拍一张照就能收钱：两个高中生用这个公式做到 3000 万美金，你也能抄

拍一张照就能收钱：两个高中生用这个公式做到 3000 万美金，你也能抄

你打开 App Store，搜 “AI”，前 50 个结果里有 10 个是拍照类。这两年真正赚到钱的 AI 产品，长得都很”寒酸”——不是能陪你聊哲学、能写代码、能生成电影的全能大模型，而是一些功能少到让人怀疑”这也能收费？”的小玩意儿：你举起手机拍一张照，它回你一句话，然后你每个月给它付十美元。

把最扎心的数字放在前面。

一个叫 Cal AI 的应用，功能只有一个：拍你要吃的这盘饭，它告诉你多少热量。做它的是两个 17 岁的高中生，2024 年 5 月上线。18 个月后：下载量超过 1500 万次，年营收超过 3000 万美金。2025 年 12 月被 MyFitnessPal 收购，团队 7 人全部被收编。Forbes 报道预计 2026 年营收到 5000 万美金。

7 个人，一个拍照功能，三千万美金。

这背后有一条可以复用的筛选条件，而且它已经被验证了不止一次。今天把条件拆开，连”我不会写代码怎么办”都一并算给你看。

一、用户不缺信息，缺的是不动脑

大多数人做产品时，找痛点的方式是错的。他们以为用户缺信息——我告诉他，他就付钱。

不是。信息在 2026 年最不值钱。你想知道一盘意大利面多少热量，搜索引擎三秒钟给你二十个答案，还免费。

那 Cal AI 凭什么收钱？

因为减脂的人出门吃饭，拿到菜单，二十道菜，每一道他都看得懂，但他不知道该点哪一道。脂肪高不高？碳水会不会爆？今天这顿吃了明天要不要补运动？理论上他得：认出食材、估算克数、查每样的热量密度、加起来、再对照今天还剩多少配额。这套流程五分钟，一天三顿，一个月九十顿。

这就是行为经济学里说的决策疲劳：决策越多，后面的质量越差。所以用户缺的是那个能让他闭嘴的确定答案。

有人做了这个：拍一眼菜单，AI 直接告诉你点哪道。把十分钟的纠结压缩成三秒的决定。

这类应用现在活得不错。以 App Store 上的 MenuFit 为例：下载量超过 100 万次，4.8 星、5.39 万个评分，基础订阅每月 9.99 美元。订阅这个赛道里，百万级下载配十美元月费的产品，是真实存在的一类生意。

二、三个筛选条件，缺一个不成立

把上面这些案例叠在一起看，能提炼出三个筛选条件——这是挑方向用的，不是商业公式：

高频场景 × 选择困难 × 拍照输入

为什么是 2026 年才成立？因为前两个条件早就有，第三个等到了多模态模型成熟才解锁。以前你让用户手动输入”鸡胸肉 150 克、西兰花 100 克”，输入成本比自己算还高，产品必死。现在”举起手机”变成了唯一操作，付出从”打三十个字”降到”按一下”，这三个条件才终于凑齐。

我一个个说清楚——大部分人都是在其中一环上摔的。

条件一：高频

一天发生一次以上，最好是三次。吃饭是完美场景——一天三次，一年一千次。用户每天打开你的应用三次，付费的心理门槛会低到不可思议。反过来，”帮你算房贷该选哪个方案”这种需求，一辈子用两次，你只能收一次性的钱，而一次性的钱意味着你要永远地买流量。

条件二：选择困难

用户必须处在一个必须马上做决定、但决定不下来的时刻。菜单前、货架前、酒单前，都是决策卡点。而”我想了解营养学”不是卡点，那是学习，学习是不紧急的，不紧急的需求付费率极低。

情绪压力下的决策还有个特征：用户买的是解脱感，不是信息。一个减脂的人在饭局上举起手机拍照、读出 320 大卡，然后安心吃下去——他买的不是那 320 大卡的数据，是那一刻不用纠结的解脱。这才是付费意愿的真实来源。

条件三：拍照输入

多模态模型是这一波的引擎。TechCrunch 的报道里提到，Cal AI 的识别准确率大约 90%——不是 100%。对减脂的人来说，90% 准确的三秒答案，比 100% 准确的五分钟答案有价值得多。 减脂是统计游戏，不是精确科学，日均误差 < 5% 就够用。

三、五步，从零到上线

下面这五步，按顺序走。

第一步：选场景，别选功能

拿一张纸，写下你自己生活里”必须马上决定、但每次都要犹豫一下”的时刻。只写自己真实卡住过的，别写你猜别人会卡的。参考几个方向：

  • 酒吧酒单：哪杯酒热量最低（健身人群的刚需，且这部分人消费力强）
  • 便利店零食：拍包装背面，告诉我减脂期能不能吃
  • 机场 / 高铁站餐饮：转机两小时，怎么吃不翻车
  • 超市成分表：拍配料表，告诉我这里面有没有我在避的东西

