[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:figure:ru":3,"public-menus:all":45,"post:the-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system:ru":531,"related:post:the-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system:ru:1":1918},{"statusCode":4,"data":5,"message":44},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":14,"robotsIndex":15,"socialLinks":14,"reservedSlugs":14,"seoPolicy":16},"figure","ru","en","https:\u002F\u002Ffigure.rocks","info@stajic.de","Figure Rocks","\u002Ffavicon-32x32.png","",null,true,{"branding":17,"relatedContent":18,"crossDomainLinks":19},{"logoUrl":12},{"enabled":15},[20,23,26,29,32,35,38,41],{"url":21,"label":22,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":24,"label":25,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fstajic.de","stajic.de",{"url":27,"label":28,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fbazify.com","bazify.com",{"url":30,"label":31,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fbazify.de","bazify.de",{"url":33,"label":34,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002F2mesta.com","2mesta.com",{"url":36,"label":37,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002F2mesta.de","2mesta.de",{"url":39,"label":40,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fbazify.at","bazify.at",{"url":42,"label":43,"isActive":15,"showInFooter":15,"includeInSameAs":15},"https:\u002F\u002Fweb-hoch3.de","web-hoch3.de","Portal settings resolved",[46],{"id":47,"name":48,"location":49,"isActive":15,"isDefault":15,"items":50},2,"Main Menu","sidebar",[51,65,189,282,358,424],{"id":52,"title":53,"url":61,"target":62,"icon":63,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":64},"1",{"de":54,"en":55,"es":56,"fr":57,"it":55,"ru":58,"sr":59,"zh":60},"Startseite","Home","Inicio","Accueil","Главная","Početna","首页","\u002F","_self","i-lucide-home",[],{"id":66,"title":67,"url":76,"target":62,"icon":77,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":78},"3",{"de":68,"en":69,"es":70,"fr":71,"it":72,"ru":73,"sr":74,"zh":75},"Spiele","Games","Juegos","Jeux","Giochi","Игры","Igre","游戏","\u002Fgames","i-lucide-gamepad-2",[79,92,107,121,135,148,162,176],{"id":80,"title":81,"url":76,"target":62,"icon":90,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":91},"3-1",{"de":82,"en":83,"es":84,"fr":85,"it":86,"ru":87,"sr":88,"zh":89},"Spiele-Hub","Games Hub","Centro de juegos","Hub de jeux","Hub Giochi","Игровой центр","Centar za igre","游戏中心","i-lucide-layout-grid",[],{"id":93,"title":94,"url":103,"target":62,"icon":104,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":106},"1-1",{"de":95,"en":96,"es":97,"fr":98,"it":99,"ru":100,"sr":101,"zh":102},"Neu & Angesagt","New & Trending","Novedades & Tendencias","Nouveautés & Tendances","Novità & Tendenze","Новинки & тренды","Novo & Popularno","新品 & 热门","\u002Fnews\u002Fgaming-news","i-lucide-sparkles","custom",[],{"id":108,"title":109,"url":118,"target":62,"icon":119,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":120},"1-2",{"de":110,"en":111,"es":112,"fr":113,"it":114,"ru":115,"sr":116,"zh":117},"Angebote","Deals","Ofertas","Offres","Offerte","Акции","Ponude","优惠","\u002Fdeals","i-lucide-badge-percent",[],{"id":122,"title":123,"url":132,"target":62,"icon":133,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":134},"1-3",{"de":124,"en":125,"es":126,"fr":127,"it":128,"ru":129,"sr":130,"zh":131},"Release-Kalender","Release Calendar","Calendario de lanzamientos","Calendrier des sorties","Calendario delle uscite","Календарь релизов","Kalendar izdanja","发布日历","\u002Freleases","i-lucide-calendar-days",[],{"id":136,"title":137,"url":145,"target":62,"icon":146,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":147},"3-2",{"de":138,"en":139,"es":140,"fr":141,"it":142,"sr":143,"zh":144},"amiibo-kompatible Spiele","amiibo-Compatible Games","Juegos compatibles con Amiibo","Jeux compatibles Amiibo","Giochi compatibili con amiibo","Amiibo kompatibilne igre","Amiibo 兼容游戏","\u002Freference\u002Fcompatibility","i-lucide-check-circle-2",[],{"id":149,"title":150,"url":159,"target":62,"icon":160,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":161},"3-3",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Wie amiibo funktionieren","How amiibo work","Cómo funcionan los Amiibo","Comment fonctionnent les Amiibo","Come funzionano gli Amiibo","Как работают Amiibo","Kako Amiibo rade","Amiibo 如何运作","\u002Fgames\u002Fhow-amiibo-unlocks-work","i-lucide-puzzle",[],{"id":163,"title":164,"url":173,"target":62,"icon":174,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":175},"3-4",{"de":165,"en":166,"es":167,"fr":168,"it":169,"ru":170,"sr":171,"zh":172},"Beste Amiibo pro Spiel","Best amiibo per Game","Mejores Amiibo por juego","Meilleurs Amiibo par jeu","Migliori Amiibo per gioco","Лучшие Amiibo по играм","Najbolji Amiibo po igri","各游戏最佳 Amiibo","\u002Fgames\u002Fbest-amiibo-per-game","i-lucide-award",[],{"id":177,"title":178,"url":186,"target":62,"icon":187,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":188},"3-5",{"de":179,"en":180,"es":181,"fr":182,"it":183,"ru":184,"sr":185},"Freischaltbares & Belohnungen","Unlockables & Rewards","Desbloqueables & Recompensas","Déblocables & Récompenses","Sbloccabili & Ricompense","Разблокировки & награды","Otključavanja & nagrade","\u002Fgames\u002Funlocks-and-benefits","i-lucide-gift",[],{"id":190,"title":191,"url":199,"target":62,"icon":200,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":201},"4",{"de":192,"en":193,"es":194,"it":195,"ru":196,"sr":197,"zh":198},"Sammeln","Collecting","Coleccionismo","Collezionismo","Коллекционирование","Kolekcionarstvo","收藏","\u002Fcollecting","i-lucide-gem",[202,213,227,240,254,268],{"id":203,"title":204,"url":211,"target":62,"icon":90,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":212},"4-1",{"de":205,"en":206,"fr":207,"it":208,"ru":209,"zh":210},"Sammel-Hub","Collecting Hub","Hub de collecte","Hub di raccolta","Центр сбора","收藏中心","\u002Famiibo\u002Fcollecting",[],{"id":214,"title":215,"url":224,"target":62,"icon":225,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":226},"4-2",{"de":216,"en":217,"es":218,"fr":219,"it":220,"ru":221,"sr":222,"zh":223},"Kaufberatung","Buying Guide","Guía de compra","Guide d'achat","Guida all'acquisto","Гид покупателя","Vodič za kupovinu","购买指南","\u002Famiibo-library\u002Famiibo-buying-smart","i-lucide-shopping-bag",[],{"id":228,"title":229,"url":237,"target":62,"icon":238,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":239},"4-3",{"de":230,"en":230,"es":231,"fr":232,"it":233,"ru":234,"sr":235,"zh":236},"Fake vs Real","Falso vs. Real","Faux vs Vrai","Falso vs Vero","Фейк vs Оригинал","Lažno vs Pravo","真假对比","\u002Famiibo-library\u002Famiibo-buying-smart\u002Favoid-fake-listings","i-lucide-scan",[],{"id":241,"title":242,"url":251,"target":62,"icon":252,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":253},"4-4",{"de":243,"en":244,"es":245,"fr":246,"it":247,"ru":248,"sr":249,"zh":250},"Aufbewahrung & Präsentation","Storage & Display","Almacenamiento & exhibición","Rangement & Présentation","Contenitori & Esposizione","Хранение & витрины","Odlaganje & izlaganje","存储 & 展示","\u002Famiibo-library\u002Famiibo-care-and-storage","i-lucide-box",[],{"id":255,"title":256,"url":265,"target":62,"icon":266,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":267},"4-5",{"de":257,"en":258,"es":259,"fr":260,"it":261,"ru":262,"sr":263,"zh":264},"Preisübersicht","Price Guide","Guía de precios","Guide des prix","Guida ai prezzi","Гид по ценам","Cenovnik","价格指南","\u002Fcollections\u002Fprice-guide","i-lucide-bar-chart-3",[],{"id":269,"title":270,"url":279,"target":62,"icon":280,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":281},"4-6",{"de":271,"en":272,"es":273,"fr":274,"it":275,"ru":276,"sr":277,"zh":278},"Raritäten","Rare Finds","Hallazgos únicos","Trouvailles rares","Pezzi rari","Редкие находки","Retki nalazi","稀有发现","\u002Fcollections\u002Frare-and-notable","i-lucide-trophy",[],{"id":283,"title":284,"url":292,"target":62,"icon":293,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":294},"5",{"de":285,"en":286,"es":287,"fr":286,"it":288,"ru":289,"sr":290,"zh":291},"Technik","Tech","Tecnología","Tecnologia","Технологии","Tehnologija","科技","\u002Ftech","i-lucide-cpu",[295,306,318,331,344],{"id":296,"title":297,"url":292,"target":62,"icon":90,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":305},"5-1",{"de":298,"en":298,"es":299,"fr":300,"it":301,"ru":302,"sr":303,"zh":304},"Tech Hub","Centro tecnológico","Hub Tech","Hub Tecnologico","Технохаб","Tehnološki centar","科技中心",[],{"id":307,"title":308,"url":315,"target":62,"icon":316,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":317},"5-2",{"de":309,"en":310,"fr":311,"it":312,"ru":313,"zh":314},"Audio- & Mikrofonqualität","Audio & Mic Quality","Qualité audio & micro","Qualità audio & mic","Качество звука & микрофона","音频 & 麦克风质量","\u002Fgear\u002Faudio","i-lucide-mic",[],{"id":319,"title":320,"url":328,"target":62,"icon":329,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":330},"5-3",{"de":321,"en":322,"es":323,"fr":324,"it":325,"sr":326,"zh":327},"Controller & Zubehör","Controllers & Accessories","Mandos & accesorios","Manettes & accessoires","Controller & Accessori","Kontroleri & dodatna oprema","控制器 & 配件","\u002Fgear\u002Fcontrols","i-lucide-joystick",[],{"id":332,"title":333,"url":341,"target":62,"icon":342,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":343},"5-4",{"de":334,"en":335,"es":336,"fr":337,"it":338,"ru":339,"sr":340},"Displays & Aufnahme","Displays & Capture","Pantallas & Captura","Écrans & Capture","Display & Acquisizione","Дисплеи & Захват","Ekrani & snimanje","\u002Fgear\u002Fdisplays","i-lucide-monitor",[],{"id":345,"title":346,"url":355,"target":62,"icon":356,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":357},"5-5",{"de":347,"en":348,"es":349,"fr":350,"it":351,"ru":352,"sr":353,"zh":354},"Netzwerkstabilität","Network Stability","Estabilidad de la red","Stabilité du réseau","Stabilità della rete","Стабильность сети","Stabilnost mreže","网络稳定性","\u002Fplaybooks\u002Fnetwork-stability","i-lucide-wifi",[],{"id":359,"title":360,"url":368,"target":62,"icon":369,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":370},"6",{"de":361,"en":361,"es":362,"fr":363,"it":364,"ru":365,"sr":366,"zh":367},"Shop","Tienda","Boutique","Negozio","Магазин","Prodavnica","商店","\u002Fshop","i-lucide-shopping-cart",[371,383,391,399,412],{"id":372,"title":373,"url":368,"target":62,"icon":381,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":382},"6-1",{"de":374,"en":375,"es":376,"fr":377,"ru":378,"sr":379,"zh":380},"Shop-Hub","Shop Hub","Centro de compras","Espace Boutique","Центр магазина","Centar za kupovinu","购物中心","i-lucide-store",[],{"id":384,"title":385,"url":388,"target":62,"icon":389,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":390},"6-2",{"de":386,"en":386,"es":387,"fr":387,"it":387,"sr":387,"zh":387},"amiibo","Amiibo","\u002Famiibo-shop","i-lucide-scan-line",[],{"id":392,"title":393,"url":396,"target":62,"icon":397,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":398},"6-3",{"de":394,"en":394,"es":394,"fr":394,"it":394,"ru":394,"sr":394,"zh":395},"LEGO","乐高","\u002Flego-shop","i-lucide-blocks",[],{"id":400,"title":401,"url":409,"target":62,"icon":410,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":411},"6-4",{"de":402,"en":403,"es":404,"fr":405,"it":406,"sr":407,"zh":408},"Figuren & Sammlerstücke","Figures & Collectibles","Figuras & Coleccionables","Figurines & Objets de collection","Figure & Collezionismo","Figure & kolekcionarstvo","手办 & 收藏品","\u002Fshop\u002Ffigures","i-lucide-package",[],{"id":413,"title":414,"url":421,"target":62,"icon":422,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":423},"6-5",{"de":415,"en":415,"fr":416,"it":417,"ru":418,"sr":419,"zh":420},"Gaming Gear","Équipement gaming","Accessori gaming","Игровое снаряжение","Gejming oprema","游戏装备","\u002Fgaming-gear-shop","i-lucide-headphones",[],{"id":425,"title":426,"url":427,"target":62,"icon":389,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":428},"2",{"de":386,"en":386,"es":386,"fr":386,"it":386,"ru":386,"sr":386,"zh":386},"\u002Famiibo",[429,440,447,461,475,489,503,517],{"id":430,"title":431,"url":427,"target":62,"icon":90,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":439},"2-1",{"de":432,"en":433,"es":434,"fr":435,"it":435,"ru":436,"sr":437,"zh":438},"amiibo-Hub","amiibo Hub","Centro amiibo","Hub amiibo","Хаб amiibo","amiibo centar","amiibo 中心",[],{"id":441,"title":442,"url":444,"target":62,"icon":445,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":446},"1772724791061",{"de":443,"en":443},"Franchise","\u002Famiibo\u002Ffranchise","i-lucide-star",[],{"id":448,"title":449,"url":458,"target":62,"icon":459,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":460},"2-3",{"de":450,"en":451,"es":452,"fr":453,"it":454,"ru":455,"sr":456,"zh":457},"Region & Verpackung (EU\u002FUS\u002FJP)","Region & Packaging (EU\u002FUS\u002FJP)","Región y embalaje (UE\u002FEE. UU.