在很多人的印象里，終身教授意味著更穩定。但徐升過去十年的軌跡，幾乎一直在主動進入更高風險、更長周期的新方向。

從本科北京大學化學系畢業，到佐治亞理工大學獲得材料科學與工程博士學位，再到伊利諾伊大學厄巴納-香檳分校材料研究實驗室從事博士后研究，由此越來越多地與電子、生物醫學領域交叉。

在加州大學圣地亞哥分校（UCSD）組建獨立課題組時，他的研究方向從基礎功能材料轉向應用驅動的柔性可穿戴超聲，并入選了《麻省理工科技評論》“35 歲以下創新科技 35 人”。2025 年 11 月，徐升離開了工作 10 年的 UCSD，來到了斯坦福大學任教。他同時兼任四個職位：麻醉學、圍手術期和疼痛醫學系終身正教授，新興技術項目首任主任，電氣工程系教授（兼聘）以及材料科學與工程系教授（兼聘）。

徐升的課題組工作并不算高產，每年可能只有兩三篇“大”的研究成果發表。他的研究被認為是“重型”的，補充材料可能就要上百頁。也因為這樣，有的工作被其他課題組搶發。他也曾思考過是否需要調整這種模式，但與高產相比，徐升認為研究透徹、詳盡更重要。他笑稱，“假如我有個 10 個 idea，盡管可能有 3 個被搶發，但好在我還有另外 7 個好的工作。”

2018 年，徐升與團隊發明了首個可無創測量中心血壓的可穿戴設備 [1]讓他倍受鼓舞，原來從事的科研工作能為人們的生活帶來實際的改變。

2023 年，他和團隊在 Nature 發表相關研究，開發了一種可穿戴心臟超聲成像貼片，僅郵票大小、24 小時連續監測、可探測人體皮膚下約 14-15 厘米深處的組織信號，即便在運動中也能工作 [2]。

近日，他和團隊在 Nature Biotechnology 發表的工作首次實現了可穿戴超聲貼片連續胎兒血流監測 [3]。徐升稱這個方向是他挖到的新“寶藏”，市場潛力極大，并且鮮少有其他課題組挖掘這個方向。基于對胎兒血流進行連續、無創監測，最近他還憑借該技術獲得了 2026 年古根海姆學者獎（Guggenheim Fellowships）。

徐升認為，可穿戴電子的爆發，在等一個“AlphaGo 時刻”。談及未來，他說要努力運動健身把身體搞好，希望活得久一點因為“可深入挖掘、要做的事情太多了”。

以下是我們的對話：

從“誤打誤撞”進入柔性電子，到成為獨立 PI

DeepTech：現在回頭再看，你是如何走上柔性電子這個方向的？

徐升：我當年博士畢業開始找博后，就看哪個導師的成果做得優秀。正好 John Rogers 教授實驗室在招人，他那個時候也剛開始做柔性電子不久，他也對我很感興趣，兩個人一拍即合就去了。坦白講，我沒什么 vision，沒什么大道理，就是瞎貓碰上死耗子。

DeepTech：Rogers 教授除了在學術方面成果優秀，也在產業化方面有相關推進。在他課題組工作的過程中，你覺得有哪些習慣、行為或觀點對你影響比較深刻？

徐升：我覺得他真的是個超人。我的理解和感受是，一個人如果做得很成功，無論在哪個領域，肯定是有他自己的過人之處。Rogers 引領了一個新的領域，我覺得跟他個人很多優秀的品質是分不開的。

比如他非常勤奮、專注且精力極其旺盛。只要不出差，他每天 4 點多 5 點就開始在辦公室工作。當年我在他組里做博后時，我們經常在早晨 5 點鐘開組會，所以基本上得 4 點多鐘就起床。我現在還記得，有時候伊利諾伊冬天下雪了，得需要用雪鏟把雪刮開，然后開車去學校，等到組會六七點鐘結束后，再回辦公室趴桌上睡一會兒。

