在谷歌工作期间，韦德·诺里斯（Wade Norris）曾联合创立计算机视觉应用 Google Lens，但该产品未能完全满足其期望。此后，他与系统工程师斯科特·巴伦（Scott Barron）合作推出健康初创公司 SnapCalorie。该应用由 AI 驱动，旨在通过手机照片精准计算餐食热量及宏量营养素。
本月，SnapCalorie 宣布获得 200 万美元融资，投资方包括 Accel、Index Ventures、前 CrossFit CEO 埃里克·罗扎（Eric Roza）及 Y Combinator。此前，该公司在未披露投资者的种子前轮中筹集了 12.5 万美元。
技术突破：深度传感器与人工审核
诺里斯指出：“人类在视觉上估算食物份量方面表现糟糕。”SnapCalorie 结合新技术与算法改进了这一现状。尽管 Calorie Mama、Lose It 等竞品也曾尝试基于计算机视觉的卡路里计数，但 SnapCalorie 的核心差异在于利用设备深度传感器测量份量，并配备人工审核团队以“增加一层质量保证”。
诺里斯表示：“平均而言，该团队能将卡路里误差降低至 20% 以下。”他强调，其他 AI 餐食追踪应用虽能识别食物，却无法有效估算份量，而这正是减少误差的关键。
数据验证与算法优化
健康行业对基于照片的热量估算工具普遍持怀疑态度。2020 年一项研究显示，即便是当时最准确的 Calorie Mama，准确率也仅为 63%。
针对这一痛点，SnapCalorie 开发了据称优于人类的估热算法。该算法既能识别食物种类，又能测量份量，结果可记录于应用内或导出至 Apple Health 等平台。
算法的优势源于独特的训练数据集。SnapCalorie 使用机器人装置对汤、卷饼、食用油等 5,000 份餐食拍摄数千张照片，并用秤精确称量每种食材。诺里斯解释：“传统 AI 模型依赖公共网络图片及人类标注，但这不适用于食物，因为人类视觉估算份量极不准确。我们确保照片涵盖现实世界中的多样且具挑战性的条件。”
鉴于初期训练数据主要在美国收集，算法可能存在地域偏差。目前，公司正结合用户反馈与内部数据扩展训练集，以覆盖更多文化的美食。
产品定位与市场增长
考虑到烹饪方式及个体消化差异等变量，任何应用都难以实现 100% 准确。诺里斯建议将 SnapCalorie 视为营养管理拼图的一部分。除热量估算外，应用还集成了 ChatGPT 驱动的聊天机器人，可根据用户目标、偏好及营养数据库提供个性化餐食建议。
诺里斯表示：“随着加工食品对健康的负面影响日益清晰，人们愈发关注摄入物质。用户尤其喜爱在外出就餐时使用 SnapCalorie，因为许多餐厅未标注营养成分，导致无法记录饮食。”
市场反馈显示，SnapCalorie 正稳健增长，本月有望新增超 1,000 名用户。公司目前专注于扩张而非变现，资金消耗率保持“非常保守”。诺里斯称：“惊人的有机增长率表明我们的价值主张与消费者产生了良好共鸣——用户试用后不仅喜爱，还会主动向亲友推荐。”