Los videojuegos descubrieron cómo renderizar menos y ver más. Estamos llevando el mismo truco al escritorio remoto: un modelo diminuto en tu dispositivo que reconstruye una imagen 4K a partir de una transmisión de la mitad de su tamaño.
El problema del ancho de banda del que nadie habla
El escritorio remoto tiene un secreto vergonzoso: devora ancho de banda.
Transmitir un escritorio a 60 fps requiere más o menos de 3 a 8 Mbps en 1080p y de 8 a 15 Mbps en 4K con códecs modernos. Con fibra no hay problema. Con un buen Wi-Fi en casa tampoco. Pero entra al Wi-Fi de un hotel, comparte internet desde tu celular o intenta trabajar desde una cafetería en una ciudad concurrida, y todo se desmorona.
La solución actual es deprimentemente simple. Cuando baja el ancho de banda, se reduce la calidad. Se baja la resolución. Se baja la tasa de fotogramas. Se aceptan texto borroso y video entrecortado hasta que mejoren las condiciones. Todas las apps de escritorio remoto hacen esto. Ha sido la única opción durante veinte años.
¿Y si hubiera una mejor manera?
¿Y si, en lugar de enviar una transmisión nítida en 1080p y degradarla cuando las condiciones se ponen difíciles, pudieras enviar siempre una transmisión pequeña en 1080p y hacer que se vea como 4K en el otro extremo?
Eso es la superresolución con IA. Y no es ciencia ficción. Los videojuegos la usan desde hace años.
El flujo de transmisión con superresolución
La traducción de los videojuegos al escritorio remoto es sorprendentemente limpia. En los juegos, renderizas a baja resolución y escalas. En la transmisión, codificas a baja resolución y escalas. Cuatro etapas, de izquierda a derecha, de principio a fin.
| Etapa | Salida | Métrica |
|---|---|---|
| 01 · Captura | Fotograma a resolución nativa | 3840×2160 → 1920×1080 antes de comprimir |
| 02 · Codificación | Transmisión H.265 a 1080p | Códec: HEVC · CBR 3 Mbps |
| 03 · Transmisión | ~3 Mbps por WAN | Ancho de banda: 3 Mbps · latencia ~20 ms |
| 04 · Escalado y renderizado | Salida 4K con Metal / Vulkan | Modelo: 280 KB · latencia añadida <3 ms |
La misma nitidez percibida. Aproximadamente una cuarta parte del ancho de banda. Y como el host codifica una imagen más pequeña, también trabaja menos: menor uso de CPU, menos calor, más batería en las laptops.
| Enfoque | Ancho de banda necesario |
|---|---|
| Hoy · transmisión 4K nativa | ~12 Mbps |
| Hoy · transmisión 1080p | ~5 Mbps |
| Con superresolución · 4K escalado | ~3 Mbps |
La industria de los videojuegos ya resolvió esto
En 2018, NVIDIA presentó DLSS (Deep Learning Super Sampling). El concepto era casi demasiado bueno para ser cierto: renderizar un juego a menor resolución y luego usar una red neuronal para escalarlo y que parezca a resolución nativa. Menos trabajo para la GPU, la misma calidad visual.
Los jugadores eran escépticos. ¿Cómo podía una imagen generada por IA verse tan bien como píxeles renderizados de forma nativa? Pero los resultados hablaron por sí solos. Para 2026, DLSS 4.5 usa modelos transformer que producen imágenes que muchos jugadores en realidad prefieren al renderizado nativo: bordes más nítidos, mejor estabilidad temporal, menos artefactos.
AMD siguió con FSR. Apple presentó MetalFX. Intel lanzó XeSS. Toda la industria convergió en la misma idea:
El píxel más inteligente es el que nunca tienes que renderizar.
A la industria de los videojuegos le tomó unos cinco años pasar de “esto es un truco” a “esto es obligatorio”. El escritorio remoto ni siquiera ha empezado.
IA en el dispositivo, privada por diseño
Aquí es donde se pone realmente interesante, y donde nos diferenciamos de cómo podrías esperar que funcione la IA.
El modelo de superresolución se ejecuta por completo en tu dispositivo. No en la nube. No en algún servidor. En el celular o la laptop que tienes en las manos.
Los dispositivos modernos son absurdamente potentes para IA en el dispositivo. El Neural Engine de Apple en los chips de la serie M maneja 15.8 billones de operaciones por segundo. La NPU Hexagon de Qualcomm en los chips Snapdragon recientes está en la misma liga. Estos procesadores de IA dedicados pasan inactivos la mayor parte del tiempo. Los estamos poniendo a trabajar.
La inferencia se ejecutaría en el flujo de renderizado, entre la decodificación y la visualización. El modelo recibe un fotograma 1080p y entrega uno 4K. El presupuesto de latencia es de menos de 3 milisegundos: un prototipo que no lo cumpla no se lanza.
Y como todo se ejecuta de forma local:
- Ningún dato sale de tu dispositivo: el contenido de tu pantalla sigue siendo privado
- No se necesita internet para la IA: el modelo funciona sin conexión
- Sin suscripción para las funciones de IA: está integrada en la app
- Sin costos de servidor: escala sin límite porque cada usuario aporta su propio cómputo
Esto concuerda con la filosofía de privacidad ante todo de Remio. No queremos tus datos. Ni siquiera queremos ver el contenido de tu pantalla. La IA en el dispositivo nos permite ofrecer funciones de vanguardia sin saber literalmente nada de lo que haces.
Por qué esto solo funciona en apps nativas
Esta es la parte que une todo, y la razón por la que escribimos una publicación entera sobre ser nativos.
