超10万五星好评！平均年龄仅20岁的AI健康团队研发Cal AI，8个月月收入超200万美金

图片来源：Cal AI官网

Z Highlights

• 随着政府对于健康领域的重视和人们健康意识的普及，热量追踪应用的用户画像逐渐从以健身爱好者、减重者为主的专业细分群体，逐步转向以普通大众为主的非专业用户，与专业细分群体相比，他们更倾向于追求“简单、易上手”的体验。同时，用户需求也正沿着“精度-深度-广度-智能化”的路径持续分化，通过对特定场景的用户体验深耕而获取产品壁垒，是热量追踪应用发展的研发态势。Cal AI顺应了热量追踪应用“用户需求增加和细化”的趋势，从创始人自身体验的痛点出发，旨在为非专业用户目标群体提供“易上手、易操作、易坚持”的极简风应用。

• Cal AI使用基于OpenAI的GPT视觉模型和Anthropic的Claude视觉模型的混合模型，并结合RAG让模型不断地查询和自我修正，对于随机菜系的拍照识别达到90%的准确度，领先于热量追踪应用领域的平均水平。

• 对于Cal AI的用户使用满意度仍是个具有争议的议题，但似乎是由于聚焦角度的不同而导致的矛盾。Cal AI在App Store和Google Play中分别获4.8和4.7评分，收获共超过15万条评论，用户满意度接近满分，大部分用户表示Cal AI契合自身热量追踪应用的使用初衷。但在Reddit社区，充斥着对于Cal AI的“拍照识食”功能本身的质疑以及订阅制度的不满。

• 目前Cal AI无融资意向，作为高盈利的应用，其营收可以覆盖营销与广告支出，并反哺增长。

01 站在GPT和Claude的肩膀，Cal AI锚定普通用户，定位极简

在过去的十余年中，热量追踪应用的市场规模快速扩张，于2023年达到21亿美元，并预计在2032年市场规模达到47亿美元。热量追踪应用领域的快速发展得益于当前全球肥胖和慢性病流行的长期境况，政府开始重视健康领域和人们的健康意识逐渐增加，在数字健康的趋势下，用户对于热量追踪应用的需求逐渐增加，基于用户增长的涌入效应，热量追踪应用的用户画像从早期以健身爱好者、减重者为主的专业细分群体，逐步转向以普通大众为主的非专业用户，这些非专业用户通常不具备强烈的深度追踪需求，也不愿投入过多时间学习复杂功能，他们更倾向于追求“简单、易上手”的体验。

同时，用户对于热量追踪应用的需求也逐渐细化，正沿着“精度-深度-广度-智能化”的路径持续分化，衍生出“对特定菜系识别精度的高追求”、“宏营养素基础上，微营养素的信息深化”、“向全面生活方式整合的生态化扩张”、“提供个性化指导与行为干预”等等的不同需求，促使开发者从技术同质化的竞争转向基于细分用户需求的用户体验深耕，从而在热量追踪应用市场中构筑更具针对性的产品壁垒。Cal AI的开发，正是顺应了热量追踪应用“用户需求增加和细化”的趋势。

Cal AI的故事，源自于创始人Zack Yadegari作为用户的一员时，在健身期间使用热量追踪应用MyFitnessPal的不满体验。他后来在Forbes等媒体的采访中也多次提到，MyFitnessPal“功能过多臃肿”，作为老牌应用长期的持续发展更新，使得它的界面复杂且广告多。其于2021年推出的AI照片识别功能Meal Scan只会给出食物及其份量的建议列表，其后用户必须逐个确认、编辑份量并添加漏掉的食物。这些繁复冗长的操作使得Yadegari“当时在MyFitnessPal上追踪卡路里的行动，仅仅在三天后就放弃了”。也正是这一切身体验，让Yadegari捕捉到了“普通用户无法坚持复杂工具”的痛点，使其定下“界面简洁无负担、‘无感’体验”这一新的热量追踪应用的开发战略。

图片来源：Cal AI官网

在热量追踪应用领域，对于传统需要手动记录食物的应用，其底层逻辑本质上是“结构性数据库”和“匹配算法”的结合，例如早期版本的MyFitnessPal需要用户进行文本搜索、条形码扫描或者手动创建自定义食物来日志，后端在PlanetScale上进行匹配查询，并反映结果于前端即用户界面。但是随着计算机视觉和大语言模型的快速发展，目前主流的热量追踪应用的底层技术逐步转变为“视觉模型”、“体积回归模型”和“热量及营养数据库API”的AI综合运用，并结合手机深度传感器进行使用。

