鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

用 tudoo Tbox AI 主机“玩电视”背后,星闪又发力了

编程导航
编程导航
2025-12-31 12:31
阅读 233
编程导航
2025-12-31 12:31
阅读 233

12 月 15 日,虎鲸文娱集团推出家庭娱乐 AI 硬件新品牌“tudoo”,并发布了首款家庭智能终端产品 ——tudoo Tbox AI 主机。

作为一款外接式 AI 主机,tudoo Tbox 不需要更换现有电视,即可将传统大屏升级为具备移动端体验、AI 能力与多种操控方式的智能终端。

图片 1

在发布会上的演示和介绍中,无论是一家人不用投屏就能刷短视频,还是通过 AI 伴学功能辅导孩子功课,或者是直接通过 tudoo Tbox 在电视前玩体感游戏,都让人眼前一亮。

不过,其中有一个功能格外吸引了小编的关注,就是它的 AI 指向遥控操作,拿起遥控器指向屏幕,光标就像手指一样精准跟随,点选图标、拖拽进度条、游戏操控都丝滑流畅,彻底告别了传统遥控器“上下左右反复挪”的繁琐。

图片 2

要知道,小编平时之所以不喜欢看电视,一个重要原因就是遥控器操作太麻烦了。现在智能电视各种功能很丰富,交互界面也花哨,用遥控器一点一点按起来,效率太低,而且手酸,并且很多应用功能,传统遥控器还支持不起来,实在是一大痛点。

所以,tudoo Tbox 的这个 AI 指向遥控,确实是狠狠让人心动了。

不过,作为一名数码科技小编,职业的本能让我产生下面一个好奇:它究竟是怎么做到如此精准的指向交互的?背后又有什么技术玄机?

经过一番深入了解,小编又看到了那个熟悉的名词:星闪。

丝滑交互的体验背后,是星闪指向遥控技术在发力

关于星闪技术(NearLink),相信关注IT之家的人已经比较熟悉了。这是由多家中国企业及相关产业伙伴协同研发的新一代短距离无线连接技术,用以解决蓝牙和 Wi-Fi 等技术在万物互联时代日益凸显的短板。

其传输速率可达传统蓝牙的 6 倍,功耗却仅需蓝牙的 60%,最低时延仅 125 微秒,是传统无线技术的 1/30,实现了毫秒到微秒级的跨越,同时抗干扰能力大幅提升,覆盖距离更远。

图片 3

而这次我们重点关注的 AI 指向遥控功能,则主要是利用了星闪的“精定位”能力。

具体来说,星闪遥控器之所以好用,还是要归功于背后的星闪 SLP 技术,SLP 提供精准的 TOF 距离测量、AOA 角度测量,将所指向的位置精确投影至电视上完成显示,再基于机身陀螺仪做辅助,实现高精度的指向体验。

除了“精定位”,星闪还具有“通感一体”的能力。

通过空口及协议联合设计、频谱资源共享、软硬件设备共享等手段,实现通信、感知信号的同时收发和功能的一体化设计,达到通信功能与感知功能的融合共生。

说人话就是,“通感一体”可以实现设备对人体存在、方位、运动状态等的主动感知,构建“人机交互”新范式,为用户带来更智能化的居家体验。

这在“AI 指向遥控”的场景中也有应用。

图片 4

说了这么多,那么星闪“AI 指向遥控”指哪打哪的神奇体验,具体的实现流程是怎样的呢?

我们还是以 tudoo Tbox AI 主机为例子来说。

这套系统采用了“主机 + 遥控器”的双端协同设计,双方均搭载了两颗专用芯片来分别承载不同的星闪相关功能。

在主机侧,内置两个芯片,一个是上海海思 BS21,负责星闪 SLE 高刷交互、数据传输,另一个是上海海思 SP31 芯片,负责星闪 SLP 精准定位。

在遥控器侧也有两个芯片,分别是上海海思 BS21 芯片,负责星闪 SLE 极致交互,另一个是 SP31,也是负责星闪 SLP 精准定位。

图片 5

遥控器和主机侧配套使用。使用时,在遥控器端,会配合陀螺仪来校正位置,这个计算过程在遥控器端完成,而分别在主机侧和遥控器侧的上海海思 SP31 芯片会进行相互的数据交互,发送测距的信号,在遥控器侧进行计算,然后将计算的结果配合陀螺仪的位置数据,一起反馈到主机端。

这样处理后的精准坐标,再通过星闪的高速通道实时传回主机,最终映射在屏幕上。这也就是为什么我们看到的屏幕光标能像长在手上一样灵活,没有任何延迟和漂移。

从这些产品,看懂星闪指向遥控的美妙应用

上面给大家讲了许多技术方面的原理,那么,星闪指向遥控,具体能应用在哪些场景中呢?我们接着来看。

首先需要说明的是,在这次发布的 tudoo Tbox AI 主机之前,星闪指向遥控技术其实已经在行业多款电视产品中得以率先落地,并通过具体的场景化应用,证明了其重构观影娱乐方式的潜力。

比如,作为高端家电的代表,卡萨帝就是星闪指向遥控技术的先锋探索者。早在 2024 年 6 月,卡萨帝就全球首发了搭载星闪技术的指向遥控器,并于 9 月将其应用于艺术电视壁画 M70 卡萨帝电视。

