本原创文章帖发布在华为开发者联盟社区，欢迎开发者前往访问评论交流，更多与该内容相关讨论，请点击原帖查看：

【开发者故事】小卡健康 × 鸿蒙穿戴：三个女生的AI健康突围战

小卡健康是一款面向体重管理、减脂人群的AI健康管理类App，产品拥有超400万用户、千万级营收、荣获了鸿蒙创新精品应用奖。
近期，依托、后台任务、屏幕常亮、Preferences和Network Kit等能力。流程是：设置步频和时长 → 倒计时 → 计步并播放节拍 → 计算距离和热量 → 保存会话 → 上传结果并获取AI建议。

在健康App红海赛道，看一个三人初心孵化的小团队如何突围？

Q1：简单聊聊咱们的开发团队吧！团队人员构成是什么样的？是什么推动你们切入鸿蒙穿戴应用赛道？有没有遇到什么挑战？

小卡健康最早来自我们3个一起实习的女生。大家每天上班、点外卖，聊健康管理。我们发现市场上很多产品饮食记录流程繁琐、运动与健康数据设备割裂，复杂的操作让多数用户难以养成长期习惯。

小卡健康希望让健康管理变得更简单，目前累计用户已经突破400万，年度营收超过1000万。对于小团队来说，最大的挑战并不是开发更多功能，而是找到用户真正没有被解决的问题。所以小卡健康选择避开“大而全”的竞争路线，专注成为一个更轻量、更懂用户的AI健康搭子。

鸿蒙穿戴生态用户量庞大、品质高等原因，是选择开发鸿蒙穿戴的重要原因之一。作为小团队，我们最初最担心的是穿戴开发门槛——多设备适配复杂、运动场景测试量大。但鸿蒙穿戴的开放能力让我们避开了大量重复造轮子：传感器、音频会话、后台任务、网络通信这些基础能力都有标准化的Kit可以直接调用，不需要自己写底层代码。配合鸿蒙的多设备适配框架和测试工具，我们快速完成了各类运动场景的覆盖验证。这种"能力开箱即用+适配工具完善"的体验，对资源有限的小团队非常友好，大幅缩短了开发周期。

Q2：你们认为小卡健康最亮眼、最难以被复制的核心价值和功能是什么？

真正难复制是围绕用户生活场景形成的完整体验，鸿蒙可以围绕用户真实场景拆分体验，从手机、卡片到手表、运动健康数据，让用户的体验更完整。

我们依托“手机+手表”双端协同，实现轻量化、自然化的健康管理：手机承担AI食物识别、AR饮食测量等复杂数据分析工作，手表主打高频即时陪伴，提供运动实时反馈、快捷记录与智能提醒服务。例如用户在手机完成饮食记录后，可直接在手表查看当日摄入数据与目标进度；运动时无需携带手机，手表即可成为随身运动助手，让健康管理融入日常、更加便捷无感。

需要深度计算和复杂交互的功能放手机，需要高频、随身、即时反馈的功能放手表。我们不是简单把手机App缩小到手表上，手表不是手机第二屏幕，而是高效信息入口。

Q3：《2025年中国睡眠健康调查报告》显示，中国超3亿人存在睡眠障碍，18-35岁年轻人中约1/3会因为智能手表上的睡眠分数“不够好看”而焦虑。小卡健康有没有通过产品设计，主动为用户做“情绪减法”的？

健康设备最终的价值，不是让用户每天追求一个完美分数，而是帮助用户通过长期、小步的调整，成为更好的自己，小卡健康希望做的是“数据减负”。

我们会刻意弱化单一分数带来的评价感，更关注长期趋势和用户实际状态。比如用户今天摄入热量超过目标，我们不会简单告诉用户“你超标了”。我们会结合用户近期体重变化、运动情况、饮食习惯等数据，告诉用户：“今天这一餐没有关系，接下来可以通过增加一点活动量或者调整下一餐慢慢平衡。”我们希望用户看到数据之后，第一反应不是焦虑，而是知道下一步应该怎么做,让数据服务于人，而不是让人被数据绑架。

另外，我们认为AI健康助手最大的价值，不应该只是分析数据，而应该理解用户背后的原因。比如一个用户最近连续几天睡眠不好，传统工具可能只告诉他“睡眠质量下降”；但AI可以结合他的运动量、压力状态、饮食变化，帮助他发现可能的原因，并给出更符合个人情况的建议。

Q4：“超慢跑”功能做成手表独立版？是用了鸿蒙的哪些能力呢？

超慢跑是我们非常重视的一个穿戴场景，所以我们针对鸿蒙手表进行了独立适配。手表根据预设的黄金减脂步频，启动原生微振动触觉或高清晰音频节拍器，同时接入系统级底层心率与步频监听传感器。当动态比对发现步频掉队或心率偏离黄金燃脂区间时，手表通过触觉微振动+音频双重协同进行实时纠偏，助你调整运动状态，高效燃脂。

在实现过程中，我们使用了鸿蒙提供的传感器、音频会话、后台任务等系统能力，让手表能够稳定完成运动过程中的数据采集和交互。鸿蒙版主要使用Sensor Service Kit、后台任务、屏幕常亮、Preferences和Network Kit等能力。流程是：设置步频和时长 → 倒计时 → 计步并播放节拍 → 计算距离和热量 → 保存会话 → 上传结果并获取AI建议。

Q5：“AI健康搭子”功能利用Core Speech Kit实现“一句话记录10+种健康指标”，手表端语音识别面临拾音环境嘈杂、算力有限两大挑战，你们是如何解决的？

我们在鸿蒙穿戴设备上，基于Core Speech Kit落地语音识别与语义解析能力，实现 “一句话记录多项健康指标”，识别准确率超过99%，还能支持多种方言和外语。比如用户说：“今天喝了500毫升水，晚上跑步30分钟。”系统可以理解内容，并自动拆分成饮水、运动等不同健康数据。同时，我们针对穿戴设备场景优化了录音时长检测、失败重试等机制，尽量保证用户在快速记录时获得稳定体验。

Q6：入围鸿蒙创新精品应用，给小卡健康带来哪些实际增益？手表端的落地，为产品的用户结构带来了哪些变化？

鸿蒙生态帮助我们完成了从用户触达到产品价值验证的过程。入围了鸿蒙创新精品应用奖，对我们来说不仅带来了曝光，更重要的是提供了一种官方认可。用户在选择健康应用时，会更加关注产品是否可靠、体验是否成熟。这种生态背书降低了用户尝试成本，也帮助我们获得了高质量、高转化、更精准的用户。穿戴用户付费率是手机端的2倍以上。

Q7：对于同样是“手机+手表”协同类应用的开发者或者穿戴设备应用开发者，您最想分享的经验是什么？

穿戴设备真正的机会，不是在手腕上复制手机，而是在手腕上创造新的体验。手表的终极价值，不是去打扰用户，而是在他们正在生活、正在运动的那个瞬间，给出一个刚刚好、不多不少的反馈。

AI 大模型让软件拥有了认知与智能，而智能穿戴让数字能力随身相伴、感知身体点滴变化。二者深度结合，也正是健康应用从 “工具记录” 走向 “主动守护” 的下一代核心突破口，是穿戴开发者值得深耕的创新方向。