Waar AI extern bureaublad naartoe kan brengen (ideeën die we onderzoeken).

Extern bureaublad heeft in twintig jaar geen echte doorbraak gekend. Wij denken dat AI dat kan veranderen. Dit is een essay over waar, en over de ideeën die we onderzoeken. Er zit vandaag geen AI-functie in Remio en we beloven geen datum.

20 jaar stilstand

Open in 2026 een willekeurige app voor extern bureaublad. Open er nu een uit 2006. Knijp je ogen een beetje dicht, en het is vrijwel hetzelfde.

De iconen zijn platter. De verbinding is misschien iets sneller. Misschien is er nu een donkere modus. Maar de fundamentele ervaring — pixels streamen van machine A, tonen op machine B, invoer terugsturen — is in twintig jaar niet wezenlijk veranderd.

De codec werd beter. H.264 verving JPEG. Toen kwam H.265. Bandbreedte werd goedkoper. Verbindingen werden sneller. Maar de kernarchitectuur — de manier waarop deze apps over streaming denken — is in de tijd bevroren.

De meeste apps voor extern bureaublad werken op dezelfde manier: een frame coderen, versturen, decoderen, tonen, herhalen. De instellingen zijn meestal statisch. De kwaliteit is vaak handmatig. En als je netwerk even wegzakt, kan het beeld een brij worden totdat je ergens een schuifregelaar versleept. Remio past zijn bitrate en resolutie zelf aan je netwerk aan — dat is gewone engineering, geen AI — maar de aanpak eronder is dezelfde.

Dat is geen technologieprobleem. Het is een verbeeldingsprobleem.

AI betreedt het toneel: wat kan er veranderen

Dit is wat ons enthousiast maakt, en wat ons op een goede manier wakker houdt. AI zou extern bureaublad niet alleen kunnen verbeteren. Het zou kunnen herdenken wat extern bureaublad kan zijn.

We hebben het niet over een chatbot op een instellingenpaneel plakken. We hebben het over de streamingpijplijn opnieuw bekijken met intelligentie in sommige lagen — en om duidelijk te zijn: alles hieronder is een idee, geen product.

Adaptieve kwaliteit, verder doorgevoerd

Veel apps voor extern bureaublad geven je een kwaliteitsschuif, of een "Auto"-modus die kiest uit een paar voorinstellingen. Remio stemt bitrate en resolutie al zelf af op je netwerk. De interessante vraag is hoeveel verder dat zou kunnen gaan.

Stel je nu een AI voor die alles in realtime in de gaten houdt — je netwerkbandbreedte, latentiejitter, patronen van pakketverlies, wat er echt op je scherm staat, of je een document leest of een video kijkt — en continu tientallen parameters tegelijk optimaliseert.

Tekst op het scherm? Scherpte omhoog, framerate omlaag. Een video aan het afspelen? Schakel naar hoge framerate, accepteer meer compressie. Scherm drie seconden inactief? Zak naar bijna nul bandbreedte. Snel scrollen? Tijdelijk de kwaliteit verlagen en terugspringen naar glashelder zodra je stopt.

Een mens kan dit niet. Een eenvoudig algoritme misschien niet goed. Een getraind model dat op het apparaat draait misschien wel — en dat uitzoeken is precies waarom we het onderzoeken.

Superresolutie: minder sturen, meer zien

Dit is het idee waar mensen het meest op reageren als we het uitleggen.

Gaming was de pionier van AI-upscaling. NVIDIA's DLSS rendert games op lagere resolutie en gebruikt vervolgens neurale netwerken met toegang tot dieptebuffers, bewegingsvectoren en speciale Tensor Cores om verbluffend beeld te reconstrueren. Het werkt prachtig omdat de game-engine rijke data levert die de AI kan benutten.

Upscaling voor extern bureaublad is door dit idee geïnspireerd, maar staat voor een fundamenteel andere uitdaging: we werken met gecomprimeerde videoframes zonder toegang tot scènegeometrie of engineniveaudata. Het is "blinde" superresolutie — moeilijker, maar mogelijk krachtig. Het idee is de stream op 720p te coderen en met AI op het apparaat te reconstrueren naar 1080p- of 1440p-kwaliteit. Als het werkt, kan de bandbreedtewinst aanzienlijk zijn, ook al verschilt de aanpak van gaming.

Het ontwerpdoel: alles gebeurt op je apparaat. Geen verwerking in de cloud, geen data die je machine verlaat. Een Apple Neural Engine of Qualcomm NPU doet het zware werk.

Invoervoorspelling: kan het sneller aanvoelen dan de natuurkunde?

Hier is een subtiel punt dat een enorm verschil maakt. Elk extern bureaublad heeft inherente latentie — de tijd tussen het bewegen van je muis en het zien bewegen op het scherm. De natuurkunde stelt een ondergrens: licht doet er ongeveer 20 ms over om de Verenigde Staten over te steken.

