在很多人的印象里，终身教授意味着更稳定。但徐升过去十年的轨迹，几乎一直在主动进入更高风险、更长周期的新方向。
从本科北京大学化学系毕业，到佐治亚理工大学获得材料科学与工程博士学位，再到伊利诺伊大学厄巴纳-香槟分校材料研究实验室从事博士后研究，由此越来越多地与电子、生物医学领域交叉。
在加州大学圣地亚哥分校（UCSD）组建独立课题组时，他的研究方向从基础功能材料转向应用驱动的柔性可穿戴超声，并入选了《麻省理工科技评论》“35 岁以下创新科技 35 人”。2025 年 11 月，徐升离开了工作 10 年的 UCSD，来到了斯坦福大学任教。他同时兼任四个职位：麻醉学、围手术期和疼痛医学系终身正教授，新兴技术项目首任主任，电气工程系教授（兼聘）以及材料科学与工程系教授（兼聘）。
徐升的课题组工作并不算高产，每年可能只有两三篇“大”的研究成果发表。他的研究被认为是“重型”的，补充材料可能就要上百页。也因为这样，有的工作被其他课题组抢发。他也曾思考过是否需要调整这种模式，但与高产相比，徐升认为研究透彻、详尽更重要。他笑称，“假如我有个 10 个 idea，尽管可能有 3 个被抢发，但好在我还有另外 7 个好的工作。”
2018 年，徐升与团队发明了首个可无创测量中心血压的可穿戴设备 [1]让他倍受鼓舞，原来从事的科研工作能为人们的生活带来实际的改变。
2023 年，他和团队在 Nature 发表相关研究，开发了一种可穿戴心脏超声成像贴片，仅邮票大小、24 小时连续监测、可探测人体皮肤下约 14-15 厘米深处的组织信号，即便在运动中也能工作 [2]。
近日，他和团队在 Nature Biotechnology 发表的工作首次实现了可穿戴超声贴片连续胎儿血流监测 [3]。徐升称这个方向是他挖到的新“宝藏”，市场潜力极大，并且鲜少有其他课题组挖掘这个方向。基于对胎儿血流进行连续、无创监测，最近他还凭借该技术获得了 2026 年古根海姆学者奖（Guggenheim Fellowships）。
徐升认为，可穿戴电子的爆发，在等一个“AlphaGo 时刻”。谈及未来，他说要努力运动健身把身体搞好，希望活得久一点因为“可深入挖掘、要做的事情太多了”。
以下是我们的对话：
从“误打误撞”进入柔性电子，到成为独立 PI
DeepTech：现在回头再看，你是如何走上柔性电子这个方向的？
徐升：我当年博士毕业开始找博后，就看哪个导师的成果做得优秀。正好 John Rogers 教授实验室在招人，他那个时候也刚开始做柔性电子不久，他也对我很感兴趣，两个人一拍即合就去了。坦白讲，我没什么 vision，没什么大道理，就是瞎猫碰上死耗子。
DeepTech：Rogers 教授除了在学术方面成果优秀，也在产业化方面有相关推进。在他课题组工作的过程中，你觉得有哪些习惯、行为或观点对你影响比较深刻？
徐升：我觉得他真的是个超人。我的理解和感受是，一个人如果做得很成功，无论在哪个领域，肯定是有他自己的过人之处。Rogers 引领了一个新的领域，我觉得跟他个人很多优秀的品质是分不开的。
比如他非常勤奋、专注且精力极其旺盛。只要不出差，他每天 4 点多 5 点就开始在办公室工作。当年我在他组里做博后时，我们经常在早晨 5 点钟开组会，所以基本上得 4 点多钟就起床。我现在还记得，有时候伊利诺伊冬天下雪了，得需要用雪铲把雪刮开，然后开车去学校，等到组会六七点钟结束后，再回办公室趴桌上睡一会儿。
此外，Rogers 记忆惊人、博闻强识。我们课题组当时 40 多个人，每个人上次开组会讲了什么，答应了什么，下次开组会的时候他仍然记得清清楚楚。最重要的是，他自己压根不做笔记，全记在脑子里边了，真的 amazing。还有就是他的严谨和一丝不苟，整个实验室的成员都能得到很好的 training。
DeepTech：2015 年你在 UCSD 建立独立课题组时，前期主要做基础功能材料，到后来转向比较偏向应用驱动的柔性可穿戴超声研究。这个转型的过程中经历了什么，是一种主动还是被动转型？
