小米手环出货量傲视可穿戴市场

　　此前，小米生态链企业华米科技创始人&CEO黄汪在接受采访时透露，由华米推出的小米手环目前累计出货量超过3000万。市场调研机构IDC发布报告称，小米手环出货量已经超越Fitbit，华米科技一跃成为全球第一大可穿戴厂商。

　　此外，华米科技2016年收入超15亿元，处于小米生态链顶端。

　　在登顶世界第一大可穿戴厂商之后，近日，华米科技CEO黄汪和高榕资本进行了交流，并就问鼎top1作了经验分享。

　　以下为黄汪部分发言摘录：

　　成为可穿戴设备世界第一的企业应该是一件意料之中的事情。

　　我们团队在智能硬件行业浸淫了多年，对智能硬件做了很多思考。对于智能硬件来说，关键在于你的产品能否做到极致，而要做到这一点就需要至少三个条件：有钱、有人、有耐心。

　　有耐心是什么概念?说实话，做AMAZFIT运动手表的过程非常痛苦。这真的是华米历史上最痛苦、最漫长和最难的一款产品。我们用了整整18个月打磨这件产品。

　　大家看到智能手表产品出了一茬一茬，2015年巨头开始入场。这种情况下，大家问到我什么时候出的时候，我回答一句话：我们不是第一个出的，但是我们肯定不是最后一个出的。

　　关键在于要在你想好产品定义的情况下，再去出这个产品。

　　那应该要如何去定义你的产品呢?

　　从我们的经验看，硬件产品主要存在三大误区。

　　误区之一，希望产品无所不能。

　　最典型的一个情况就是在智能手表这个行业里。我记得2013年我们做智能手表的时候，业内普遍的观点就是把手机芯片用来做手表的芯片，把手机变成了手表，所以有一种自然而然的产品定义，智能手表就是绑在手上的小屏幕智能手机。

　　然而，把它定义为一个无所不能的产是导致产品失败的主要原因之一。

　　我们做产品定义的时候，一定要想清楚，无所不能的产品带来的问题是什么?成本的上升、功耗的上升，无所不能的后果往往是什么都不能。

　　误区之二，产品定义的骑墙派。

　　顺着“无所不能意味着什么都不能”的思路下来，你会发现通过做减法来找到更加准确的产品定义才是关键。

　　做减法需要深度的思考、实践和决心，因为你的确会担心如果减去了这几项功能消费者是否还会被打动。

　　说实话，我们在做华表AMAZFIT手表的过程中，一开始就是想做一个无所不能的手表，但是大概过了半年之后，我们感觉到这是有很大问题的，我们对产品的定义变成了突出运动功能的智能手表。

　　最后我们下定决心把产品定义调整成了一个有一些智能功能的、甚至没有智能功能、只是运行了安卓的手表。

　　这个过程里，差不多每半年做一次产品定义的调整。它已经调了18个月，这里最难的是裁减、取舍的过程。

　　误区之三，战略懒惰。

　　有句话说的很好，“战术上的勤奋不能弥补战略上的懒惰”。

　　我们有能力使用性价比超强的打法，但是你如果不是好好的去定义好这个产品的话，它真的就能大卖吗?很多智能手表到最后都是大家用了几个月，甚至几个礼拜，尝了个新鲜。

　　你必须回答的问题是：用户买回去之后，除了新鲜感之外，到最后这个产品给用户解决什么持续性的痛点了?

　　Pebble之死，很大原因在于太迟意识到产品定义出了问题。

　　这个案例也提醒我们：硬件创业尽量离供应链和制造中心近一点儿;招募扎实靠谱的硬件团队很重要，但抄袭欧美的时代过去了，抄无可抄，不要再抄;建立自己挖掘消费者需求的能力，这比什么都重要。

　　华米是一家人体数据公司

　　事情要从终局来做判断才有意义。无论是智能手环还是手表，我们都把它定义为一个人体的ID，ID就意味着你坐卧住行、一举一动的数据都在里面。

　　关键的一点是，所有数据的收集都是在人体无感的情形下完成的。当智能设备成为你的人体ID时，无论是支付、跨设备的互联网交互、健康管理都是非常自然的应用场景。

　　华米整体的逻辑重点没有放在变着法儿改造硬件产品上，简单地屏幕大一点或者功能多一点的硬件改动并没有多少意义。

　　如何服务于其数据获取终端的角色，才是定义硬件功能的标准。作为可穿戴设备，智能手环需要在外观设计、体积重量、功能定义等方面保持克制，如果还用做传统消费电子的产品思维，试图通过堆砌功能，升级配置来“推陈出新”，必然会走进死胡同，碰到所谓的玻璃顶。

　　如果手环产品仅仅是一个硬件，比如MP3，卖多少、盈利多少，当然要拼营收。但如果把它当做获取用户数据的终端，则更关心多少用户能够一直戴下去，黏性多强。

　　硬件只是我们获取用户的方式，重要的是背后带来的数据的价值。

　　今年年初，我们成立了自己的人工智能实验室，搭建了云端运动健康大数据平台，主导研发基于深度学习的可穿戴芯片。4月，内置了ECG心电芯片的AMIZFIT米动健康手环发布，这块ECG芯片为手环获取的数据增加了一个新的维度——心电数据。

　　这也为手环产品从简单的运动、睡眠记录向更严肃的健康医疗用途延伸提供了可能。

　　基于心电数据，华米正在进行两个方向上的尝试：一是基于心电图做生物特征识别，相比指纹，人的心电特征更难被复制;二是通过深度学习做疾病筛查，为医生做辅助诊断。

　　在看心电图这件事上，由于数据量大，医生未必能抓到所有的问题，通过深度学习的方法，我们能够筛查到很多医生忽略的点，再交给医生判断。

　　我们希望通过和医学界的紧密合作，用人工智能技术改善中国人的心血管健康状况。

　　数据挖掘是一件厚积薄发的事情，你需要做一台不断深挖的数据挖掘机。