中国睡眠研究会官方指导

2026年5月21日，热门智能健康戒指公司Oura Health向美国证券交易委员会秘密提交IPO申请，计划2026年内在美股上市。去年10月，这家公司刚完成了8.75亿美元融资，估值109亿美元。

Oura的Tom Hale告诉CNBC,2025年营收预计10亿美元，2026年预计接近20亿。

就在今年三月份，Eight Sleep拿到了5000万美元战略融资，估值15亿美元，而去年8月，其刚完成由红杉中国领投的1亿美元D轮融资。它的液冷床垫Pod 5可以根据你的心率自动调节表面温度——深睡期降温、REM期回暖。

Oura的订阅收入占了营收的约20%，Eight Sleep的Pod定价超过2000美元但毛利率超过60%。这两家公司的共同点不是卖硬件，它们卖的是对你每一天三分之一时间的持续数据所有权。

睡眠领域正在经历一场AI驱动的商业重构。

和大部分AI应用停留在聊天机器人、图片生成这些精神消费场景不同，睡眠AI进入的是一个完全不同的战场——人的身体，而且是失去意识状态下的身体。你不能问一个睡着的人"你感觉怎么样"，你必须用传感器替她回答这个问题。

这篇文章试图回答三个问题：AI在睡眠领域到底能做什么，已经做出什么了，以及为什么叫好不叫座。

一、三项技术拐点推动睡眠AI赛道活跃

睡眠AI并不是一个新概念。Fitbit在2017年就做了睡眠分期，但当时的算法精度连深睡和浅睡的区别都常常搞错。真正让这个赛道从"有趣但不可靠"走到"医疗级可用"的，是过去三年内的三个技术拐点。

第一个拐点是PPG传感器硬件的迭代。

2019年的智能手表心率传感器采样频率是每秒25次，到了2024年Oura Gen 4和Apple Watch Series 10做到了每秒50到100次，配合多通道LED光源，信噪比提升了接近一个量级。这不是算法变聪明了，是输入数据的质量发生了阶跃。

第二个拐点是端侧AI芯片的普及。

睡眠数据极度隐私，没有人愿意让云服务器知道自己几点睡着。苹果的S9 SiP和高通的骁龙AR2让睡眠分期算法可以完全在本地运行，不需要上传任何原始数据，这在隐私合规上是质的跨越。

第三个拐点是大语言模型（LLM）进入健康领域。

过去十年，睡眠AI的本质是一个分类任务，把一整夜的传感器信号切成30秒一个窗口，判断每个窗口是深睡、浅睡、REM还是清醒。这是一个典型的序列标注问题，用CNN加LSTM就能做。

现在LLM可以把连续八小时的多模态信号喂给模型，让它像理解一段文字一样理解一整夜的生理状态，输出完整的叙事而非简单的标签。

LLM带来的不是精度提升——分类精度已经在90%以上了，提升空间不大。它带来的更是一种全新的交互范式，用户不再需要看懂睡眠分期的图表，AI直接告诉她"你昨晚的情况像是倒时差的典型表现，这和三天前你的作息晚了两小时有关。如果你今晚能在10点半前上床，偏差大概率会自动纠正。"

三个拐点叠在一起，改变了睡眠AI的底层逻辑：从"给你一个分数"变成了"给你一段可执行的洞察"。旧AI告诉用户"你的深睡不足"，用户能做的是"哦，知道了"。新AI告诉用户"你今天晚上应该比平时早35分钟上床，因为根据你的历史数据，这个调整幅度能让你多获得18分钟的深睡"，用户有了一条具体的行为指令。

大模型最大的意义不是让AI更聪明，是让AI的建议从不可执行变成了可执行。这是睡眠AI从有趣的App变成刚需健康工具的关键。

二、感知、干预、诊断是三层完全不同的逻辑

睡眠AI的技术栈切成三层，感知层回答"你睡得怎么样"，干预层回答"怎么让你睡得更好"，诊断层回答"你是不是有病"。

1. 感知层——在精度和舒适度之间走钢丝

感知的本质是用AI把传感器信号翻译成睡眠状态判断。感知层是资金最密集、竞争最充分的一层，技术路线由信号源的位置决定。

精度上限最高的方案是脑电（EEG）干电极方案。

Beacon Biosignals定位于做FDA 合规居家 EEG 头环 + AI 睡眠脑电平台，用家用设备等效医院多导睡眠监测（PSG），主打药企临床试验+睡眠疾病筛查（不宁腿、睡眠呼吸暂停、发作性睡病），其收购原Dreem团队后拿到了FDA对Dreem 3S头带的授权——六导联干电极在家采集临床级脑电。飞利浦SmartSleep头带、Muse头带在前额贴干电极采集脑电信号。