徐升：我觉得自己是一个科学家，我真的是发自内心地对科学问题很感兴趣，我真的想搞明白这个现象为什么这样，它背后的机理是什么。后来逐渐发现，在我自己能力范围内能够达到的领域中，好像现在也没什么很大的、很难的问题。如果非得要去搞一个基础的科学问题，可能面临的困境是：发表的论文没人关注，发不了什么好期刊，产生不了很大的影响。
还有一点很重要，通常大家对能够立马产生效益、产生价值的技术非常感兴趣。但有一个现实的问题：科学研究终究绕不过基金导向这一关，如果申请不到基金支持，那么课题也很难持续进行。在屡次申请基金被拒后，我就琢磨怎么去解决问题。后来通过与医生和专业人士的交流，发现还是得聚焦解决实际问题。所以，可理解研究方向的转型是一种被动的选择。
特别是当我们关于可贴合人体的柔性超声血压计的研究成果 [1]，2018 年以封面论文形式在 Nature Biomedical Engineering 发表后，收到了来自全球各国家和地区数百封邮件，我真的感觉到产生的影响、关注度远超过预期。我当时没想到，歪打正着做了这么一个课题，没想到一下捅了柔性电子领域的“马蜂窝”。后来就激起我越来越往临床这方面转，研究方向也越来越应用化了。
DeepTech：据我们了解，你的课题组其实有一个比较独特的点，会把一项研究做得非常细致、透彻，甚至补充资料都要上百页，这种需要很多时间和人力的“重型”研究，会不会给课题组带来负担？
徐升：会的，我有时候自己也在琢磨这个问题。打个不恰当的比方叫穷则思变，一旦遇到困境的时候，我就开始想怎么改变。实际上我们发表论文的频率很慢，每年出的 research article 可能就两三篇。我们课题组也不小，不是不想多出论文，真的是出不来那么快。
我认为，研究一项技术需要把每个细节做得很扎实，每一步都要弄清楚是怎么回事，才能做得让自己心里很舒服，而不是潦潦草草、快马加鞭把工作弄完。做一个课题，真的是好多工作量，涉及的参与人员、实验都很多。而且，一个课题少则两三年多则五六年，有的成果还因为进度太慢被其他课题组抢发了。看着花了那么多时间和心血的课题被抢发，我和学生都非常心痛。
我也经常反省，第一没有死盯着学生进度，第二真的研究得太细致了，所以就很慢。另一方面，如果我们没有将一个技术研究得非常透彻就去期刊投稿了，我觉得可能会被拒收。所以，到底应该如何把握这个度真的很难，我自己也还在摸索中。
DeepTech：我觉得你遇到研究成果被抢发这种情况肯定不止一两次了，那事后在研究过程中有什么调整吗？
徐升：有调整，但坦白说没什么大的改变（笑）。实际上，我仍然是这种风格：严格把关，把每个事情搞清楚，包括我修改论文也是，如果学生没有把技术细节讲明白，我会明确告诉他：你要让我把这个论文投出去，就必须把 XXX（某个细节）研究明白了，要不然我不投。
尽管我知道学生肯定很着急，我要不投这个文章，他可能会面临毕业延期的问题，即便有成果被其他课题组抢发的风险，但原则问题很难改变，我还是要坚持我的原则。我现在的想法是这样的，假定我们有 10 个好的 idea，被别人抢发 3 个，那我至少还剩下 7 个好的工作呢，所以这么想想被抢发的事情，好像也没什么大不了的。
可穿戴超声，为什么是一座“新宝藏”
DeepTech：2023 年，你和团队在 Nature 发表了可穿戴心脏超声成像贴片的研究。与传统超声成像比，它优势在哪？
徐升：可穿戴心脏超声成像贴片的优势主要有两点。
第一，传统的手持超声需要很高的技巧才能得到更好的图像和结果，医生需要很长时间的积累和丰富的经验才可以去解析、解答它是什么意思。我们这个贴片通过电子扫描就可以形成一个二维或三维的图像，而不需要像传统超声那样去不同角度、不同力度、不同的地方扫描。
得到结果以后用 AI 读取数据，所以相当于提供了很大的便利，降低了使用超声的门槛，不需要很长时间的训练，也不需要很多经验，每个人都能用。对中等或欠发达国家来说，超声医生是非常稀缺的资源，他们可能同时需要监测上百名病人。这种技术有望极大缓解医疗资源的匮乏问题。
