APP 生态中心 · 行业日报

FemTech 智能硬件雷达

Smart Hardware

SIGNAL 01

智能硬件·产品样本

这不是又多一张睡眠报告，而是让硬件根据孕周 + 孕前个人基线，每晚直接改变睡眠环境。

关键机制 / 关键事实

目标场景： 孕期体温变化、夜间过热和睡眠中断，并覆盖到产后 24 周。
入口： 订阅用户开启 Pregnancy Mode，填入孕期阶段；系统把当前数据和孕前基线对照。
数据反馈： 基于 45,000 个孕产夜晚，Eight Sleep 发现孕晚期用户通常把床调得比孕前低约 3°F，产后约 8 周逐步接近原基线。
动作闭环： AI 不只解释心率、HRV、呼吸率、睡眠阶段和打鼾变化，还会按周自动修改床垫温度建议。

编辑视角智能硬件最值得做的升级，不是多采一个指标，而是把“阶段变化”翻译成设备动作。孕周、产后周数、泵奶阶段、宝宝月龄，都可以成为自动策略的输入。

用 45 分钟选一个场景（孕晚期夜热、夜间泵奶或宝宝夜醒），画出一条阶段 → 信号 → 设备动作 → 用户纠偏的最小闭环，并明确哪一步必须允许手动覆盖。

Signals

SIGNAL 01

竞品动态

相比上月只看到 Millie 的 AI 与诊所运营闭环，这次新增的是一条更难复制的链路：AI、App、设备、病历、专科转诊和保险网络被接到同一条孕产路径里。

关键机制 / 关键事实

目标用户： 先服务旧金山东湾的孕产家庭，由助产士负责低至中风险孕期的连续照护。
入口： 产检、24/7 虚拟支持、教育提醒、预约和产后居家访问都从 Millie 的混合服务进入。
协作机制： Millie 与 UCSF Health 共享临床协议，技术层直接接入 UCSF 的 EHR（电子病历）；需要化验、影像或专科时，可转入 UCSF 网络。
真正新增： 双方还共享付款方网络，尽量让转诊留在保险覆盖范围内；Millie 的 AI practice management、connected devices 和 patient app 不再是孤立工具，而是协作底座。

编辑视角母婴 AI 的下一步不是把答案写得更像医生，而是把风险触发后该找谁、怎么预约、信息怎么带过去、结果怎么回流做成产品路径。

用 45 分钟挑一个高风险场景，画一条 App 信号 → 分层提示 → 真人服务 → 转诊 → 结果回流的泳道图；只保留一个明确责任人和一个可验收结果。

SIGNAL 02

工具链· 早期产品信号

Cactus 把 agent 缩成 45M 参数、14MB，不追求聊天，而是专做 tool calling——开灯、调档、记录、提取字段这类动作可以离线完成。

关键机制 / 关键事实

设备门槛： 完整 session 约占 28MB RAM；官方实测在低于 $200 的手机上约 300–700 tokens/s，Raspberry Pi 5 解码约 500 tokens/s。
能力边界： 每次输出都被语法约束成明确的函数调用；空调用就是拒绝，避免设备端自由发挥。
回退机制： 每个结果带置信度；高于阈值才执行，低于阈值就重问或升级到云端。
可用性： Apache 2.0 开源，权重、代码和 playground 已发布。8 月 10 日进入 HN 早期讨论，当前约 110 分 / 60 条评论。
别被指标骗： 它在 Mobile Actions 严格匹配上是 63.7%，接近 270M 的 FunctionGemma（64.0%），但它是窄任务模型，不是通用助手替代品。

编辑视角对设备控制来说，最需要的往往不是一个会长篇回答的大模型，而是一个能把自然语言稳定映射成设备动作、断网也能跑、不会乱猜的小型路由器。

在 Needle 2 playground 定义 5 个低风险设备动作（开关、调档、启动、暂停、记一条记录），用 10 条自然语言指令测试误判；把低置信度统一设计成“确认一次或转云端”。