双机 AI 从入门到精通

原理、精确演进历史、选型、架构工作流及 YOLO 模型全景指南

🔥 资源获取与技术支持
👉 点击加入 QQ 交流群 📁 点击进入网盘下载 🌐 dhzbox 官方网站
一、双机 AI 原理与安全性

底层逻辑： 将“游戏运行”与“AI 推理计算”解耦在两台物理设备上，实现真正的硬件级隔离。

1. 主机运行游戏
2. 采集卡高帧抓屏推流
3. 副机AI 推理计算坐标
4. 硬件盒子物理模拟鼠标移动

🔒 安全优势： 0 内存读写、0 软件注入。采集卡通过修改 EDID 模拟显示器；鼠标盒子通过 HID 描述符透传拟合真实硬件，主机系统仅识别为标准外设。

⚖️ 方案特点： 跨游戏通用且安全等级高。由于不读内存，无法做到全图透视，仅提供物理级自瞄辅助。

⚠️ 关于封号机制： 该方案不会导致检测封号（如十年大号封禁）。所谓的短期封禁（1~30天）均由于拉枪参数过于突兀，触发了游戏服务端针对行为轨迹（Behavior Audit）的算法判定。
二、双机 AI 精确演进历程

双机 AI 并非凭空诞生，其发展轨迹与通用计算机视觉技术演进及游戏反作弊的强力对抗密切相关：

2017 年（实际更早） · 萌芽期：传统单机色块识别
基于 HSV/RGB 色彩阈值分割（按键精灵、大漠插件、简单 C++ OpenCV 脚本）
《守望先锋》等游戏大火后，早期开发者通过识别敌方轮廓高亮（如红色/紫色）或血条颜色实现自动瞄准。优点是算法极度简单，缺点是复杂背景（如红墙、红烟雾）误判率极高，且在单机运行易被 Hook 截屏检测。
2020 年 · 突破期：YOLO 神经网络全面落地
YOLOv5 发布标志着深度学习正式取代传统图像处理
2020 年 6 月 Ultralytics 开源 YOLOv5，实时目标检测性能大幅提升。AI 开始像人类视觉一样精确识别“人体、头部、姿态”，即使敌人遮挡、蹲伏或处于暗光环境下也能高精度框选，算法准确率实现质的飞跃。
2021 年 - 2022 年 · 转折期：内核级反作弊全面封杀单机架构
Vanguard / ACE 内核驱动扫描升级
随着 Valorant 引入 Ring-0 级别的 Vanguard 反作弊，单机运行 AI 软件面临严峻封号潮：应用层 Hook 截屏被封、虚拟鼠标驱动（如 Interception/Logitech 驱动 API）被全面拉黑。开发者被迫探索“物理解耦”路径。
2023 年 · 成熟期：采集卡 + 串口硬件盒子生态爆发
4K/高帧采集卡普及与 KMBOX / dhzbox 等透传硬件成熟
PCIe 低延迟采集卡普及破解了视频传输瓶颈（早期甚至是使用moonlight串流来传输画面）；单片机硬件盒子实现真正的 HID 描述符物理透传。主机只认识新增的标准 USB 鼠标，“单机注入”正式全面转向“双机零注入”物理隔离时代。
2024 年 - 2026 年 · 现阶段：极低延迟、行为拟真与高级对抗
TensorRT 深度优化 + YOLOv10/v11/v26 与算法拟人化
自21年开始使用TRT以来模型推理延迟降低至 1~3ms；核心对抗点从“硬件隐蔽”全面转向“行为轨迹（Behavioral Analysis）”。引入 PID 控制、贝塞尔曲线、高斯噪声拟合等拟人化算法，配合 PID/VID 动态透传，防止服务端统计学检测。
发展历史还是挺长的想了解更多发展过程可以去百度这里只说个大概
三、硬件选型指南（采集卡、副机与盒子）

1. 采集卡选型对比

负责将主机游戏画面实时无损复制并传输给副机：

级别/型号 接口类型 刷新率支持与延时 改 EDID / 特点 选型建议
旗舰 圆刚 575 (GC575) PCIe x4 Gen3 (HDMI 2.1) 4K 144Hz / 2K 240Hz / 1k 360
极低延迟		 不支持 EDID
支持 VRR/HDR		 高端/2K 240Hz+ 顶配首选，具备 HDMI 2.1 极高带宽。
主流推荐 圆刚 573 (GC573) PCIe x4 Gen2 (HDMI 2.0) 1080P 240Hz / 2K 144Hz
超低延迟		 支持 EDID
稳定复制显示器		 台式机副机性价比首选，需副机主板具备空余 PCIe 插槽。
圆刚 553G2 USB 3.2 / 雷电4 高帧率 / 低延迟 支持 EDID 笔记本副机首选，方便外接使用。
普通 USB3.0 采集卡 USB 3.0 60Hz~144Hz / 延迟高 通常不支持改 EDID 百元级预算入门选型，适合低帧率需求。
关于发射器和obs： 大规模禁止obs大概是在三角洲“obs吸附爆发”之后，此后发射器开始出现，但是我没有用过也不推荐使用这些

