Epic Games переводит разработку совместного с Disney шутера по Marvel и Star Wars на стратегию «AI-first». Согласно отчёту Bloomberg, о котором пишет Ars Technica, весь код и художественные ассеты в проекте будут генерировать AI-модели, включая Claude от Anthropic, а разработчики займутся управлением и доработкой результата. Ручное написание кода из базового процесса убирают.
Коротко о масштабе: стоимость проекта оценивают в $1,5 млрд, анонс состоялся в начале 2024 года, релиз планировали на март 2027-го. Сейчас он отложен на неопределённый срок. Причины, которые называет отчёт: нехватка людей и более медленная, чем ожидали, разработка на фоне смены подхода.
Официальных заявлений от Epic Games или Walt Disney по этой теме нет. Всё, что известно, опирается на неназванные источники Bloomberg и внутренние сообщения сотрудников Epic. Держите это в уме: речь об отчёте издания, а не о подтверждённом пресс-релизе.
Что случилось: Epic Games и Disney переходят на AI-first
Шутер по мотивам Marvel и Star Wars - часть сделки, которую Epic и Walt Disney заключили в начале 2024 года. Стоимость совместного проекта оценивают в $1,5 млрд. Теперь внутри Epic меняется базовый процесс разработки: модели генерируют код и арт, люди их направляют.
Ключевые факты из отчёта Bloomberg
- Epic Games переходит на «AI-first» в разработке шутера, который делает совместно с Walt Disney.
- AI-модели, включая Claude от Anthropic, будут писать весь код и создавать арт-ассеты.
- Разработчики займутся управлением и доработкой сгенерированного, а не ручным написанием кода.
- Бюджет проекта: $1,5 млрд. Анонс: начало 2024 года.
- Планируемая дата релиза: март 2027 года.
- Сейчас релиз отложен на неопределённый срок.
- Причины задержки: кадровый дефицит и более медленная, чем ожидалось, разработка на фоне смены подхода.
- Источник: отчёт Bloomberg со ссылкой на неназванные источники и внутренние сообщения сотрудников Epic. Официальных подтверждений от Epic Games или Disney нет.
Новые сроки после отмены мартовского релиза 2027 года в отчёте не называются. Это важная деталь: неопределённая задержка в проекте такого бюджета обычно означает пересборку планов, а не перенос на пару месяцев.
Почему это важно для индустрии
Epic делает Unreal Engine, один из немногих движков, на которых строится значительная часть крупнобюджетных игр. Когда такая компания меняет процесс на флагманском проекте, это сигнал для всей отрасли: подход, который ещё недавно выглядел экспериментом, пытаются поставить на поток в продукте за $1,5 млрд.
Второй момент: франшизы. Marvel и Star Wars - активы с жёстким контролем канона и огромной фанатной базой. Если AI-генерация здесь выдержит требования по качеству, границы её применения заметно расширятся. Если нет, ограничения станут видны на очень дорогом и очень публичном примере.
И третье: это один из первых известных случаев, когда в крупнобюджетной разработке отказ от ручного кода заявляют как базовый процесс, а не как вспомогательный инструмент. Разница принципиальная, и она касается не только кода, но и того, как будет устроена работа команд в ближайшие годы.
Почему релиз отложили: кадры, сроки и смена подхода
Отчёт называет две причины задержки: проект недоукомплектован, и разработка идёт медленнее, чем рассчитывали. Обе связаны со сменой подхода на AI-first.
Кадровый дефицит: каких специалистов не хватает
Bloomberg пишет о нехватке кадров, но не уточняет, какие именно позиции открыты. Отчёт этого не раскрывает, поэтому дальше можно рассуждать только от общего контекста перехода. Логика такая: команде нужны люди, умеющие работать с генеративными пайплайнами, то есть ставить задачи модели, оценивать результат, ловить ошибки и встраивать сгенерированное в проект.
На рынке таких специалистов немного, и спрос на них растёт быстрее предложения. Студия, которая первой переводит большой проект на AI-first, автоматически конкурирует за узкий пул людей с остальной отраслью. Косвенное подтверждение тому, что это узкое место: задержка совпала по времени со сменой процесса.
Как смена подхода влияет на сроки
Переход на новые воркфлоу почти никогда не даёт мгновенного ускорения. Нужно перестроить пайплайны, обучить команду, отладить проверку сгенерированного. В отчёте прямо сказано: разработка идёт медленнее, чем ожидалось.
