За последние годы искусственный интеллект научился рисовать, писать музыку, озвучивать персонажей и даже генерировать несложный код. Казалось бы, еще немного, и разработка игр превратится в набор промтов: написал «сделай RPG про космос», получил готовый проект. Но реальность, как всегда, сложнее.
К апрелю 2026 года сразу несколько крупных компаний представили технологии, которые должны приблизить это будущее. DeepMind анонсировала Genie 3, способную генерировать фотореалистичные 3D-миры в реальном времени. Robbyant (дочка Ant Group) выпустила открытую модель LingBot-World, создающую интерактивные симуляции по одному кадру. Tencent обновила HY-World 2.0, которая превращает текст или видео в редактируемые 3D-сцены для Unity и Unreal. И тут же разгорелся спор: это революция в геймдеве или очередной хайп?
«Компьютерра» разобралась, что на самом деле умеют новые модели, почему вайбкодинг остается инструментом для сеньоров и когда мы наконец увидим игру, полностью сгенерированную нейросетью.
Миры из воздуха
Идея создания собственных миров стара как мир. Но только сейчас технологии подошли к тому, чтобы генерировать не просто статичную картинку, а интерактивную среду, по которой можно перемещаться.
Genie 3 от DeepMind работает в реальном времени: 20–24 кадра в секунду при разрешении 720p. Модель запоминает, что было сгенерировано ранее, и старается не «ломать» сцену, когда игрок поворачивает камеру или возвращается в уже виденное место. По замыслу разработчиков, это должно создавать «бесконечно разнообразные миры» по текстовому описанию.
LingBot-World от Robbyant зашла с другой стороны. Их модель генерирует не отдельные кадры, а непрерывный видеопоток — почти 10 минут стабильного видео без «дрейфа» объектов. Задержка меньше секунды, частота около 16 FPS. Причем для запуска достаточно одного кадра реального мира или скриншота другой игры — никакого дополнительного обучения не требуется. Ant Group уже называет это «высококачественной цифровой песочницей» для симуляций и тренировки ИИ.
Tencent же сфокусировалась на практической пользе. HY-World 2.0 выдает не просто картинку, а готовые 3D-ассеты: сетку, point cloud, данные Gaussian Splatting. Их можно экспортировать в Unity или Unreal и использовать для построения карт, прототипирования уровней и генерации ассетов.
На первый взгляд, все это выглядит как прорыв. Но разработчики, которые попробовали эти инструменты в деле, спешат охладить пыл энтузиастов.
Вайбкодинг: панацея или головная боль?
Параллельно с генерацией миров в геймдеве набирает популярность вайбкодинг (или зерокодинг) — написание кода при помощи ИИ. Для многих инди-разработчиков бесплатные языковые модели стали «дорогой в индустрию». Это позволяет сэкономить сотни часов обучения, при этом базовых знаний языка уже достаточно для создания несложной игры.
Константин Сахнов, продюсер и основатель Vengeance Games, называет ИИ такой же частью процесса, как Photoshop или Unity.
«Первое, что важно принять при разговоре об использовании ИИ в разработке игр, — сегодня без него уже практически невозможно обходиться. Этот инструмент стал такой же частью процесса, как Photoshop, Maya, Unity и другие программы, с которыми мы работаем».
Константин Сахнов, продюсер и основатель Vengeance Games
С ним соглашается инди-разработчик Павел Ефремов, который считает, что нейросети решают стратегическую задачу снижения барьеров входа. Однако Андрей Малахов, геймдиректор Indie Go, предупреждает, что вайбкодинг дает сверхэффективные результаты только при условии, что им пользуется разработчик уровня не ниже мидл-плюс или сеньор. В противном случае это серьезный риск, который может разрушить проект.
«Для эффективного использования вайбкодинга необходимо предельно четко понимать, какой результат нужно получить. Он отлично подходит для задач с явной алгоритмизацией и для написания инструментов, на которые традиционно уходит больше всего времени. Если же просто сформулировать запрос в духе «сделай игру», итогом станет неработоспособный код».
