AI 卡路里 App 準確嗎？2026 年 NIH 研究的發現

拍一張餐盤照片，幾秒鐘就算出熱量，感覺有點像變魔術。它也讓記錄輕鬆許多，畢竟每樣食材都要手動輸入，很快就會讓人厭煩。不過，方便只有在數字大致正確時才有意義。

2026 年 7 月，美國國家衛生研究院（NIH）的研究人員公布了一項研究，並形容這是同類型研究中第一次直接、高品質的比較。簡單來說：單靠照片的估算結果偏低，主要是因為脂肪。詳細的版本更有用，因為最大的誤差，也正是你最容易修正的部分。

NIH 研究測試了什麼

根據美國營養學會的公告，這項研究來自美國國家糖尿病、消化與腎臟疾病研究院（NIDDK）的科學家，並在該學會的年會 NUTRITION 2026 上發表。

測試用的餐點來自 NIH 臨床中心一項規模更大的研究，該研究比較了低碳水的生酮飲食和標準飲食。這些餐點在代謝廚房中製作，每樣食材都秤到 0.1 公克，所以研究人員確切知道每個盤子上有什麼。他們把其中 102 份餐點的標準化照片，交給四款 App 的拍照功能估算：MyFitnessPal、Lose It!、Cal AI 和 Appediet。

有一點要特別注意：這是一份研討會摘要。主辦單位指出，這類結果還沒有經過期刊發表所需的完整同儕審查，應該視為初步結果。

研究人員發現了什麼

四款 App 全都低估了熱量，平均每餐少算約 250 到 345 kcal（大卡），大約是三分之一。Healio 報導了每款 App 的平均值：

另外還有幾個值得注意的發現：

• 脂肪是最大的漏洞。 四款 App 每餐都低估了約 30 公克的脂肪。
• 碳水化合物比較穩定。 碳水化合物的估算比其他巨量營養素更一致，不過 Lose It! 和 Cal AI 仍然低估了約 14 公克。
• 餐點大小對部分 App 有影響。 MyFitnessPal 和 Lose It! 估算高熱量餐點時，比估算低熱量餐點更準確。
• 高脂肪餐點似乎最難。 在另外追加超過 200 份餐點的後續分析中，初步結果顯示這些 App 估算生酮餐點時更吃力，很可能是因為這些餐點的脂肪含量較高，而脂肪一直被低估。

App 經常更新，所以這些結果反映的是這項研究測試的版本，不一定代表各款 App 現在的表現。Calorix 不在這項研究之中，而且我們不認為任何一款 App 只靠照片的估算能避開同樣的問題，我們自己的也一樣。

主要研究者的建議很直接：使用拍照 App 的人，如果「沒有調整份量或輸入食物的量，對結果就應該持保留態度」。

這不只是 AI 的問題

拿這些 App 和最常見的替代方式比一比會更清楚，也就是人自己估算。研究人員指出，低估三分之一，和過去自我報告飲食的研究結果差不多。

這和數十年來的研究一致。OPEN 研究以客觀的生物標記檢驗 484 位成人的自我報告，發現 24 小時飲食回憶法少報了約 12% 到 20% 的熱量攝取，食物頻率問卷則少報了大約三分之一。一篇 2019 年的系統性回顧分析了 59 項使用雙標記水法的研究，發現大多數都出現明顯的低報，使用科技工具的研究也不例外。

照片並不會自動解決這個問題。一篇 2020 年的統合分析發現，以影像為基礎的飲食評估同樣傾向低報熱量，結論是它和傳統方法一樣，存在嚴重的測量誤差。一篇 2023 年的系統性回顧檢視全自動的 AI 方法，發現各研究的平均熱量誤差從不到 1% 到約 38% 不等，單一、簡單食物的影像誤差比較小。

不過，還是有令人振奮的細節。在遠端食物攝影法中，研究人員根據每一餐和剩菜的照片估算攝取量，結果和秤重的攝取量只差約 5% 到 7%（仍然略低）。只要有人仔細檢查，照片可以很好用，而這個檢查步驟，正是 NIH 測試中沒有的部分。