此外，Rogers 記憶驚人、博聞強識。我們課題組當時 40 多個人，每個人上次開組會講了什么，答應了什么，下次開組會的時候他仍然記得清清楚楚。最重要的是，他自己壓根不做筆記，全記在腦子里邊了，真的 amazing。還有就是他的嚴謹和一絲不茍，整個實驗室的成員都能得到很好的 training。

DeepTech：2015 年你在 UCSD 建立獨立課題組時，前期主要做基礎功能材料，到后來轉向比較偏向應用驅動的柔性可穿戴超聲研究。這個轉型的過程中經歷了什么，是一種主動還是被動轉型？

徐升：我覺得自己是一個科學家，我真的是發自內心地對科學問題很感興趣，我真的想搞明白這個現象為什么這樣，它背后的機理是什么。后來逐漸發現，在我自己能力范圍內能夠達到的領域中，好像現在也沒什么很大的、很難的問題。如果非得要去搞一個基礎的科學問題，可能面臨的困境是：發表的論文沒人關注，發不了什么好期刊，產生不了很大的影響。

還有一點很重要，通常大家對能夠立馬產生效益、產生價值的技術非常感興趣。但有一個現實的問題：科學研究終究繞不過基金導向這一關，如果申請不到基金支持，那么課題也很難持續進行。在屢次申請基金被拒后，我就琢磨怎么去解決問題。后來通過與醫生和專業人士的交流，發現還是得聚焦解決實際問題。所以，可理解研究方向的轉型是一種被動的選擇。

（來源：Nature Biomedical Engineering）

特別是當我們關于可貼合人體的柔性超聲血壓計的研究成果 [1]，2018 年以封面論文形式在 Nature Biomedical Engineering 發表后，收到了來自全球各國家和地區數百封郵件，我真的感覺到產生的影響、關注度遠超過預期。我當時沒想到，歪打正著做了這么一個課題，沒想到一下捅了柔性電子領域的“馬蜂窩”。后來就激起我越來越往臨床這方面轉，研究方向也越來越應用化了。

DeepTech：據我們了解，你的課題組其實有一個比較獨特的點，會把一項研究做得非常細致、透徹，甚至補充資料都要上百頁，這種需要很多時間和人力的“重型”研究，會不會給課題組帶來負擔？

徐升：會的，我有時候自己也在琢磨這個問題。打個不恰當的比方叫窮則思變，一旦遇到困境的時候，我就開始想怎么改變。實際上我們發表論文的頻率很慢，每年出的 research article 可能就兩三篇。我們課題組也不小，不是不想多出論文，真的是出不來那么快。

圖丨徐升課題組（來源：受訪者）

我認為，研究一項技術需要把每個細節做得很扎實，每一步都要弄清楚是怎么回事，才能做得讓自己心里很舒服，而不是潦潦草草、快馬加鞭把工作弄完。做一個課題，真的是好多工作量，涉及的參與人員、實驗都很多。而且，一個課題少則兩三年多則五六年，有的成果還因為進度太慢被其他課題組搶發了。看著花了那么多時間和心血的課題被搶發，我和學生都非常心痛。

我也經常反省，第一沒有死盯著學生進度，第二真的研究得太細致了，所以就很慢。另一方面，如果我們沒有將一個技術研究得非常透徹就去期刊投稿了，我覺得可能會被拒收。所以，到底應該如何把握這個度真的很難，我自己也還在摸索中。

DeepTech：我覺得你遇到研究成果被搶發這種情況肯定不止一兩次了，那事后在研究過程中有什么調整嗎？

徐升：有調整，但坦白說沒什么大的改變（笑）。實際上，我仍然是這種風格：嚴格把關，把每個事情搞清楚，包括我修改論文也是，如果學生沒有把技術細節講明白，我會明確告訴他：你要讓我把這個論文投出去，就必須把 XXX（某個細節）研究明白了，要不然我不投。

盡管我知道學生肯定很著急，我要不投這個文章，他可能會面臨畢業延期的問題，即便有成果被其他課題組搶發的風險，但原則問題很難改變，我還是要堅持我的原則。我現在的想法是這樣的，假定我們有 10 個好的 idea，被別人搶發 3 個，那我至少還剩下 7 個好的工作呢，所以這么想想被搶發的事情，好像也沒什么大不了的。

