當暢銷書《超越百歲》將運動奉為長壽秘訣時，營養學領域正掀起一場顛覆性討論。作者彼得·阿提亞指出，不存在適用于所有人的完美飲食方案，衡量飲食健康的核心標準在于能否改善個體代謝健康，尤其是胰島素敏感性。這一理念跨越大洋，激發了中國創業者潘宇揚的靈感——他發現市面上智能健康設備多聚焦于運動與睡眠監測，卻鮮有產品能系統解決"吃什么"的終極命題。

這位97年出生的創業者擁有獨特的跨界背景：在華為主導小藝算法與鴻蒙OS產品開發，在字節跳動從零打造扣子Coze和豆包智能眼鏡項目。這種軟硬件復合經驗促使他選擇項鏈形態作為突破口，其團隊研發的Odyss N1成為全球首款Always-On智能項鏈，通過圖像、音頻、動作三模態感知技術，實現全天候飲食與運動行為追蹤。

產品設計暗藏巧思：50克以下的輕量化機身采用雙面全黑設計，隱藏式攝像頭僅在特定角度顯現。相比智能眼鏡對鼻梁的壓迫感，項鏈形態充分利用頸部承重優勢，實現真正的無感佩戴。潘宇揚展示使用場景時強調："設備能記錄每口食物的種類、體積甚至烹飪方式，同時監測運動步數與能量消耗，將這些行為轉化為可視化數據。"

技術突破集中在食物識別系統。傳統飲食監測APP需要用戶手動拍照、搜索食物、估算重量，過程繁瑣且誤差率高。Odyss N1采用"打幀"技術，每秒截取3-5張關鍵圖像，在低功耗下完成從餐廳點餐到居家烹飪的全場景覆蓋。針對食物體積測算難題，團隊開發出三維空間標定算法：通過多幀畫面擬合深度信息，再以用戶手部為參照物推算食物實際尺寸，在西餐場景中的誤差率控制在10%以內。

系統架構采用傳統CV算法與大模型協同模式。計算機視覺負責精準測量食物尺寸和掃碼識別，大模型則專注菜品種類判斷與烹飪方式分析。當遇到"生章魚拌牛肉"這類復雜菜品時，傳統算法可能誤判為面團，而大模型能以85%準確率識別出章魚成分，并從數據庫調取對應營養數據。這種組合策略有效規避了大模型的"幻覺"問題，同時保持90%以上的綜合識別準確率。

市場選擇凸顯戰略考量。團隊將首發目標鎖定北美市場，原因在于當地飲食結構相對簡單，且Costco等超市的生鮮產品普遍配備條形碼，便于通過公開數據庫獲取精準重量信息。數據顯示，目標用戶群中80%的飲食場景發生在家庭廚房，無論是掃描包裝食品還是識別散裝蔬果，都比外賣文化盛行的中國市場更具數據可控性。

隱私保護成為產品設計的核心原則。設備不存儲任何原始影像或音頻數據，所有傳感器信息經算法提取結構化數據后立即銷毀，APP端僅展示健康圖表而非原始記錄。這種處理方式既滿足功能需求，又避免法律風險。潘宇揚特別強調："我們定位為時尚健康飾品而非醫療設備，不會涉足血糖監測等嚴肅醫療場景。"

這個新興賽道正迎來激烈競爭。IDC報告顯示，2024年全球可穿戴設備出貨量將突破5.6億臺，其中健康監測核心市場估值達650-800億美元。現有產品中，Oura戒指專注睡眠監測，Whoop手環主打運動分析，而Limitless項鏈則聚焦AI記憶庫功能。Odyss N1選擇飲食監測作為切入點，試圖在藍海市場中建立技術壁壘。

挑戰同樣顯而易見。美國醫療器械巨頭已開始布局消費級代謝監測市場，Dexcom Stelo和Abbott Lingo兩款CGM產品通過淡化醫療屬性、強化生活方式管理功能，成功將目標用戶擴展至大眾消費群體。這些傳統廠商在控糖領域的品牌認知度，構成新興AI穿戴設備必須跨越的門檻。