可穿戴设备AI的未来：厂商策略与创新之路

AI应用在可穿戴设备领域的发展将会增进现有的应用场景，并构建全新的核心应用场景，用户的忠诚度有望得到进一步的提升。诸如Google和三星注重设备互联的生态厂商，以及着眼于健身和健康应用场景的专业厂商，如ZEPP和Suunto都将会从配备AI的可穿戴设备中获益。然而，要想取得成功，各厂商务必对AI的两大基本支柱——模型和应用场景——予以重点关注。厂商需要确保自身的AI战略和现有的资源、产品线及目标消费群体相吻合。

不同的厂商可能会采取不同的AI模型策略。无论是自研大模型，还是与行业领先的AI服务供应商合作，抑或是采取两者兼而有之的方式，可穿戴设备厂商在部署AI服务时都务必要始终遵循一些核心原则。

1. 由于在可穿戴设备上运行端侧生成式AI功能仍然遥不可及，因此各厂商必须确保使用云端生成式AI功能的所有用户的隐私和数据得到保护。

   
   

2. 无论是采用自研大模型还是借助第三方供应商，都应当对模型进行优化以契合健身和健康的应用场景。另外，当大模型所收集的用户数据被当作训练数据所使用时，需要进行匿名处理。例如，Google基于Google Gemini对其“个人健康大型语言模型(PH-LLM)”进行了微调，而ZEPP则通过与第三方模型供应商的合作提升了健康和健身体验。

   
   

3. 生态厂商必须确保在各个设备中保持一致的AI体验，包括跨设备的无缝数据分享以及确保在所有的生态设备中，AI产出的内容保持相同的高质量。

Canalys《AI手机的现在和未来》报告中，我们明确了生成式AI应用场景的三大趋势：多模态、个性化和精简化。这些趋势也同样适用于可穿戴设备的生成式AI。但是，鉴于硬件的差异以及可穿戴设备的对于特定应用场景的专注，在某些特定的AI功能方面可能会存在细微差别。

多模态能力赋予了可穿戴设备相较于其他设备更为独特的价值主张。可穿戴设备利用ECG和其他多样化的传感器来收集各种数据维度，而这正是其他设备所无法实现的。在AI的支持下，各厂商可以对这些不同的数据维度进行整合，从而生成新的测量维度、提供个性化并且可落地的训练建议、创建聊天式“私教”以及通过多种输入方式来简化用户的交互体验。

个性化应用场景能够提升用户忠诚度。生态厂商可以利用来自不同设备的数据打造个性化的互联体验，促进设备附加率。专业厂商则可以充分利用他们在健身等领域的专业经验来提供定制化的服务，例如ZEPP和Suunto已经推出的AI Coach功能。由于这些模型在收集并分析更大规模的用户数据后可以变得更懂得用户，因此这类应用场景可以随着时间的推移而不断得到完善。

精简化的应用场景能够把可穿戴设备的价值拓展至除健身和健康外的其他领域。虽然可穿戴设备的屏幕尺寸有所限制，但生成式AI可以通过更完善的语音助手增强交互，促进穿戴设备的交互方式从图形用户界面(GUI)转化为语音用户界面(VUI)。例如，ZEPP Flow得益于AI大模型的加持，可以让用户快速创建健身计划、管理时间、回应通知以及以更加便捷的方式完成其他操作。

可穿戴技术的不断迭代，尤其是AI的迅猛发展，为所有的市场玩家带来了重大机遇。展望未来，Canalys作出了几大核心预测，阐释了AI将如何助力可穿戴设备厂商打造竞争优势。