面向可穿戴健康数据的基础模型。该模型基于全球约500万名参与者授权数据训练，覆盖100多个国家和地区、20余种Fitbit和Pixel Watch设备，累计处理超过20亿小时的传感器信号。

模型输入的数据包括：光电容积脉搏波（PPG）、心率、心率变异性（HRV）、血氧、加速度、皮肤电活动（EDA）、皮肤温度、高程等多维生命信号。这些数据最终被转化为连续的健康特征，让AI学习人体状态变化背后的模式。

SensorFM最大的意义，不在于某一个任务指标的提升。而在于它展示了一种新的健康AI范式：基础模型 + 可穿戴数据 + 大规模人群。

过去，可穿戴设备回答的问题是：“你的身体现在是什么状态？”未来，健康基础模型希望回答：“你的身体正在发生什么变化？”“这种变化是否偏离了你自己的健康轨迹？”“哪些微小信号值得关注？”这意味着可穿戴设备正在从“数据采集工具”转变为“健康智能系统”。类似大型语言模型通过学习海量文本理解语言，健康基础模型正在尝试通过学习海量生命信号理解人体。

更值得关注的是，SensorFM的训练过程中引入了大语言模型智能体辅助探索，AI智能体能够自动生成、测试和优化模型方案，探索大量候选路径。这意味着未来健康AI的发展，可能不仅是：人类设计模型，让AI执行任务。而是：AI帮助人类发现新的生命信号模式，这可能成为可穿戴医疗未来最重要的变化之一。

1. AI重新定义睡眠：从计算时间，到“理解恢复”

睡眠可能是可穿戴AI最早规模化落地的健康场景之一。过去，人们理解睡眠，主要依靠一个简单指标：“睡了多久？”但睡眠并不是单纯的时间问题。同样睡7小时，有人第二天精力充沛，有人却长期疲惫。差异可能来自：深睡比例、睡眠结构、夜间觉醒次数、心率变化、心率变异性（HRV）、压力水平，以及白天运动负荷。传统睡眠监测更多关注睡眠时间，而AI正在尝试回答：“你的身体有没有真正恢复？”这是一种从统计睡眠，到理解睡眠的变化。

可穿戴设备通过长期采集数据，可以建立个人化睡眠基线。例如：某个人过去半年通常夜间静息心率稳定，HRV水平保持在一定范围。但最近一个月，AI发现睡眠时间没有明显下降，但夜间心率逐渐升高，HRV持续降低，运动后的恢复速度减慢。单独看任何一个指标，都可能没有达到异常标准，但多个信号组合后，AI可能发现这个人的身体状态正在发生变化。这种能力，是传统单次检查难以实现的。

未来，睡眠AI可能不只是告诉用户：“你的睡眠评分是多少。”而是帮助理解：“为什么你的身体最近恢复不好？”“哪些生活因素正在影响你的健康？”“怎样调整可能更适合你？”健康管理因此从简单评分，走向动态反馈。

1. AI重新定义血糖：从测量数字，到理解代谢

连续血糖监测（CGM）正在成为可穿戴健康领域的重要方向。过去，CGM主要服务于糖尿病患者。它解决的问题是：你的血糖是多少？但未来，AI正在推动一个新的问题：“为什么你的血糖这样变化？”

近年来，面向更广泛人群的消费级CGM产品开始出现，例如Dexcom Stelo和Abbott Lingo，使CGM逐渐进入代谢健康管理领域。血糖数据的价值，也正在发生变化。过去，血糖是一项检测指标。未来，血糖可能成为AI理解个人代谢规律的重要入口。

同样一顿饭，不同人的血糖反应可能完全不同。有人吃米饭后血糖快速升高，有人变化平稳。这种差异，与遗传、运动、睡眠、压力、肠道环境、胰岛素敏感性等因素相关。传统健康建议通常基于群体平均，这种食物通常更健康。但AI希望进一步回答：这种食物对你是否适合？

未来的AI健康系统可能结合：饮食记录、连续血糖、运动数据、睡眠状态、压力变化，帮助用户建立属于自己的代谢模型。这代表健康管理正在从：“遵循统一建议”走向“理解个人规律。”

三、可穿戴AI真正的竞争，不是硬件，而是智能

过去，可穿戴设备竞争的是传感器数量、电池续航、产品设计。未来，竞争将转向三个方向：

第一，长期数据积累能力：一天的数据意义有限，真正有价值的是连续数月、数年的人体数据。人体不是静态机器，每个人都有自己的生理节律。一个人的正常心率、睡眠模式、恢复速度，与另一个人可能完全不同。因此，未来健康AI的重要能力，不只是发现“异常人群”，而是理解：这个人的正常状态是什么。这也是为什么可穿戴设备的长期陪伴价值如此重要。

第二，数据解释能力：采集数据并不困难，真正困难的是从大量生理信号中发现具有医学意义的变化，100个指标不一定比10个关键指标更有价值。AI的核心能力，是从复杂数据中寻找模式。例如：单独看心率变化，意义有限。但如果结合睡眠下降、HRV降低、活动减少、恢复速度下降，AI可能发现一个更完整的健康状态变化。未来竞争的核心，不是谁拥有最多数据而是谁能够理解数据。