Это не значит, что генерация кода тормозит проекты всегда. Это значит, что переходный период сам по себе стоит времени, и в данном случае он наложился на нехватку людей. Даже когда код приходит готовым, его нужно проверить, протестировать и связать с остальной кодовой базой. На большом проекте объём такой работы растёт вместе с объёмом сгенерированного.
Отчёт не описывает, как организован процесс и какие инструменты используются помимо названных. Поэтому оценка «медленнее, чем ожидалось» - это факт из источника, а причины внутри команды остаются за кадром.
Как AI генерирует код и арт: техническая сторона
В отчёте описаны две линии: код и художественные ассеты. Обе переводят на модели, но устроены они по-разному и проверяются разными способами.
Claude от Anthropic: почему именно эта модель
Bloomberg называет Claude от Anthropic как пример модели, которая пишет код для проекта. Claude известен сильными результатами именно в генерации кода, поэтому выбор для такой задачи выглядит предсказуемым. Важная оговорка: полный список моделей в отчёте не раскрыт, так что сводить весь процесс к одной модели нельзя.
Про сам Anthropic и его внутренние приоритеты у нас есть отдельный разбор: инсайты технического специалиста о внутренних дебатах и будущем AI-безопасности. Он полезен, если вы выбираете модель для своих задач и хотите понимать, чем руководствуется вендор.
Полные AI-воркфлоу для арт-ассетов
Формулировка «generated with full AI workflows» означает, что генерацию арта встраивают на всех этапах, от концептов до финальных ассетов. В классическом пайплайне каждый шаг закрывает человек: концепт-художник, моделлер, текстурщик, аниматор. В AI-воркфлоу эти шаги выполняют модели, а люди задают направление и правят результат.
Каких деталей не хватает: в отчёте нет описания пайплайна, списка инструментов и того, как организовано ревью ассетов. Оценивать реалистичность подхода приходится по общим соображениям, а не по фактам из источника.
Ограничения генерации кода нейросетями: что важно учитывать
Генерация кода моделями работает, и это уже не новость. Вопрос в том, где проходят её границы на масштабе большого проекта с долгим сроком поддержки.
Контекст и галлюцинации: почему AI ошибается
Модель работает в пределах контекстного окна. Чем больше кодовая база, тем сложнее удержать в контексте все связи между модулями, и модель начинает «забывать» детали за пределами окна. Отсюда типичные ошибки: вызов несуществующей функции, импорт библиотеки, которой нет, ссылка на API с неправильной сигнатурой.
Это системное свойство, а не редкий сбой. Чем специфичнее проект, тем чаще модель выдумывает то, чего в нём нет. Для кодовой базы AAA-проекта это означает, что проверять нужно почти каждую строку, а стоимость проверки растёт линейно с объёмом генерации.
Интеграция и поддержка сгенерированного кода
Сгенерированный код нужно подогнать под архитектуру, стиль и стандарты проекта. Дальше начинается сопровождение: правки, рефакторинг, поиск причин багов. Код, который никто не писал руками, разбирать сложнее, потому что за ним нет автора, помнящего логику решений.
Это ровно тот сценарий, о котором мы подробно писали в материале про технический долг в эпоху AI: агенты и LLM не убирают долг, а переводят его в стоимость токенов и время на верификацию. Чем быстрее растёт объём сгенерированного кода, тем дороже обходится его проверка.
Отдельный пункт - лицензии. Модель может воспроизвести фрагмент, похожий на чужой код. В отчёте Bloomberg эта тема не поднимается, но в коммерческом проекте лицензионную чистоту обычно проверяют отдельным контуром, и это ещё одна статья затрат.
Ограничения генерации арта: качество, стиль, юридические риски
Стиль и канон: как AI справляется с франшизами
Marvel и Star Wars - вселенные с прописанным каноном, узнаваемым дизайном и внимательными фанатами. Генеративная модель выдаёт визуально убедительные картинки, но детали вроде формы конкретного шлема, оттенка клинка или эмблемы она воспроизводит нестабильно. Для фан-арта это мелочь, для коммерческой игры по лицензии - брак.
Значит, в AI-воркфлоу сохраняется роль арт-директора и проверяющего, который сверяет ассеты с референсами и каноном. Отчёт не описывает, как в Epic организован такой контроль, поэтому здесь можно обозначить только требование, а не утверждать, что оно уже решено.
У Disney к контролю за интеллектуальной собственностью отношение особое. Компания впервые в своей истории ввела должность CTO, её занял Karandeep Anand, бывший CEO Character.AI. Мы разбирали это в статье про назначение CTO в Disney, там же речь о конфликте компании и Character.AI из-за авторских прав.
