该在可穿着设备领域领域可谓是一个重磅。对付糖尿病患者来说，无创血糖监测是一个主要的需求，目前的有创血糖监控对付患者来说不仅麻烦而且痛楚，同时也降落了患者定期检测的允从性，因此如果能实现高精度无创血糖监控，无疑是给环球浩瀚的糖尿病患者带来了福音，同时拥有该技能的智能可穿着设备也将会进一步打开可穿着设备的市场份额。
根据目前公布的资料，苹果无创血糖技能中用到的技能可能是基于激光的荧光技能。该技能的事理是，当激光照射到血管中时，会引发血液的荧光征象，而血液荧光的持续韶光和血液中的血糖浓度有关，因此通过检测血液荧光的持续韶光就可以实现无创血糖监控。
从该技能的事理我们认为该技能中用到的生物传感器有很高的门槛，这也是苹果须要大量韶光持续投入研发的缘故原由。首先，无创血糖生物传感器须要一个微型激光光源，该激光光源的体积要足够小到能集成到可穿着设备中，功耗也要足够低，但是同时其激光发射功率又不能太小，否则可能无法供应足够高的旗子暗记强度供准确血糖读出。这样的体积－能效比－发射功率三者之间的相互制约将会是该技能最关键的寻衅之一。除了光源之外，另一个核心寻衅是如何设计无创血糖生物传感器中的读出芯片。为了能准确读出微弱的荧光旗子暗记，读出芯片必须能有高信噪比，同时又能够过滤激光光源带来的滋扰，而这统统都须要在很小的尺寸内实现，这也为芯片设计带来了很大的寻衅。
然而，经由苹果多年的研发，究竟无创血糖传感器还是到了一个较为完善的地步，进入量产已经并不迢遥。这也将为可穿着式设备的生物传感器市场注入动力，由于这可望会成为一个全新的市场。
无创血糖之外的其他热门生物传感运用
如前所述，苹果的无创血糖监控技能可望大大提升可穿着设备的市场容量，并且带动干系生物传感器的市场和技能。我们认为，可穿着设备结合下一代生物传感器技能除了无创血糖之外，还会通过给用户带来新的用户体验来实现新的市场打破。这些新的用户体验中，最热门的就包括实时血压监控和EMG旗子暗记监控。
首先，实时血压监控将会给有心血管疾病风险的用户带来革命性的康健管理工具。一样平常来说，血压在每天中都会有颠簸，但是传统的血压丈量方法对付用户来说并未便利，因此很难实现高频率地丈量，更不用说实时监控，这样就给心血管疾病的管理带来的困难。而在可穿着腕表中的实时血压监控则可以办理这个问题。从技能上来说，实时血压监控利用的是PPG传感器搭配机器学习算法。PPG传感器技能并不新，目前已经广泛运用在可穿着设备的心率和血氧指标检测中。但是，当利用PPG来检测血压的时候，首先对付PPG的读出精度有了不同的需求，这也就须要PPG传感器的指标有新的进步；
另一方面，更主要的是干系的机器学习算法。由于PPG和血压之间并非大略的线性关系而是会有一个繁芜的对应关系，须要考虑各种成分，因此当利用PPG来检测血压的时候，就须要能运行一个干系的机器学习算法。显然，这样的机器学习算法须要能在可穿着设备直接运行而不能到云端去运行，因此可穿着设备上的芯片就须要有这样的运行人工智能算法的能力，而且随着人工智能算法的逐渐演进，为了实现高精度的PPG－血压监控，干系算法很可能会越来越繁芜，因此也就须要可穿着设备对付这样的算法有相应的支持。此外，人工智能算法也须要高质量的输入，因此PPG传感器能供应的旗子暗记质量也会成为人工智能算法输出准确度的关键指标。
除了血压监控之外，EMG也是一个很有潜力的方向。EMG可以实现肌肉干系的神经旗子暗记读出，从而可以高精度监控手部的细微动作，举例来说手指的细微波折，两个手指的高下动作等等。而这也会是未来AR等新运用中的主要一环，由于AR等头戴式设备中，如何实现用户输入一贯是一个很难的问题，而如果可以通过手部的细微动作就来操作AR设备就会是一个主要的打破。在五年前，初创公司CTRL Labs已经实现了利用EMG来让用户用手部细微动作来操作繁芜的电脑游戏，而该公司已经在2020年被Facebook收购。随着硅谷各大科技巨子都在押注ARVR，我们估量EMG干系的生物传感器也会成为热点。EMG传感芯片紧张分为两部分，一部分是传感部分，利用电极读出用户的神经旗子暗记，该部分须要高精度仿照旗子暗记处理来确保读出旗子暗记的信噪比。EMG传感器的另一部分是人工智能部分，在读入迷经旗子暗记之后，如何把这些旗子暗记对应到干系的手部动作，该操作最有可能还是会须要人工智能来完成，因此这就须要EMG可穿着式设备能完成人工智能算法的加速。
生物传感器未来发展方向
如前所述，我们看到了可穿着设备中的生物传感器在未来几年可望会得到进一步发展。我们认为，这些新的发展方向基本可以概括为如下两个方面：
首先是新模态新号的传感，这就包括了荧光旗子暗记，EMG旗子暗记等。常日来说，这类旗子暗记的传感在较大的设备中已经有了先例，这里的寻衅紧张是如何把干系的系统小型化，能用体积可以被可穿着设备容纳的芯片系统所实现。当然寻衅也有很多，比如我们之条件到的体积、信噪比、能效比和输出功率等，这里须要传感器、仿照电路和数字系统设计等多个领域的交叉优化才能实现。
其次是智能化，即干系人工智能算法的支持。目前人工智能已经成为许多传感器输出旗子暗记处理的首选方案，而随着人工智能的演进，势必需要可穿着设备越来越多地支持传感器干系的人工智能算法，因此我们可望会看到越来越多的人工智能干系模块会涌如今可穿着设备中，这也将会为人工智能干系芯片和IP带来新的市场。