Healio 報導附帶的評論還提出一個值得記住的重點：持續的低估比隨機誤差更要緊。隨機誤差在一週內會部分互相抵消；偏向同一個方向的誤差則會不斷累積。

照片估算為什麼會失準

隱藏的油脂

油會滲進飯和蔬菜裡，奶油會融進醬汁，沙拉醬會裹住每一片葉子。這些相機都看不到，而脂肪的熱量密度很高：美國農業部的 USDA FoodData Central 列出一大匙橄欖油含 13.5 公克脂肪、119 kcal。NIH 研究中約 30 公克的脂肪落差，比兩大匙油的脂肪還多一點。

份量的厚度

照片是平面的。從正上方看，薄薄一層義大利麵和滿滿一大碗，看起來可能幾乎一樣。在一項 2025 年的研究中，成人受試者把實際的米飯份量和照片配對時，看俯拍照片往往會低估，因為從上面很難看出碗裡的飯盛得多高。固體食物則以 45 度角拍攝的照片表現最好。

混合料理

咖哩、焗烤、墨西哥捲餅和三明治，都把食材包在裡面或疊在下面。AI 不只要猜份量，還要猜食譜。也難怪 2023 年的那篇回顧發現，單一、簡單食物的影像誤差比較小。

光線和角度

影像研究者指出，光線和視角的變化會改變食物的外觀，讓食物更難辨識。餐廳昏暗的燈光、強烈的陰影和奇怪的角度，都會增加不確定性。

如何讓估算更準

你不必每樣東西都秤，也能比單純的照片估算準得多。以下習慣正好針對上面提到的誤差：

• 掃描時加上備註。 告訴 App 它看不到的東西：「用奶油煮的」、「醬汁加量」、「半份」。
• 檢查份量，不只看總數。 看看每種食材的公克數，有不對勁的就修正，從高熱量的項目開始。
• 把油脂獨立記一筆。 把油、奶油、美乃滋或沙拉醬新增為獨立的食材，免得它消失在料理裡。
• 包裝食品用條碼和營養標示。 標示上就有廠商提供的數字，不需要從照片猜。
• 偶爾秤重。 花一週秤一秤你平常盛的那碗飯、那碗穀片或倒下去的油，就能重新校準你的眼睛。NIH 研究人員以精確秤重的餐點作為參考標準，不是沒有原因的。
• 拍出更好的照片。 光線充足、整個盤子入鏡、45 度角，都有幫助。我們的用照片估份量指南有詳細說明。
• 別人下廚時，預期油會比較多。 在外食的餐點中，油脂通常是最大的未知數。請看外食熱量怎麼記錄。

Calorix 如何針對這個問題設計

我們打造 Calorix 的 AI 熱量掃描時，前提就是：每一次照片估算都只是初稿。掃描後不會只給你一個數字，而是打開一張確認卡片，列出每種食材的份量、公克數、熱量和可信度標示，讓你看出估算在哪裡最沒把握。

接下來，你可以：

• 修改名稱、份量和公克數，或新增、移除食材
• 吃得比照片多或少時，使用份量滑桿（½、1、1½ 或 2）
• 點一下「用 AI 修正」，打字或說出修正內容，例如「不要白飯，加 2 顆蛋」，先檢查建議的變更再接受
• 加上「用奶油煮的」之類的備註，再用儲存的照片重新分析
• 手動覆寫任何數值，AI 的原始值會保留下來，讓你隨時可以還原

總計永遠會根據食材重新計算，所以修正其中一項，就會直接反映在你的每日熱量和三大營養素上。包裝食品則可以掃描條碼或營養標示，完全不用猜。

先說清楚我們沒有宣稱的事：我們並沒有證明 Calorix 比這項研究中的 App 更準確。這個設計做到的，是讓估算過程透明、修正起來快速，而這正是 NIH 研究人員指出的關鍵步驟。

總結

用 AI 拍照記錄，能快速得到一份合理的初稿，但單靠它往往會偏低，尤其是油多、加了奶油的料理和混合料理。把每一次照片估算都當成起點：檢查份量、補上你知道有加的油脂，有標示的東西就掃條碼。

小小的修正會累積起來。如果你實際吃下的比紀錄多出幾百 kcal，你訂的計畫就會和現實對不上，而且很容易怪到自己頭上，而不是怪估算。一份貼近現實的紀錄，再搭配用我們的 TDEE 計算機算出的合理目標，才能給你真正派得上用場的數字。