MyFitnessPal 收购 Cal AI:个人 AI 智能体能否取代独立应用?

原标题MyFitnessPal's Cal AI Acquisition and the Case for Personal AI Agents

Matthew Berman 构建了一个通过食物照片记录热量的原型,并认为智能体可能威胁独立应用。演示也揭示了快速原型与经过验证的产品之间的差距。

MBMatthew Berman讲者 · Forward Future
频道
Matthew Berman
发布
2026年3月3日
视频
10:43
阅读
7 分钟
幻灯片
5
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

MyFitnessPal 于 2026 年 3 月宣布收购 Cal AI 后,Matthew Berman 认为 AI 智能体可以复制这款热量应用的核心功能,削弱其订阅业务。他演示了个人原型,承认 Jason Lemkin 对收入和社区的反驳,并预测智能体将吸收大部分垂直 SaaS。交易价格未公开,而原型展示的单次测试不能证明它在准确性、安全性或产品完整性上与 Cal AI 相当。

  1. 1有争议的收购论点Berman 猜测交易价格,认为 MyFitnessPal 误解了软件的发展方向。双方没有公开交易金额。
  2. 2收入与分发Cal AI 的团队和增长吸引了 MyFitnessPal。报道中的年收入不一定等同于年度经常性收入。
  3. 3快速原型Berman 提示 OpenClaw 智能体使用 Gemini Vision 和本地数据库构建追踪工具;视频展示的是基础演示,而非完整产品审计。
  4. 4一次餐食测试他对汉堡的估计为 744 卡路里,参考值为 610 卡路里。一个例子无法比较 Cal AI 的准确性,也不能确立营养估计的可靠性。
  5. 5反方观点Jason Lemkin 认为基础应用可以复制,但收入和社区无法复制;Berman 则质疑这些收入能持续多久。

要点建议

  1. MyFitnessPal 收购了 Cal AI,并表示它将继续作为独立产品运营;收购价格未公开。
  2. Berman 称自己在不到 20 分钟内构建了基于照片的热量追踪工具,但画面中的对话也显示智能体在 11:35 失败并重试。
  3. 在一个例子中,原型估计的 744 卡路里比 610 卡路里的参考值高 134 卡路里,约高 22%。
  4. 原型不能复制产品的客户群、经常性收入、可靠性、安全性或分发渠道。
  5. Berman 认为个人智能体将取代垂直 SaaS 并侵蚀 Cal AI 的收入,这是预测,而非已证实的结果。
全文

按章节阅读整理后的全文

只看原始文稿
01

Cal AI 与收购

Berman 介绍 MyFitnessPal 和 Cal AI,并认为后者的核心功能很容易重建。他将此次收购视为软件向智能体转变的一个例子。

MyFitnessPal 收购了 Cal AI,我认为这笔交易暴露了它对软件发展方向的误解。我猜测价格在数千万至一亿多美元,但[交易公告](https://news.myfitnesspal.com/myfitnesspal-expands-its-position-as-the-leading-player-in-digital-nutrition-tracking-with-cal-ai-acquisition/)没有公开价格。我发帖说,这款应用不到一天就能用 vibe coding 做出来。Jason Lemkin 回应说,基础版本也许很容易做,但收入和社区并非如此。

MyFitnessPal 用于追踪饮食、营养和运动。Cal AI 让用户拍摄食物照片、扫描条形码或描述餐食,以估计热量和营养素。我认为核心照片追踪功能不到一小时就能构建;完整后端和社区则需要更多工作。这只是我的判断,并不能证明两者的各项功能完全相同。

报道中的收购详情
幻灯片 1 / 5报道中的收购详情画面中的报道介绍了 Cal AI 的团队、年收入以及未公开的交易条款。

我读到的报道说,收购谈判持续近一年,Cal AI 有七名员工,包括联合创始人兼首席执行官 Zach Yadegari。我尊重创始人和他们取得的成果,但我认为 MyFitnessPal 买入的产品类别,其基本功能正变得容易复制。[TechCrunch 报道](https://techcrunch.com/2026/03/02/myfitnesspal-has-acquired-cal-ai-the-viral-calorie-app-built-by-teens/)称其年收入超过 3000 万美元;Berman 和 Lemkin 将其称为 ARR,但年度经常性收入是不同的指标,报道并未证实这一口径。

我担心,原本为独立应用付费的人可能会转而使用个人 AI 助手,并在已使用的服务中获得相同功能。这是对未来消费者行为和成本的预测:订阅、API 使用、配置与维护仍可能产生费用。

02

MyFitnessPal 的所有权历史

他回顾 Under Armour 的收购与后续出售,并批评其管理方式。这些管理判断是他的个人观点。

MyFitnessPal 成立于 2005 年。Under Armour 于 2015 年同意以 4.75 亿美元收购它,随后在 2020 年宣布以 3.45 亿美元的交易价值出售给 Francisco Partners,其中包含潜在的业绩对价和调整。表面上的 1.3 亿美元差额本身不能说明完整财务回报或管理质量。我认为,非技术背景的所有者和私募股权所有权让打造持久产品更加困难;这是我的判断。

我赞赏 Cal AI 的年轻创始人打造产品并找到分发渠道,也认为他们卖得正是时候。在我看来,现在基础版本很容易复制;我还提到 Yadegari 同意了我的社交帖子。不过,那次交流不能证明收购方是否认识到风险,也不能证明产品正在走向衰亡。