可穿戴超聲，為什么是一座“新寶藏”

DeepTech：2023 年，你和團隊在 Nature 發表了可穿戴心臟超聲成像貼片的研究。與傳統超聲成像比，它優勢在哪？

徐升：可穿戴心臟超聲成像貼片的優勢主要有兩點。

第一，傳統的手持超聲需要很高的技巧才能得到更好的圖像和結果，醫生需要很長時間的積累和豐富的經驗才可以去解析、解答它是什么意思。我們這個貼片通過電子掃描就可以形成一個二維或三維的圖像，而不需要像傳統超聲那樣去不同角度、不同力度、不同的地方掃描。

得到結果以后用 AI 讀取數據，所以相當于提供了很大的便利，降低了使用超聲的門檻，不需要很長時間的訓練，也不需要很多經驗，每個人都能用。對中等或欠發達國家來說，超聲醫生是非常稀缺的資源，他們可能同時需要監測上百名病人。這種技術有望極大緩解醫療資源的匱乏問題。

（來源：Nature）

第二，手持超聲的應用時間有限，一般是 5 分鐘、10 分鐘，最多也只有二三十分鐘。所以，一旦離開醫院，便無法進行超聲檢測了。而可穿戴超聲貼片不受限于醫院環境，在任何地點都可以持續掃描、持續成像，疾病如何從良性狀態變成惡性狀態，怎么一步步變壞的，并能獲取到這些寶貴的數據。

再加上 AI 的加持，有望進行精準醫療，對癥下藥。甚至病情惡化到關鍵時刻，它還可以及時告訴病人家屬，及時帶病人去醫院進行進一步診斷或治療。所以我覺得，如果能促進這個技術發展成熟，轉化落地，它的價值是可以挽救很多人的生命以及改變人的生活。

DeepTech：你認為，可穿戴心臟超聲成像貼片距離能夠改變醫院超聲的使用范式，還有多久呢？

徐升：從技術方面來講，還有很多可優化空間。例如無線的小型化集成、功率、能量的小型化，怎么把能耗降低，讓電池壽命更長，成像的質量可以進一步提高。從生產方面來看，如何大規模生產，怎么降低成本。

從應用的角度，我曾經與一位投資人聊過這件事，也受到一些啟發。實際上，要想在醫院中應用一款新的醫療設備并不容易，這涉及到國家政策是否支持、是否與醫院現有設備兼容、醫生是否愿意使用，還有各種“條條框框”。

總體來說，目前我們的技術已經在臨床上有一些應用。我自己也在做一些技術轉化的工作，坦白說落地應用確實還有很長的路要走，但我相信“星星之火，可以燎原”。如果產品能在 C 端應用，或許在應用進程方面會更快一些。

DeepTech：如果說心臟成像驗證了柔性超聲在深層組織監測的可行性，那么將這一技術推向子宮深處的胎兒血流監測，則更像是一場對動態抗噪的終極挑戰。在 Nature Biotechnology 發表的工作 UPatch，首次實現可穿戴超聲連續胎兒血流監測。是不是可以這樣理解：之前的傳統手持超聲只能實現單點式篩查，而常規可穿戴設備又做不了多普勒血流動力學成像，這款貼片相當于把兩者結合起來了？

徐升：你說得太對了。傳統可穿戴設備一般都是監測皮膚表面，例如體溫、電信號、步數和汗液等。盡管這些很有用，但它們的局限性在于只能測量皮表；而傳統手持超聲需要很高的技術壁壘，需要大量訓練，只能夠進行短時間的掃描。我們的可穿戴超聲，相當于將兩者結合起來。

圖丨可穿戴超聲貼片可連續胎兒血流監測（來源：受訪者）

可穿戴超聲可以實現皮表下十幾厘米深度的檢測，這是一塊未待開采的“寶藏”。人體非常復雜，盡管有很多研究致力于探索電信號、機體功能、生命奧秘，在可穿戴領域，可做的事情太多了。

