首頁  /　如何計算你的熱量
指南 · 熱量追蹤

如何計算熱量，不必把一生都花在上面。4 種方法比較、實際準確度，以及你 6 個月後還會持續使用的那一種。

AI 照片掃描、條碼、資料庫、快速新增：每種方法到底值多少，為什麼 80％ 的人會在 3 個月內放棄，以及如何依照你的情況選擇。

Lean 團隊 · 閱讀 11 分鐘 · 更新於 2026 年 6 月 11 日
從 App Store 下載 可在 Google Play 取得 免費下載
持續記錄飲食日誌，是科學文獻中最常與成功減重相關的行為（Burke, 2011）。問題從來不是有效性，而是持續性：逐一手動輸入每一種食物會把每個人都耗盡，而將近 80％ 的人會在不到 3 個月內放棄。這份指南比較 4 種計算熱量的方法，從最快的 AI 照片掃描（5 秒）到最精準的資料庫加上體重計，並告訴你該依照你的情況選哪一種。
快速回覆

計算熱量有四種方法：AI 照片掃描（你拍下餐盤，AI 辨識每種食物及其份量），條碼掃描（包裝食品，使用製造商資料），資料庫（搜尋加上秤重，最精準的模式），以及快速新增（10 秒內輸入整體估算）。最好的方法，是你能持續 6 個月的那一種，不是紙面上最精準的那一種。而且，只有在你的消耗，也就是 TDEETotal Daily Energy Expenditure：你 24 小時內的總熱量消耗。TDEE = BMR + NEAT + EAT + TEF。，計算正確時，記錄攝取才有意義。

01 · 現況

為什麼 80％ 的人會在 3 個月內停止計算

計算熱量是有效的。這不是問題。問題在於，幾乎沒有人能持續下去：減重計畫的研究顯示，在前幾週就出現大量流失，甚至還沒在體重計上看到第一個明顯成果之前就已經如此。

80 %
參加減重計畫的人，有三分之一會在前 3 個月內放棄（Alexander et al., 2018）。主要原因是追蹤的摩擦，不是意志力不足。

摩擦，具體來說，就是在清單裡找「白煮雞胸肉」，在 40 個重複項目中選對那一筆，目測估算 150 g，再對四季豆重來一次，然後是橄欖油。一天三次。每個月 90 次。真正扼殺追蹤的，是這些記帳動作，不是追蹤這件事本身。

實用結論：你選擇的輸入方式，不是介面小細節。它就是決定你的資料在 3 個月後還在不在的關鍵變數。以下是 4 種方法，依照從最快到最費力排序。

02 · 方法 1

AI 照片掃描：每餐 5 秒

你把餐盤拍照。Lean 的 AI 會進行 雙重辨識：先辨識出每一種食物（烤雞、四季豆），再估算各自的份量。結果不是憑空冒出來的一個總數字，而是逐項食物拆解，包含每一列的熱量與宏量營養素。

實際情境下的 AI 掃描：拍照、分析、結果。

用圖片一步一步看，一份真實餐點的流程：

Lean 的 AI 掃描：拍下餐點照片，詳細欄位可選擇用鍵盤輸入
你先框選。若你想，也可以用鍵盤微調。
Lean 的 AI 分析進行中：餐點照片正在處理
AI 分析餐盤。
AI 掃描結果：每種食物都已計算熱量與宏量營養素
每一種食物都被計算。

在常見餐點上，典型誤差大約是每餐 ±10%。這比秤重不精準，但對於控制減脂已經綽綽有餘（我們稍後會用大數法則再回來談）。更重要的是，這是唯一能涵蓋沒有標示的餐點的方法，像是家裡煮的、餐廳、員工餐廳。

Lean 更進一步的地方：你仍然保有主導權

AI 掃描只有在你能修正它的建議時才有用。Lean 讓你對每一種食物有三個調整方式：

槓桿 1

修改份量

每一種食物都有一個滑桿：這裡，AI 估算麵包是 101,4 g，已修正為 70 g。熱量和整份餐點總計會立即重新計算。

Lean 中掃描的餐點，修正前：麵包估計為 101,4 g
AI 估算麵包為 101,4 g。
Lean 中的數量滑桿：麵包修正為 70 g，立即重新計算
修正為 70 g，全部都會重新計算。
槓桿 2

修改宏量營養素

你比平均值更了解你的食譜嗎？這裡以洋芋片為例：AI 提出 4,1 g 脂肪，你把它改成 14 g。甜甜圈和總計會一起更新。

Lean 中由 AI 估算的洋芋片宏量營養素：4,1 g 脂肪
AI 判定的洋芋片：4,1 g 脂肪。
Lean 中手動修正後的洋芋片宏量營養素：14 g 脂肪
手動修正為：14 g。
槓桿 3