\u002FJP)","Région & Emballage (UE\u002FUS\u002FJP)","Regione & Confezione (EU\u002FUS\u002FJP)","Регион & упаковка (EU\u002FUS\u002FJP)","Region & pakovanje (EU\u002FUS\u002FJP)","地区 & 包装 (EU\u002FUS\u002FJP)","\u002Famiibo-library\u002Famiibo-editions-and-regions","i-lucide-globe",[],{"id":462,"title":463,"url":472,"target":62,"icon":473,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":474},"2-4",{"de":464,"en":465,"es":466,"fr":467,"it":468,"ru":469,"sr":470,"zh":471},"Schnellidentifikations-Checkliste","Fast Identification Checklist","Lista de identificación rápida","Liste d'identification rapide","Checklist identificazione rapida","Чек-лист быстрой идентификации","Kontrolna lista za brzu identifikaciju","快速识别清单","\u002Famiibo\u002Fidentify-checklist","i-lucide-list-checks",[],{"id":476,"title":477,"url":486,"target":62,"icon":487,"isActive":15,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":488},"2-6",{"de":478,"en":479,"es":480,"fr":481,"it":482,"ru":483,"sr":484,"zh":485},"Tipps für Sealed-Sammlungen","Sealed Collection Tips","Consejos de colección sellada","Conseils collection scellée","Consigli collezione sigillata","Советы по коллекции Sealed","Saveti za zapečaćene kolekcije","密封收藏贴士","\u002Famiibo\u002Fsealed-tips","i-lucide-shield-check",[],{"id":490,"title":491,"url":500,"target":62,"icon":501,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":502},"2-5",{"de":492,"en":493,"es":494,"fr":495,"it":496,"ru":497,"sr":498,"zh":499},"Zustand & Bewertung","Condition & Grading","Estado & Graduación","État & Évaluation","Condizioni & Valutazione","Состояние & Оценка","Stanje & ocenjivanje","品相与分级","\u002Famiibo-library\u002Famiibo-condition-and-grading","i-lucide-badge-check",[],{"id":504,"title":505,"url":514,"target":62,"icon":515,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":516},"2-2",{"de":506,"en":507,"es":508,"fr":509,"it":510,"ru":511,"sr":512,"zh":513},"Ausgaben & Nachdrucke","Editions & Reprints","Ediciones & Reimpresiones","Éditions & Réimpressions","Edizioni & ristampe","Издания & переиздания","Izdanja & reizdanja","版本 & 重印","\u002Famiibo\u002Fcollecting\u002F","i-lucide-layers",[],{"id":518,"title":519,"url":528,"target":62,"icon":529,"isActive":15,"type":105,"productId":14,"categoryId":14,"shopCategoryId":14,"articleId":14,"pageId":14,"portfolioId":14,"children":530},"2-7",{"de":520,"en":521,"es":522,"fr":523,"it":524,"ru":525,"sr":526,"zh":527},"Nachdruck-Timeline","Reprint Timeline","Cronología de reimpresión","Chronologie des réimpressions","Cronologia ristampe","Хронология переизданий","Hronologija reprinta","重印时间轴","\u002Freference\u002Ftimelines\u002Famiibo-reprint-timeline","i-lucide-timer",[],{"statusCode":4,"data":532,"message":1917},{"id":533,"title":534,"slug":535,"content":536,"contentJson":537,"excerpt":1128,"featuredImage":1129,"featuredImageAlt":1130,"featuredImageCaption":14,"featuredImageTitle":14,"featuredImageCopyright":14,"featuredImageAuthor":14,"featuredImageSourceUrl":14,"featuredImageLicense":14,"featuredImageIsAiGenerated":729,"status":1131,"publishedAt":1132,"createdAt":1133,"updatedAt":1134,"seoLocalePaths":1135,"categories":1144,"author":1160,"translations":1163},"458","Игровой движок становится частично рендерером, частично планировщиком, частично ИИ-системой","the-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u003Cp>Современный игровой движок уже координирует симуляцию, анимацию, физику, аудио, сеть, потоковую загрузку ресурсов и рендеринг в рамках дедлайна кадра. Нейронный рендеринг и игровой ИИ не заменяют эти обязанности. Они добавляют ещё один класс работы, который конкурирует за то же время, память и аппаратные ресурсы. Это превращает движок в нечто более близкое к планировщику ресурсов реального времени для обычных и обученных вычислений.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Прямой ответ\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Движок становится местом, где рендеринг, перемещение данных и инференс согласуются вместе.\u003C\u002Fstrong> DirectX переносит ML-примитивы в графический стек, DLSS 5 демонстрирует генеративный этап рендеринга, локальные игровые ассистенты потребляют ресурсы GPU, а обученная предзагрузка показывает, что само перемещение памяти можно предсказывать. Техническая задача теперь не просто «запустить ИИ в игре»; нужно решить, какая работа ИИ где должна выполняться, не нарушая время кадра, задержку или корректность состояния игры.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Область применения\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Эта статья описывает направление, собранное из текущих API, исследований и выпущенных\u002Fанонсированных систем. Итоговая интегрированная архитектура движка — это синтез Figure Rocks, а не утверждение, что Unreal, Unity или другой движок уже реализует весь стек.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Содержание\">\u003Cstrong class=\"editorjs-toc__title\">Содержание\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-5\" class=\"editorjs-toc__link\">Старая ментальная модель уже была неполной\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-8\" class=\"editorjs-toc__link\">Нейронная работа разделяется на несколько временных масштабов\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-10\" class=\"editorjs-toc__link\">DirectX делает ML частью графической инфраструктуры\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-13\" class=\"editorjs-toc__link\">DLSS 5 продвигает генерацию глубже в историю кадра\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-16\" class=\"editorjs-toc__link\">Движок может оптимизировать пять бюджетов одновременно\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-19\" class=\"editorjs-toc__link\">Планирование памяти становится частью планирования графики\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-23\" class=\"editorjs-toc__link\">Предиктивная память — это проблема движка, потому что движок владеет контекстом\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-26\" class=\"editorjs-toc__link\">Игровые агенты создают проблему движка другого рода\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-30\" class=\"editorjs-toc__link\">Планировщик становится настоящим продуктом\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-33\" class=\"editorjs-toc__link\">Здесь stajic.de и Figure Rocks должны слегка пересечься\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-36\" class=\"editorjs-toc__link\">Шесть границ, которые должен соблюдать нейроигровой движок\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-38\" class=\"editorjs-toc__link\">Как может выглядеть архитектура\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-41\" class=\"editorjs-toc__link\">Что могло бы изменить этот ответ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-44\" class=\"editorjs-toc__link\">Первоисточники\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-5\">Старая ментальная модель уже была неполной\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Классический упрощённый цикл движка\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Ввод\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Чтение ввода игрока\u002Fконтроллера\u002Fсети.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Симуляция\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Продвижение игровой логики, физики, ИИ и состояния анимации.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Подготовка работы рендеринга\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Построение видимости, списков отрисовки\u002Fдиспетчеризации, ресурсов и конвейеров.