第二，手持超声的应用时间有限，一般是 5 分钟、10 分钟，最多也只有二三十分钟。所以，一旦离开医院，便无法进行超声检测了。而可穿戴超声贴片不受限于医院环境，在任何地点都可以持续扫描、持续成像，疾病如何从良性状态变成恶性状态，怎么一步步变坏的，并能获取到这些宝贵的数据。
再加上 AI 的加持，有望进行精准医疗，对症下药。甚至病情恶化到关键时刻，它还可以及时告诉病人家属，及时带病人去医院进行进一步诊断或治疗。所以我觉得，如果能促进这个技术发展成熟，转化落地，它的价值是可以挽救很多人的生命以及改变人的生活。
DeepTech：你认为，可穿戴心脏超声成像贴片距离能够改变医院超声的使用范式，还有多久呢？
徐升：从技术方面来讲，还有很多可优化空间。例如无线的小型化集成、功率、能量的小型化，怎么把能耗降低，让电池寿命更长，成像的质量可以进一步提高。从生产方面来看，如何大规模生产，怎么降低成本。
从应用的角度，我曾经与一位投资人聊过这件事，也受到一些启发。实际上，要想在医院中应用一款新的医疗设备并不容易，这涉及到国家政策是否支持、是否与医院现有设备兼容、医生是否愿意使用，还有各种“条条框框”。
总体来说，目前我们的技术已经在临床上有一些应用。我自己也在做一些技术转化的工作，坦白说落地应用确实还有很长的路要走，但我相信“星星之火，可以燎原”。如果产品能在 C 端应用，或许在应用进程方面会更快一些。
DeepTech：如果说心脏成像验证了柔性超声在深层组织监测的可行性，那么将这一技术推向子宫深处的胎儿血流监测，则更像是一场对动态抗噪的终极挑战。在 Nature Biotechnology 发表的工作 UPatch，首次实现可穿戴超声连续胎儿血流监测。是不是可以这样理解：之前的传统手持超声只能实现单点式筛查，而常规可穿戴设备又做不了多普勒血流动力学成像，这款贴片相当于把两者结合起来了？
徐升：你说得太对了。传统可穿戴设备一般都是监测皮肤表面，例如体温、电信号、步数和汗液等。尽管这些很有用，但它们的局限性在于只能测量皮表；而传统手持超声需要很高的技术壁垒，需要大量训练，只能够进行短时间的扫描。我们的可穿戴超声，相当于将两者结合起来。
可穿戴超声可以实现皮表下十几厘米深度的检测，这是一块未待开采的“宝藏”。人体非常复杂，尽管有很多研究致力于探索电信号、机体功能、生命奥秘，在可穿戴领域，可做的事情太多了。
有了被抢发论文的经验，这次我们学会“先行一步”，赶紧将宝藏中最重要、最有潜力的“金疙瘩”挖出来——在胎儿血流监测方面的应用，不仅具备科学价值，也有着极大的市场价值，据我所知目前市场上还没有任何与我们技术类似的产品。有时候我甚至觉得，即使不当教授去全职创业，这里面蕴藏的、能改变临床范式的事情也根本做不完。
DeepTech：胎儿血流监测与其他的传统体表以下的日常指标可能不一样，因为胎儿血管位于子宫深处，血流信号极其微弱，而孕妇的呼吸、翻身、胎儿的活动都会让目标血管不断移动，那可穿戴超声贴片是如何保证持续监测呢？
徐升：这个问题问得非常好。我们没有用 AI，而是用了图像分割（Image segmentation）。也就是说，我们先用超声成像，再用算法找出目标血管的位置。例如，当脐带位于图像右侧时，算法识别出这一点后，把位置信息返回给超声贴片。
超声贴片就会像雷达一样，将超声波聚焦到图像的右侧，在那里监测血流情况。如果位置发生移动，我们重新成像，通过图像分割找到新位置并返回给超声贴片，超声贴片再把超声波集中到这个新位置上。实际上，我们的算法形成了一个闭合回路。
DeepTech：在这次的研究中我看到一个触动人心的案例：一位子痫前期的孕妇（孕 28 周 3 天），阻力指数高达 0.85，搏动指数 2.04，远超 97.5 百分位，且近四分之一的时间里舒张末期血流消失，四天后医生决定进行剖宫产。你能不能详细讲讲：从可穿戴超声贴片获得了哪些传统设备中无法观测到的信息，然后做了什么？
