智能红外遥控将在小众中走向死亡

简介:
 
 

智能红外遥控将在小众中走向死亡某智能红外中控的操作界面,其复杂度和老式遥控器一致,且操作不准确(温度部分不可以这样调节)

新发布的小米4,新增了红外功能。小米在官网介绍说,它可以遥控接近三千款不同品牌、型号的家电。

华为在一年前推出荣耀3时就增加红外功能作为宣传卖点,当时说支持6万多款不同家电。

三星、HTC、LG、中兴等手机厂商也有非常多的机型支持红外。但它们在宣传中基本已经不提了,因为这个功能使用率太低。

智能家居领域,同样有很多红外智能化的产品,这些一般有两种思路:一是直接做一个红外转Wi-Fi的遥控产品,这类有BroadLink、欧瑞博等;另一是做一个监测环境的设备,附加上红外功能,这类有海尔空气球、Cuball等。

厂商们纷纷推出支持红外的手机以及智能硬件,因为老式遥控器确实存在很多问题,容易找不到、太过复杂、不方便操作等等。但是,支持红外的手机保有量那么大,为何红外遥控这个功能却鲜有人用?以红外智能作为主打卖点的智能硬件,为何从未透露过出货量数据?

需要一个更好的遥控器,当然不是伪需求。但大家需要的是否是更好的红外遥控呢?在这里可能厂商们陷入了误区。

在红外遥控的基础上改善,好处是可以无缝兼容现有的所有红外操作家电,但这也正成为它们的受限之处。

就目前而言,红外协议有两重缺陷,是几乎无法解决的。

一是兼容性,即一个遥控用在所有设备上。每款支持红外遥控的家电,都会有自己的红外指令。所以红外智能化,首先它的软件会内置非常多的红外指令,俗称码库。一般电视遥控会比较通用,但空调、电风扇之类就比较私有,这时要比拼谁家码库更全。有厂商表示自家可以兼容所有设备,但这一过程是非常复杂的,选择设备型号、手动适配每个按键的指令(由于目前的交互都没有提示,你可能还需要搞懂原理),这些只有Geek向的童鞋才会去玩。

二是可交互性,即根据设备状态再进行调节。交互是智能化非常重要的一环,老式遥控在设备上有屏显来显示设备状态,但智能红外遥控将操作搬到手机App上,这时是没有任何状态可看的。比如你还有十分钟到家,这时想开启空调或风扇让家里凉快些,手机上是完全不知道空调是制冷还是制热、风扇是几档,可能你昨晚睡觉时调的是制冷26度、微风。也有部分厂商通过添加传感器来检测房间状态,但目前而言没有整合的特别好的,操作起来都会很麻烦。

由于红外操作的以上缺陷几乎无法修复,所以在智能家电产业中,它只是一个存量设备智能化的桥接设备,没有任何厂商以它作为未来智能家居设备的通用交互方式来规划。在现在也没有公司会去花大力气来优化其体验。BroadLink曾经提出云空调的概念,和厂商合作兼容标准来改善红外体验,但这个计划现在也是不见声音、无疾而终。

可能还有新的手机以红外功能作为卖点,出现新的红外智能家居控制中心的众筹项目,但这类产品对于普通消费者来说噱头大于实质,注定在新智能家居时代从小众走向死亡。

 
  本文作者: Longye

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
IDE Java Linux
Seata常见问题之重新打包以单独用jar来部署如何解决
Seata 是一个开源的分布式事务解决方案,旨在提供高效且简单的事务协调机制,以解决微服务架构下跨服务调用(分布式场景)的一致性问题。以下是Seata常见问题的一个合集
471 1
|
芯片 算法 异构计算
如何打破边缘端芯片算力有限的困局?阿里 AILabs 这么做!
在自研硬件上,和芯片厂商深度合作针对中低端芯片做出了特例优化,落地了手势识别、宠物检测和笔尖检测等业务。
3665 0
|
运维 网络虚拟化 5G
带你读《ONAP技术详解与应用实践》之一:网络自动化挑战及ONAP介绍
国内首部系统剖析ONAP的书籍,也是理论性与实战性兼具的网络自动化实践指导书!本书详细全面地介绍了网络自动化的挑战和发展趋势,以及ONAP的概况、架构设计理念、设计原则、各模块实现细节、关键特性、应用场景和案例实践等。通过本书读者可以深入理解ONAP,提升对网络自动化及相关领域的认知。作者及其团队成员均是华为网络开源领域的专家,长期参与社区的治理、贡献和回馈,致力于通过产业协作,打造统一的平台,降低集成成本,加快新技术导入,助力新一代网络运维系统升级。同时,本书也融入了作者及其团队在网络开源领域的深刻洞察和见解,书中分享了华为参与网络开源的实践经验,是电信网络转型的重要参考。
|
人工智能 关系型数据库 MySQL
数据库mysql与人工智能的合作
在数据驱动的时代,MySQL与人工智能的强强联合正成为科技界焦点。MySQL作为广受青睐的开源数据库,面对海量数据挑战时,借力AI实现了效能跃升。AI不仅能辅助优化数据库管理,提升处理速度并降低成本,还能通过自然语言处理让复杂操作变得简单直观。此外,AI在图像及语音识别的进步拓展了MySQL的应用边界,使其能高效管理非结构化数据。这种融合不仅优化了数据库管理,还支持了智能决策制定,促进了各行各业的数字化转型,预示着智能化数据管理的新纪元。
491 0
|
9月前
|
JSON 前端开发 Java
【SpringMVC】基础入门实战(3)
SpringMVC获取Header,返回静态页面,返回数据(Controller),返回数据@ResponseBody,返回HTML代码片段,返回JSON,设置状态码,设置Header
|
10月前
|
机器学习/深度学习 自然语言处理 语音技术
迁移学习(Transfer Learning)
迁移学习是一种机器学习技术,通过将一个任务中学到的知识应用于另一个相关任务,有效解决了数据稀缺和计算资源有限的问题。它涉及预训练模型、特征提取、微调、领域适应等多种技术,广泛应用于计算机视觉、自然语言处理等领域,显著提升了模型的泛化能力和新任务的性能。
|
11月前
|
安全 Android开发 数据安全/隐私保护
安卓应用开发中的常见挑战及解决策略
【10月更文挑战第7天】在安卓应用开发的旅程中,开发者常面临各种挑战,从设备兼容性到性能优化,再到用户界面设计。本文将深入探讨这些常见问题,并提供实用的解决策略,帮助开发者提升应用质量和用户体验。我们将通过代码示例和实践建议,展示如何克服这些挑战,打造更流畅、更吸引人的安卓应用。
275 0
|
Shell 开发者
Postman-07-导入cURL命令请求
Postman-07-导入cURL命令请求
|
自然语言处理 C++
C/C++ 中的 atol()、atoll() 和 atof() 函数
1.atol(): 此函数将作为参数传递给函数调用的 C 类型字符串转换为长整数。它解析 C 字符串 str 并将其内容解释为整数,该整数作为 long int 类型的值返回。该函数会丢弃字符串开头的空白字符,直到找到非空白字符。如果 C 字符串 str 中的非空白字符序列不是有效的整数,或者如果因为 str 为空或仅包含空白字符而不存在这样的序列,则不执行任何转换并返回零。
487 0
扩增子测序中OTU表进行抽平的两种方式
A random rarefaction of sample reads according to a specific reads length (usually the smallest value) should be performed firstly for downstream analysis.
656 0