AI 可能把远程桌面带向何方（我们正在探索的想法）。

远程桌面在二十年里没有出现过真正的突破。我们认为 AI 可能会改变这一点。这是一篇关于它可能在哪里改变，以及我们正在探索的想法的随笔。Remio 目前没有任何 AI 功能上线，我们也不承诺日期。

停滞的 20 年

打开 2026 年的任何一款远程桌面应用。再打开一款 2006 年的。稍微眯起眼睛，它们基本上是同一个东西。

图标更扁平了。连接也许稍微快了一点。也许现在有了深色模式。但根本的体验——从 A 机器串流像素，在 B 机器上显示，再把输入发回去——二十年来没有发生过有意义的改变。

编解码器变好了。H.264 取代了 JPEG。然后 H.265 出现了。带宽变便宜了。连接变快了。但核心架构——这些应用思考串流的方式——却被冻结在了时间里。

大多数远程桌面应用用的是同一种做法：编码一帧，发送，解码，显示，循环往复。设置大多是静态的。画质往往要手动调。而当你的网络下滑时，画面会糊成一团，直到你在某个地方拖动一个滑块。Remio 会自行让码率和分辨率适应你的网络——那是朴实的工程，不是 AI——但底层的做法是一样的。

这不是技术问题。这是想象力的问题。

AI 登场：什么可能会变

这是让我们兴奋的东西，也是让我们（以一种好的方式）睡不着觉的东西。AI 也许不只是改进远程桌面。它可能重新想象远程桌面能成为什么。

我们说的不是在设置面板上硬塞一个聊天机器人。我们说的是在某些层面引入智能，重新思考串流管线——而且要明确，下面的一切都是想法，不是产品。

自适应画质，更进一步

许多远程桌面应用给你一个画质滑块，或者一个在几个预设之间挑选的“自动”模式。Remio 已经会自行根据你的网络调节码率和分辨率。我们觉得有意思的问题是，这件事还能走多远。

现在想象一个实时观察一切的 AI——你的网络带宽、延迟抖动、丢包模式、屏幕上实际是什么、你是在读文档还是在看视频——并同时持续优化几十个参数。

屏幕上是文字？把清晰度拉高，把帧率降低。在播放视频？切到高帧率，接受更多压缩。屏幕空闲了三秒？降到几乎为零的带宽。快速滚动？暂时降低画质，等你一停下，立刻回到清澈透亮。

人做不到这一点。简单的算法也许做不好。一个在设备上运行的训练过的模型也许可以——而弄清楚这一点，正是探索它的意义所在。

超分辨率：少传输，多看见

这是我们解释时，人们反应最强烈的想法。

游戏开创了 AI 放大。NVIDIA 的 DLSS 先以较低分辨率渲染游戏，再利用能访问深度缓冲、运动矢量和专用 Tensor Core 的神经网络，重建出令人惊艳的画面。它之所以效果出色，是因为游戏引擎提供了 AI 可以利用的丰富数据。

远程桌面的放大受到这个想法的启发，但面临一个根本不同的挑战：我们面对的是压缩后的视频帧，没有场景几何或引擎层面的数据。这是“盲”超分辨率——更难，但可能很强大。想法是以 720p 编码串流，用设备上的 AI 把它重建到接近 1080p 或 1440p 的质量。如果成功，节省的带宽可能相当可观，即使做法与游戏不同。

设计意图：这一切都会在你的设备上发生。没有云端处理，没有数据离开你的机器。由 Apple Neural Engine 或高通 NPU 来承担繁重的工作。

输入预测：它能让人感觉比物理极限更快吗？

这是一个很微妙，却能带来巨大差别的想法。每个远程桌面都有与生俱来的延迟——从你移动鼠标，到在屏幕上看到它移动之间的时间。物理定律设定了下限：光穿越美国大约需要 20 ms。

但如果客户端能预测你的光标要去哪里呢？鼠标的移动并非随机。它们遵循规律——加速曲线、目标大小、方向意图。一个轻量的模型也许能预测几十毫秒之后的光标位置。

如果成功，远程桌面会感觉比光速允许的还要快。不是因为我们打破了物理定律，而是因为我们不再等待它。

为什么这很难

把 AI 放进串流管线，比听起来要难。这些是我们不断碰到的问题：

• 延迟预算——管线里的任何模型都必须塞进几毫秒之内，否则它只会让体验更糟，而不是更好。
• 原生硬件访问——要访问 Neural Engine、NPU 和 GPU，需要原生代码，而不是网页套壳。
• 屏幕内容与众不同——在照片和游戏上训练的模型，不会自动适用于文字和界面边缘。
• 隐私——任何查看你屏幕的东西，都应该运行在你的设备或你的主机上，而不是某个人的云里。
• 诚实的评估——一个在演示里看起来很棒的功能，仍然要经受住真实网络和真实硬件的考验。

把像素串流好，是基线。智能能否在不增加延迟的前提下超越它，是尚未解决的问题。

这就是为什么我们把这一切当作研究，而不是路线图。这些想法很有意思；证据还没有到位。

在串流管线里做 AI 是困难的。你需要原生代码（而不是 Electron）来访问硬件加速器。你需要自定义的渲染管线，才能在不增加延迟的前提下插入 AI 处理。你需要同时理解机器学习推理和实时视频。这是一种罕见的组合，而我们正在探索自己能否把它做好。

为什么原生应用是尝试它的好地方

我们全面走原生路线的决定，也许会在我们没有规划过的方面带来回报。

因为 Remio 在每个平台上都是原生应用，它可以直接访问每个平台上的硬件加速器。

• Apple Neural Engine——通过 CoreML 即可使用，是设备端模型的天然归宿。
• 高通 Hexagon NPU——存在于许多 Android 芯片中。不碰 GPU 就能做设备端 AI。
• Metal 和 Vulkan——原生应用可以直接触及的 GPU 计算。在那里运行推理会是一种自然的延伸。

网页套壳很难做到这一点。你需要原生才能和 Neural Engine 对话，需要原生才能在视频解码和显示之间调度机器学习推理，也需要原生才能让 AI 这一步成为渲染管线的一等公民，而不是事后硬加在上面的东西。

我们的架构不是为 AI 而建的，但原生开发让这扇门一直开着。这就是用难的办法做事的好处。

我们正在探索的想法

没有承诺的日期，也没有营销式的路线图——只是一份坦诚的清单，列出今天什么是真的，什么只是想法。

今天：Remio 会在主机上实时地、零配置地让码率和分辨率适应你的网络。这是工程，不是 AI。

探索中：设备端神经网络超分辨率，在保持画质的同时降低串流所需的带宽。我们为这个想法写了一篇深度剖析。

同样在探索：预测式输入、感知内容的编码、能驱动真实桌面的智能体，以及一些我们还没准备好谈论的想法。这里没有任何东西在今天上线，我们也不承诺何时上线。

如果其中任何一项上线，它将遵循与 Remio 其他部分相同的规则：在你的设备或你的主机上运行，绝不经过 Remio 的服务器，也不收集任何屏幕数据用于训练。

这可能走向何方

我们猜想，几年之后，人们回头看今天的远程桌面应用，就像我们回头看拨号上网一样。“你们就只是发送原始像素，然后听天由命？就这样？”

我们的直觉是，远程桌面的未来，与更快的编解码器和更粗的管道关系不大，更多取决于一款能理解你在做什么并随之调整的应用——无形、私密、就在你自己的设备上。这是一种直觉，不是路线图。

我们好奇到足以谨慎地探索它，而当某样东西真的成为现实时，我们会直白地说出来。