AI健康管理新典範：FoodTrack 計卡路里＋用中醫舌象＋西方營養學讀懂你的身體節奏

打開手機拍照上傳，AI秒算卡路里——這項功能早已不稀奇，甚至ChatGPT或Gemini都能隨手做到。但當記錄變得越來越方便，一個更根本的問題浮現：知道這餐有800大卡之後，然後呢？ 多數健康App止步於數據呈現，用戶看著數字焦慮，卻不知如何改善。總部位於香港科學園的AI健康平台FoodTrack，正是為了解決這個痛點而生——它不只是記錄你吃了什麼，更試圖理解你的生活節奏，並給出真正做得到的下一步行動。

創辦人Daniel Hu接受CFTime專訪時直言：「很多用戶不缺健康數據，缺的是理解自己日常模式的方法。我們想做的，不是更快記錄，而是幫他們從飲食與生活中看見值得留意的規律，並做出微小但可持續的調整。」這個理念讓FoodTrack獲得2025年紅點設計獎，並在全球170多個國家上線，支援8種語言。CFTime揭開這款「中西合璧」AI健康App的產品壁壘、技術攻堅、商業模式與市場策略。

四大護城河：為何不怕被通用AI或同類App取代？

當Google、OpenAI等巨頭都能免費辨識食物影像，FoodTrack的生存空間在哪？Daniel指出，通用AI擅長回答「一次性問題」，但健康管理需要的是「持續理解」與「行動閉環」。FoodTrack的不可替代性建立在四個層面：

• 時間維度：追蹤用戶數週甚至數月的飲食、睡眠、活動與恢復趨勢，而非單張照片的營養估算，讓健康管理從「當下記錄」升級為「長期洞察」。
• 因果關聯：系統不只是告知「蛋白質不足」或「熱量超標」，而是將數據串聯起來，幫助用戶理解「近期疲勞是否與晚餐時間太晚有關」、「睡眠品質是否受睡前進食影響」。
• 個人化行動：根據用戶當前狀態，每天只給出一至兩項可執行的小建議——例如「今晚增加一份蔬菜」、「飯後散步十分鐘」、「今天睡眠不足，取消高強度運動」——而非籠統的健康口號，讓改變真正落地。
• 安全邊界：健康建議不能像聊天機器人隨意生成。FoodTrack內建風險規則、可信度判斷與可解釋機制，當影像品質或數據不足時，AI會直接回覆「資料不足」而非勉強給答案。Daniel強調：「健康AI最重要的能力，不只是懂得回答，還要知道什麼時候不應該回答。」

此外，他認為真正的護城河不止於技術，更是生態系統：「我們累積了用戶健康數據，也串聯了供應商、中醫網絡、健身中心三類合作夥伴，形成網絡效應。競爭者可以複製App介面，卻無法一夜複製這套生態。」目前FoodTrack主要聚焦香港市場，暫不與大陸巨頭正面交鋒，而是以精緻的個人化服務站穩腳跟。

中醫AI化最大難關：不是技術，是標準化與可信度

將「望聞問切」中的面診與舌診導入AI，聽起來合理，實則挑戰重重。Daniel坦言，最大障礙不是相機畫質或燈光，而是建立一致的參考標準。首先是拍攝條件差異——色溫、陰影、濾鏡、曝光都會影響舌象判斷；其次是專業認知分歧——同一張舌苔，不同中醫師可能給出不同描述；最後是單一信號局限——舌象不能脫離生活習慣、飲食、睡眠單獨下結論。

為克服這些變數，FoodTrack採取多層處理：拍攝階段，系統自動檢測光線、距離、角度，並要求重拍模糊或偏色照片；影像預處理，進行舌體分割、色彩標準化與曝光校正，降低手機型號差異；標註環節，不依賴單一專家，而是建立共識框架，由多位專業人士交叉驗證，提高標籤一致性；輸出環節，AI絕不把一張照片直接轉為「體質診斷」，而是結合問卷與生活數據，並附上可信度分數。

中西體系融合：不硬湊公式，而是找出安全交集

西方營養學講究卡路里、微量元素；中醫強調體質、氣血、濕熱。兩者如何共存而不衝突？FoodTrack的解法是分層架構：第一層，客觀健康數據——食物種類、營養素、進食時間、活動量、睡眠、心率；第二層，模式識別——以中醫啟發的體質框架來解讀生活表現，但定位為「健康模式提示」，而非醫療診斷；第三層，建議引擎——先遵守有共識的營養與安全原則，再根據用戶偏好、文化背景調整建議順序與用語。