Maar wat als de client kon voorspellen waar je cursor heen gaat? Muisbewegingen zijn niet willekeurig. Ze volgen patronen — versnellingscurves, doelgroottes, richtingsintentie. Een lichtgewicht model zou de cursorpositie enkele tientallen milliseconden vooruit kunnen voorspellen.

Als het werkt, zou het externe bureaublad sneller aanvoelen dan de lichtsnelheid toestaat. Niet omdat we de natuurkunde hebben gebroken, maar omdat we er niet meer op wachten.

Waarom dit moeilijk is

AI in de streamingpijplijn stoppen is moeilijker dan het klinkt. Dit zijn de problemen waar we steeds tegenaan lopen:

• Latentiebudget — elk model in de pijplijn moet binnen een paar milliseconden passen, anders wordt de ervaring slechter in plaats van beter.
• Native hardwaretoegang — Neural Engines, NPU's en GPU's bereik je met native code, niet met een webwrapper.
• Schermcontent is anders — modellen die op foto's en games zijn getraind werken niet automatisch op tekst en interface-randen.
• Privacy — alles wat naar je scherm kijkt moet op je eigen apparaat of host draaien, nooit in de cloud van iemand anders.
• Eerlijke evaluatie — een functie die er in een demo geweldig uitziet, moet nog steeds echte netwerken en echte hardware overleven.

Pixels goed streamen is de basis. Of intelligentie dat kan verbeteren zonder latentie toe te voegen is de open vraag.

Daarom behandelen we dit alles als onderzoek, niet als roadmap. De ideeën zijn interessant; het bewijs is er nog niet.

AI in de streamingpijplijn is moeilijk. Je hebt native code nodig (geen Electron) om bij hardwareversnellers te komen. Je hebt een eigen renderpijplijn nodig om AI-verwerking toe te voegen zonder latentie. Je moet zowel ML-inferentie als realtimevideo begrijpen. Dat is een zeldzame combinatie, en we onderzoeken of we het goed kunnen doen.

Waarom een native app een goede plek is om dit te proberen

Hier kan onze keuze om volledig native te gaan op onverwachte manieren lonen.

Omdat Remio op elk platform een native app is, heeft het directe toegang tot de hardwareversnellers van elk platform.

• Apple Neural Engine — beschikbaar via CoreML, een natuurlijk thuis voor modellen op het apparaat.
• Qualcomm Hexagon NPU — te vinden in veel Android-chips. AI op het apparaat zonder de GPU aan te raken.
• Metal en Vulkan — GPU-rekenkracht die een native app rechtstreeks kan bereiken. Inferentie daar draaien zou een natuurlijke uitbreiding zijn.

Een webwrapper heeft hier moeite mee. Je moet native zijn om met de Neural Engine te praten, native om ML-inferentie te plannen tussen videodecodering en weergave, en native om van een AI-stap een volwaardig onderdeel van de renderpijplijn te maken, geen achteraf vastgeplakt extra.

Onze architectuur is niet voor AI gebouwd, maar native bouwen laat de deur open. Dat is het voordeel van dingen op de moeilijke manier bouwen.

Ideeën die we onderzoeken

Geen vaste data en geen marketingroadmap — alleen een eerlijke lijst van wat vandaag echt is en wat alleen een idee is.

Vandaag: Remio past zijn bitrate en resolutie in realtime aan je netwerk aan, op de host, zonder configuratie. Dat is engineering, geen AI.

In onderzoek: neurale upscaling op het apparaat om de bandbreedte van een stream te verlagen met behoud van beeldkwaliteit. We schreven er een verdiepend artikel over.

Ook in onderzoek: voorspellende invoer, contentbewuste codering, agents die een echt bureaublad kunnen bedienen, en een paar ideeën waar we nog niet over willen praten. Niets hiervan is vandaag beschikbaar, en we beloven niet wanneer.

Als er iets van uitkomt, volgt het dezelfde regel als de rest van Remio: op je apparaat of je host, nooit via een Remio-server, en geen schermdata verzameld voor training.

Waar dit naartoe kan gaan

We vermoeden dat mensen over een paar jaar op de huidige apps voor extern bureaublad terugkijken zoals wij terugkijken op inbelinternet. "Jullie stuurden gewoon ruwe pixels en hoopten op het beste? Was dat het?"

Ons gevoel is dat de toekomst van extern bureaublad minder draait om snellere codecs en grotere buizen, en meer om een app die begrijpt wat je doet en zich daaraan aanpast — onzichtbaar, privé, op je eigen apparaat. Het is een vermoeden, geen roadmap.

We zijn nieuwsgierig genoeg om het zorgvuldig te onderzoeken, en we zeggen het gewoon wanneer iets echt is.