图片 9

M70 搭载的全球首款星闪指向遥控,精准击破传统遥控器的诸多局限,轻轻一指便可,丝滑完成点按、圈选、拖拽等操作,就像在手机、PAD 上一样方便,大大优化了操作体验。

比如当你想观影时,拿起星闪指向遥控器,可以像手机触屏一样随意点选、快速翻页、可瞬间打开想看的影片。

星闪遥控

观影过程中可以精准调整进度条,快进到你想看的那一帧。利用星闪指向遥控器,还可以与其他多场景中实现轻松交互。

举例来说,你可以把遥控器当做办公场景的激光笔,在进行家庭会议或投屏演示时,你可以直接拿着遥控器在屏幕上进行光标指引,甚至按住按键进行圈选、划线和批注。配合电视的高清大屏,客厅瞬间变身专业会议室,解决了过去投屏演示时“指指点点看不清”的尴尬。

办公

再比如你还可以把它当做游戏场景的体感手柄,在玩网球或切水果等游戏时,用户无需额外购买昂贵的游戏主机,挥动遥控器即可获得流畅的反馈,极大地降低了客厅游戏的门槛。

图片 7

或者当你在操作复杂的音乐 App 或视频网站时,不再需要按几十次方向键来寻找内容,而是像使用鼠标一样滑动光标,快速定位到想听的歌或想看的剧,实现了效率的质变。

播放

还有长虹在 2025 年 9 月发布的星闪电视 2.0 中,也与上海海思深度合作,将星闪指向遥控的应用推向了移动生态融合的新高度。

图片 8

使用长虹星闪电视 2.0,你可以躺在沙发上,用遥控器在百寸大屏上刷抖音。手腕轻轻一抖,视频上下滑动;点击屏幕,即可点赞或查看评论。这种“巨幕刷短视频”的体验,不仅视觉冲击力极强,更让全家人可以共享短视频的乐趣。

对于《斗地主》或《下象棋》这类休闲游戏,用户可以直接用遥控器拖拽出牌或落子;甚至在一些即时战略游戏中,遥控器的高精度指向也能替代手指触控。无论是斗地主时的“连炸飞机”;还是下象棋时候的“跳棋将军”,都能像手指般丝滑操控。

游戏

除了基础的精准指向外,长虹星闪电视 2.0 还创新性地利用星闪实现了“投屏反控”功能。

这一功能直接击穿了手机与电视之间的生态壁垒。在过去,投屏只能看不能控,用户必须低头操作手机,体验极其割裂。而在长虹的星闪电视上,用户将手机投屏后,可以直接用遥控器反向控制手机。

具体来说,当手机连接到大屏后,用户可以实现手机全界面的自由操控,上下滑动遥控器就能在大屏幕上畅快刷抖音、点赞评论。投屏过程近乎零延迟,并支持 4K 超清画质传输,无论是刷短视频还是浏览其他内容,都能在大屏上获得前所未有的畅快体验。

然后,就是这次 tudoo Tbox AI 主机的推出了。需要说明的是,这次 tudoo Tbox AI 主机是星闪指向遥控方案第一次在“电视盒子”这一品类上落地。

与上面长虹等品牌必须购买整机不同,tudoo Tbox 以 1499 元的价格,将上述所有高端旗舰才有的体验都打包融于一身,而且由于这样的 AI 主机产品可以适配市面上绝大多数品牌的各种智能电视产品,这意味着,星闪指向遥控技术将迎来更低门槛、更大规模的普及。

可以预见,当星闪指向遥控技术真正从“尝鲜期”进入“普及期”,必定会在行业层面发挥巨大的“破壁”价值。

图片 10

首先,星闪指向遥控技术将打破大屏产品的交互之墙。红外遥控器统治电视几十年交互不便的历史将改写,用“指向 + 触控”的逻辑统一大小屏的交互语言。用户不需要重新学习,只要会用手机,就会用电视。这种交互门槛的降低,是挽救开机率的关键一步。

其次,是打破生态之墙。通过让电视能够流畅运行和操控移动端 App(如淘宝、小红书、抖音),星闪技术让电视摆脱了对传统电视台和长视频平台的依赖,接入了更广阔的移动互联网生态。这不仅丰富了内容,更创造了巨大的商业价值,如大屏电商直播购物等等。

而从产业发展角度来看,星闪指向遥控技术的应用,则进一步可以为家电行业开辟差异化竞争的新赛道,让家电厂商跳出了“参数内卷”的红海,转向以用户需求为核心的体验升级,推动行业从“看电视”向“玩电视”的全场景快乐转型。

结语

最后,小编想说的是,从技术突破到产品落地,从高端电视到普通家庭的存量电视,星闪指向遥控技术的普及之路,正是中国科技自主创新赋能民生体验升级的缩影。

tudoo Tbox AI 主机将这项技术引入电视盒子领域,不仅激活了 4.8 亿台存量电视的潜在价值,更让星闪技术走进了更多寻常百姓家。

而随着星闪生态的不断繁荣,截至 2025 年 6 月已有超过 1200 家会员单位参与标准和生态共建,覆盖消费电子、智慧家庭、汽车电子等多个领域,未来这项技术还将在更多场景中释放价值。

当智能设备的交互不再成为障碍,当技术真正服务于人的需求,智慧家庭的黄金时代正加速到来,而星闪指向遥控技术,无疑是开启这一时代的重要钥匙。

原文链接: 用 tudoo Tbox AI 主机“玩电视”背后,星闪又发力了
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手