研究 2026年9月 · 阅读约 6 分钟

为什么这个问题值得单独讲

每一款AI记录App的宣传图都是一个盘子、一个镜头和一个笃定的数字。营养师、社区里的怀疑者、以及那些试过一次发现"一份盖浇饭380大卡"的人，都会问同一个问题：它凭什么知道？

它并不"知道"。它是在估算，分四步完成，每一步都可能出错。理解这四步，是"用好这个工具"和"被这个工具误导"之间的分界线。

拍照估算热量是怎么工作的

2026年几乎所有拍照类App，包括CalMePlease，走的都是这样一条流程：

1. 分割。 把图片切成若干区域：盘子、背景、每一样能区分开的食物。
2. 分类。 识别每个区域是什么——烤鸡、白米饭、西兰花、酱汁。外观相似的食物在这一步最容易混：鸡腿肉和鸡胸肉、白米饭和烩饭、黄油和人造黄油。
3. 分量估算。 模型从图片里推测体积或重量。深度信息要从一张二维照片里推断，这是最难的一步。遮挡（米饭被肉压住）和拍摄角度都会让它变差。
4. 营养查询。 把识别出的食物和估算的分量对应到营养数据库，乘出热量和营养素。

误差会叠加。分量差10%，再加上酱汁匹配到了错误的数据条目，最终数字就可能差30%。这也是为什么两款App看同一个盘子，结果可能差三分之一。

研究给出的数字

2023年系统综述（Shonkoff等，《Annals of Medicine》）。 把基于图像的AI膳食评估与真实值做比较，各研究中热量的相对误差从不足1%到38%不等，图片里是单一或简单食物时误差更低。结论是：AI方法可以达到甚至超过人类估算的准确度，但表现随数据集变化极大。

《Nutrients》，2025年。 用当前的通用AI模型测试食物图片。仅凭图片：平均绝对百分比误差约30.5%。图片加一句简短的配料描述：约13.9%。上下文把误差砍掉了一半以上。

Fridolfsson等，2025年。 直接用52张食物图片测试ChatGPT、Claude和Gemini。重量和能量误差在表现最好的两个模型上略低于40%，第三个在65%到70%之间，营养素误差42%到110%，其中蛋白质最差。没有专门食物流程的通用大模型，明显不如专门做这件事的App。

2026年独立App评测。 两份各自覆盖六款App的评测（一份临床营养报告和一份5月的验证测试）发现，纯拍照类App作为一个整体，误差高于"手动加条码"的工作流，而混合菜的误差比单品盘子大50%到70%。它们还发现误差的方向很重要：有些App长期低估，有些长期高估，而一致的偏差比随机噪声更糟，因为它不会在一周里互相抵消。

2018年众包研究（JMIR）。 作为参照：当2028个人被要求从食物照片估算热量时，平均每人20张里只有5张落在真实值的20%以内。受过训练的标注员成绩也一样。人类同样不擅长这件事。

误差主要来自哪里

1. 混合菜。 咖喱、炖菜、焗饭、拌面、盖浇饭。模型看不出配料比例，也看不出放了多少油。
2. 看不见的热量。 沙拉酱、炒菜油、黄油、酱汁里的糖、汤里的奶油。照片里完全不可见，却常常是100到300大卡。
3. 分量的深度。 一只碗从上往下拍，装150克米饭和装300克米饭看起来是一样的。
4. 长得像的食物。 全脂和低脂酸奶、加糖和无糖饮料、瘦肉和肥肉部位。
5. 光线和角度。 光线差会拖累分类，角度太斜会拖累分量估算。

中餐为什么是更难的一类

上面那份"误差来源"清单，几乎每一条都在中餐里被放大。

炒是默认做法，而油是看不见的：同一盘青菜，清炒和白灼可能差100大卡以上，照片上看不出区别。红烧、糖醋、鱼香这些做法里都有糖，量在锅里，不在画面里。一道菜里常常有五六样东西，肉、菜、豆制品混在同一个勺子里，分割这一步就先输了一截。共食也是变量——一桌菜转两圈，你到底吃了多少，模型只能猜。

