可穿戴裝置的崛起是為什麼？因為它代表了一種發展方向，通用計算向場景計算的轉移。
首先我們來看，計算意味著什麼？
第一階段，計算=Computing²
從以大型機為代表的計算機初始到以Pentium IV頻率為王的單核時期，大家對計算的要求在於更高的處理速度。這時計算能力幾乎是唯一指標。這一階段的目標是實現計算速度與計算精度。
第二階段，計算=Computing²
這一階段移動進入人們的視野。標誌性產品包括筆記本—>MID—>智慧手機—>Phablet/Hybrid Device。在這個路徑中，我們看到人們的需求從對計算能力重視、便攜移動優化的階段進入對每瓦計算能力的考量。這一思考的頂端就是對使用者端裝置輸入輸出能力的重視，而考慮把計算能力上提到雲端（雲=儲存能力+計算能力），於是我們看到了Chromebook，聽到了傳說中的Windows 9將是一款雲端作業系統。至於蘋果一端，我們可以繼續期待iOS和Macintosh的跨尺寸裝置承載。
這一階段與第一階段有一個共同點，計算=通用計算。只是無論在企業端還是消費者端，計算開始考慮成本。於是我們看到了利用海水能源的資料中心，以及英特爾對消費者裝置中TDP概念的重視，處理器原生整合越多的元件，對功耗的優化產生重大影響。於是我們看到CPU整合了南北橋，記憶體控制器，整合顯示卡嵌入CPU。在這一時刻，摩爾定律在生產線上被一次又一次完美地鑑證著。
第三階段，計算=
這個階段剛進入萌芽期，代表是可穿戴裝置。這一階段的重要特點是感測器引入計算。雲與端的結合，使計算提供解決方案成為了可能，而云成為解決方案中關鍵的服務提供商。這一階段，我們發現像第二階段中計算能力的權重下降一樣，對於功耗的要求也在減弱，尤其是大裝置，比如可執行8小時的消費級筆記本，乃至可待機月餘的藍芽4.0裝置。
五年前，我們在研究一款室內定位系統，當時擺在面前的選擇方案是UWB，Zigbee，ISM段的RF。單一的感測器與單一的演算法無法解決訊號碰撞與訊號干擾，於是一個在檔案室的人可能在顯示終端上出現在隔壁的辦公室。當時感測器與計算單元，感測器與感測器的聯絡遠未如此豐富。回到今天，我們看到了iBeacon的可能性，更精確的室內定位，成本可控的民用小範圍定位可能更近了一些。
回到我們現在看到的可穿戴裝置，感測器在使用者端實現資料採集，在雲端進行資料處理，很遺憾這種資料處理目前更多的是以區段結構呈現的。比如說體脂秤，當我75公斤的體重實時資料和雲端的基本資料結合以後，預設的BMI區段會告訴我過胖了。也就是說這種計算是一種預置的計算，既沒有做到實時，也沒有實現精準。而這正是未來計算的目標：面向場景的精準實時計算。
這一計算目前有沒有例項？地圖的推薦交通方式即是一例，根據路上擁堵狀況，部分公交的執行位置，乃至公共交通的執行時間比照，最終給出推薦路線。未來計算就是要實現這樣一種目標，感測器（獨立或疊加）的應用，自然搜尋的實現，機器學習的優化，面向場景計算模型的建立，將共同為我們實現這一目標——解決方案的所見即所得將向軟體的所見即所得一樣直觀。
什麼時候這樣的目標能夠實現？我認為當主感測器不再通過使用者端計算裝置與雲端實現連線的時候有望實現。提一個問題，除去藍芽4.0，可穿戴裝置還有什麼靠譜的資料上傳方式？