Omdian mukaan globaalit puettavien laitteiden toimitukset ylittivät 200 miljoonaa kappaletta vuonna 2025. Kasvua kertyi kuusi prosenttia edellisvuoteen verrattuna. Fitness-rannekkeissa markkinajohtoon nousi Xiaomi 18 prosentin osuudella. Apple oli toisena 17 prosentilla ja Huawei kolmantena 16 prosentilla. Samsung Electronics ja Garmin täydensivät kärkiviisikon.
On kuitenkin olennaista erottaa kaksi pääkategoriaa: fitness-rannekkeet ja älykellot.
Fitness-rannekkeet ovat kevyitä, selvästi aktiivisuus- ja terveysseurantaan optimoituja laitteita. Näyttö on pienempi, sovellusekosysteemi rajallinen ja hintataso tyypillisesti matalampi. Volyymi syntyy massamarkkinasta.
Älykellot ovat laajempia tietokonelaitteita ranteessa. Niissä on kehittyneempi käyttöjärjestelmä, sovellustuki, usein LTE- tai 5G-yhteys ja monipuolisemmat sensorit. Ne ovat myös keskihinnaltaan selvästi kalliimpia.
Xiaomin ykkössija perustuu ennen kaikkea fitness-rannekkeiden suuriin toimitusmääriin. Yhtiö nojaa volyymistrategiaan ja laajaan hintaskaalaan. Apple puolestaan pelaa lähes yksinomaan premium-älykelloluokassa, jossa laitemarginaalit ja palveluliikevaihto ovat korkeammat. Huawei sijoittuu näiden väliin, yhdistäen rannekkeet ja keskihintaiset älykellot laajaan tuoteportfolioon.
Omdian mukaan kilpailu siirtyy yhä selvemmin laitteista ekosysteemeihin. Ero ei synny pelkästä laitemyynnistä, vaan kyvystä sitoa käyttäjä terveysdataan, algoritmeihin ja maksullisiin palveluihin. Laitteistomarginaalien kiristyessä tilauspohjaiset terveys- ja valmennuspalvelut nousevat keskeiseksi tulonlähteeksi.
Vuodelle 2026 Omdia ennustaa maltillista yksinumeroista kasvua. Merkittävät päivityssyklit edellyttävät todellisia läpimurtoja fysiologisessa mittaamisessa, kuten verenpaineen ja verensokerin seurannassa. Tässä kilpailussa älykellot nähdään skaalautuvimpana alustana, mutta volyymi syntyy edelleen fitness-rannekkeista.
Lääkintälaitteiden internet (IoMT) yhdistää diagnostiikan, puettavat anturit ja sairaalalaitteet pilvipohjaisiin järjestelmiin. Etävalvonta, reaaliaikainen data ja koneoppiminen lupaavat parempaa hoidon laatua ja kustannussäästöjä, mutta samalla ratkaistavaksi jäävät yhteentoimivuus, sääntely ja tietoturva.