第三，医学验证能力：健康AI最终不能只是生成漂亮的数据报告。它必须回答预测是否可靠？建议是否有效？是否真正改善健康结局？这是消费健康产品走向医疗级应用必须面对的问题。未来，可穿戴AI的发展一定越来越依赖医学研究、临床验证、监管体系。

真正成熟的健康AI，不只是“懂数据”，更需要“懂医学”。

四、中国的机会：硬件优势之后，需要AI医疗生态

中国拥有全球领先的智能硬件产业链、移动互联网生态和制造能力。从智能手表、智能手环，到医疗级健康监测设备，中国企业已经建立了强大的产业基础。例如，华为Watch D2已经获得中国医疗器械注册，用于动态血压监测等健康场景。但未来竞争的关键，不只是制造更好的设备。真正决定产业高度的，将是连续健康数据平台、AI健康模型、医学验证体系、医疗服务生态。

过去，中国优势更多集中在制造能力。未来，需要进一步向数据能力、算法能力、医学能力延伸。因为可穿戴AI未来最大的价值，可能并不是销售一件硬件，而是通过长期健康数据服务，改变健康管理方式。

未来的竞争逻辑可能发生变化：卖设备，是一次交易；建立健康AI平台，是长期服务。

五、保险可能成为可穿戴AI的重要支付场景

可穿戴AI另一个重要方向，是重新连接健康管理与保险。过去，保险体系主要依赖风险评估：年龄、既往疾病、体检结果、生活方式调查，这些信息通常是静态的。但人体健康实际上是动态变化的，一个人的健康风险，并不是由某一次体检决定，而是在长期生活过程中逐渐形成，可穿戴设备提供了一种新的可能：持续观察健康变化。

目前，美国已经出现企业健康管理模式，企业或保险机构开始探索通过数字健康工具，为员工提供健康管理、慢病风险管理和行为干预服务。其核心逻辑是如果能够提前识别风险，并帮助人们改变行为，就可能降低未来医疗支出。例如：改善睡眠、增加运动、优化饮食、降低代谢风险。未来，当保险精算模型能够证明，长期健康数据能够帮助降低风险，可穿戴设备可能从一种消费电子产品，逐渐变成健康基础设施。它的价值不再只是：“记录你的身体。”而是：“帮助管理你的未来健康风险。”

当然，这一过程仍然面临重要挑战。包括：健康数据隐私保护、数据使用边界、算法公平性、医学有效性验证。健康数据越有价值，保护它的重要性也越高。

未来，谁能够建立可信、安全、符合伦理的数据体系，谁才可能真正推动健康AI规模化应用。

六、未来三十年：AI推动“主动医疗“时代到来

可穿戴AI的发展，不会一夜之间改变医疗，它更可能经历几个阶段：

2025—2030年：AI健康助手时代

这一阶段，可穿戴设备会从数据记录器逐渐成为风险提醒工具，AI开始帮助用户理解：睡眠变化、运动恢复、压力状态、代谢趋势。健康管理从“我今天做了什么？”逐渐转向“我的身体正在发生什么？”但这一阶段的AI，更多仍然是辅助，它不会替代医生诊断疾病。它的价值在于帮助个人更早发现变化，帮助医生获得更完整的信息。

2030—2040年：数字生命模型时代

随着长期数据积累，可穿戴设备、电子病历、基因信息、环境数据、行为数据逐渐融合。未来可能形成动态个人健康模型，这个模型不是简单的健康档案，而是一种持续更新的数字化生命轨迹。AI可能更加深入理解：“这个人的身体规律是什么？哪些变化属于正常波动？哪些变化值得进一步关注？”医学观察对象也会从：一次检查结果转向长期生命过程。

2040年以后：主动医疗时代

未来成熟的医疗体系，可能逐渐从治疗已经发生的问题，转向提前管理未来风险，部分疾病风险可能在症状出现之前被发现。医生获得的不再只是患者某一次检查结果。而是长期、连续、多维度的健康变化信息。AI也不再只是一个辅助工具，它可能成为连接：个人、医生、医疗机构、保险体系，之间的数据智能层。但必须强调：这一未来仍需要大量医学研究验证，人体远比算法复杂。

健康AI的发展，不只是技术问题，也是医学、伦理、监管共同参与的过程。

结语：AI真正改变的，是医学观察人体的方式

过去的可穿戴设备记录我们的身体。未来的AI可穿戴设备，将帮助我们理解自己的身体。真正改变医疗的，不是一块手表、一枚戒指或者一个传感器。而是，AI第一次拥有了持续观察一个人的机会。过去，医学更多依赖：症状出现之后的检查。未来，AI正在推动医学关注变化发生之前的信号。这并不是说未来每个人都会拥有一个替代医生的AI。而是，每个人都可能拥有一个持续理解自己身体的智能系统。它不会取代医生，但它可能让医生第一次看到一个人的完整生命轨迹。当AI能够理解一个人的健康变化规律，医学才真正开始从：“治疗疾病”走向“管理健康”。

下一场医疗革命，不一定首先发生在医院。它可能发生在我们每天佩戴、每天使用、每天产生数据的设备之中。因为未来最重要的医疗资源，也许不只是医院里的设备和药物。而是，一个人长期积累的生命数据，以及能够理解这些数据的人工智能。

从记录身体，到预测健康。这可能是AI时代可穿戴医疗带给人类最深远的变化。

AI医疗 · 用最笨的方法做最扎实的内容

本文不构成任何医疗建议。