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Рендеринг\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Растеризация, трассировка лучей и вычисления формируют кадр.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">Презентация\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Кадр достигает дисплея, пока начинается следующий кадр.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Cp>Даже это упрощение скрывает асинхронные задачи, многопоточность и потоковую загрузку. Но оно полезно, потому что нейронные рабочие нагрузки теперь могут входить в нескольких разных точках, а не находиться в одном изолированном «ИИ»-блоке.\u003C\u002Fp>\n\u003Ch2 id=\"section-8\">Нейронная работа разделяется на несколько временных масштабов\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Один движок, множество дедлайнов\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Типичный дедлайн\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Если плохо запланировано\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Основное давление\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Реакция ввода \u002F симуляции\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Миллисекунды \u002F игровой тик\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Задержка или нестабильность симуляции\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Планирование CPU\u002Fсостояния игры\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Растеризация \u002F RT \u002F шейдинг\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Бюджет текущего кадра\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Скачок времени кадра или пропуск целевого FPS\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Вычисления GPU + пропускная способность памяти\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Предзагрузка ресурсов \u002F памяти\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">До будущего спроса\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Задержка, если поздно; потеря пропускной способности, если слишком рано\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Хранилище, межсоединение, кэш и резидентность\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Критичная для кадра нейронная графика\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Внутри или рядом с производством кадра\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Артефакт, задержка или пропуск бюджета кадра\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Вычисления матриц\u002FTensor GPU + пропускная способность\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Рассуждения агента \u002F NPC\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Часто десятки\u002Fсотни миллисекунд или асинхронно\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Плохое планирование при спешке; игровая задержка при помещении в рефлекторный цикл\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Память модели + время инференса CPU\u002FGPU\u002FNPU\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-10\">DirectX делает ML частью графической инфраструктуры\u003C\u002Fh2>\n\u003Cp>Работа Microsoft над DirectX 2026 важна, потому что она рассматривает математику машинного обучения как заботу графической платформы. Cooperative Vector и DX Linear Algebra позволяют меньшим нейронным рабочим нагрузкам находиться близко к выполнению шейдеров, а анонсированный Compute Graph Compiler нацелен на более крупные графы моделей. Это создаёт путь на уровне API для движков, чтобы рассматривать ML как запланированную работу GPU, а не как внешний чёрный ящик.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">DirectX становится ML-платформой: что линейная алгебра и нейронные шейдеры означают для будущих игр\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Более глубокий взгляд на ML на уровне шейдеров, графы на уровне моделей и почему общие графические API важны для внедрения.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать статью о DirectX ML →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-13\">DLSS 5 продвигает генерацию глубже в историю кадра\u003C\u002Fh2>\n\u003Cp>NVIDIA описывает DLSS 5 как этап генеративного рендеринга в реальном времени, который дополняет обычный рендеринг обученными априорными представлениями внешнего вида. Архитектурный смысл важнее одной версии продукта: финальный кадр может всё больше содержать информацию, которая была произведена не только обычной симуляцией сцены и шейдингом.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Новый вопрос планирования\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Если нейронный этап может сэкономить работу обычного рендеринга, но сам потребляет вычисления, память и время, движку нужен \u003Cstrong>тест ценности\u003C\u002Fstrong>: какая стоимость исчезла, какая стоимость инференса добавилась, и действительно ли игрок получил лучший кадр в том же конверте задержки?\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-16\">Движок может оптимизировать пять бюджетов одновременно\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Бюджет\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Традиционный вопрос\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Вопрос нейронной эры\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Хранилище\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Установлен ли ресурс?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Может ли компактное представление заменить часть сохранённой детализации?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ёмкость памяти\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Помещается ли рабочий набор?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какие ресурсы, состояния моделей и нейронные представления заслуживают резидентности?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Пропускная способность\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Могут ли требуемые байты прибыть вовремя?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Могут ли сжатие\u002Fпредзагрузка уменьшить или скрыть передачи?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Вычисления рендеринга\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Могут ли шейдеры\u002FRT завершиться внутри кадра?\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какую детализацию дешевле вывести инференсом, чем отрендерить обычным способом?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Вычисления инференса\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">В основном вне графического цикла\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какая нейронная работа заслуживает своих затрат на вычисления и задержку в этом кадре?\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Архитектурная мантра\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">\u003Cstrong>Хранить меньше → перемещать меньше → предсказывать больше → рендерить меньше → выводить больше\u003C\u002Fstrong> полезно только если каждая замена дешевле работы, которую она заменяет. Планировщик движка — это место, где этот компромисс должен измеряться.