有了被搶發論文的經驗，這次我們學會“先行一步”，趕緊將寶藏中最重要、最有潛力的“金疙瘩”挖出來——在胎兒血流監測方面的應用，不僅具備科學價值，也有著極大的市場價值，據我所知目前市場上還沒有任何與我們技術類似的產品。有時候我甚至覺得，即使不當教授去全職創業，這里面蘊藏的、能改變臨床范式的事情也根本做不完。

DeepTech：胎兒血流監測與其他的傳統體表以下的日常指標可能不一樣，因為胎兒血管位于子宮深處，血流信號極其微弱，而孕婦的呼吸、翻身、胎兒的活動都會讓目標血管不斷移動，那可穿戴超聲貼片是如何保證持續監測呢？

徐升：這個問題問得非常好。我們沒有用 AI，而是用了圖像分割（Image segmentation）。也就是說，我們先用超聲成像，再用算法找出目標血管的位置。例如，當臍帶位于圖像右側時，算法識別出這一點后，把位置信息返回給超聲貼片。

超聲貼片就會像雷達一樣，將超聲波聚焦到圖像的右側，在那里監測血流情況。如果位置發生移動，我們重新成像，通過圖像分割找到新位置并返回給超聲貼片，超聲貼片再把超聲波集中到這個新位置上。實際上，我們的算法形成了一個閉合回路。

DeepTech：在這次的研究中我看到一個觸動人心的案例：一位子癇前期的孕婦（孕 28 周 3 天），阻力指數高達 0.85，搏動指數 2.04，遠超 97.5 百分位，且近四分之一的時間里舒張末期血流消失，四天后醫生決定進行剖宮產。你能不能詳細講講：從可穿戴超聲貼片獲得了哪些傳統設備中無法觀測到的信息，然后做了什么？

徐升：當時我們在做胎兒血流監測案例研究時，正好有一位患子癇前期的孕婦，即孕期高血壓。她在進行常規檢查時結果顯示胎兒的心率正常，當我的學生用可穿戴超聲貼片進行胎兒血流分析時，發現胎兒的舒張末期血流時有時無，整體并未得到足夠的血液供給。

發現這個情況后，我的學生馬上把情況告訴護士和產科醫生，醫生擔心胎兒會因組織缺氧導致胎死宮內，然后將這名孕婦送入 ICU 病房進行強化監測。四天以后，醫生決定為她進行剖腹產。

（來源：受訪者）

當時我就在想，如果我們沒做這個課題，沒有碰到這位孕婦，她很可能不會這么及時了解到胎兒缺氧的情況，后果不堪設想。盡管醫生手持超聲也有可能檢測到相關數據，但傳統超聲本質上是低頻采樣，遇到這種時有時無的現象，最終是否能檢測到需要碰運氣。

可穿戴超聲監測技術提供的是一種連續監測，無論是在家里，還是在醫院都隨時可以進行監測，不錯過任何時刻。一旦發現有危險的情況，能夠及時發現然后進行治療和干預，真的能拯救生命。所以，我覺得這項技術非常有意義，這項技術也即將拿到相關科研基金的支持。

DeepTech：我們現在去醫院可能是出現了某些癥狀或者覺得哪不舒服了才去醫院，你認為未來可穿戴超聲帶來的變革，是從診斷醫學變成一種日常監測嗎？

徐升：是的，以可穿戴超聲檢測胎兒來說，相當于提供一種早期預警，不錯過任何可能危及胎兒生命的關鍵節點。當然，這種連續監測也可能提供誤報（false positive），因此我們需要大數據：如果大數據發現信號經常有波動，那是正常現象；但如果不利的信號會持續很長一段時間或病理上的惡化，那就可能會觸發警告，需要去醫院做進一步診斷。

審稿人對該工作評價也非常積極，認為 UPatch 是一項“技術嚴謹且具有重要臨床意義的創新，有望推動連續胎兒血流動力學監測的范式轉變”。

DeepTech：去年 11 月，你和團隊在 Nature Sensors 創刊號上發表了關于深度學習增強型可穿戴傳感器的抗噪人機交互研究。我注意到這是一個方向上的變化，之前你做的都是生理監測，這篇涉及人機交互，這算是對可穿戴設備應用的拓展嗎？