EEG是唯一能直接判断"你是否真的睡着了"而非"你看起来像睡着了"的方案。但AI的挑战不是硬件（干电极方案已经很成熟），而是是消费级的EEG信号信噪比极低，去除眼动和肌电伪迹是AI算法最大的工程难题。

但即使技术问题解决了，每晚在额头绑头带的不便和不适也是消费者面临的选择障碍。

精度其次的是光电体积描记法（PPG）路线。

Oura Ring、Apple Watch、今日宜休走这条路。手指和手腕的血氧和心率变异性信号最稳定。AI把心率变异性、血氧、体温、加速度四个低维信号拼成完整的睡眠分期图，对标PSG金标准。

Oura声称一致性超93%，但深度睡眠误差仍在10%到15%，这并非算法问题，而是信号源本身的信息天花板。

精度最差的是雷达/声波路线。

Google Nest Hub用Soli雷达，SleepScore Labs用声波分析呼吸。优势是完全无感。但精度只够说"睡了多久"，不够做任何健康建议。

目前来看，PPG戒指和手表路线暂时胜出。它们虽然不是最准，但做到了足够准且足够舒适。Oura卖了550万枚戒指、2025年营收破10亿美元就是最好的证明。

2. 干预层——谁能让人不需要做决定就睡好

干预层是行业真正想突破的方向。毕竟，知道用户睡不好不值钱，让他睡好了才值钱。

干预层有三条在临床上被验证、在商业化上程度各异的路线。

闭环环境调控是目前用户粘性最强的方案。八小时睡眠是一个动态过程，深睡期需要低温、完全黑暗；快速眼动（REM）睡眠期体温会自然上升。

Eight Sleep的Pod 5在床垫里嵌入液冷管，用液冷床垫做到了"床上温度根据睡眠阶段自动调节"，根据实时心率自动调节床面温度。这是目前AI睡眠干预最成功的消费级案例。2026年3月估值15亿美元证明了资本市场的认可。

但液冷硬件的BOM成本极高，售价2000美元以上，堵死了大众市场。

第二条路线是个性化声波干预。在深睡期播放特定频率的粉红噪音或慢波增强音，诱导大脑维持深睡状态。MIT和哈佛有多项研究证实这种方法可以显著增加深睡眠时长和慢波功率。

这条路线的商业化难题是，每个人对声波干预的响应阈值不同，且长期效果有衰减。Kokoon、Dreem等品牌在用AI动态调整声波参数来解决个体差异问题，但目前仍处于技术可行、商业不可靠的阶段。

第三个路线是数字认知行为疗法（CBT-I）。CBT-I是国际公认治疗慢性失眠的一线方法，传统方式是6-8周每周一次45分钟的心理咨询。

AI做的事是把CBT-I变成App——个性化睡眠限制建议、自动调整刺激控制策略、基于用户反馈动态优化时间表。Big Health的Sleepio已经通过了FDA认证的随机对照试验，成为全球首个处方级数字失眠疗法。

这条路线最大的优势是不需要硬件，边际成本趋近于零。劣势是用户依从性极低，需要用户连续6周每天配合，而大部分人在第3周就放弃了。

干预层的核心投资判断是，环境调控路线的用户粘性天然高于信息推送路线，因为物理约束大于心理约束。人的行为很难被正确的建议改变，但很容易被舒服的环境改变。

但环境调控的硬件成本是一堵墙，谁能把成本打下来40%以上，谁就是下一个Oura。

3. 诊断层——最大的TAM，最窄的入口

诊断层是AI在睡眠领域最被低估但价值量最大的方向。

全球约10亿人患阻塞性睡眠呼吸暂停（OSA），但确诊率不到20%。原因是确诊需要在睡眠中心做一整晚的PSG，费用上千元、排队数月。

AI可以把初筛做到消费级。2024年9月，Apple Watch获得FDA 510(k)批准，仅用脉搏血氧和呼吸频率做判断，对中重度OSA灵敏度约89%、特异性约85%。这套性能用于初筛已经足够好了，但离替代PSG还差一代算法。