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-19\">Планирование памяти становится частью планирования графики\u003C\u002Fh2>\n\u003Cp>Нейрографика добавляет веса, латентные представления и буферы истории поверх текстур, геометрии и целей рендеринга. Потоковая загрузка ассетов уже должна предугадывать, что увидит игрок. Будущий движок может сделать это предугадывание более явным, ранжируя будущий спрос на память и решая, какое представление должно находиться в памяти до того, как кадр до него дойдёт.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fwhat-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">Что если игра могла бы предсказать своё следующее обращение к памяти? ИИ-префетчинг и будущее рывков\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Гипотеза предиктивной игровой памяти Figure Rocks: детерминированное состояние игры плюс обученный префетчинг.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать анализ предиктивной памяти →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Цикл нейродвижка Figure Rocks\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Определить состояние игры\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Что сейчас истинно в симуляции?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Предсказать ближайший спрос\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какая сцена, ассеты, шейдеры и нейроданные, вероятно, понадобятся следующими?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Распределить бюджет кадра\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Сколько времени уходит на симуляцию, обычную графику, RT и нейроэтапы?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Распределить бюджет памяти и пропускной способности\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какие ресурсы остаются в памяти, а какие можно сжать или предзагрузить?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Выполнить быструю нейроработу\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Реконструкция, шумоподавление, вывод текстур и материалов или генерация внутри графического конвейера.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Выполнять медленный ИИ асинхронно\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Рассуждения ассистентов и NPC работают вне критического дедлайна рендеринга, где это возможно.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Проверить результат\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Проверить ритм кадров, задержку, стабильность изображения и корректность состояния игры.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">8\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">8. Вернуть измерения в цикл\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Планировщик адаптирует политики на основе промахов, задержек и результатов качества.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-23\">Предиктивная память — это проблема движка, потому что движок владеет контекстом\u003C\u002Fh2>\n\u003Cp>Драйвер может наблюдать за поведением памяти, но игровой движок знает семантическое состояние: следующую ячейку уровня, направление камеры, зависимости ассетов, граф анимации, ближайших актёров и ограничения перемещения. Это позволяет движку сочетать детерминированное знание с обученным ранжированием, а затем планировать спекулятивное перемещение только тогда, когда текущий рендеринг и симуляция оставляют достаточно запаса пропускной способности.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Исследования подтверждают механизм, а не игровой результат\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Обученный префетчинг UVM улучшал долю попаданий в страницы и снижал трафик CPU–GPU в опубликованных GPU-бенчмарках, а исследования асинхронного KV-кэша 2026 года показывают, как проактивное перемещение может скрывать задержку HBM. Шаг Figure Rocks — это \u003Cstrong>расширение семантики движка\u003C\u002Fstrong>: использование знания об игровом мире для улучшения того, что предсказывается.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-26\">Игровые агенты создают проблему движка другого рода\u003C\u002Fh2>\n\u003Cp>ИИ-напарник или ассистент — это не просто ещё один шейдер. Он рассуждает об игровом знании и живом состоянии, может вызывать инструменты и производить действия, влияющие на мир. Figure Rocks уже разделил быстрое реактивное управление геймплеем и более медленные языковые рассуждения в архитектуре PUBG Ally. То же разделение должно быть на уровне движка: не каждая интеллектуальная операция принадлежит одному и тому же циклу или заслуживает одинаковых полномочий.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fpubg-ally-shows-why-ai-teammates-need-two-brains-fast-reflexes-and-slow-reasoning\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">PUBG Ally показывает, почему ИИ-напарникам нужны два мозга: быстрые рефлексы и медленные рассуждения\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Почему языковые рассуждения и реактивное управление на уровне тиков имеют разные требования к времени и полномочиям.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать о двухскоростной архитектуре ИИ →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Графический вывод vs рассуждения агента\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Графический вывод\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Рассуждения игрового агента\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Основной вход\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Буферы кадра, движение и история, данные геометрии и материалов\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Состояние игры, запрос игрока, извлечённые знания\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Основной выход\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Пиксели, реконструированные признаки или данные рендеринга\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">План, объяснение, запрос инструмента или действия\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Тайминг\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Обычно критичен для кадра\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Часто асинхронный или более медленный\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Проверка\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Качество изображения, стабильность, задержка\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Допустимость состояния, полномочия, корректность, безопасность\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Видимость сбоя\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Артефакт или рывок\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Плохой совет или неверное действие\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-30\">Планировщик становится настоящим продуктом\u003C\u002Fh2>\n\u003Cp>По мере появления всё более специализированного оборудования ценность движка смещается от простого предоставления функций к правильному размещению работы. CPU может простаивать, пока GPU ждёт данные. Тензорное оборудование может быть доступно, пока VRAM насыщена. NPU может существовать, но быть слишком оторванным от кадрового конвейера движка. Самый быстрый компонент не определяет опыт, если планировщик не может обеспечить систему данными и выстроить последовательность.