徐升：是的。我們現在主要集中在可穿戴超聲，做深層次的信號采集 [4]。也在做一些“傳統”的可穿戴，比如慣性管理單元（IMU，inertial measurement unit）做動作捕捉，是不是摔倒了，步數是多少，訓練的時候發力動作是不是規范等等。

這個領域也有很多挑戰，其中一大挑戰是怎么樣區分人身體主動意愿的信號和外界環境的干擾，因為兩種信號是同源的，性質和頻率都非常接近，怎么去區分真的很難。所以，我們就用到了 AI 去把它們區分出來。

在斯坦福搭建“橋梁”

DeepTech：從 UCSD 到斯坦福，我注意你身份變化是一個有趣的組合：不僅是麻醉學、圍手術期和疼痛醫學系終身教授，還同時擔任新興技術項目首任主任、電氣工程系教授和材料科學與工程系教授。這背后有怎樣的契機呢？

徐升：我做的研究方向確實非常交叉，得益于這些年來與很多合作者合作，從他們那里學到了很多東西，我自己組里學生和博后的背景也是來自不同學科的人。所以我們做的課題覆蓋范圍非常廣，需要很多各方面的知識和技能。我覺得在不同的系兼職，更有利于推進復雜的項目，能夠幫助我結識潛在的合作者，也可能招到不同背景的學生和博士后。

我經常在開組會的時候跟學生講，我當年做學生、做博后的時候，真的是把自己做的項目里面的各個方面、每個細節都弄得很明白。當別人問我課題里面的各種問題，我都能夠解釋清楚。但是我現在當教授以后，說句心里話，我覺得有很多東西我自己都不是很懂。你要問我細節，比如為什么這個算法是這樣，為什么這樣測量，大部分時候我解釋不清楚。

我當年做學生的時候，看見有些教授做報告時，當別人問他技術方面的細節問題，他自己不知道，我當時對此不以為然，心想“他怎么連這個都不知道”。沒想到后來我自己現在卻成為了這樣的一個人，我覺得非常慚愧，也很責備我自己。后來我又安慰自己，我現在確實攤子開得太寬了，要讓我去弄明白每一個細節，確實搞不過來，腦子真的不夠用。所以，這也是我不足的地方。

我現在更多的是做工作優先級的取舍選擇和任務的分配。雖然我不懂各個方面的技術細節，但我存在的價值也很關鍵，因為我能看到全局的視野。我腦子里有一幅比較大的藍圖。這個藍圖里面有好幾塊：這塊是硬件，那塊是軟件，那塊是臨床，那塊是算法；需要什么樣的技能，有什么樣的困難，我大概心里有數。我會指出挑戰大概在什么方面，然后找懂這方面技術細節的學生、博后或者合作者。

DeepTech：作為新興技術項目的首任主任，斯坦福期待你實現怎樣的目標？

徐升：我主要是做推動技術的轉化和應用方面的工作。因為畢竟我身處醫學院，醫學院里很多都是臨床醫生在看病，他們對工程、對技術方面可能了解的不是很多，特別是一些文獻里面比較新興的技術。所以我現在的任務之一，是需要把這些比較新興的科學技術和一些新的功能引入到臨床上去，解決一些實際的問題，相當于架起一座“橋梁”，讓兩邊互相知道對方在做什么，然后協作起來，高效地解決問題。

DeepTech：你從 UCSD 到斯坦福，原來課題組的學生是不是不能都一起跟過來？

徐升：確實如此。部分高年級學生需留在原地完成畢業，若是轉學過來重修課程、參加考試，無異于重頭起步，很浪費時間。同時，有些與 UCSD 的合作無法驟然終止，仍需穩步推進。

課題立項審批流程繁雜、文書手續繁多，貿然中斷后重啟不僅耗時嚴重，也很難再尋覓到同等優質的合作方。加之大部分科研經費仍留存于原院校，因此現階段我需要兼顧兩邊事務。我的處事方式比較靈活，會提前向校方告知整體規劃，虛心吸納各方建議，發展事宜共同商討，不會采取“一刀切”的硬性管理模式。