但是在热量追踪赛道，值得注意的是模型层面的技术差异并不是主要的竞争壁垒，对于用户需求的持续洞察、产品体验的精细打磨和特定细分场景的深度适配才是各个热量追踪应用的利刃。这是因为核心模型本身已高度商品化与可获取，各个应用的开发可以在链接外部模型的基础上再进行细化和微调，以匹配各自的发展目标，除了少部分依旧使用企业自研模型的应用，例如印度公司的HealthifyMe和初创公司的SnapCalorie，目前大部分热量追踪应用都是链接外部的第三方技术，例如热量追踪应用的龙头企业MyFitnessPal和Lose It!分别使用了Passio AI公司提供的Nutrition AI SDK和Google ML Kit的文本及物体识别API。这说明，在热量追踪领域，开发者无需从零开始进行系统的应用编码，而是可以站在大成的模型之上再做文章，而这也是Cal AI可以快速落地的原因，Cal AI链接了OpenAI的GPT系列视觉模型和Anthropic的Claude视觉模型这两大前沿大模型，并结合RAG让模型不断地查询和自我修正，以得到更加精准地食物识别结果。

02 Cal AI的爆红是营销堆砌还是产品力？盈利是付费陷阱的胜利还是用户自愿？

Cal AI是为关注健康的普通用户而设计的热量追踪应用，页面简洁为黑白主题风格，旨在为普通用户提供“无负担”体验。提供的主要功能包括：

1、通过拍照追踪食物并分析成分。使用Cal AI拍摄照片，手机的深度传感器将会计算食物体积，AI随后会分析并分解上传的食物，从而确定食物的各成分含量，包括卡路里、蛋白质、碳水化合物和脂肪含量。

2、搜索或扫描条形码获取食物的详细信息。Cal AI有包含超过 100 万种食品的数据库，按名称、品牌搜索，或扫描条形码可以快速查找，即时获取营养信息并记录数据库中的食物。

3、监控体重并提供AI建议。Cal AI可以连接Apple Health获取包括体重在内的健康数据，监测体重和营养目标，提供个性化AI建议，帮助保持进度并优化饮食。

4、记录用户的饮水量和日常运动。Cal AI定制化水分摄入和健身计划，并提醒保持水分充足和活力充沛，与健身计划无缝衔接。

图片来源：Cal AI官网

产品的使用过程非常简单。用户在点开Cal AI后需要先回答一系列问题，包括性别、每周锻炼的次数、Cal AI的了解途径、其他卡路里追踪应用的使用情况、身高体重、生日、是否有私教或营养师协助、体重目标、减重速度、实现目标的阻碍以及饮食偏好等问题。从营销学和行为经济学角度，这属于沉没成本谬误，即用户在首次使用时投入的时间，如回答问题，会产生沉没成本感，即使后续体验一般，用户也更可能继续使用。

在问题之中穿插使用Cal AI带来的长期效果可视化图表，比如采取Cal AI辅助饮食和传统饮食两种饮食方式体重的变化曲线图对比，有无Cal AI辅助饮食下减掉体重的条形图对比，以强化Cal AI在用户心中的印象。在问题回答完毕之后，Cal AI肯定用户体重目标的可执行性以及完成目标的可能性，给予用户鼓励，提高与用户之间的情感纽带，最后生成定制化个人计划。

Cal AI采取免费增值模式，即用户可以免费使用基本功能，但需要付费才能使用额外的功能。值得一提的是，Cal AI采用的付费隐藏的策略，即用户在打开应用后无法第一时间看到价格，只有在回答问题后才能获得报价，这也是在Reddit和应用商店评论中，用户抱怨最多的问题之一。更有趣的是，Cal AI订阅价格并非固定不变，或许是因为他们正在进行A/B测试，或者采用了动态定价，其月度报价区间为5.99美元至20.00美元，年度报价区间为19.99美元至49.99美元，差距甚大。

事实上，关于Cal AI的订阅诟病颇多。首先，Cal AI藏有订阅的扣费陷阱。在定制化个人计划生成之后，若想进入应用页面，必须要接受付费功能3天的免费使用，虽然应用宣称会在免费使用到期前弹窗提醒，但是那仅限于在试用期结束前仍然在使用Cal AI的用户，即若是在试用期结束前删除应用，Cal AI将会直接扣除一笔不菲的订阅年费，且无法退还。

其次，Cal AI虽然采用的是免费增值模式，但是它实际上是一个完全的付费软件。Cal AI的免费功能仅仅包含拍照记录食物及手动上传食物信息，根据App Store的描述：“FOOD SCANNING ANALYSIS RESULTS REQUIRE A SUBSCRIPTION”，食物扫描分析是属于付费功能部分。而无法通过食物拍照获得食物的分析报告，食物的成分及健康程度对于用户来说仍是黑箱，用户的操作无疑也将变得繁琐，这与用户使用Cal AI的初衷和Cal AI的创立初衷相悖。

