近日，著名的苹果消息灵通人士Mark Gurman发布了苹果的无创血糖传感技术取得重要里程碑。据悉，苹果在无创血糖方面已经有了超过十年的技术投入，目前已经可以实现了在iPhone大小的设备中实现无创血糖监控，有望在未来几年进一步成熟后进入Apple Watch产品中。
该消息在可穿戴设备领域领域可谓是一个重磅消息。对于糖尿病患者来说，无创血糖监测是一个重要的需求，目前的有创血糖监控对于患者来说不仅麻烦而且痛苦，同时也降低了患者定期检测的依从性，因此如果能实现高精度无创血糖监控，无疑是给全球众多的糖尿病患者带来了福音，同时拥有该技术的智能可穿戴设备也将会进一步打开可穿戴设备的市场份额。
根据目前公布的资料，苹果无创血糖技术中用到的技术可能是基于激光的荧光技术。该技术的原理是，当激光照射到血管中时，会引发血液的荧光现象，而血液荧光的持续时间和血液中的血糖浓度有关，因此通过检测血液荧光的持续时间就可以实现无创血糖监控。
从该技术的原理我们认为该技术中用到的生物传感器有很高的门槛，这也是苹果需要大量时间持续投入研发的原因。首先，无创血糖生物传感器需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戴设备中，功耗也要足够低，但是同时其激光发射功率又不能太小，否则可能无法提供足够高的信号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互相制约将会是该技术最关键的挑战之一。除了光源之外，另一个核心挑战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信号，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干扰，而这一切都需要在很小的尺寸内实现，这也为芯片设计带来了很大的挑战。
然而，经过苹果多年的研发，终究无创血糖传感器还是到了一个较为完善的地步，进入量产已经并不遥远。这也将为可穿戴式设备的生物传感器市场注入动力，因为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应用
如前所述，苹果的无创血糖监控技术可望大大提升可穿戴设备的市场容量，并且带动相关生物传感器的市场和技术。我们认为，可穿戴设备结合下一代生物传感器技术除了无创血糖之外，还会通过给用户带来新的用户体验来实现新的市场突破。这些新的用户体验中，最热门的就包括实时血压监控和EMG信号监控。
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健康管理工具。一般来说，血压在每天中都会有波动，但是传统的血压测量方法对于用户来说并不方便，因此很难实现高频率地测量，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。而在可穿戴手表中的实时血压监控则可以解决这个问题。从技术上来说，实时血压监控使用的是PPG传感器搭配机器学习算法。PPG传感器技术并不新，目前已经广泛应用在可穿戴设备的心率和血氧指标检测中。但是，当使用PPG来检测血压的时候，首先对于PPG的读出精度有了不同的需求，这也就需要PPG传感器的指标有新的进步；
另一方面，更重要的是相关的机器学习算法。因为PPG和血压之间并非简单的线性关系而是会有一个复杂的对应关系，需要考虑各种因素，因此当使用PPG来检测血压的时候，就需要能运行一个相关的机器学习算法。显然，这样的机器学习算法需要能在可穿戴设备直接运行而不能到云端去运行，因此可穿戴设备上的芯片就需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，相关算法很可能会越来越复杂，因此也就需要可穿戴设备对于这样的算法有相应的支持。此外，人工智能算法也需要高质量的输入，因此PPG传感器能提供的信号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可以实现肌肉相关的神经信号读出，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弯曲，两个手指的上下动作等等。而这也会是未来AR等新应用中的重要一环，因为AR等头戴式设备中，如何实现用户输入一直是一个很难的问题，而如果可以通过手部的细微动作就来操作AR设备就会是一个重要的突破。在五年前，初创公司CTRL Labs已经实现了使用EMG来让用户用手部细微动作来操作复杂的电脑游戏，而该公司已经在2020年被Facebook收购。随着硅谷各大科技巨头都在押注ARVR，我们预计EMG相关的生物传感器也会成为热点。EMG传感芯片主要分为两部分，一部分是传感部分，使用电极读出用户的神经信号，该部分需要高精度模拟信号处理来确保读出信号的信噪比。EMG传感器的另一部分是人工智能部分，在读出神经信号之后，如何把这些信号对应到相关的手部动作，该操作最有可能还是会需要人工智能来完成，因此这就需要EMG可穿戴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，我们看到了可穿戴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，这就包括了荧光信号，EMG信号等。通常来说，这类信号的传感在较大的设备中已经有了先例，这里的挑战主要是如何把相关的系统小型化，能用体积可以被可穿戴设备容纳的芯片系统所实现。当然挑战也有很多，比如我们之前提到的体积、信噪比、能效比和输出功率等，这里需要传感器、模拟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，即相关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信号处理的首选方案，而随着人工智能的演进，势必需要可穿戴设备越来越多地支持传感器相关的人工智能算法，因此我们可望会看到越来越多的人工智能相关模块会出现在可穿戴设备中，这也将会为人工智能相关芯片和IP带来新的市场。