DeepTech：如果讓你給一個剛拿到教職的年輕學者一些建議，你會對他說什么？你有沒有踩過的“坑”有什么經驗可以分享？

徐升：人這一輩子短短幾十年，我覺得一定要做點自己真正想干的事情，最重要的是找到自己真的覺得很有價值、很有前途的發展方向。如果你覺得自己做的事情就是發發文章、評個職稱、混口飯吃，我覺得沒什么意義。

還有一方面，如果你自己認清楚了一個目標，就一定要矢志不渝，不要受到別人的干擾。我可以講一個自己親身的經歷。當我還是 UCSD 助理教授、沒有拿到 tenure（終身教職）的時候，有一位比較資深、說話很有影響力的教授跟我講了好多次：你不要只發 Nature 論文。他的意思是，我應該發一點“小”論文，即影響因子比較低的，不要只盯著 Nature 這種“大”論文發。

Anyway，我沒聽他的。我跟組里的成員這么講：如果我自己內心不夠強大，因為別人的勸說改變自己的做事風格，或許我就不是現在這個樣子。當然，不同研究者需要選擇適合自己的路徑。

我真心認為我做的事情很有前途，所以堅定地要把我們的技術做大做強。最后我團隊的論文發得都還不錯，運氣也挺好，期刊的編輯和審稿人都還挺喜歡我做的東西，所以發展得還不錯。但如果有些人不像我運氣那么好，可能就會動搖了。

可穿戴超聲，正在等待自己的“AlphaGo 時刻”

DeepTech：你的公司 Softsonics 成立了也有 5 年多了，目前公司的技術落地和產品方面有沒有什么最新的進展？

徐升：公司現在主要在做硬件方面的工作，近期即將獲得一筆數百萬美元的美國國家基金項目支持。我們現在技術方面還在不斷完善、更新迭代，已經有一個產品模型、一個樣機，我們的柔性超聲血壓計產品已經做了 200 多個病人的臨床數據，已經在準備材料申請美國 FDA 認證。現在團隊也在逐漸擴大，一切正朝著積極的方向發展。

DeepTech：創業和學術方面的關注點會不一樣。學術可能更關注的是從底層到各個方面將科學問題弄清楚、弄透徹，一個課題可能幾年甚至十幾年，周期比較長；創業可能設計到市場和產品和等問題，或者對產品比較快看到落地有期待。你怎么去平衡兩者之間的關系？

徐升：這個問題問得好。在學校我作為教授帶領團隊去攻克一些比較難的課題，100 個實驗里面成功了兩三個就算成功，論文發表能夠證明技術的可行性。

創業則主要聚焦兩個問題。一方面，一定得解決實際的痛點、共性的問題，而不是一個難的、小眾化的問題。另一方面，創業只要解決實際問題，不需要太難，只要有一定創新、足夠好就可以有市場，進而有可能把產品賣出去。它不需要說一開始就做得多么好、多么奇特，可以把這個創新慢慢分割開來，不斷迭代更新。所以我覺得是不同的思路、不同的側重點。

（來源：受訪者）

DeepTech：蘋果（Apple Watch）和三星等巨頭擁有千億級的研發資金，也在布局無創血糖、血壓監測。你和團隊技術的差異化或者技術優勢在哪里？

徐升：我們的優勢是監測皮表下更深層次的信號。傳統監測血壓通常是袖帶式的，穿戴便利性不足，如果需要持續監測，夜間會對睡眠造成干擾。監測血糖是一種微侵入的方式，扎針流血容易引起感染。

而且我們監測的信號也不一樣，血糖測的是血糖分子，而我們測的是血流的速度、血流量，心臟的瓣膜是否打開正常、是否存在反流，心肌每一塊肌肉是否跳動得非常勻稱，是否有哪一塊肌肉供血不足、慢慢出現壞死，腦子里面的血流速度是否正常、勻速、分布均勻，哪個地方是否有堵塞、可能引起中風。所以，我們的技術與現有的市場監測技術是互補的，不是互斥的。