Para ejecutar una red neuronal en el flujo de renderizado sin añadir latencia visible, necesitas:
- Acceso al Neural Engine o a la NPU. Esto requiere APIs nativas: CoreML en Apple, NNAPI en Android. No existe una API web para el Neural Engine. Las apps de Electron no pueden llegar a él.
- Integración con el flujo de la GPU. El fotograma escalado debe pasar directamente a la pantalla sin copias adicionales. Metal y Vulkan te lo permiten. WebGL no te da ese nivel de control.
- Tiempos de menos de 3 ms. Cada milisegundo extra importa en un flujo de transmisión en tiempo real. Solo el recolector de basura de JavaScript puede introducir pausas impredecibles. El código nativo da tiempos deterministas.
Una app de Electron tendría que decodificar el video en el flujo multimedia de Chromium, extraer el fotograma a JavaScript, invocar de algún modo el Neural Engine (imposible sin enlaces nativos), recuperar el fotograma escalado y mostrarlo mediante el compositor de Chromium. Cada paso añade latencia y complejidad. El costo total probablemente sería de 15 a 25 ms: demasiado lento para el uso en tiempo real.
La superresolución en el flujo de transmisión no es solo un problema de IA. Es un problema de ingeniería de sistemas. Y la ingeniería de sistemas exige código nativo.
Por eso, dos años después de empezar a construir Remio, ningún escritorio remoto basado en Electron ha lanzado escalado con IA. No es que no quieran. La arquitectura no se lo permite.
Los desafíos técnicos y cómo los estamos resolviendo
No vamos a fingir que esto es fácil. Hay desafíos reales.
Latencia del modelo. El modelo debe ejecutarse en menos de 3 ms por fotograma a 60 fps. Eso no deja ningún margen para arquitecturas infladas. Usamos modelos convolucionales optimizados —no transformers, que son demasiado lentos para la inferencia por fotograma—, ajustados específicamente a las unidades de ejecución del Neural Engine.
Diversidad de contenido. El contenido del escritorio remoto es muy distinto al de los videojuegos. Texto, hojas de cálculo, editores de código, reproducción de video, herramientas de diseño: el modelo debe manejar todo. Entrenamos con conjuntos de datos que incluyen específicamente elementos de interfaz de escritorio, no solo imágenes naturales.
Estabilidad temporal. El escalado fotograma por fotograma puede causar parpadeo. Los videojuegos lo resolvieron con acumulación temporal: reutilizar información de fotogramas anteriores. Exploramos técnicas similares, alimentando el modelo de escalado con los vectores de movimiento del códec de video.
Eficiencia energética. Ejecutar una red neuronal 60 veces por segundo en un celular suena costoso. Pero el Neural Engine está diseñado justo para esto: es más eficiente en energía que la GPU para operaciones con matrices. Los primeros prototipos de laboratorio apuntan a un costo de batería de un solo dígito, pequeño.
El desafío honesto: por qué esto es más difícil que en los videojuegos
Hemos hablado de DLSS y de la superresolución en los videojuegos como inspiración, y lo son. Pero la honestidad intelectual exige explicar por qué el escalado en el escritorio remoto es un problema fundamentalmente más difícil.
El DLSS de los videojuegos tiene ventajas injustas. Los motores de juego le dan a la IA datos ricos que no existen en nuestro mundo:
- Vectores de movimiento. El motor sabe exactamente hacia dónde se movió cada objeto entre fotogramas. Nosotros recibimos video comprimido sin datos de movimiento de la escena.
- Buffers de profundidad. DLSS sabe qué píxeles están cerca y cuáles lejos. Nosotros vemos una imagen 2D plana.
- Historial temporal. DLSS acumula detalle a lo largo de varios fotogramas con datos del motor. Nosotros trabajamos con fotogramas comprimidos individualmente que pueden traer artefactos distintos cada vez.
- Hardware dedicado. Los núcleos Tensor de NVIDIA ofrecen más de 384 TOPS optimizados específicamente para esta carga. Los Neural Engine móviles son potentes, pero sirven a otro propósito.
En otras palabras, la superresolución de los videojuegos es una reconstrucción guiada con datos auxiliares ricos. El escalado del escritorio remoto es superresolución a ciegas a partir de video comprimido con pérdida: un punto de partida mucho más difícil.
Esto no significa que el enfoque esté equivocado. Incluso mejoras modestas de calidad visual con tasas de bits menores dan ahorros reales de ancho de banda. Pero queremos ser transparentes: el techo de calidad del escalado a ciegas es menor que el que logra DLSS con integración total del motor. Estamos construyendo algo realmente útil, sin pretender igualar a una tecnología distinta.
Qué significa esto para ti
Cuando la superresolución con IA llegue a Remio, no tendrás que pensar en ella. No hay interruptor, ni ajuste, ni “modo IA”. La app automáticamente:
- Detectará tu ancho de banda disponible
- Elegirá la resolución de codificación óptima
- Escalará en el dispositivo para igualar tu pantalla
- Se adaptará en tiempo real a medida que cambien las condiciones
Con conexiones rápidas, quizá ni necesite escalar. Con conexiones lentas, será la diferencia entre “inutilizable” y “siento que estoy sentado frente a mi computadora”.
Esa es la meta. No una IA en la que tengas que pensar. Una IA que simplemente hace que todo funcione mejor, en silencio, de forma privada, en el dispositivo que ya tienes.
Lo estamos explorando ahora, sin prometer fecha, junto con otras ideas sobre hacia dónde podría llevar la IA al escritorio remoto. Solo se lanzará si mantiene el texto más nítido que la transmisión que reemplaza.
Transmite menos. Ve más. Ese es el futuro.