Андрей Малахов, геймдиректор Indie Go
Проблема заключается в отсутствии «переходного» этапа между специалистами. Рынку нужны либо сверхталантливые начинающие специалисты (джуны), либо уже состоявшиеся эксперты (сеньоры). Нет возможности постепенно наращивать навыки и затем выходить на сверхэффективный вайбкодинг. «Без серьезной подготовки в работе с движками вайбкодинг приносит больше вреда, чем пользы», — поясняет он.
Никита Проскурин, исполнительный директор Geekly House, приводит показательные цифры. 67% времени уходит на отладку сгенерированного кода, а до 45% этого кода содержит дыры в безопасности. Реальный код часто требует переделки — в одном из личных проектов эксперта, техлид переписал все с нуля, потому что ИИ не учел внутренних связей системы.
Яркие кейсы вроде игры Питера Левелса, который за три часа собрал авиасимулятор в Cursor AI и вывел его на доход около $1 млн в год, скорее подтверждают общее правило. Вайбкодинг хорошо работает на этапе быстрой проверки идей и прототипирования. Но в серьезном продакшене без тщательной проверки все равно не обойтись.
Павел Ефремов, впрочем, видит потенциал в новых форматах. Он не исключает появления платформы, похожей на TikTok, с короткими, часто выпускаемыми играми. Такие «игры-эксперименты», по его мнению, будут создавать авторы-энтузиасты и инфлюенсеры, демонстрируя необычные концепции с ограниченной степенью контроля. Но для классической разработки с предсказуемым результатом миро-генерация пока подходит слабо.
Сахнов, в свою очередь, отмечает, что в коммерческой разработке важна предсказуемость контента — для тестирования и точечных правок. Поэтому такие миры пока остаются скорее «быстрым черновиком» из-за нестабильного результата и неясности с правами на сгенерированные элементы.
Пока что эксперты сходятся во мнении, что генерация миров уместна скорее для фоновых, неинтерактивных сцен, либо для экспериментов, где важнее смена впечатлений, чем устойчивость игрового мира.
DLSS 5.0 и будущее визуального стиля
Технологии нейросетевого рендеринга вроде Nvidia DLSS 5 вызывают не меньше споров. Многие в индустрии их критикуют. Но и здесь мнения экспертов тоже разошлись.
Сахнов замечает, что современные игроки (особенно поколение Z) ценят крутую графику меньше, чем предыдущие поколения, так как выросли на Minecraft и Roblox. Тем не менее разработчики всегда хотят оптимизировать бюджет, и ИИ-инструменты позволяют получать большее количество ассетов за меньшие деньги.
Ефремов считает такое направление перспективным. По его словам, многие игры уже сейчас было бы интересно увидеть с более детальной графикой. Основная проблема — однотипная «нейроночная» интерпретация персонажей. Он отмечает, что технология начнет работать в полную силу, когда ИИ сможет дорисовывать игру, не убивая ее «душу». При этом у игроков по-прежнему должна остаться возможность запускать оригинальные версии проектов.
Малахов же видит проблему иначе. Он добавляет, что ключевой вопрос лежит не в отдельных версиях технологий улучшения изображения, а в общем направлении развития рендеринга графики в играх. По его мнению, через несколько поколений мы можем прийти к следующей модели разработки. В сцене будет стоять объект — например, примитив «дерево» без текстур.
На этом объекте будет написано что-то вроде «стилизованное дерево вот с таким-то референсом». А технологии, похожие на DLSS, будут не рендерить этот объект в классическом понимании, а эмулировать его рендер: дорисовывать текстуры, освещение, детализацию в реальном времени на основе описания.
