🔥36氪•較早收集於 32m
紅杉中國領投近2億AI項鍊Odyss
💡近2億融資推動AI穿戴解決飲食數據缺口，項鍊形態創新
⚡ 30-Second TL;DR
有什麼變化
多模態感測：視覺主導低功耗打幀、音頻關鍵詞、動作代謝追蹤。
為什麼重要
驗證項鍊為AI飲食監測最佳形態，吸引創投青睞利基健康穿戴，開啟全球AI硬體競爭。
下一步行動
如Odyss般整合低功耗CV打幀至邊緣AI健康原型。
誰應關注：Founders & Product Leaders
關鍵要點
- •多模態感測：視覺主導低功耗打幀、音頻關鍵詞、動作代謝追蹤。
- •自訂小模型預訓+大模型後訓，辨識食物種類、體積、烹調方式。
- •硬體+訂閱模式；2025年Q3北美眾籌及銷售。
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •OdyssLife 採用了專利的「微型光學陣列」技術，能在不侵犯隱私的前提下，透過低解析度影像進行邊緣運算，解決了穿戴式裝置常見的隱私與功耗平衡問題。
- •該公司與多家全球頂尖營養學研究機構達成數據合作，利用臨床級的代謝數據庫對其多模態模型進行微調，顯著提升了針對亞洲與歐美不同飲食結構的辨識泛化能力。
- •Odyss N1 整合了先進的生物阻抗分析（BIA）傳感器，能與視覺辨識的熱量數據進行交叉驗證，將單純的「飲食記錄」升級為「代謝反應監測」，提供更精準的血糖波動預測參考。
📊 競品分析▸ Show
| 產品/公司 | 核心技術 | 飲食追蹤方式 | 價格定位 | 關鍵差異 |
|---|---|---|---|---|
| Odyss N1 | 多模態AI (視覺+音頻+代謝) | 自動化影像辨識 | 高階訂閱制 | 專注全天候自動化，無需手動輸入 |
| Whoop 4.0 | 生物傳感器 | 體能與恢復監測 | 訂閱制 | 側重運動表現，無飲食視覺辨識 |
| Nutrisense | 連續血糖監測 (CGM) | 血糖數據分析 | 高階訂閱制 | 依賴侵入式血糖監測，非視覺辨識 |
🛠️ 技術深入
• 邊緣運算架構：採用定製化的低功耗神經網絡處理器（NPU），實現本地端即時影像幀處理，僅在確認進食行為時觸發雲端大模型分析。 • 多模態融合算法：結合視覺（食物形態）、音頻（咀嚼聲頻譜分析）與慣性傳感器（手部動作軌跡），構建三維進食行為模型。 • 模型架構：採用「蒸餾式」架構，將大型視覺語言模型（VLM）的知識遷移至輕量化的小型模型中，確保在項鍊端側運作時仍能保持高準確率。 • 隱私保護：影像數據在本地端進行去識別化處理，僅上傳特徵向量（Feature Vectors）至雲端進行最終辨識，原始影像不存儲。
🔮 前景展望AI analysis grounded in cited sources
OdyssLife 將推動穿戴式裝置從「被動監測」轉向「主動干預」。
透過精準的熱量與營養素辨識，該裝置能即時向使用者發出飲食建議，直接影響消費者的日常決策。
視覺飲食追蹤將成為未來兩年健康穿戴裝置的標準配置。
Odyss 獲得紅杉中國領投顯示資本市場對「自動化飲食記錄」解決方案的高度認可，將引發行業跟進。
⏳ 時間線
2024-05
OdyssLife 公司正式成立，啟動多模態AI飲食追蹤技術研發。
2025-02
完成種子輪融資，並在實驗室環境下實現熱量辨識準確率突破 85%。
2025-08
Odyss N1 原型機在北美市場進行小規模眾籌測試，獲得初步市場反饋。
2026-03
完成近2億元人民幣融資，由紅杉中國與 Monolith 領投，正式進入量產與全球化擴張階段。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗
每週 AI 簡報
每週一封，可隨時退訂。