不宁腿综合征（RLS）全球患病约3.56亿成年人，其诊断更依赖主观量表，AI目前能做的有限。但智能床垫（如Withings Sleep、小米生态链的智能床）用压力传感器采集夜间腿部微动的频率和模式，正在尝试量化RLS的客观指标，这也是目前消费级睡眠诊断最前沿的方向之一，但离临床指南还有三到五年。

诊断层的核心矛盾是监管成本和市场规模的权衡。一个FDA 510(k)需要2到3年、数百万美元临床试验。

创业公司在数字CBT-I和OSA筛查之间二选一，本质是在赌两个不同的TAM：失眠人群规模大但付费意愿低，呼吸暂停人群付费好但路径窄。

三、商业化：盈利难题难解

1. 三条河流都有暗礁

（1）消费订阅——硬件卖一次，数据卖一辈子

这是Sleep Number、Eight Sleep、Oura、今日宜休的共同赌注，硬件触达用户（戒指/床垫/枕头），App持续收月费（睡眠报告、个性化改善方案、健康趋势追踪）。

Oura 2025年营收预计10亿美元，同比翻倍。约20%来自订阅——72美元一年，付费用户突破300万。它证明了人们愿意为自己身体的深度数据持续付费，但前提是数据比自己的感知更精准。

这套商业模式的核心风险是AI建议的平庸化。如果AI给的建议永远是"早睡、少喝咖啡、多运动"，用户三个月后就会问自己"我每个月花6美元看这三个建议干什么"。AI真正的价值在于给出"今天你应该比昨天晚20分钟上床"这种级别的个性化动态指导。能做出来，留存就立住了。做不出来，订阅就是割韭菜。

（2）医疗报销——这是医疗器械，保险公司买单

全球两大睡眠呼吸机巨头飞利浦和ResMed已经在呼吸机的远程管理中用AI做自动压力调节和依从性监测。算法根据用户每晚的呼吸模式自动调节气道压力，不需要人工干预，这在5年前简直是科幻。

2025年起，美国CMS（医保）开始对"AI辅助CPAP管理"进行编码报销。被保险公司纳入报销目录是睡眠AI从消费产品变成医疗基础设施的转折点。

但进入医保目录的代价是极高的监管成本。Big Health的SleepioRx花了至少两年、数百万美元拿到仅一个软件的FDA认证。如果产品同时需要过硬件和算法两道FDA，时间和资金成本至少翻倍。

（3）企业健康——公司替员工买单

Calm、Headspace已经把这条路走通了。企业购买员工睡眠改善项目，计入健康福利预算。AI的价值在于把"一个通用的冥想App"变成"为每个员工定制的睡眠改善方案"，根据HRV、作息、压力问卷做动态调整。

这条路的天花板取决于企业健康预算的增速。在宏观经济承压期，健康福利是企业最先砍的预算之一。Calm的估值在2023年后大幅回调，已经验证了这个风险。

2. 头部玩家在路线上高度分化

从竞争格局来看，目前的头部玩家在路线上呈现高度分化。

Oura横跨感知层和消费订阅，正处于从硬件公司向数据平台转型的关键节点，2026年预计20亿美元营收，付费用户超过500万，是所有选手中感知层数据密度最高的。但他目前的产品形态决定了其天然无法进入环境干预层。

Eight Sleep占据了干预层的最强位置，Pod 5的闭环温控是目前唯一被验证能显著改善用户睡眠指标的消费级方案，但2000美元以上的定价和液冷硬件的固定成本结构严重限制了它的TAM。

Apple是唯一横跨三层的选手，Watch做感知和初筛诊断（OSA功能已获FDA），HomeKit体系做环境控制（虽然尚未被整合进睡眠场景），Health App对接医疗机构（但它不把睡眠作为独立产品），睡眠能力散落在各产品线里，深度整合的意愿取决于内部优先级。

Big Health只占干预层中的数字疗法一角，FDA认证是它最深但也是最窄的护城河。

Beacon Biosignals的Dreem头带是感知层精度的天花板（EEG级），但消费者接受度的地板就是它的商业天花板，它不是消费产品，是临床研究工具。

3. 中国市场的特殊变量

中国有3亿以上的人口存在睡眠问题，市场基数远超任何一个单一西方市场。但Oura尚没有做中国市场，其App连中文都不支持。

今年4月21日，Eight Sleep才刚宣布进入中国市场，在天猫开设官方旗舰店，并首发Pod5、Pod 5 Ultra两款智能床套。

国内创业公司今日宜休正在填补这个空白，PPG传感器嵌在枕头里，不需要额外穿戴，用无感的方式攻Oura的感知层。

中国的睡眠AI商业化有两条独特的河流，一条是银发经济，60岁以上人群的睡眠障碍率远高于年轻人，但技术门槛和使用习惯是巨大障碍；另一条是中医养生，AI把脉、AI体质辨识、AI睡眠调理，这是西方市场完全不存在的一个平行宇宙，但在中国有深厚的文化土壤和消费基础。