最后这个方向已经跑出来了。Seed Oil Scout，专门帮用户避开含种子油的餐厅和食品，公开数据是下载量超过 100 万次、4.8 星 1.4 万条评价。它在应用内直接搭了一个商城，用户可以点进去买合规产品——订阅费 + 分佣两条钱路一起吃。

选完场景，先别写代码。花二十分钟验证需求是不是你自己臆想的。

但有个坑要先说：用 Google Trends 和搜索下拉框的方法，对 App 流量不成立。App Store 的搜索行为和 Google 完全不同，关键词热度的判断标准也不一样。Cal AI 自己也根本不是靠 Google 起来的，它靠的是 TikTok 视频的转化率和 Product Hunt 排名。

正确的验证方法是：

  1. 打开 App Store，连 VPN 到你目标市场（比如美区），搜你的核心英文关键词（比如 menu calorie），看前 10 个结果里有没有下载量过 10 万、且仍在更新的同类产品。
  2. 去 Sensor Tower（应用商店第三方数据平台）查这个关键词下头部产品的下载曲线、看趋势是涨是跌。
  3. 在 Reddit、Quora 的相关 subreddit 搜”X decision”、”X help”，看抱怨密度——抱怨越多，痛点越真。

有同类产品在稳定活着 + Reddit 上有人在反复问类似问题 = 需求真实存在，不是你脑补的。

第三步：做，别自己从零写

Cal AI 的技术栈没什么秘密：TechCrunch 写得很清楚，它调用 Anthropic 和 OpenAI 的模型，加上 RAG（让 AI 检索外部知识库来回答的技术），再喂了一批开源的食物热量图片数据库。没有自研模型，没有算法突破——它是一个把现成能力重新组合的产品。

2026 年你的技术门槛是这样的：

  • 视觉识别 → 直接调 GPT / Claude 的多模态接口（就是允许 AI 识别图片的 API），按次付费，起步几乎零成本
  • 应用界面 → 4-8 周 MVP（最小可用版本）能出来，加上 2-3 周过 IAP（应用内购买）审核、隐私政策、税务分类
  • 订阅收款 → App Store / Google Play 内购，平台替你处理全球支付和退款

你敢不敢把功能砍到只剩一个，这才是难点。Cal AI 没有社交、没有食谱库、没有健身计划。它只做一件事，做到 90% 准确，然后收钱。

你做的第一版一定会想加功能。别加。你加的每一个功能都在稀释那三秒钟的确定感。

3.5 步：不会写代码的人怎么走

这是被最多读者问到的，所以单独写。

如果你完全不会代码，2026 年有一条可走的路：

  1. 用 Glide / Bubble / Softr / Adalo（无代码平台，把界面组件拖一拖就能拼出 App）做第一版——这些工具现在能调 GPT-4o vision 的接口，做一个能识别图片并返回文字的应用，技术上完全可行。
  2. 同时去 Upwork 找一个会 Swift（iOS 开发语言）的兼职，时薪 30-50 美金，帮你把无代码原型改写成能上架 App Store 的原生应用。
  3. 自己学 Cursor + Claude Code（AI 写代码工具），做后续迭代。

这条路慢一点，但不需要你从零学编程。第一版 8-12 周、预算 1-3 万美金（含无代码订阅 + 兼职 + 苹果开发者账号 99 美金/年），就能出一个能上架的版本。

第四步：把 “AI” 这两个字写进应用商店

Sensor Tower 的一份报告里有个数据很关键：Cal AI 在应用商店描述里平均每季度堆了 35 个 AI 相关关键词，结果 AI 相关搜索词带来了它搜索下载量的 25%。

四分之一的自然流量，来自”在标题和描述里写 AI”。

应用商店把”AI”当成一个分类标签在索引，标题里有这个字的产品会进入 AI 搜索池子——这跟 ASO（应用商店搜索优化）的关键词权重机制直接相关。现在有大量用户在 App Store 直接搜 “AI food”、”AI scanner”、”AI menu”，他们搜的不是你的品牌，是这个类别。你的应用名、副标题、描述里如果没有这些词，这批流量你一个都拿不到。

这是最便宜的一次性工作，做完吃很久。

第五步：定价从月费起步，别做一次性买断

9.99 美元一个月，是这个赛道被验证过的价格锚。

为什么不做买断？高频场景的价值是持续释放的，用户今天用了明天还要用。买断制把你的收入压成一次性，你就被迫永远地买流量。而订阅制让你今天签下的用户，明年还在给你付钱。

