NutriBot 结构解剖
AI 营养智能餐盘 · 意秩神形四层分析
0
5
10
15
20
01
意 THE INTENT
- 田雪 — 中国注册营养师，2017 年创立"211 饮食法"
- 从内容创业（公众号/课程/书籍）转向硬科技
- 愿景："改变一代人的饮食现状" — 长期主义痕迹
JUDGEMENT
判定：Creator 信号强于 Rent-seeker — "发现问题→解决问题"而非"找风口→套壳变现"
02
秩 THE ORDER
减法约束（拒绝做）
- 纯软件形态
- 被动追踪
- 通用营养建议
加法约束（强制做）
- 购买专用硬件
- 餐桌场景使用
- 双重校准
关键约束：用户必须"坐在餐桌前使用" — 场景锁定，既是差异化也是天花板
03
神 THE TOPOLOGY
拓扑隐喻：【漏斗 + 共振腔】
- 漏斗：大量饮食数据输入→高选择性过滤→输出定制化建议
- 共振腔：窄频（餐桌场景）高增益（深度干预用餐行为）
System Prompt 复制
否
巨头短路风险
部分
护城河深度
中
数据触达
4/8
04
形 THE FORM
Bull Case
- "硬件 + AI"形态差异化
- 创始人 8 年营养积累
- 明月湖基地孵化
Bear Case
- 智能餐盘或为伪需求
- 硬件创业门槛高
- 无真实用户评测
- 社媒讨论热度为零
巨头威胁
中
L3 应用层
AI 营养硬件
2C 消费级
场景锁定
CN 中国
!
致命预测
- 硬件交付危机 — 供应链延期或良率问题导致发货跳票
- 场景错配 — 餐桌固定使用是伪需求，硬件吃灰
- 精度不及预期 — 中餐混合菜品识别难，准确率<85% 信任流失
- 巨头降维打击 — 小米/华为若做类似硬件，难以正面竞争
- 数据飞轮未形成 — 留存率<30% 无法反哺 AI 模型
FINAL VERDICT
观察不急投 GIANT THREAT: 中
核心护城河：硬件形态 + 自有方法论 (211 饮食法) · 风险：硬件交付/场景伪需求/巨头降维