徐升：当时我们在做胎儿血流监测案例研究时，正好有一位患子痫前期的孕妇，即孕期高血压。她在进行常规检查时结果显示胎儿的心率正常，当我的学生用可穿戴超声贴片进行胎儿血流分析时，发现胎儿的舒张末期血流时有时无，整体并未得到足够的血液供给。
发现这个情况后，我的学生马上把情况告诉护士和产科医生，医生担心胎儿会因组织缺氧导致胎死宫内，然后将这名孕妇送入 ICU 病房进行强化监测。四天以后，医生决定为她进行剖腹产。
当时我就在想，如果我们没做这个课题，没有碰到这位孕妇，她很可能不会这么及时了解到胎儿缺氧的情况，后果不堪设想。尽管医生手持超声也有可能检测到相关数据，但传统超声本质上是低频采样，遇到这种时有时无的现象，最终是否能检测到需要碰运气。
可穿戴超声监测技术提供的是一种连续监测，无论是在家里，还是在医院都随时可以进行监测，不错过任何时刻。一旦发现有危险的情况，能够及时发现然后进行治疗和干预，真的能拯救生命。所以，我觉得这项技术非常有意义，这项技术也即将拿到相关科研基金的支持。
DeepTech：我们现在去医院可能是出现了某些症状或者觉得哪不舒服了才去医院，你认为未来可穿戴超声带来的变革，是从诊断医学变成一种日常监测吗？
徐升：是的，以可穿戴超声检测胎儿来说，相当于提供一种早期预警，不错过任何可能危及胎儿生命的关键节点。当然，这种连续监测也可能提供误报（false positive），因此我们需要大数据：如果大数据发现信号经常有波动，那是正常现象；但如果不利的信号会持续很长一段时间或病理上的恶化，那就可能会触发警告，需要去医院做进一步诊断。
审稿人对该工作评价也非常积极，认为 UPatch 是一项“技术严谨且具有重要临床意义的创新，有望推动连续胎儿血流动力学监测的范式转变”。
DeepTech：去年 11 月，你和团队在 Nature Sensors 创刊号上发表了关于深度学习增强型可穿戴传感器的抗噪人机交互研究。我注意到这是一个方向上的变化，之前你做的都是生理监测，这篇涉及人机交互，这算是对可穿戴设备应用的拓展吗？
徐升：是的。我们现在主要集中在可穿戴超声，做深层次的信号采集 [4]。也在做一些“传统”的可穿戴，比如惯性管理单元（IMU，inertial measurement unit）做动作捕捉，是不是摔倒了，步数是多少，训练的时候发力动作是不是规范等等。
这个领域也有很多挑战，其中一大挑战是怎么样区分人身体主动意愿的信号和外界环境的干扰，因为两种信号是同源的，性质和频率都非常接近，怎么去区分真的很难。所以，我们就用到了 AI 去把它们区分出来。
在斯坦福搭建“桥梁”
DeepTech：从 UCSD 到斯坦福，我注意你身份变化是一个有趣的组合：不仅是麻醉学、围手术期和疼痛医学系终身教授，还同时担任新兴技术项目首任主任、电气工程系教授和材料科学与工程系教授。这背后有怎样的契机呢？
徐升：我做的研究方向确实非常交叉，得益于这些年来与很多合作者合作，从他们那里学到了很多东西，我自己组里学生和博后的背景也是来自不同学科的人。所以我们做的课题覆盖范围非常广，需要很多各方面的知识和技能。我觉得在不同的系兼职，更有利于推进复杂的项目，能够帮助我结识潜在的合作者，也可能招到不同背景的学生和博士后。
我经常在开组会的时候跟学生讲，我当年做学生、做博后的时候，真的是把自己做的项目里面的各个方面、每个细节都弄得很明白。当别人问我课题里面的各种问题，我都能够解释清楚。但是我现在当教授以后，说句心里话，我觉得有很多东西我自己都不是很懂。你要问我细节，比如为什么这个算法是这样，为什么这样测量，大部分时候我解释不清楚。
我当年做学生的时候，看见有些教授做报告时，当别人问他技术方面的细节问题，他自己不知道，我当时对此不以为然，心想“他怎么连这个都不知道”。没想到后来我自己现在却成为了这样的一个人，我觉得非常惭愧，也很责备我自己。后来我又安慰自己，我现在确实摊子开得太宽了，要让我去弄明白每一个细节，确实搞不过来，脑子真的不够用。所以，这也是我不足的地方。