结论不是"拍照对中餐没用"，而是：中餐里补那一句话的价值，比在西式单品盘子上高得多。"这盘是干煸，油大""糖醋，甜的""我大概吃了三分之一"——三句话就能把最大的三个不确定性去掉。

"准确度"这个说法到底意味着什么

当一款App说自己"90%准确"，要问清楚：在什么上面？实验室测试用的是纯色背景、良好光线、一盘一样食物、已知分量。那不是你午休时的办公桌。真实世界里一顿混合餐食，诚实的区间是15%到30%。有些厂商会公布自家的测试结果，显示±1%到2%的误差；除非方法学公开且独立，否则任何低于5%的数字都值得怀疑。

Cal AI在自己的FAQ里把准确度写成约80%，这是一种很坦率的说法，等于±20%。这就是整个类别的水平。

如何拿到更准的数字

研究指向一套很清楚的做法，CalMePlease也正是按这套做法设计的：

1. 补一句话。 照片加上"鸡胸肉、米饭一碗、用了橄榄油"，能把误差大致砍半。在CalMePlease里，拍完照就可以用九种语言中的任意一种直接说出来。

2. 复杂的盘子用视频。 围着盘子转两秒，模型拿到的角度比一张俯拍多得多，分量估算会更稳。CalMePlease支持视频输入正是为了这个。

3. 包装食品扫条码。 扫出来的标签是精确的。不要去拍一根蛋白棒，扫它。

4. 知道的就去改。 App说米饭200克而你知道是100克，就改掉。每款App都允许，好的App改起来只要一下。

5. 关注趋势，而不是某一餐。 单次估算可能偏25%，一周的估算带着随机误差会互相抵消，得到一个紧得多的数。真正重要的是方向对不对，以及你能不能据此做点什么。

6. 别只看热量。 热量差20%只是烦人；完全漏掉糖、纤维和钠——大多数只统计四项营养素的App就是这样——才是更大的盲区。CalMePlease每餐统计十项，所以即使热量不完美，你也拿到了解释自己状态的那部分上下文。

够用吗

对大多数人来说够用，前提是一个：目标是认知和方向，而不是实验室级的精度。

如果你需要为某个临床方案精确摄入1847大卡，那就称重加数据库。如果你想知道自己的午饭碳水偏快、大多数日子蛋白质差30克、周末的糖是工作日的两倍——一张照片加一句描述完全够，而且这是大多数人唯一能坚持过第二周的方法。

最准的记录工具，是你在第三个月还在用的那一个。

常见问题

拍照算热量，对减肥来说够准吗？ 够。减肥取决于连续几周的热量缺口。每餐15%到25%的随机误差在很大程度上会互相抵消；真正重要的是每一餐都记下来，而拍照记录让这件事的发生概率高得多。

哪款AI卡路里App最准？ 没有覆盖所有App的独立一对一测评。综合各项评测，把拍照与条码、文字结合起来、并且允许快速修正的App，胜过纯拍照App。称重加条码比一切都准，代价是大多数人会放弃。

补一句描述真的有用吗？ 有用。已发表的研究显示，加上简短的配料描述后，误差从约30%降到约14%。这是拍照记录里性价比最高的一个习惯。

为什么App算外卖和餐馆菜总是不准？ 餐馆菜里有镜头看不见的油、黄油和糖，分量也比看上去大。要预期它会低估，可以补一句"外卖，油比较大"。

能从视频里算热量吗？ 可以。视频给模型多个角度，能改善分量估算。CalMePlease支持几秒的短视频作为输入。

---

延伸阅读：2026年AI卡路里App推荐 · AI是怎么认出食物的

CalMePlease支持拍照、视频、语音和条码记录，每餐统计十项指标。在App Store免费获取。