Автор изображения: STIV_ALMASNIK Источник: reddit.com
Ключевые же ассеты, которые должны выглядеть всегда одинаково и строго так, как задумал художник, по-прежнему будут делаться вручную. Такой подход осмыслен только для игр с большим количеством контента без жесткой, узнаваемой стилизации. Например, для рендера леса на дальних дистанциях или городских панорам.
Проскурин добавляет, что, хотя Nvidia обещает контроль параметров DLSS 5, достигнутых успехов пока не видно: без жестких правил применения такие технологии могут навязывать собственный художественный стиль.
«Без арт-директора и четких ограничений применения DLSS 5 такие системы могут постепенно начать «рисовать вместо художника», хотя изначально они задумывались как вспомогательный инструмент».
Никита Проскурин, исполнительный директор Geekly House
Пока что есть две фундаментальные проблемы. Во-первых, текущие технологии не позволяют нормально разделять такие объекты по слоям и управлять ими. Во-вторых, почти все нейросети сейчас работают на удаленных мощных серверах. Для того чтобы нейро-дорисовка работала в реальном времени внутри игры, нужно обсчитывать все эти операции на локальной машине игрока. Таких мощностей сейчас у людей локально нет, и в ближайшее время они не появятся.
Взгляд в будущее
В конце Малахов проводит историческую параллель. 30 лет назад в компьютерах не было видеокарт — все рендерилось на процессоре (CPU). Потом, по мере развития 3D-графики, появились 3D-ускорители (3D-акселераторы). И только потом они эволюционировали в современные видеокарты (GPU).
«Вероятно, в ближайшие годы произойдет аналогичная революция. Появится некий новый класс устройств — тензорный акселератор. Еще одна карта, которая втыкается в компьютер и специализируется на операциях для эффективной работы нейросетей. Если это произойдет — тогда да, тогда будет осмысленно говорить про нейро-дорисовку части контента в реальном времени, про процедурную генерацию с помощью нейросетей и прочие «фишки». Появятся новые возможности, которые сейчас кажутся фантастикой».
Андрей Малахов, геймдиректор Indie Go
Сахнов, кстати, тоже технооптимист. Он признает, что хоть нейросети и создали новые рабочие места и уничтожили старые, но панику по поводу «ИИ отбирает у нас хлеб» считает пустой. Замена сеньоров джунами с ИИ — не самое разумное решение.
Пока же этого специализированного железа нет, все разговоры о серьезном применении нейросетей для финальной графики в реальном времени остаются преждевременными. Технологии такого уровня остаются сырыми и не готовы к массовому использованию в продакшене.
Вывод
Нейросети уже изменили геймдев. Они ускоряют прототипирование, помогают писать шаблонный код, генерируют диалоги и наброски сюжетов. Но говорить о замене человека пока рано.
Вайбкодинг остается инструментом для мидл-плюс и сеньоров — начинающие разработчики рискуют получить гору неработоспособного кода, и здесь мнения экспертов схожи, что без серьезной базы не обойтись.
Источник: deepmind.google
Миро-генерация выдает красивые, но плохо управляемые «сны», которые не выдерживают требований стабильного прототипа. Как образно выразился Малахов, нейросети «забывают контекст за дверью», и это фундаментальное ограничение текущей архитектуры.
А нейросетевой рендеринг упирается в отсутствие специализированного железа на локальных машинах. И пока не появится «тензорный акселератор» — новая карта для тензорных вычислений, аналогичная видеокарте для 3D-графики 30 лет назад, — все эти технологии останутся уделом облачных серверов и экспериментальных прототипов.
Как бы то ни было, ИИ в разработке игр сейчас — это не про «замену человека». Это про расширение инструментария. Ножом можно и навредить, и нарезать овощи. Все зависит от того, в чьи руки он попадет. Гибридные проекты с участием нейросетей появятся быстрее, чем когда-либо прежде. Но игр, созданных только нейросетью без участия человека, мы в ближайшем будущем не увидим. И, кажется, это неплохая новость.