本文來自格隆匯專欄：半導體行業觀察，作者：李飛
近日，著名的蘋果消息靈通人士Mark Gurman發佈了蘋果的無創血糖傳感技術取得重要里程碑。據悉，蘋果在無創血糖方面已經有了超過十年的技術投入，目前已經可以實現了在iPhone大小的設備中實現無創血糖監控，有望在未來幾年進一步成熟後進入Apple Watch產品中。
該消息在可穿戴設備領域領域可謂是一個重磅消息。對於糖尿病患者來説，無創血糖監測是一個重要的需求，目前的有創血糖監控對於患者來説不僅麻煩而且痛苦，同時也降低了患者定期檢測的依從性，因此如果能實現高精度無創血糖監控，無疑是給全球眾多的糖尿病患者帶來了福音，同時擁有該技術的智能可穿戴設備也將會進一步打開可穿戴設備的市場份額。
根據目前公佈的資料，蘋果無創血糖技術中用到的技術可能是基於激光的熒光技術。該技術的原理是，當激光照射到血管中時，會引發血液的熒光現象，而血液熒光的持續時間和血液中的血糖濃度有關，因此通過檢測血液熒光的持續時間就可以實現無創血糖監控。
從該技術的原理我們認為該技術中用到的生物傳感器有很高的門檻，這也是蘋果需要大量時間持續投入研發的原因。首先，無創血糖生物傳感器需要一個微型激光光源，該激光光源的體積要足夠小到能集成到可穿戴設備中，功耗也要足夠低，但是同時其激光發射功率又不能太小，否則可能無法提供足夠高的信號強度供準確血糖讀出。這樣的體積－能效比－發射功率三者之間的互相制約將會是該技術最關鍵的挑戰之一。除了光源之外，另一個核心挑戰是如何設計無創血糖生物傳感器中的讀出芯片。為了能準確讀出微弱的熒光信號，讀出芯片必須能有高信噪比，同時又能夠過濾激光光源帶來的干擾，而這一切都需要在很小的尺寸內實現，這也為芯片設計帶來了很大的挑戰。
然而，經過蘋果多年的研發，終究無創血糖傳感器還是到了一個較為完善的地步，進入量產已經並不遙遠。這也將為可穿戴式設備的生物傳感器市場注入動力，因為這可望會成為一個全新的市場。
無創血糖之外的其他熱門生物傳感應用
如前所述，蘋果的無創血糖監控技術可望大大提升可穿戴設備的市場容量，並且帶動相關生物傳感器的市場和技術。我們認為，可穿戴設備結合下一代生物傳感器技術除了無創血糖之外，還會通過給用户帶來新的用户體驗來實現新的市場突破。這些新的用户體驗中，最熱門的就包括實時血壓監控和EMG信號監控。
首先，實時血壓監控將會給有心血管疾病風險的用户帶來革命性的健康管理工具。一般來説，血壓在每天中都會有波動，但是傳統的血壓測量方法對於用户來説並不方便，因此很難實現高頻率地測量，更不用説實時監控，這樣就給心血管疾病的管理帶來的困難。而在可穿戴手錶中的實時血壓監控則可以解決這個問題。從技術上來説，實時血壓監控使用的是PPG傳感器搭配機器學習算法。PPG傳感器技術並不新，目前已經廣泛應用在可穿戴設備的心率和血氧指標檢測中。但是，當使用PPG來檢測血壓的時候，首先對於PPG的讀出精度有了不同的需求，這也就需要PPG傳感器的指標有新的進步；
另一方面，更重要的是相關的機器學習算法。因為PPG和血壓之間並非簡單的線性關係而是會有一個複雜的對應關係，需要考慮各種因素，因此當使用PPG來檢測血壓的時候，就需要能運行一個相關的機器學習算法。顯然，這樣的機器學習算法需要能在可穿戴設備直接運行而不能到雲端去運行，因此可穿戴設備上的芯片就需要有這樣的運行人工智能算法的能力，而且隨着人工智能算法的逐漸演進，為了實現高精度的PPG－血壓監控，相關算法很可能會越來越複雜，因此也就需要可穿戴設備對於這樣的算法有相應的支持。此外，人工智能算法也需要高質量的輸入，因此PPG傳感器能提供的信號質量也會成為人工智能算法輸出準確度的關鍵指標。
除了血壓監控之外，EMG也是一個很有潛力的方向。EMG可以實現肌肉相關的神經信號讀出，從而可以高精度監控手部的細微動作，舉例來説手指的細微彎曲，兩個手指的上下動作等等。而這也會是未來AR等新應用中的重要一環，因為AR等頭戴式設備中，如何實現用户輸入一直是一個很難的問題，而如果可以通過手部的細微動作就來操作AR設備就會是一個重要的突破。在五年前，初創公司CTRL Labs已經實現了使用EMG來讓用户用手部細微動作來操作複雜的電腦遊戲，而該公司已經在2020年被Facebook收購。隨着硅谷各大科技巨頭都在押注ARVR，我們預計EMG相關的生物傳感器也會成為熱點。EMG傳感芯片主要分為兩部分，一部分是傳感部分，使用電極讀出用户的神經信號，該部分需要高精度模擬信號處理來確保讀出信號的信噪比。EMG傳感器的另一部分是人工智能部分，在讀出神經信號之後，如何把這些信號對應到相關的手部動作，該操作最有可能還是會需要人工智能來完成，因此這就需要EMG可穿戴式設備能完成人工智能算法的加速。
生物傳感器未來發展方向
如前所述，我們看到了可穿戴設備中的生物傳感器在未來幾年可望會得到進一步發展。我們認為，這些新的發展方向基本可以概括為如下兩個方面：
首先是新模態新號的傳感，這就包括了熒光信號，EMG信號等。通常來説，這類信號的傳感在較大的設備中已經有了先例，這裏的挑戰主要是如何把相關的系統小型化，能用體積可以被可穿戴設備容納的芯片系統所實現。當然挑戰也有很多，比如我們之前提到的體積、信噪比、能效比和輸出功率等，這裏需要傳感器、模擬電路和數字系統設計等多個領域的交叉優化才能實現。
其次是智能化，即相關人工智能算法的支持。目前人工智能已經成為許多傳感器輸出信號處理的首選方案，而隨着人工智能的演進，勢必需要可穿戴設備越來越多地支持傳感器相關的人工智能算法，因此我們可望會看到越來越多的人工智能相關模塊會出現在可穿戴設備中，這也將會為人工智能相關芯片和IP帶來新的市場。