03

构建并测试追踪工具

Berman 展示了智能体生成的食物照片追踪工具,并用汉堡测试。这个原型和单次估计不能证明它与 Cal AI 相当。

原型请求与智能体重试
幻灯片 2 / 5原型请求与智能体重试聊天记录显示 11:18 的初始请求,以及 11:35 的失败和重启消息。

为了检验这个想法,我在 11:18 要求自己的 OpenClaw 智能体构建根据食物照片追踪热量的功能。它最初将任务委派给 Cursor 智能体 CLI。我说任务在 11:35 完成,用时不到 20 分钟,但画面同时显示智能体会话在 11:35 失败并重启,因此确切完成时间无法独立确认。

追踪工具声称具备的功能
幻灯片 3 / 5追踪工具声称具备的功能智能体报告了照片分析、营养估计、每日目标和加密本地存储等功能。

生成的说明称,Gemini Vision 会识别食物并估计份量,返回热量、蛋白质、碳水化合物、脂肪和膳食纤维及每日总计。它声称数据存储在加密的 SQLite 中,并可追踪目标。画面只是对功能的说明,并非对加密、隐私、安全或生产环境就绪程度的独立验证。

我发送了一张 In-N-Out 双层芝士汉堡的照片。工具列出配料并估计为 744 卡路里;我把它与 [In-N-Out 营养页面](https://www.in-n-out.com/menu/nutrition-info)上标准 Double-Double 的 610 卡路里比较。估计值比参考值高 134 卡路里,约高 22%。我认为已经足够接近,并猜测 Cal AI 不会准确太多,但这一个例子既没有测试两个工具的整体准确性,也不能构成直接对比。

汉堡热量估计
幻灯片 4 / 5汉堡热量估计画面中的餐食明细合计 744 卡路里,视频将其与 610 卡路里的参考值比较。

我建议为有名称的餐厅食品增加查询功能,用查到的数据改善估计,而不是靠猜测。我也可以调整每日总计,并提供年龄、身高和目标等信息。这些是我的工作流可能扩展的方向,并不能证明系统能准确处理所有健康需求。

我认为,这个原型说明了收购可能误判未来:我已经在为 AI 服务付费,可以把这个功能加到智能体里,也可以直接询问 ChatGPT。已有订阅并非免费,而原型可能产生额外的模型、托管、维护和隐私成本。我演示的是一个范围有限的工作流,并非与被收购业务完全等同的产品。

04

收入、社区与智能体论点

Berman 回应了分发能力和收入无法复制的反驳。他预测智能体将吸收垂直 SaaS,同时承认自己可能判断错误。

Lemkin 的反驳
幻灯片 5 / 5Lemkin 的反驳对话区分了复制基础应用与重建其收入和社区。

Lemkin 最有力的反驳是,复制基础功能无法重建 3000 万美元 ARR 或社区。我同意自己无法立即复制社区,但如果用户能将功能加入已在使用的智能体,我怀疑收入能持续多久。再次说明,所引报道说的是年收入,并未确认 ARR 数字。

我对比了下载独立应用并反复打开它,与将功能加入现有助手这两种方式。在注册过程中,我看到的价格似乎是每月 2.50 美元;价格和计费条款可能不同。我认为,当助手能组合类似工作流时,即使价格低廉的独立订阅也可能面临威胁。

我预测智能体会吸收垂直 SaaS,而 Cal AI 的收入不会持久。个人智能体可能已经知道我的目标、饮食限制、偏好和购物清单,并能将这些信息与食物照片估计结合起来。这些是预测和设想中的集成,不代表所有智能体都能可靠获取这些信息,也不证明市场已经崩溃。

我认为这笔交易遵循了旧套路:收购快速增长的竞争对手,获得用户,再销售额外订阅。但收购方[表示](https://news.myfitnesspal.com/myfitnesspal-expands-its-position-as-the-leading-player-in-digital-nutrition-tracking-with-cal-ai-acquisition/),Cal AI 将继续作为独立产品运营,因此立即将其吸收并不是公布的计划。我认为即使软件越来越容易构建,分发能力仍是创始人真正的强项。

一家老牌公司可能收购快速增长的对手,而创始人乐于出售并继续下一个项目。我预计随着智能体改变软件行业,类似交易会更多,但我可能判断错误。我建议 18 个月后再来看 Cal AI 在 MyFitnessPal 旗下的表现。

同频道的其他文章

5 张幻灯片14:45EN → 简体中文
Matthew Berman· 2026年10月29日Matthew Berman 解读 Google 的 Gemini 4 Carbon 公告Matthew Berman · Forward FutureMatthew Berman 回顾 Google 公布的 Gemini 4 Carbon 基准结果、分阶段开放计划与定价,同时指出自己尚未使用该模型。Foundation ModelsBenchmarksAI cost & performance+2
12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
0:26EN → 简体中文
Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中,Altman 思考解决难题的乐趣,以及人在解读结果时的作用。Human-AI CollaborationFuture of WorkAI Strategy
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
2 张幻灯片0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表,随后发现图中的数字只是示意性占位值。Benchmarks评估Generative media
6 张幻灯片25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1