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Решение движка\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Плохое упрощение\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Лучший вопрос\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Запустить нейрорендеринг\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">\"Тензорные ядра быстрые\"\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Экономит ли вывод больше стоимости кадра, чем добавляет, включая перемещение данных?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Запустить локального ассистента\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">\"Модель помещается в VRAM\"\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Сколько свободной памяти и вычислений остаётся во время реальной игры?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Предзагрузить ассеты\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">\"Загрузить следующую зону\"\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какое подмножество наиболее вероятно понадобится и какой бюджет пропускной способности безопасен?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Использовать унифицированную память\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">\"Всё может обращаться ко всему\"\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Какая рабочая нагрузка получает приоритет пропускной способности к дедлайну кадра?\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Генерировать кадры\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">\"Отображаемый FPS выше\"\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Каковы базовая частота рендеринга, задержка и временное качество?\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-33\">Здесь stajic.de и Figure Rocks должны слегка пересечься\u003C\u002Fh2>\n\u003Cp>Общий вопрос архитектуры ИИ касается моделей, извлечения, инструментов, протоколов и полномочий. Figure Rocks должен сохранять прикладную границу: что происходит, когда эти компоненты должны сосуществовать с движком игры в реальном времени. Протокол инструментов может быть корректным с точки зрения программного обеспечения и всё же непригодным, если он вызывает рывок кадра или действует на устаревшем состоянии игры.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">MCP vs A2A vs UCP vs AP2 vs A2UI: стек протоколов агентов объяснён\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Общая архитектура протоколов на stajic.de. Figure Rocks применяет то же мышление о границах к играм, инструментам и состоянию в реальном времени.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Читать объяснение стека протоколов →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-36\">Шесть границ, которые должен соблюдать нейроигровой движок\u003C\u002Fh2>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Границы нейронного движка\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Граница кадра\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какая работа должна завершиться до вывода кадра?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Граница состояния\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какие данные описывают текущую игру, а не общие знания?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Граница памяти\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какие ресурсы должны быть в памяти сейчас, а какие предсказаны на будущее?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Граница полномочий\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какая модель может предложить действие, а какая подсистема может его выполнить?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Граница качества\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какой уровень артефактов, ошибок или галлюцинаций допустим для этой функции?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Граница отказоустойчивости\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Какой детерминированный путь вступает в силу, когда нейронный путь слишком медленный, недоступен или неопределён?\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-38\">Как может выглядеть архитектура\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Возможный будущий стек движка\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Роль\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Ответственность\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Ядро игрового состояния\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Детерминированный авторитет\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Симуляция, правила, авторитетное состояние\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Планировщик реального времени\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Менеджер дедлайнов\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Тайминги и бюджеты CPU\u002FGPU\u002FRT\u002FML\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Интеллект памяти\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Менеджер резидентности\u002Fпредзагрузки\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Сжатие, уровни, предсказание и передача\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Гибридный рендерер\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Производитель изображения\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Обычные + нейронные графические этапы\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Слой агентов\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Рассуждающий интеллект\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Рассуждение, диалог, планирование и инструменты в рамках полномочий\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Слой валидации\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Ограничитель\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">Качество кадра, валидность состояния, задержка и отказоустойчивость\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Синтез Figure Rocks\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Важный переход не в том, что «игры будут использовать больше ИИ». Он в том, что \u003Cstrong>движок может стать слоем арбитража между детерминированной симуляцией и вероятностными вычислениями\u003C\u002Fstrong>. Движок решает, когда обучаемые системы ценны, сколько ресурсов они могут потреблять, какое состояние они могут видеть и что происходит, когда они ошибаются.