舉例來說，一位用戶睡眠不足、靜息心率偏高且常深夜進食。西醫數據會說「恢復狀態不佳」，中醫可能形容為「陰陽失調」或「濕熱內蘊」。兩套語言不同，但實際建議可能一致：減少油膩宵夜、提早睡眠、補充水分。Daniel表示：「融合的重點不是證明哪套體系完全正確，而是找出兩者能互補且風險最低的生活方式建議。若有衝突，以安全且具科學證據的原則優先。」FoodTrack也與廣州中醫藥大學教授合作，取得初期數據與專業背書，確保演算法有可信的醫學基礎。

AI算力成本怎麼控？分層架構與單位經濟學

多模態AI處理圖像、舌象、面象並生成建議，算力成本不菲。如何避免「越多人用越虧錢」？Daniel透露，核心原則是不把每張圖片和完整歷史都丟進最昂貴的大模型。FoodTrack採用分層設計：圖像識別由輕量級專門模型處理，趨勢分析由規則引擎負責，僅在生成個人化建議時才調用大型語言模型，且輸入經過精簡。

同時，透過快取機制減少重複運算。團隊持續優化單位經濟成本（Unit Economics），確保每用戶的平均收入（ARPU）能覆蓋AI呼叫成本，而非長期靠融資補貼。目前訂閱制已能支撐基礎營運，未來將透過企業方案與生態變現進一步提升毛利。

商業模式三條腿：訂閱、企業方案、健康生態

FoodTrack現階段以消費者訂閱為主要收入，用戶可付費解鎖深度分析、長期趨勢、穿戴裝置整合與進階會員權益。但Daniel描繪的藍圖更廣：第二條腿是企業健康方案，為保險公司、健康品牌、醫美機構、社區中心提供聯名平台、API串接與員工健康計劃，收入來自項目費或按人頭計費；第三條腿是健康服務生態，包括轉介線上中醫（目前與廣州中醫網絡合作）、推薦營養食品（如高蛋白飲品），以及與健身平台（如Class Pass）串聯，會員可兌換實體課程。

這些B2B2C模式不僅創造多元營收，也強化用戶留存——當App不只給建議，還能直接兌換服務，付費意願自然提升。

全球用戶畫像：大中華、美國、歐洲，付費習慣大不同

FoodTrack覆蓋170多國，用戶量前三地區為大中華區（香港、台灣、大陸）、美國、歐洲（波蘭、西班牙、英國），東南亞（越南、馬來西亞）用量也大。但付費意願天差地別：歐美用戶習慣為軟體訂閱付費，香港與台灣表現中等，大陸因定價較低貢獻有限，東南亞則「流量巨大卻幾乎不付錢」。

因此，營收主力來自歐美市場，定價策略也因地制宜——大陸地區收費較低，其他地區一致。針對西方市場，FoodTrack面臨「如何解釋舌象」的文化挑戰。一開始團隊直接說「濕熱」，外國用戶完全無法理解。後來改為視覺化描述：「你睡醒後容易疲倦」、「飲食偏油膩」、「近期身體較沉重」——這些是任何人能感知的狀態。

產品介面也分兩層：全球通用的「睡眠、營養、活動、壓力」詞彙，加上直觀圖表，讓用戶看見因果關係。Daniel強調：「本地化不是翻譯名詞，而是把中醫概念轉譯成可觀察的生活模式。西方用戶不會因陌生名詞買單，但他們會因『這東西懂我』而留下。」

未來一年：深耕香港，做深生態而非急於擴張

接下來7至12個月，FoodTrack將聚焦香港市場，目標是擴大合作夥伴網絡，為會員提供更多實際權益——例如與健身公司合作讓用戶直接兌換健身課，與保險公司洽談健康獎勵計劃，並推出聯名營養食品。Daniel強調：「我們不只想賣App訂閱，而是希望當用戶需要運動或營養補充時，FoodTrack能成為他最信任的推薦入口。」

此外，團隊正與社區中心合作舉辦線下健康活動，逐步建立「線上分析＋線下服務」的O2O閉環。至於創辦初心，Daniel回憶：「我選擇這個賽道，不是為了把中醫包裝成AI噱頭。現代人不缺健康知識，缺的是從哪一步開始。香港和亞洲家庭多有中醫養生觀念，年輕人卻習慣看數據——這兩個世界存在斷層。我希望保留東方智慧重視整體、節奏的優點，同時用現代科技與安全標準重新表達，讓AI成為一般人邁向健康的第一道友善入口。」

結語：健康管理不是評分，而是理解

訪談尾聲，Daniel分享了一句令他印象深刻的反饋：「有用戶說，以前用過很多App，拍完照得到分數就結束，反而越看越焦慮。但FoodTrack會告訴我，今天可以怎樣調整，讓我覺得被理解，而不是被審判。」這句話，或許正是FoodTrack與眾多健康App最根本的差異——它不只用數據定義你，更用數據協助你。當AI不再只是計算機，而成為生活教練，健康管理才真正從「記錄」進化為「改變」。

常見問題