重新掃描單一食物

AI 把火雞肉看成起司了嗎？你輸入正確名稱，這一列就會自動重新分析，不用把整道料理重掃一次。

Lean 中重新掃描食物：用鍵盤輸入正確名稱
你補充：火雞火腿。
Lean 中重新掃描後的結果：火雞火腿已辨識，總計已重新計算
火雞火腿，53 kcal。總計已重新計算。

對比 Cal AI 的測試：拆解對比整體包覆

同一張照片，給兩個 App。差異一眼就看出來：

AI 掃描比較：同一張餐點照片分別提供給 Lean 和 Cal AI
同一張照片，提供給兩個 App。
Lean 結果：三明治和洋芋片逐項拆解
Lean：每個食物，總計明細。
Cal AI 結果：整份餐點的總量，不拆解
Cal AI：每道料理一個整體包覆。

這和大多數掃描型應用程式的結構性差異，Cal AI 也是如此：它們會針對一道餐點回傳一個 整體估算，只有總熱量與宏量營養素，沒有可逐項食物修改的拆解。如果估算錯了，你只能接受或刪掉。若有逐項食物拆解，誤差只要兩下點擊就能修正。

正確用法： 家常菜、餐廳、員工餐廳，所有沒有條碼的餐點。90％ 餐點的預設方法。

03 · 方法 2

條碼掃描：標籤的精準度

對於所有包裝食品，條碼掃描無可匹敵：營養標示直接來自製造商資料。Lean 依據 USDA 和 OpenFoodFacts 資料庫，涵蓋數百萬筆參考資料。你掃描、調整份量，就完成了。

條碼掃描：精準品項，直接加入。

限制很明顯：你家自己煮的義大利麵盤子沒有條碼。所以這個方法會自然搭配照片 AI 掃描，它不是取代它。

正確用法： 採買、點心、加工食品、奶昔。對工業製品的精準度最高，幾乎零費力。

04 · 方法 3

資料庫 + 體重計：精準模式

經典方法：你秤量食物，在資料庫裡搜尋，輸入克數。搭配廚房秤，這是現存最精準的方法，用在競賽備餐和臨床流程。

在 Lean 資料庫中搜尋食物，含歷史紀錄與快速新增
搜尋、歷史紀錄、兩下點擊加入。
Lean 中某個產品的精確營養標示，會影響當日預算
產品精準品項，立即影響。

「剩餘 / 影響」面板會在你按下確認前，就先顯示這個食物會如何改變你今天的預算：熱量、蛋白質、碳水、脂肪、纖維。你是先看清楚再決定，不是事後才知道。

Lean 把摩擦降到最低：常吃食物的歷史紀錄、在 USDA + OpenFoodFacts 中搜尋、從清單兩下點擊加入。但我們也要誠實面對實際成本：每餐 2 到 3 分鐘，還有秤重的紀律。正是這種摩擦，造成傳統方法 80 % 的放棄率。

正確用法： 嚴格減脂期、進階身體重組、體重分級運動。還有你日常 5 到 10 種固定常吃的食物，歷史紀錄讓它們幾乎能瞬間完成。

05 · 方法 4

快速加入：拯救一天的外框

生日自助餐、行程滿檔的一天、兩場會議之間站著吃飯：有些餐點永遠不會被精細追蹤。快速加入讓你輸入一個整體外框，估算熱量和宏量營養素，10 秒就好。雖然沒那麼精準，但遠比資料空白好太多。

Lean 的快速新增表單：名稱、熱量和宏量營養素手動輸入
名稱、熱量、宏量營養素：10 秒。
快速新增已記錄到 Lean 飲食日誌
一個外框，拯救一天。

即時熱量平衡會處理剩下的事：在截圖中，目標 2 143 kcal，已攝取 1 000，剩餘 1 143，並會隨著一天進行持續重新計算。一天不夠精準但有追蹤，勝過完美卻放棄的一天：真正驅動結果的是每週平均，不是單一天的純粹度。

Lean 中快速新增餐點的營養細節：剩餘量與影響
剩餘與影響，即時重新計算。

正確用法： 行程滿檔的日子、社交聚餐、避免放棄的備援方案。這種方法能阻止你說「我漏記了一餐，算了，整週都不管了」。

從 App Store 下載 可在 Google Play 取得 免費下載
06 · 選擇

哪一種方法適合哪一種人

先來看這 4 種方法在 4 個關鍵標準上的比較：每餐的便利性、可用性（是不是到處都能用，而且隨時都能用）、長期維持性，以及準確度。

AI 照片掃描

照片，5 秒

便利性++
可用性++
長期++
精準度+

條碼

精確標籤

便利性+
可用性+
長期+
精準度++

資料庫 + 體重計

精準模式

便利性−
可用性+
長期−
精準度++

快速新增

備用方案

便利性++
可用性++
長期−
精準度−

++ 很優秀 + 不錯 − 弱點。「長期」＝你在 6 個月後仍然會使用這個方法的機率。

這場比較的重點是：沒有任何一種方法能在所有面向都拿第一。AI 掃描在黏著度上最強，資料庫 + 體重計在準確度上最強，而快速新增只是在補空缺。因此，這 4 種方法並不是互相排斥，最好的策略是混合使用，依照你當下的要求和行程來調整比例。幾乎所有情況都能歸納成三種使用者輪廓。