四、为什么睡眠科技叫好不叫座

睡眠AI的真实需求不需要证明。但为什么除了Oura，几乎没有第二家实现了规模化盈利？问题的答案不在技术上。

1. 预言的自我实现——AI告诉你会睡得差，然后你真的没睡好

这是AI在健康领域特有的困境。AI预测"今晚你可能睡得很差"，用户焦虑了真的没睡好。数据反馈回来，AI看到"预测正确"，认为模型很好，而实际上是它制造了它预测的结果。临床上这叫反安慰剂效应（nocebo effect），是Oura和Apple Watch被用户诟病最多的地方。

一部分人戴了睡眠监测器之后睡眠反而更差，数据焦虑本身就破坏睡眠。

这个矛盾没有现成的技术解法。它需要AI在"告诉你真相"和"保护你的心理状态"之间找一个平衡点。它既不是AI性能指标也不是FDA审批要求，因而落在一个商业和技术之间的伦理真空里，目前没有哪家公司在这个方向上投入了实质资源。

2. 从"知道了"到"做到了"的转化鸿沟

所有睡眠AI做同一件事，把数据翻译成建议，推给用户。但它们做不到让用户听这个建议。

睡眠习惯是人格结构的一部分。晚睡不是理性决策，是情绪调节方式和工作压力的出口。AI说"你应该11点上床"，但如果你每晚10点半才结束加班、需要两小时缓冲，这个建议没有改变任何实质约束。

能改变行为的是物理环境调控，床垫自动降温、灯光10点自动变暗，而不是信息推送。这也是Eight Sleep的环境调节方案在粘性上远超Oura的建议推送方案的底层原因。它不靠"告诉你该做什么"，靠"让环境帮你做"。

这个差异对投资人来说有直接的启示，在进行睡眠AI项目评估时，应该优先问"你的产品能不能在用户不做任何决定的情况下改善他的睡眠"，而不是"你的AI建议有多精准"。

3. 数据的黑箱悖论

睡眠是意识丧失的过程，用户对自己的睡眠状态有零一手信息，但这份信息是他在睡着时产生的。

AI算法告诉他"你昨晚只有30分钟深睡"，用户无从验证。他能感受到的是"今天有精神"还是"今天很累"，但这个主观感受和AI的客观数据之间的相关性远低于人们的预期。

这就产生了一个信任危机，当AI的分期结果和用户的体感不一致时，用户信谁？如果信AI，AI可能不够准（连Oura都有10-15%的误差）。如果信自己，那AI的价值在哪？

五、终局判断：执行比数据反馈更重要

睡眠AI的终局，可能不是一个更聪明的App，而是嵌入了物理环境的无声管家，灯光知道自己几点该变暗、床垫知道你今天该几点入睡、闹钟知道该在浅睡期的最后10秒叫醒你。在这个过程中，AI最大的价值不是告诉用户"你睡得不好"，而是用环境的力量让用户不需要做任何决定就睡好了。

这需要AI同时解决感知精度（准确地知道用户正在哪个睡眠阶段）、环境控制（把灯光/温度/声音/床垫变成可编程的执行器）和行为引导（在用户清醒的时候用最小的认知摩擦影响他的睡前行为）三个问题。相比之下，把数据直接反馈给用户则并没有那么重要，毕竟，在大多数情况下，睡眠问题并不是一个用户可以主观决策的问题。

目前还没有一家公司把这三层全部打通。今天的所有选手——Oura、Eight Sleep、Apple、飞利浦——都只完成了一层半。

谁能先打通三层，谁就是这个赛道的最终赢家。

数据来源：Oura/Sacra/CNBC、Eight Sleep/TechCrunch/BusinessWire、Apple FDA 510(k)审批文件(K240929)、Big Health/SleepioRx FDA公告、Beacon Biosignals/Dreem官方、Sleep Review Mag。

原标题：「越监测，越失眠」，睡眠AI创业机会多，但真破局难

本文转载于微信公众号：MaxiMin（ID：PENG_YE-SHUO）），转载引用请注明原出处