虽然说许多可穿戴设备已经进入用户市场，但还没有被广泛接受的产品，各品牌设备的外观也十分相似。可以预见的是，在下阶段的可穿戴设备浪潮中，各产品的材质、颜色和款式会逐渐有所区别。而企业的重心也会逐渐转移到自家产品的软件体验上——因为缺乏优秀软件支持的可穿戴设备，不过是一件装饰品。

　　所以接下来的变革浪潮核心是什么?保证数据在多种运动状态及各用户使用时足够精确性的算法或许是可穿戴设备的核心。

　　算法技术究竟适用于哪里?

　　不论是Nike FuelBand里的卡路里消耗，还是Fitbit Flex的步数统计，都要靠算法追踪统计，然后转换成的运动数据。各可穿戴产品难以逾越的一条鸿沟是：多数产品的功能总是统计步数之类的同质化数据，没有找到产品之间的差异化细分点。

　　说的更深入一些，多数健康类可穿戴产品的普遍问题是，它们是很花哨，但无法识别一整天的各种活动。比如，当进行稍微复杂些的举重训练时，Nike FuelBand就不能正确捕捉统计数据，这时用户不得不取下了手环，在锻炼中途亲自在手机或者是笔记本电脑上输入运动数据。因为产品设计的不完善，用户要在锻炼时被迫中断。

　　此外，除了对更多种类活动进行记录，数据还要足够精确。近似的数据只会浇灭用户对可穿戴设备的热情，而使用时间越长，用户对准确性的要求就越高。这对职业甚至是业余运动员都格外关键，因为训练统计的精确度将会直接影响运动目标的实现。

　　如果更进一步，一款真正智能的可穿戴设备应该能区别统计历史和今日运动数据，以巧妙的方法，让使用者在一天中适当增加运动量。或者说，它能够确定使用者有多长的时间是处于“不运动状态”，并且提醒用户在规定的间隔时间中进行锻炼。又或者，手环能够明白，在白天喝了三杯咖啡还经历了一个焦躁失眠的夜晚之后，需要灵活地增加第二天的运动量。

　　如何提高算法精确性?

　　在算法能够切切实实满足所有使用者的需求前，我们需要找到最佳的方法让可穿戴设备收集到的数据变为有价值的东西。如今苹果等的科技巨头正在招纳越来越多的数据科学家，进行算法统计的深入研究。

　　不仅如此，因为可穿戴产品生产者希望细分市场，细致定义受众群体，所以用户研究都会成为决定其成功与否的致命因素。尽管可穿戴设备的用户研究对从业者而言并不是一项需要重新掌握的独特技能，但它需要进行创造性的高度分析。毕竟用户研究最终都会“代表使用者的观点和声音”，并将用户观点融入产品，衍生APP应用，网站，数据之中，保证了产品的成功。

　　用户需要的不仅仅是一款价格不菲的电子计步器，而是一款抛开基础的追踪运动功能之外，可以做到引导自己的日常生活、睡眠模式甚至是食物摄取习惯的智能设备。可穿戴设备的追捧者们急切的需要设备可以做到捕捉全部的运动状态，并且做到精确精确，再精确……各种算法之间的竞赛已经展开，能够完美掌握算法优势的企业和公司将会赢得可穿戴领域市场的先机。