此前，小米生態鏈企業華米科技創始人&CEO黃汪在接受采訪時透露，由華米推出的小米手環目前累計出貨量超過3000萬。市場調研機構IDC發布報告稱，小米手環出貨量已經超越Fitbit，華米科技一躍成為全球第一大可穿戴廠商。

　　此外，華米科技2016年收入超15億元，處于小米生態鏈頂端。

　　在登頂世界第一大可穿戴廠商之后，近日，華米科技CEO黃汪和高榕資本進行了交流，并就問鼎top1作了經驗分享。

　　以下為黃汪部分發言摘錄：

　　成為可穿戴設備世界第一的企業應該是一件意料之中的事情。

　　我們團隊在智能硬件行業浸淫了多年，對智能硬件做了很多思考。對于智能硬件來說，關鍵在于你的產品能否做到極致，而要做到這一點就需要至少三個條件：有錢、有人、有耐心。

　　有耐心是什么概念?說實話，做AMAZFIT運動手表的過程非常痛苦。這真的是華米歷史上最痛苦、最漫長和最難的一款產品。我們用了整整18個月打磨這件產品。

　　大家看到智能手表產品出了一茬一茬，2015年巨頭開始入場。這種情況下，大家問到我什么時候出的時候，我回答一句話：我們不是第一個出的，但是我們肯定不是最后一個出的。

　　關鍵在于要在你想好產品定義的情況下，再去出這個產品。

　　那應該要如何去定義你的產品呢?

　　從我們的經驗看，硬件產品主要存在三大誤區。

　　誤區之一，希望產品無所不能。

　　最典型的一個情況就是在智能手表這個行業里。我記得2013年我們做智能手表的時候，業內普遍的觀點就是把手機芯片用來做手表的芯片，把手機變成了手表，所以有一種自然而然的產品定義，智能手表就是綁在手上的小屏幕智能手機。

　　然而，把它定義為一個無所不能的產是導致產品失敗的主要原因之一。

　　我們做產品定義的時候，一定要想清楚，無所不能的產品帶來的問題是什么?成本的上升、功耗的上升，無所不能的后果往往是什么都不能。

　　誤區之二，產品定義的騎墻派。

　　順著“無所不能意味著什么都不能”的思路下來，你會發現通過做減法來找到更加準確的產品定義才是關鍵。

　　做減法需要深度的思考、實踐和決心，因為你的確會擔心如果減去了這幾項功能消費者是否還會被打動。

　　說實話，我們在做華表AMAZFIT手表的過程中，一開始就是想做一個無所不能的手表，但是大概過了半年之后，我們感覺到這是有很大問題的，我們對產品的定義變成了突出運動功能的智能手表。

　　最后我們下定決心把產品定義調整成了一個有一些智能功能的、甚至沒有智能功能、只是運行了安卓的手表。

　　這個過程里，差不多每半年做一次產品定義的調整。它已經調了18個月，這里最難的是裁減、取舍的過程。

　　誤區之三，戰略懶惰。

　　有句話說的很好，“戰術上的勤奮不能彌補戰略上的懶惰”。

　　我們有能力使用性價比超強的打法，但是你如果不是好好的去定義好這個產品的話，它真的就能大賣嗎?很多智能手表到最后都是大家用了幾個月，甚至幾個禮拜，嘗了個新鮮。

　　你必須回答的問題是：用戶買回去之后，除了新鮮感之外，到最后這個產品給用戶解決什么持續性的痛點了?

　　Pebble之死，很大原因在于太遲意識到產品定義出了問題。

　　這個案例也提醒我們：硬件創業盡量離供應鏈和制造中心近一點兒;招募扎實靠譜的硬件團隊很重要，但抄襲歐美的時代過去了，抄無可抄，不要再抄;建立自己挖掘消費者需求的能力，這比什么都重要。

　　華米是一家人體數據公司

　　事情要從終局來做判斷才有意義。無論是智能手環還是手表，我們都把它定義為一個人體的ID，ID就意味著你坐臥住行、一舉一動的數據都在里面。

　　關鍵的一點是，所有數據的收集都是在人體無感的情形下完成的。當智能設備成為你的人體ID時，無論是支付、跨設備的互聯網交互、健康管理都是非常自然的應用場景。

　　華米整體的邏輯重點沒有放在變著法兒改造硬件產品上，簡單地屏幕大一點或者功能多一點的硬件改動并沒有多少意義。

　　如何服務于其數據獲取終端的角色，才是定義硬件功能的標準。作為可穿戴設備，智能手環需要在外觀設計、體積重量、功能定義等方面保持克制，如果還用做傳統消費電子的產品思維，試圖通過堆砌功能，升級配置來“推陳出新”，必然會走進死胡同，碰到所謂的玻璃頂。

　　如果手環產品僅僅是一個硬件，比如MP3，賣多少、盈利多少，當然要拼營收。但如果把它當做獲取用戶數據的終端，則更關心多少用戶能夠一直戴下去，黏性多強。

　　硬件只是我們獲取用戶的方式，重要的是背后帶來的數據的價值。

　　今年年初，我們成立了自己的人工智能實驗室，搭建了云端運動健康大數據平臺，主導研發基于深度學習的可穿戴芯片。4月，內置了ECG心電芯片的AMIZFIT米動健康手環發布，這塊ECG芯片為手環獲取的數據增加了一個新的維度——心電數據。

　　這也為手環產品從簡單的運動、睡眠記錄向更嚴肅的健康醫療用途延伸提供了可能。

　　基于心電數據，華米正在進行兩個方向上的嘗試：一是基于心電圖做生物特征識別，相比指紋，人的心電特征更難被復制;二是通過深度學習做疾病篩查，為醫生做輔助診斷。

　　在看心電圖這件事上，由于數據量大，醫生未必能抓到所有的問題，通過深度學習的方法，我們能夠篩查到很多醫生忽略的點，再交給醫生判斷。

　　我們希望通過和醫學界的緊密合作，用人工智能技術改善中國人的心血管健康狀況。

　　數據挖掘是一件厚積薄發的事情，你需要做一臺不斷深挖的數據挖掘機。