DeepTech：過去很長時間，AI 主要依賴互聯網數據，但下一階段 AI 可能會越來越依賴真實世界數據。你覺得柔性電子、生物傳感器，是否可能成為 AI 時代新的數據基礎設施？

徐升：確實，數據是我們新時代的“石油”，連續生理數據可能會成為 AI 時代最稀缺的基礎資源之一。可穿戴設備可以 24 小時、7 天，無時無刻地產生數據。所以我們需要大模型來分析每個人的數據，進而實現精準醫療。

盡管現階段可穿戴設備的數據還未開始產生價值和利益，但這需要時間，是一個循序漸進的過程。我覺得先把硬件做起來，等技術逐漸精確、在臨床上已經過驗證之后，那時產出的數據才是真正有價值的“石油”。

DeepTech：可穿戴電子在多年前就被認為很有發展前景，但從實際情況來看該領域的商業化速度并不算快。你認為推動該領域實現“爆發”可能還有多遠？還缺少哪些因素的推動？

徐升：沒錯，現階段可穿戴電子還是在發論文、進行概念化驗證的階段，我覺得差一個“殺手級應用”，也就是一個能充分證明其價值的東西。

不妨試想一下，把時鐘撥回到十幾年前、AI 還未火的時候。我記得 AI 教父、多倫多大學的杰弗里·辛頓（Geoffrey Hinton）教授在早年接受采訪時提到，他很早就開始研究 AI，并經歷過 AI 寒冬期的邊緣化，沒有研究經費，也很難招到學生。

AI 真正走向大眾認知的標志性事件，是 2016 年 AlphaGo 打敗了圍棋世界冠軍李世石，深度學習與強化學習的巨大潛力一舉震驚了全世界。其實 AI 很早之前就出現了，但一直沒能火起來，直到 AlphaGo 向大家證明了 AI 的實用性，AI 才慢慢得到廣泛應用。我覺得可穿戴電子、柔性電子領域，就差這樣一個時機。

DeepTech：是不是可以理解為，可穿戴電子的爆發，在等一個類似的“AlphaGo 時刻”？

徐升：對，我覺得這樣的時刻也需要積累，需要厚積薄發，它不是偶然的，而是必然的。回看 AI 領域的發展，AI 算法是一步步成熟的，然后變得越來越聰明、越來越先進。另一方面，也確實有這樣一個實際問題擺在面前，然后用 AI 把它給解決了。

把這個思路用在可穿戴技術上面也是同樣的。首先，可穿戴技術必須得越來越精確、越來越先進、越來越具備功能性。等軟件和硬件都慢慢成熟之后，突然有某個人想到這么一個用途，一試發現如此厲害，就會慢慢遍地開花。屆時人、資源、物力等一切都會向它傾斜，擋都擋不住。

DeepTech：感覺未來有挺多事情和好的方向等著你去促進和發展，最后，你能用一句話描述一下對未來有怎樣的期待嗎？

徐升：我要每天堅持鍛煉，保持非常高效、精力充沛的狀態，希望活得更久一些，因為未來機會太多了，要去深入挖掘的問題也太多了。

參考資料：

1.Wang, C., Li, X., Hu, H. et al. Monitoring of the central blood pressure waveform via a conformal ultrasonic device. Nat Biomed Eng 2, 687–695 (2018). https://doi.org/10.1038/s41551-018-0287-x

2.Hongjie Hu et al A wearable cardiac ultrasound imager. Nature 613, 667–675 (2023). https://doi.org/10.1038/s41586-022-05498-z

3.Park, G., Bian, Y., Huang, H. et al. Fetal monitoring for high-risk pregnancies using a wearable ultrasound patch. Nat Biotechnol (2026). https://doi.org/10.1038/s41587-026-03140-1

4.Chen, X., Lou, Z., Gao, X. et al. A noise-tolerant human–machine interface based on deep learning-enhanced wearable sensors. Nat. Sens. (2025). https://doi.org/10.1038/s44460-025-00001-3

5.https://profiles.stanford.edu/sheng-xu

運營/排版：何晨龍

注：封面/首圖由 AI 輔助生成