輪廓 1 · 新手

零摩擦，邊做邊學

到處都用 AI 照片掃描，包裝食品用條碼，不秤重。唯一目標：撐過 3 個月，並訓練你對份量的眼力。準確度之後再來，先養成習慣。

輪廓 2 · 最高嚴謹度

每一個百分點都很重要

家常餐用體重計 + 資料庫，包裝食品用條碼，餐廳用 AI 掃描。適合短期、準確度真的會帶來回報的階段：減脂期尾聲、正式過磅。

檔案 3 · 趕時間或進階

不用費心也能有可靠的資料

日常用條碼與 AI 掃描，遇到不可能的日子再用快速新增當備援。你已經知道自己的份量，你只是想讓資料存在。

適用所有人的取捨原則：有疑問時，選你確定能持續下去的最輕量方法。再完美的資料，如果你 3 週後就不再輸入，也等於零。

07 · 精準度

會在一個月內消失的 ±10 % 誤差

面對 AI 掃描最常見的質疑是：「±10 % 的誤差，太多了」。這是在看單一餐點。但你追蹤的不是一餐，而是每個月大約 90 餐。

第 1 餐第 12 餐

粉紅色：高估的餐點。綠色：低估的餐點。黑線：你的實際攝取量。放到一個月來看，誤差會互相抵消。

這就是大數法則（Kolmogorov）：當觀測次數增加時，彼此獨立的隨機誤差會互相抵消。星期一多算的 +12 %，會抵掉星期二少算的 8 %。一個月後剩下的，是模型的平均偏差，在校準良好的掃描中接近零，而不是單一餐點的雜訊。

手動輸入則有一個完全不同層面的問題：系統性偏差。人們總是以同樣的方向低報自己吃了多少，而偏差永遠不會被平均掉。

47 %
的差距，這是用雙重標記水在節食失敗受試者身上測得的，介於手動申報的熱量與實際攝取的熱量之間（Lichtman, NEJM 1992）。人為偏差不會互相抵消，掃描的隨機雜訊則會。

所以重點不是「AI 掃描完美嗎？」而是「哪一種方法能在 90 餐的尺度上產生最準確的資料？」。在這裡，自動化會勝出，因為它把方向性的偏差，換成了會互相抵消的雜訊。

08 · 熱量消耗

只會計算還不夠，還少了方程式的另一半

再完美的飲食紀錄，單獨看也說明不了什麼。減脂靠的是負能量平衡，攝取少於消耗。如果你的熱量消耗算錯了，你的熱量赤字就只是帳面上的幻想，就算你把熱量算到克，也不會真的前進。

TDEE = BMR + NEAT + EAT + TEF
熱量消耗的標準方程式。 BMR = 基礎代謝。 NEAT = 運動以外的活動。 EAT = 運動課程。 TEF = 消化。

問題在於，幾乎所有應用程式都用 Harris-Benedict（1919）或 Mifflin-St Jeor（1990）來估算你的熱量消耗，這些都是以總體重為基礎的公式，完全忽略你的身體組成。在相同體重下，15 % 的 bodyfat 身體和 30 % 的 bodyfat 身體，燃燒的熱量根本不一樣。Lean 以四個步驟來計算熱量消耗：

真實體脂肪。照片，5 秒。
步驟 1

BodyScan AI

你在應用程式裡拍一張照片。AI 會根據你可見的體態估算你的 bodyfat，每週重新計算一次。正是這個測量，讓整個計算以你的瘦體重為基礎，而不是以總體重為基礎。

步驟 2

基礎代謝，透過專有專利模型

Lean 的專利演算法會根據你真實的瘦體重來計算你的基礎代謝。比 Harris-Benedict 1919 或 Mifflin-St Jeor 1990 更精準，因為它們只知道你的體重。

步驟 3

NEAT、EAT 和 TEF，實測，不是固定配額

你的步數會計入 NEAT，你的運動課程會透過參考 MET 表計入 EAT，而 TEF 則會根據你實際吃下的宏量營養素來計算，這正是因為你有追蹤。

步驟 4

重新計算的代謝適應

在長期熱量赤字下，BMR 會下降。Lean 是第一個把這個係數建模，並以乘法方式套用到 BMR 的應用程式。慣例 100 % = 最佳，90 % = 10 點的代謝適應。

