En el escenario de GTC 2026, Jensen Huang dedicó un tramo de su keynote a recordar que los videojuegos fueron el terreno donde Nvidia se hizo imprescindible, aunque hoy el peso del gaming en su negocio sea menor que en otras épocas. El anuncio elegido para representar ese “origen” fue DLSS 5, presentado como una nueva etapa de su tecnología de gráficos asistidos por IA: no solo para que el juego vaya más rápido, sino para que se vea más “real” sin exigir renderizar cada detalle con fuerza bruta. La idea de fondo es simple de explicar con una metáfora doméstica: si antes DLSS era como pedirle a un asistente que ampliara una foto sin que se notara el pixelado, ahora Nvidia quiere que ese asistente también sea capaz de “retocar” la luz y los materiales como lo haría un equipo de postproducción, pero en tiempo real.
De “escalar” a “reconstruir”: qué cambia en DLSS 5
Para entender por qué DLSS 5 es distinto, conviene situarlo en la línea temporal. Nvidia lanzó DLSS en 2018 con el objetivo de mejorar rendimiento mediante supermuestreo basado en IA, y con el tiempo sumó técnicas como la generación de fotogramas. Según la propia compañía, la evolución reciente ya era muy agresiva: DLSS 4.5 (presentado a principios de año) afirmaba “dibujar” con IA la inmensa mayoría de píxeles visibles, dejando menos trabajo directo al render tradicional. Con DLSS 5, el foco se mueve todavía más hacia la calidad visual: Nvidia habla de un modelo de renderizado neuronal en tiempo real que “infunde” a los píxeles iluminación y materiales con un acabado fotorealista, intentando acercar el look del videojuego al de los efectos visuales de cine sin tener minutos u horas para renderizar un solo frame.
La mezcla que propone Huang: datos 3D como “verdad del mundo” y IA generativa como imaginación controlada
Huang explicó DLSS 5 como la fusión de dos formas de “ver” una escena. Por un lado están los datos clásicos del motor 3D, que funcionan como el plano y las medidas exactas de una casa: geometría, movimiento, coherencia espacial. Por otro lado está la IA generativa, que se parece más a la intuición de un decorador que propone acabados y texturas creíbles aunque no estén modelados a mano. El truco, según Nvidia, es que esa parte generativa no trabaja “a ciegas”: se ancla a la información estructurada del juego, de modo que el resultado no cambie caprichosamente de un frame al siguiente.
En términos técnicos, Nvidia afirma que DLSS 5 toma como entrada el color y los vectores de movimiento de cada fotograma y, con eso, aplica un modelo de IA capaz de mejorar iluminación y materiales manteniendo la estructura de la escena. La empresa insiste en que el sistema ha sido entrenado “de extremo a extremo” para captar semántica visual compleja —piel, pelo, tejidos, translucencias— y condiciones de iluminación, incluso analizando un solo frame, para luego generar detalles como el “brillo” de una tela o la dispersión de luz en la piel sin romper la consistencia temporal.
Realismo con menos cálculo: por qué este enfoque encaja con el límite de los 16 milisegundos
Un videojuego suele vivir en una restricción casi tiránica: si quieres 60 fps, tienes alrededor de 16,6 milisegundos para producir cada fotograma; a 120 fps, la mitad. Nvidia argumenta que ahí el realismo no se puede perseguir solo con “más potencia”, porque el salto entre lo que se hace en tiempo real y lo que se consigue en un render offline de cine es enorme. En su comunicado, la compañía lo plantea como un puente: el motor sigue generando la base “confiable” y determinista, y la IA aporta la capa de acabado que sería inviable si cada reflejo, microdetalle de material o interacción de luz tuviera que simularse desde cero.
Traducido a una situación cotidiana: es como cocinar para una cena grande. Puedes pelar y cortar cada verdura a mano (calidad máxima, tiempo máximo) o puedes partir de ingredientes ya preparados y dedicar el esfuerzo a la salsa final que da el sabor. DLSS 5 intenta mover parte del trabajo a esa “salsa” neuronal sin que el plato pierda su identidad.
Control creativo y la polémica del “filtro”: cuando la IA embellece… y cuando descoloca
El punto delicado llega con la percepción artística. En las primeras demostraciones, varios análisis han descrito DLSS 5 como una especie de filtro generativo en tiempo real que puede alterar de forma visible materiales, sombras y, sobre todo, rostros. The Verge citó reacciones que lo tachaban de actualización divisiva y señalaba ejemplos donde los personajes parecían haber pasado por un “filtro” de redes sociales, con cambios estéticos que no estaban en los assets originales. PC Gamer recogió una crítica similar, hablando de una tendencia a “sobre-escribir” modelos con patrones de belleza propios de la estética generada por IA.
Nvidia intenta desactivar ese miedo con una promesa muy concreta: controles para desarrolladores. Su nota de prensa menciona ajustes de intensidad, gradación de color y máscaras para decidir dónde se aplica el efecto y dónde no, de forma que el estudio mantenga el estilo propio del juego. La compañía enmarca esto como una diferencia frente a muchos modelos de vídeo generativo, que suelen ser difíciles de controlar y poco predecibles. Aquí, dice Nvidia, la clave es que el resultado esté “atado” a la estructura 3D, con consistencia de frame a frame.
Los primeros juegos y el “cómo se integra” en un estudio real
En el terreno práctico, Nvidia ha mostrado DLSS 5 en títulos como Resident Evil: Requiem, Starfield o Hogwarts Legacy, y afirma que llegará en otoño con apoyo de grandes editoras. La integración, según la compañía, se apoya en NVIDIA Streamline, el mismo marco que ya usan otras piezas del ecosistema DLSS y NVIDIA Reflex, lo que sugiere un objetivo claro: que adoptar DLSS 5 no sea un proyecto de investigación, sino una actualización relativamente asumible dentro del pipeline del motor y del equipo de gráficos.
Aun así, hay una pregunta inevitable: si DLSS 5 “mejora” la iluminación y los materiales, ¿quién decide qué significa “mejor”? En un juego con dirección artística estilizada, un realismo fotográfico puede ser tan inoportuno como poner luces blancas de oficina en un restaurante con velas. La respuesta de Nvidia es que los controles permiten modular, limitar o excluir áreas concretas. La respuesta de la comunidad dependerá de cómo se apliquen esos mandos en juegos reales y de si los resultados se perciben como un aliado del arte o como una capa que lo uniformiza.
El guiño más ambicioso: datos estructurados y agentes que “razonan” sobre la empresa
Lo más interesante del anuncio quizá no sea solo el gaming, sino el discurso que lo acompaña. Huang insistió en que la mezcla de información estructurada y modelos generativos se repetirá industria tras industria, y remató con una frase que se ha repetido en varias coberturas: los datos estructurados son la base de una IA confiable. MarketWatch recogió esa idea en el contexto de alianzas y plataformas de datos empresariales, conectando el mensaje con el interés creciente por acelerar el tratamiento de información en entornos corporativos.
TechCrunch añadió un matiz muy orientado a negocio: Huang citó plataformas como Snowflake, Databricks y BigQuery como ejemplos de conjuntos de datos estructurados sobre los que futuros sistemas de IA podrían analizar y generar insights, combinándolos con ese “otro” gran bloque del mundo: lo no estructurado. Tom’s Hardware, siguiendo el directo de la keynote, también reflejó el énfasis de Nvidia en el valor del dato no estructurado y su potencial cuando se aplica IA para extraerle sentido. La lectura es clara: DLSS 5 se presenta como un ejemplo visible y fácil de entender de una tesis más amplia sobre computación, no como una simple mejora de gráficos.