2. 副机（AI 计算单元）配置

副机专注于实时视频处理与 YOLO 推理：

GPU
NVIDIA 显卡（必选）： 需 CUDA 与 TRT 支持，个人建议 RTX 3060 / 40HX 起步（性价比高的显卡跑ai去搜 显卡ai算力tops排行 根据预算购买显卡）
CPU
解码与调度： 负责推流解码与图像预处理，需具备良好单核性能。
RAM
16GB / 32GB 高频： 保证视频帧缓冲与 AI 软件多线程稳定运行。
SSD
NVMe M.2 固态： 提高软件与 TensorRT 模型的读取速度。

3. 主流鼠标硬件盒子对比

其实我觉得透传不透传 意义只是在于每个人用的盒子的特征不一样，不透传的设备无非也是大家用的同一个“鼠标”玩游戏而已。 透传后只是吧这部分风险分散开罢了。 真透传假透传就是描述符可能有些地方截断了而已 但是都是标准hid设备

硬件型号 透传能力与特点 选型建议
首选 dhzbox 高阶透传、硬件成本透明、低延迟 综合性能与稳健性最佳（官网）
KMBOX 含 a/b+/net 版本，固件生态成熟 经典早期方案，用户基数大。
Makcu 基础透传，硬件性能较弱 适合极低预算入门。
Ferrum 海外作者成本不到100，售卖价格1k左右 听说因上报时序不均易被检测，不推荐。
四、AI 软件工作流与新手搭建逻辑

1. AI 软件 5 步调度流程

1
视频获取： 高频读取采集卡输入帧。
2
图像预处理： 进行尺寸缩放与格式转换。
3
AI 模型推理： 送入 YOLO 输出预测数据。
4
数据后处理： 过滤误判、平滑计算拉枪轨迹。
5
结果输出： 向盒子发送物理鼠标控制指令。

2. 科学装机与选型顺序

💡 避坑法则： 切忌盲目堆叠高配硬件，应自顶向下依次递进测试。
Step 1
确定视频规格： 根据主屏分辨率/刷新率挑选对应的采集卡。
Step 2
按需配置副机算力： 选购 GPU 并优先使用轻量模型跑通全链路。
Step 3
渐进升级模型： 在推流与通信稳定后，再提升模型规格。
五、YOLO 模型规格与版本全解析

1. 尺寸规格 (n / s / m / l)

规格 速度 (FPS) 精度 适用场景
Nano (n) ⚡⚡⚡ 极快 ⭐⭐ 一般 入门显卡（如 1060/40HX），追求低延迟。
Small (s) ⚡⚡ 非常快 ⭐⭐⭐⭐ 黄金 自瞄黄金规格： 速度与精度完美平衡。
Medium (m) ⚡ 较快 ⭐⭐⭐⭐⭐ 极高 RTX 3070+ 推荐，露头小目标识别极佳。
Large (l) 🐢 较慢 ⭐⭐⭐⭐⭐ 完美 需 4080/4090 顶配显卡，一般不推荐自瞄。

2. 版本特性对比

版本 核心特点 选型建议
YOLOv5 生态极度成熟，兼容老显卡 适合旧设备复用。
YOLOv8 小目标与复杂露头识别增强 目前主流选型之一。
YOLOv11 消除 NMS 延迟，框体贴合极佳 中等配置的可以使用。
最好 YOLOv26 v5 超低延迟 + v11 顶级精度 适合较好的显卡。
🚀 核心概念 · TensorRT (TRT)： NVIDIA 官方推出的高性能深度学习推理引擎。可将通用模型优化为针对特定 GPU 定制的 .engine 格式，将图像识别延迟大幅缩短至 1~5ms。
六、系统总结

双机 AI 本质上是典型的计算机视觉全链路系统：

采集卡视频无损传输
副机 CPU数据调度预处理
副机 GPUTRT 模型加速
AI 软件全流程逻辑控制
硬件盒子物理模拟通信

理解各硬件分工与链路协调匹配，即代表你已真正入门双机 AI。

🚀 获取最新资源、模型与调参技巧
👉 点击加入 QQ 交流群 📁 点击进入网盘下载 🌐 dhzbox 官方网站