Юридические аспекты: кому принадлежат сгенерированные ассеты
Правовой статус сгенерированных ассетов в разных странах решают по-разному, единого подхода пока нет. Для проекта, где права на вселенную принадлежат Disney, вопрос «кто автор и кому принадлежит результат» становится рабочим, а не абстрактным. Отчёт Bloomberg эту тему не затрагивает и новых данных по спорам вокруг AI-арта не даёт.
Ещё один риск связан с людьми. Использование генеративных инструментов в студиях вызывает споры, и художники всё чаще требуют раскрывать, где именно применялся AI при создании ассетов. Как отреагируют на кейс Epic, пока неясно.
Как меняется роль разработчика в AI-first подходе
Ключевая цитата из внутренних сообщений Epic: «no more hand-written code». Буквально это означает, что ручное написание кода уходит из базового процесса. Роль человека не исчезает, она смещается к управлению и контролю.
Новые навыки: что нужно уметь разработчику
- Формулировать задачи модели так, чтобы получать пригодный к использованию результат.
- Оценивать качество сгенерированного кода: искать логические ошибки, несуществующие вызовы, проблемы с производительностью.
- Встраивать результат в архитектуру проекта и закрывать его тестами.
- Понимать ограничения модели: где она ошибается чаще и какие задачи ей лучше не отдавать.
Фундамент никуда не исчезает. Архитектура, алгоритмы, отладка и умение читать чужой код остаются базой: без них проверять сгенерированное просто нечем.
Управление и доработка: чем занимаются люди
В формате AI-first человек ставит задачу, готовит спецификацию, проверяет вывод модели, правит его и интегрирует. Полностью автоматического цикла нет: даже если код пишет модель, кто-то должен решить, что именно она должна написать и подходит ли результат.
Это тот же принцип, что в любом пайплайне с участием LLM: генератор выдаёт черновик, а ответственность за финальный артефакт остаётся на человеке. Отчёт Bloomberg не описывает внутреннюю организацию команды, поэтому конкретные роли и зоны ответственности в проекте Epic пока неизвестны.
Перспективы AI в разработке игр и ПО: станет ли AI-first нормой
AI как вспомогательный инструмент vs полный AI-first
Разница между двумя подходами простая. В первом случае AI ускоряет отдельные этапы: генерацию текстур, черновики кода, автодополнение, поиск по документации. Код и финальные ассеты по-прежнему создают люди. Во втором модели отвечают за базовый процесс, а люди его направляют и правят.
Студии давно используют AI точечно: для апскейла текстур, процедурной генерации или рутинных задач. Отказ от ручного кода как основного способа работы в крупнобюджетном проекте встречается редко, и именно поэтому кейс Epic показателен.
Что это значит для других студий и разработчиков
Кейс Epic работает как естественный эксперимент. Если проект выйдет и окажется качественным, аргументы за AI-first усилятся: экономия на рутине и скорость на отдельных этапах станут осязаемыми. Если результат разочарует или сроки поползут дальше, ограничения подхода станут видны на дорогом примере.
Что уже можно сказать точно: задержка проекта показывает, что переход на новые воркфлоу сам по себе затратен. Ставки на AI в индустрии растут на фоне общего спора о темпах развития моделей, где ведущие фигуры отрасли публично призывали замедлиться. Мы разбирали эту дискуссию в материале про замедление ради безопасности.
Практические выводы: что делать разработчику и продакту
- Осваивайте генерацию кода и арта как инструмент, но держите в голове её границы. Понимание контекстного окна, галлюцинаций и стоимости проверки важнее, чем умение писать эффектные промпты.
- Развивайте навыки ревью и интеграции. Способность быстро оценить чужой или сгенерированный код и встроить его в проект становится ценнее, а не наоборот.
- Не ждите мгновенного ускорения при переходе на AI-first. Перестройка процессов, обучение и отладка пайплайнов съедают время до того, как появится выигрыш.
- Следите за кейсом Epic. Пока это самый наглядный публичный пример того, как выглядит полный AI-first в крупнобюджетной разработке.
- Для собственных задач начните с малого: генерация тестов, черновиков, рутины. Так ограничения проявляются раньше, чем становятся дорогими.
AI-first не отменяет экспертизу, но меняет её форму. Проверять, направлять и отвечать за результат по-прежнему должен человек, и именно на этих навыках стоит держать фокус.