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-41\">Что могло бы изменить этот ответ?\u003C\u002Fh2>\n\u003Cp>Если нейронная графика и локальные игровые агенты останутся изолированными опциональными функциями, движок может продолжать рассматривать их как плагины вокруг преимущественно обычного ядра. Если они станут обычным делом, архитектуре движка потребуется полноценное бюджетирование инференса, перемещения памяти и вероятностных выходов так же, как современные движки уже бюджетируют работу CPU, GPU и потоковой загрузки.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Наблюдение\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Влияние на гипотезу\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Нейронная графика остаётся ограниченной опциональной постобработкой\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ослабляет утверждение, что инференс становится ключевым доменом планирования движка\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Экономика памяти нормализуется, а потребительская пропускная способность и объём снова дешевеют\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Снижает давление в пользу замены сырых ресурсов предсказанием и сжатием\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Кросс-вендорные ML API не достигают зрелости\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Сохраняет нейронные техники фрагментированными и дорогими для интеграции\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Накладные расходы и потери предсказания превышают скрытую задержку\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ослабляет ценность предсказательной памяти\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Разработчики держат ИИ-агентов полностью вне критичных по задержке путей движка\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ограничивает сходимость планировщика графикой и данными, а не всем ИИ\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-44\">Первоисточники\u003C\u002Fh2>\n\u003Ca href=\"https:\u002F\u002Fdevblogs.microsoft.com\u002Fdirectx\u002Fevolving-directx-for-the-ml-era-on-windows\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Microsoft DirectX — Evolving DirectX for the ML Era\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Официальный источник о направлении ML на уровне шейдеров и моделей в DirectX.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fabs\u002Fpii\u002FS0743731522002490\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Deep learning based data prefetching in CPU-GPU UVM\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Исследовательское свидетельство того, что обученное предсказание может улучшить предзагрузку страниц памяти GPU.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F39224\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">AAAI 2026 — Asynchronous KV Cache Prefetching\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Исследовательское свидетельство в пользу проактивного перемещения памяти и скрытия задержки.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fadlr\u002FDLSS5\u002F\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">NVIDIA Research — DLSS 5\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Первичный исследовательский источник по генеративному нейронному рендерингу в интерактивном графическом конвейере.\u003C\u002Fp>\u003C\u002Fa>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Будущая архитектура игрового движка\u003C\u002Fh3>\u003Cdiv id=\"faq1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Заменит ли ИИ игровой движок?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Нет. Движок остаётся системой, которая владеет симуляцией, состоянием, планированием и интеграцией. ИИ становится ещё одним классом нагрузки внутри этой архитектуры.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Почему бы не запускать каждую модель асинхронно?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Некоторые графические ML-модели должны влиять на текущий кадр. Другой ИИ может быть асинхронным, но ему всё равно нужно текущее состояние и лимиты ресурсов.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">В чём главная техническая проблема?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">В координации дедлайнов, памяти и полномочий, чтобы вероятностные системы улучшали опыт, не дестабилизируя время кадра или состояние игры.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Решает ли унифицированная память проблему планирования?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Нет. Она может упростить ёмкость и совместное использование, но также может увеличить конкуренцию. Планирование и локальность по-прежнему важны.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Какова ключевая идея Figure Rocks?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Будущие движки могут арбитрировать между детерминированной симуляцией и вероятностными вычислениями, а не рассматривать ИИ как одну отдельную функцию.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Термины нейронного движка\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"frame-critical\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Инференс, критичный для кадра\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">ML-работа, которая должна завершиться в пределах или рядом с дедлайном рендеринга.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"deliberative\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Рассуждающий инференс\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Более медленное рассуждение или планирование, которое обычно может выполняться вне непосредственного дедлайна кадра.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"authority-boundary\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Граница полномочий\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Правило, определяющее, что модель может рекомендовать, а что детерминированный инструмент или игровая система может фактически изменить.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"neural-engine-loop\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Цикл нейронного движка\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Синтез Figure Rocks для координации состояния, предсказания, памяти, рендеринга, агентов и валидации в рамках бюджетов реального времени.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>",{"time":538,"blocks":539,"version":1127},1792340773353,[540,546,554,561,568,574,597,602,607,660,665,670,679,684,689,696,701,731,737,742,747,755,785,790,795,801,806,811,819,858,863,868,897,902,907,915,920,944,949,996,1002,1007,1012,1035,1040,1050,1059,1068,1077,1104],{"id":541,"data":542,"type":544,"tunes":545},"p-0173",{"text":543},"Современный игровой движок уже координирует симуляцию, анимацию, физику, аудио, сеть, потоковую загрузку ресурсов и рендеринг в рамках дедлайна кадра. Нейронный рендеринг и игровой ИИ не заменяют эти обязанности. Они добавляют ещё один класс работы, который конкурирует за то же время, память и аппаратные ресурсы. Это превращает движок в нечто более близкое к планировщику ресурсов реального времени для обычных и обученных вычислений.","paragraph",{},{"id":547,"data":548,"type":552,"tunes":553},"c-0174",{"body":549,"title":550,"variant":551},"\u003Cstrong>Движок становится местом, где рендеринг, перемещение данных и инференс согласуются вместе.