一个粗糙但清醒的账：1 万个付费用户 × 9.99 美元 × 12 个月 ≈ 120 万美金年收入。但这是天花板营收，不是你口袋里的钱。扣掉：

  • App Store 30% 分成 → 剩 84 万
  • 模型 API 成本（按 GPT-4o vision $0.01-0.03 / 次，1 万人每天拍 3 次 = 9 万次/天 ≈ 月 2.7-8 万美金）→ 剩 76-81 万
  • 获客成本（美国 iOS 健康类 eCPI 大概 2-4 美金，1 万付费用户意味着要 20-50 万次下载）→ 30-200 万美金的买量预算
  • 订阅类常见的 8-25% 退款率 → 再打个 8 折

实际净利可能 30-60 万美金，这还是 Cal AI 体量能做到的数字。一个能养活 1-2 个人的小生意，不是 120 万净落袋。

四、这条路的真实难点

我把难点按会卡住你的程度排，不是按发生概率排。

难点一：营销是墙，技术不是墙

这要单独写一段，因为前几步把技术门槛拆得低，会给你”营销也能搞定”的暗示——这是错的。

应用商店关键词能给你一部分流量，但要跑到百万下载，几乎一定要买投放。美国区 iOS 健康类应用 CPI（单个安装成本）普遍 4-8 美金，混合自然流量后 eCPI 约 2-4 美金。100 万下载意味着至少 200-400 万美金的买量预算。这不是一个高中生的预算，是创业公司要融 A 轮的预算。

Cal AI 那批人在营销上砸的力气远大于写代码的力气。做完只是开始，不是结束——这一句是真实的，不是套话。

如果你之前做过电商，这件事对你来说是好消息：你在 Meta 和 TikTok 上投流的能力、做亚马逊 ASO（Listing 优化）的关键词经验，可以直接平移到 App Store ASA（Apple Search Ads）。这是你的入场券，不会写代码也没关系。

如果你没投过流，这条路要先补这一课再上手。

难点二：公式是必要条件，不是充分条件

三个筛选条件只解释了”为什么有人愿意付钱”，没解释”为什么是你能拿到这些钱”。

Cal AI 的护城河不是”功能少”，是 1500 万次拍照产生的数据飞轮——每张照片被模型/人工校正过，它的食物识别库比新来者精确得多。新来者拍 100 万次都不够。这是数据资产，是时间积累出来的，公式给不了你。

读者会以为”我也能复制 Cal AI”，但从 0 到 1 万付费用户的难度，公式低估了。三个条件能让你不踩最明显的坑，能不能跑出来，靠产品体验 + 营销 + 团队执行力的合力。

难点三：护城河很浅，但有深的那一面

你做的是”功能一句话能说完”的产品，意味着别人也能一句话抄走。常规做法是”速度和垂直深度”——谁先在一个足够窄的场景里做到用户心里的默认选项，谁就吃下这个词的搜索流量。但这条路上没有银弹：先发 1000 条评论、关键词占位、品牌词搜索量，这些都是要时间积累的资产。

更深的护城河在用户数据里——你拍过 100 万次之后，你的识别库比新来者精确 5%。这 5% 决定你能不能在搜索结果里排到第一。

难点四：口碑分裂是常态

MenuFit 在 App Store 的评分是 4.8 星，但它的文字评论区评分只有 2.7 分——大量差评集中在订阅和扣费体验上。4.8 是全球平均星，2.7 是用户写文字评论时的体验分，订阅扣费体验差是这赛道的普遍现象。

订阅赚钱没问题，靠让用户难退订赚钱一定翻车——那条路走到最后是集中差评和平台下架。

五、30 天测试框

如果上面的判断你觉得成立，照这个 30 天测试框动手——

第 1-3 天：列五个场景，挑一个最卡自己的，按第二步的方法去 App Store 和 Reddit 验证。

第 4-7 天：用 Glide / Bubble / Softr 出无代码原型 + 调通一次拍照识别（哪怕只识别一道菜）。成本：0-50 美金。决策点：识别准确率能不能到 70% 以上？不能就换场景。

第 8-14 天：找 20 个目标用户（Reddit / Discord / 小红书找）免费试用，收集”会不会付钱”的真实反馈。决策点：20 人里 ≥ 3 人说”我愿意付 9.99/月”——继续；否则换场景。

第 15-30 天：找 Swift 兼职改写原生版本 + 写应用商店素材 + 准备 IAP 上架。预算 3000-8000 美金。决策点：到 30 天你有没有信心在 60 天内拿到 100 个真实付费用户？没有就停。

电商老炮的本能是”投流能跑正就跑，跑不正立刻停”——这条规则在 App 上一样适用。30 天能验证方向就验证，验证不了就换。死磕是这行的最大成本。

列五个场景的那张纸，我建议现在就拿。

普通人做产品最大的成本不是钱，是等一个”更宏大的点子”——然后什么都没做。两个 17 岁的高中生没等，他们做了一个拍照功能，18 个月后被 MyFitnessPal 收购。你不会比他们差，但你会比他们慢——除非你今天就开始拍第一张。

举起手机。