Apex Neural Rendering: el nuevo rival de DLSS que funciona en tarjetas antiguas

El panorama del rendimiento gráfico en PC está cambiando. La lucha por obtener más fotogramas ya no depende exclusivamente del hardware, sino de los algoritmos de escalado y generación de fotogramas. En este contexto, Apex Compute ha presentado su propia tecnología de renderizado neuronal, diseñada para competir directamente con NVIDIA y ofrecer hasta 2,4 veces más rendimiento en una amplia variedad de tarjetas gráficas. La tecnología denominada Apex Neural Rendering se compone de tres pilares: Super Resolution, Ray Reconstruction y Frame Generation. Al igual que otras soluciones del mercado, utiliza algoritmos de inteligencia artificial para reconstruir imágenes a resoluciones superiores o crear fotogramas intermedios, aliviando así la carga de trabajo que recae sobre la GPU.

Compatibilidad universal como eje central

A diferencia de las soluciones propietarias que limitan sus funciones a generaciones específicas de hardware, el objetivo de Apex es la accesibilidad. Según la compañía, su arquitectura es compatible con modelos de NVIDIA (desde la serie GTX 16 hasta la RTX 50), AMD (desde la serie RX 5000 hasta la 9000), Intel Arc y dispositivos como la Steam Deck. Incluso se trabaja en soporte para procesadores Apple Silicon mediante la API Metal. En cuanto al impacto práctico para los usuarios, esta versatilidad permitiría que hardware con varios años de antigüedad reciba una mejora notable en fluidez y calidad de imagen. Los datos iniciales compartidos por la empresa sugieren una mayor eficiencia en el uso de memoria y tiempos de generación de fotogramas más rápidos que las alternativas actuales en escenarios específicos a 4K.

Característica	Estado actual
Frame Generation	Beta disponible
Super Resolution	En fase de entrenamiento
Ray Reconstruction	En fase de entrenamiento

Aunque los resultados preliminares son prometedores, la tecnología se encuentra actualmente en una fase beta inicial. Tanto la Super Resolution como el Ray Reconstruction continúan en desarrollo, por lo que serán necesarias pruebas independientes para confirmar si esta alternativa de renderizado neuronal puede consolidarse como un estándar frente a las soluciones ya establecidas en el sector.