图片来源：Reddit

Cal AI早期的营销投入主要是与TikTok和Instagram这两个平台上的健身KOL合作，付费方式为基于CPM的绩效付费，部分结合referral code系统，通过粉丝下载或订阅支付KOL额外佣金。在2025年后，Cal AI营销扩展到付费广告等渠道，包括TikTok Ads、Apple Search Ads等，每月支出超20万美元。根据2025年的CNBC采访，Yadegari表示Cal AI每月广告和营销总支出目前已超过77万美元，广告和营销的投入几乎与利润持平。

图片来源：Cal AI官网

03 无冗余、全精锐，Cal AI的4人年轻创业小队“麻雀虽小，五脏俱全”

2023年夏天，Zach Yadegari为减脂增肌提升个人形象，触及了Cal AI的最初灵感。Henry Langmack是Yadegari的编程训练营同学，此前已合作开发过励志闹钟应用 Grind Clock，于是两人一拍即合，决定聚焦“AI+食物热量追踪”的垂直场景开发应用。同时引入增长专家Blake Anderson和运营负责人Jake Castillo，组成一个“麻雀虽小，五脏俱全”的四人小队，开始研发Cal AI。

Zach Yadegari的创业天赋早发，他7岁自学编程，12岁发布首款应用Speed Soccer，并开始接触移动开发。13岁在 kidOYO教Unity游戏引擎课程，同时创办游戏聚合网站Totally Science，主打“校园网络环境下可玩游戏”，吸引500万用户。16岁以10万美元出售Totally Science，获得首桶金并验证产品规模化与变现能力，随后他将出售Totally Science的资金及AdSense收入累计13万美元投入Cal AI，作为应用开发的第一桶金。

相比于Yadegari在创业方面展现出的天赋，Henry Langmack则是围绕编程实践与项目打磨为核心，逐步构建其全栈开发的能力。Henry Langmack受堂兄影响接触编程，后加入编程教育机构KidOYO，2020年暑期担任学生导师，积累教学与技术分享经验。他专注于算法与应用开发，常参与竞技编程，熟悉iOS开发与产品迭代流程。2023年7月推出支付工具AnywayPay，开始尝试SaaS与工具类产品开发。Henry Langmack的核心能力为“快速实现的技术方案+适配用户场景”。

而Blake Anderson核心负责增长与社媒获客，他以“无代码+TikTok爆款”打法起家，精通社媒受众定位、KOL 筛选与转化链路设计，擅长用低成本测试撬动高增长。他的首作Plug AI，以ChatGPT无代码开发切入AI工具，后以50美元投放TikTok KOL，6日获20万下载、首月营收8万美元，4 个半月下载破150万、月营收19万美元。同年12月推出Umax，对接GPT Vision做图像分析，首月营收10万美元，后续月营收稳定超50万美元。

与其他三位创始人不同，Jake Castillo从基层锻炼其运营与商业落地能力。他早期服务于DTC健身补剂品牌，负责Instagram和TikTok 账号日常运营、内容策划与达人对接，从免费寄样、置换合作切入，快速熟悉健身垂类KOL生态。随后深耕健康领域，为健康品牌搭建“头部KOL+腰部KOC+素人达人”的三层矩阵，沉淀KOL资源池，形成高效复用的资源库，为Cal AI的商业化与规模化奠定基础。

图片来源：Cal AI官网

04 手握高稳定营收和高用户粘性，Cal AI暂无融资意向

Cal AI自2024年上线，4个月营收破100万美元，8个月月营收达200万美元，进入成熟阶段后，月收入稳定超200万美元，主流口径全球下载量累计超500万次。目前Cal AI研发团队从4人创始团扩展至30人，跨4大洲协同。

Cal AI在App Store和Google Play中分别获4.8和4.7评分，收获共超过15万条评论，用户满意度接近满分。它30天留存率超30%，显著高于健康类应用的平均水平，体现出Cal AI较高的用户粘性。目前通过多模态AI与开源数据库训练，Cal AI的食物热量与营养成分识别准确率高达90%。

图片来源：Cal AI官网

截至2025年12月无外部风险投资融资，Cal AI全程依靠创始人自筹与产品营收滚动增长，以订阅营收反哺增长，形成了“营收，再投入，增长”的闭环，无需外部资金输血。

References：

https://www.cnbc.com/2025/09/06/cal-ai-how-a-teenage-ceo-built-a-fast-growing-calorie-tracking-app.html

https://www.reddit.com/r/nutrition/comments/1in01pp/anyone_have_success_using_cal_ai/

https://techcrunch.com/2025/03/16/photo-calorie-app-cal-ai-downloaded-over-a-million-times-was-built-by-two-teenagers/

https://www.eesel.ai/blog/cal-ai-pricing

https://lifehacker.com/health/ai-powered-calorie-counting-apps-worse-than-expected

https://www.woshipm.com/ai/6310196.html

https://dataintelo.com/report/calorie-counting-app-market

文章来自于“Z Potentials”，作者“Z Potentials”。