我现在更多的是做工作优先级的取舍选择和任务的分配。虽然我不懂各个方面的技术细节，但我存在的价值也很关键，因为我能看到全局的视野。我脑子里有一幅比较大的蓝图。这个蓝图里面有好几块：这块是硬件，那块是软件，那块是临床，那块是算法；需要什么样的技能，有什么样的困难，我大概心里有数。我会指出挑战大概在什么方面，然后找懂这方面技术细节的学生、博后或者合作者。
DeepTech：作为新兴技术项目的首任主任，斯坦福期待你实现怎样的目标？
徐升：我主要是做推动技术的转化和应用方面的工作。因为毕竟我身处医学院，医学院里很多都是临床医生在看病，他们对工程、对技术方面可能了解的不是很多，特别是一些文献里面比较新兴的技术。所以我现在的任务之一，是需要把这些比较新兴的科学技术和一些新的功能引入到临床上去，解决一些实际的问题，相当于架起一座“桥梁”，让两边互相知道对方在做什么，然后协作起来，高效地解决问题。
DeepTech：你从 UCSD 到斯坦福，原来课题组的学生是不是不能都一起跟过来？
徐升：确实如此。部分高年级学生需留在原地完成毕业，若是转学过来重修课程、参加考试，无异于重头起步，很浪费时间。同时，有些与 UCSD 的合作无法骤然终止，仍需稳步推进。
课题立项审批流程繁杂、文书手续繁多，贸然中断后重启不仅耗时严重，也很难再寻觅到同等优质的合作方。加之大部分科研经费仍留存于原院校，因此现阶段我需要兼顾两边事务。我的处事方式比较灵活，会提前向校方告知整体规划，虚心吸纳各方建议，发展事宜共同商讨，不会采取“一刀切”的硬性管理模式。
DeepTech：如果让你给一个刚拿到教职的年轻学者一些建议，你会对他说什么？你有没有踩过的“坑”有什么经验可以分享？
徐升：人这一辈子短短几十年，我觉得一定要做点自己真正想干的事情，最重要的是找到自己真的觉得很有价值、很有前途的发展方向。如果你觉得自己做的事情就是发发文章、评个职称、混口饭吃，我觉得没什么意义。
还有一方面，如果你自己认清楚了一个目标，就一定要矢志不渝，不要受到别人的干扰。我可以讲一个自己亲身的经历。当我还是 UCSD 助理教授、没有拿到 tenure（终身教职）的时候，有一位比较资深、说话很有影响力的教授跟我讲了好多次：你不要只发 Nature 论文。他的意思是，我应该发一点“小”论文，即影响因子比较低的，不要只盯着 Nature 这种“大”论文发。
Anyway，我没听他的。我跟组里的成员这么讲：如果我自己内心不够强大，因为别人的劝说改变自己的做事风格，或许我就不是现在这个样子。当然，不同研究者需要选择适合自己的路径。
我真心认为我做的事情很有前途，所以坚定地要把我们的技术做大做强。最后我团队的论文发得都还不错，运气也挺好，期刊的编辑和审稿人都还挺喜欢我做的东西，所以发展得还不错。但如果有些人不像我运气那么好，可能就会动摇了。
可穿戴超声，正在等待自己的“AlphaGo 时刻”
DeepTech：你的公司 Softsonics 成立了也有 5 年多了，目前公司的技术落地和产品方面有没有什么最新的进展？
徐升：公司现在主要在做硬件方面的工作，近期即将获得一笔数百万美元的美国国家基金项目支持。我们现在技术方面还在不断完善、更新迭代，已经有一个产品模型、一个样机，我们的柔性超声血压计产品已经做了 200 多个病人的临床数据，已经在准备材料申请美国 FDA 认证。现在团队也在逐渐扩大，一切正朝着积极的方向发展。
DeepTech：创业和学术方面的关注点会不一样。学术可能更关注的是从底层到各个方面将科学问题弄清楚、弄透彻，一个课题可能几年甚至十几年，周期比较长；创业可能设计到市场和产品和等问题，或者对产品比较快看到落地有期待。你怎么去平衡两者之间的关系？
徐升：这个问题问得好。在学校我作为教授带领团队去攻克一些比较难的课题，100 个实验里面成功了两三个就算成功，论文发表能够证明技术的可行性。