結果就是，動態體重計會把你吃進去的東西（用這份指南的 4 種方法計算）和你真正消耗的東西（持續重新計算）做比較。正是這兩個部分的結合，正確的輸入和正確的輸出，讓減脂變得可預測。少了其中一個，就只是空轉的帳務而已。

從 App Store 下載 可在 Google Play 取得 免費下載
09 · 常見問題

關於熱量計算的常見問題

每天要吃多少熱量才能減重？
沒有任何通用數字：一切都取決於你的總熱量消耗（TDEE），而它會隨著你的基礎代謝、日常活動、運動和身體組成而變化。可靠的原則是：在你真實的 TDEE 之下維持 300 到 500 kcal 的熱量赤字，而不是憑空冒出一個像「1,500 kcal」這種通用數字。你可以用 熱量赤字計算機.
AI 照片掃描在計算熱量上準嗎？
可以，但前提是你要理解我們在量測什麼。對於常見餐點，典型誤差大約是每餐 ±10 %，而且你可以逐項食物修正辨識結果（份量、宏量營養素、重新掃描）。以一個月大約 90 餐來看，隨機誤差會依照大數法則互相抵消：真正重要的是平均偏差，而不是單一餐的誤差。
計算熱量一定要秤食物嗎？
只有在你處於每一個百分點都很重要的階段時才需要：嚴格減脂期、進階重組、體重級別運動。對大多數人來說，AI 照片掃描和條碼掃描已經非常足夠。6 個月的持續使用，對最終結果的影響遠大於你最後會放棄的秤重所帶來的理論精準度。
每天都要計算熱量嗎？
真正主導結果的是每週平均，而不是每天都完美。忙碌的日子裡，花 10 秒快速新增，遠比資料中斷好太多。一餐估算不精準不會毀掉什麼；但整整一週沒有任何資料就會，因為它會掩蓋趨勢。
為什麼我明明有計算熱量，卻還是沒有瘦下來？
主要有兩個原因。第一，低報攝取量：手動申報的熱量與實際攝取熱量之間，測得最高可差到 47％（Lichtman, 1992）；AI 掃描是量測餐盤，而不是依賴你的記憶，因此能降低這種偏差。第二，熱量消耗被高估：大多數 App 會用只看體重的公式來計算你的 TDEE，忽略你的 bodyfat 和代謝適應。如果輸出數值不準，畫面上顯示的熱量赤字就不存在。
計算熱量會讓人變得強迫嗎？
目標正好相反：把每餐的追蹤縮短到幾秒鐘，讓它幾乎不佔用任何心力，因為手動記錄反而可能變得很干擾。持續追蹤幾個月後，你會訓練出對份量的直覺；之後你可以簡化流程，甚至改成快速新增。如果你已經被診斷有飲食疾患，請先和醫療專業人員討論，再開始追蹤。
Lean 和 MyFitnessPal 在計算熱量上有什麼差別？
MyFitnessPal 依賴龐大的協作資料庫，但主要仍是手動輸入，而且 TDEE 是用只看體重的方式估算。Lean 會透過 AI 掃描，把每道餐點拆成單一食材，最重要的是，它會根據你由 BodyScan 量測到的真實 bodyfat 來計算熱量消耗，並納入代謝適應。只有在輸入和輸出都準確時，記錄才有意義。各個 App 的詳細比較在我們的 最佳熱量應用程式比較.
來源

參考文獻

  1. Burke L.E., Wang J., Sevick M.A. (2011). Self-monitoring in weight loss: a systematic review of the literature. J Am Diet Assoc. PubMed 21185970.
  2. Alexander E., Tseng E., Durkin N. et al. (2018). Factors associated with early dropout in an employer-based commercial weight-loss program. Obes Sci Pract. PMC6298204.
  3. Lichtman S.W. et al. (1992). Discrepancy between self-reported and actual caloric intake and exercise in obese subjects. N Engl J Med. PubMed 1454084.
  4. Martin C.K. et al. (2009). A novel method to remotely measure food intake of free-living individuals in real time: the remote food photography method. Br J Nutr. PubMed 18616837.
  5. USDA FoodData Central。營養資料參考資料庫。fdc.nal.usda.gov。
  6. Open Food Facts。全球性的包裝食品協作資料庫。world.openfoodfacts.org。
  7. Hall K.D. et al. (2011). Quantification of the effect of energy imbalance on bodyweight. Lancet. PubMed 21872751.
  8. Mifflin M.D. et al. (1990). A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. PubMed 2305711.
  9. Harris J.A., Benedict F.G. (1919). A Biometric Study of Basal Metabolism in Man. Carnegie Institution of Washington.
  10. Ainsworth B.E. et al. (2011). Compendium of Physical Activities: a second update of codes and MET values. Med Sci Sports Exerc. PubMed 21681120.