创业则主要聚焦两个问题。一方面，一定得解决实际的痛点、共性的问题，而不是一个难的、小众化的问题。另一方面，创业只要解决实际问题，不需要太难，只要有一定创新、足够好就可以有市场，进而有可能把产品卖出去。它不需要说一开始就做得多么好、多么奇特，可以把这个创新慢慢分割开来，不断迭代更新。所以我觉得是不同的思路、不同的侧重点。
DeepTech：苹果（Apple Watch）和三星等巨头拥有千亿级的研发资金，也在布局无创血糖、血压监测。你和团队技术的差异化或者技术优势在哪里？
徐升：我们的优势是监测皮表下更深层次的信号。传统监测血压通常是袖带式的，穿戴便利性不足，如果需要持续监测，夜间会对睡眠造成干扰。监测血糖是一种微侵入的方式，扎针流血容易引起感染。
而且我们监测的信号也不一样，血糖测的是血糖分子，而我们测的是血流的速度、血流量，心脏的瓣膜是否打开正常、是否存在反流，心肌每一块肌肉是否跳动得非常匀称，是否有哪一块肌肉供血不足、慢慢出现坏死，脑子里面的血流速度是否正常、匀速、分布均匀，哪个地方是否有堵塞、可能引起中风。所以，我们的技术与现有的市场监测技术是互补的，不是互斥的。
DeepTech：过去很长时间，AI 主要依赖互联网数据，但下一阶段 AI 可能会越来越依赖真实世界数据。你觉得柔性电子、生物传感器，是否可能成为 AI 时代新的数据基础设施？
徐升：确实，数据是我们新时代的“石油”，连续生理数据可能会成为 AI 时代最稀缺的基础资源之一。可穿戴设备可以 24 小时、7 天，无时无刻地产生数据。所以我们需要大模型来分析每个人的数据，进而实现精准医疗。
尽管现阶段可穿戴设备的数据还未开始产生价值和利益，但这需要时间，是一个循序渐进的过程。我觉得先把硬件做起来，等技术逐渐精确、在临床上已经过验证之后，那时产出的数据才是真正有价值的“石油”。
DeepTech：可穿戴电子在多年前就被认为很有发展前景，但从实际情况来看该领域的商业化速度并不算快。你认为推动该领域实现“爆发”可能还有多远？还缺少哪些因素的推动？
徐升：没错，现阶段可穿戴电子还是在发论文、进行概念化验证的阶段，我觉得差一个“杀手级应用”，也就是一个能充分证明其价值的东西。
不妨试想一下，把时钟拨回到十几年前、AI 还未火的时候。我记得 AI 教父、多伦多大学的杰弗里·辛顿（Geoffrey Hinton）教授在早年接受采访时提到，他很早就开始研究 AI，并经历过 AI 寒冬期的边缘化，没有研究经费，也很难招到学生。
AI 真正走向大众认知的标志性事件，是 2016 年 AlphaGo 打败了围棋世界冠军李世石，深度学习与强化学习的巨大潜力一举震惊了全世界。其实 AI 很早之前就出现了，但一直没能火起来，直到 AlphaGo 向大家证明了 AI 的实用性，AI 才慢慢得到广泛应用。我觉得可穿戴电子、柔性电子领域，就差这样一个时机。
DeepTech：是不是可以理解为，可穿戴电子的爆发，在等一个类似的“AlphaGo 时刻”？
徐升：对，我觉得这样的时刻也需要积累，需要厚积薄发，它不是偶然的，而是必然的。回看 AI 领域的发展，AI 算法是一步步成熟的，然后变得越来越聪明、越来越先进。另一方面，也确实有这样一个实际问题摆在面前，然后用 AI 把它给解决了。
把这个思路用在可穿戴技术上面也是同样的。首先，可穿戴技术必须得越来越精确、越来越先进、越来越具备功能性。等软件和硬件都慢慢成熟之后，突然有某个人想到这么一个用途，一试发现如此厉害，就会慢慢遍地开花。届时人、资源、物力等一切都会向它倾斜，挡都挡不住。
DeepTech：感觉未来有挺多事情和好的方向等着你去促进和发展，最后，你能用一句话描述一下对未来有怎样的期待吗？
徐升：我要每天坚持锻炼，保持非常高效、精力充沛的状态，希望活得更久一些，因为未来机会太多了，要去深入挖掘的问题也太多了。
参考资料：
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
运营/排版：何晨龙
注：封面/首图由 AI 辅助生成
热门跟贴