\u003C\u002Fstrong> DirectX переносит ML-примитивы в графический стек, DLSS 5 демонстрирует генеративный этап рендеринга, локальные игровые ассистенты потребляют ресурсы GPU, а обученная предзагрузка показывает, что само перемещение памяти можно предсказывать. Техническая задача теперь не просто «запустить ИИ в игре»; нужно решить, какая работа ИИ где должна выполняться, не нарушая время кадра, задержку или корректность состояния игры.","Прямой ответ","info","callout",{},{"id":555,"data":556,"type":552,"tunes":560},"c-0175",{"body":557,"title":558,"variant":559},"Эта статья описывает направление, собранное из текущих API, исследований и выпущенных\u002Fанонсированных систем. Итоговая интегрированная архитектура движка — это синтез Figure Rocks, а не утверждение, что Unreal, Unity или другой движок уже реализует весь стек.","Область применения","note",{},{"id":562,"data":563,"type":566,"tunes":567},"toc-0176",{"title":564,"maxLevel":565,"minLevel":47},"Содержание",3,"tableOfContents",{},{"id":569,"data":570,"type":572,"tunes":573},"h-0177",{"text":571,"level":47},"Старая ментальная модель уже была неполной","header",{},{"id":575,"data":576,"type":595,"tunes":596},"flow-0178",{"steps":577,"title":593,"orientation":594},[578,581,584,587,590],{"label":579,"description":580},"Ввод","Чтение ввода игрока\u002Fконтроллера\u002Fсети.",{"label":582,"description":583},"Симуляция","Продвижение игровой логики, физики, ИИ и состояния анимации.",{"label":585,"description":586},"Подготовка работы рендеринга","Построение видимости, списков отрисовки\u002Fдиспетчеризации, ресурсов и конвейеров.",{"label":588,"description":589},"Рендеринг","Растеризация, трассировка лучей и вычисления формируют кадр.",{"label":591,"description":592},"Презентация","Кадр достигает дисплея, пока начинается следующий кадр.","Классический упрощённый цикл движка","auto","processFlow",{},{"id":598,"data":599,"type":544,"tunes":601},"p-0179",{"text":600},"Даже это упрощение скрывает асинхронные задачи, многопоточность и потоковую загрузку. Но оно полезно, потому что нейронные рабочие нагрузки теперь могут входить в нескольких разных точках, а не находиться в одном изолированном «ИИ»-блоке.",{},{"id":603,"data":604,"type":572,"tunes":606},"h-0180",{"text":605,"level":47},"Нейронная работа разделяется на несколько временных масштабов",{},{"id":608,"data":609,"type":658,"tunes":659},"cmp-0181",{"rows":610,"title":646,"layout":647,"columns":648},[611,618,625,632,639],{"id":612,"label":613,"values":614},"input","Реакция ввода \u002F симуляции",{"failure":615,"deadline":616,"resource":617},"Задержка или нестабильность симуляции","Миллисекунды \u002F игровой тик","Планирование CPU\u002Fсостояния игры",{"id":619,"label":620,"values":621},"render","Растеризация \u002F RT \u002F шейдинг",{"failure":622,"deadline":623,"resource":624},"Скачок времени кадра или пропуск целевого FPS","Бюджет текущего кадра","Вычисления GPU + пропускная способность памяти",{"id":626,"label":627,"values":628},"prefetch","Предзагрузка ресурсов \u002F памяти",{"failure":629,"deadline":630,"resource":631},"Задержка, если поздно; потеря пропускной способности, если слишком рано","До будущего спроса","Хранилище, межсоединение, кэш и резидентность",{"id":633,"label":634,"values":635},"neuralgfx","Критичная для кадра нейронная графика",{"failure":636,"deadline":637,"resource":638},"Артефакт, задержка или пропуск бюджета кадра","Внутри или рядом с производством кадра","Вычисления матриц\u002FTensor GPU + пропускная способность",{"id":640,"label":641,"values":642},"agent","Рассуждения агента \u002F NPC",{"failure":643,"deadline":644,"resource":645},"Плохое планирование при спешке; игровая задержка при помещении в рефлекторный цикл","Часто десятки\u002Fсотни миллисекунд или асинхронно","Память модели + время инференса CPU\u002FGPU\u002FNPU","Один движок, множество дедлайнов","table",[649,652,655],{"id":650,"label":651},"deadline","Типичный дедлайн",{"id":653,"label":654},"failure","Если плохо запланировано",{"id":656,"label":657},"resource","Основное давление","comparison",{},{"id":661,"data":662,"type":572,"tunes":664},"h-0182",{"text":663,"level":47},"DirectX делает ML частью графической инфраструктуры",{},{"id":666,"data":667,"type":544,"tunes":669},"p-0183",{"text":668},"Работа Microsoft над DirectX 2026 важна, потому что она рассматривает математику машинного обучения как заботу графической платформы. Cooperative Vector и DX Linear Algebra позволяют меньшим нейронным рабочим нагрузкам находиться близко к выполнению шейдеров, а анонсированный Compute Graph Compiler нацелен на более крупные графы моделей. Это создаёт путь на уровне API для движков, чтобы рассматривать ML как запланированную работу GPU, а не как внешний чёрный ящик.",{},{"id":671,"data":672,"type":677,"tunes":678},"ref-0184",{"url":673,"title":674,"excerpt":675,"ctaLabel":676},"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games","DirectX становится ML-платформой: что линейная алгебра и нейронные шейдеры означают для будущих игр","Более глубокий взгляд на ML на уровне шейдеров, графы на уровне моделей и почему общие графические API важны для внедрения.","Читать статью о DirectX ML","referralArticle",{},{"id":680,"data":681,"type":572,"tunes":683},"h-0185",{"text":682,"level":47},"DLSS 5 продвигает генерацию глубже в историю кадра",{},{"id":685,"data":686,"type":544,"tunes":688},"p-0186",{"text":687},"NVIDIA описывает DLSS 5 как этап генеративного рендеринга в реальном времени, который дополняет обычный рендеринг обученными априорными представлениями внешнего вида. Архитектурный смысл важнее одной версии продукта: финальный кадр может всё больше содержать информацию, которая была произведена не только обычной симуляцией сцены и шейдингом.",{},{"id":690,"data":691,"type":552,"tunes":695},"c-0187",{"body":692,"title":693,"variant":694},"Если нейронный этап может сэкономить работу обычного рендеринга, но сам потребляет вычисления, память и время, движку нужен \u003Cstrong>тест ценности\u003C\u002Fstrong>: какая стоимость исчезла, какая стоимость инференса добавилась, и действительно ли игрок получил лучший кадр в том же конверте задержки?","Новый вопрос планирования","success",{},{"id":697,"data":698,"type":572,"tunes":700},"v3-store-move-render",{"text":699,"level":47},"Движок может оптимизировать пять бюджетов одновременно",{},{"id":702,"data":703,"type":647,"tunes":730},"v3-five-budgets",{"content":704,"stretched":729,"withHeadings":15},[705,709,713,717,721,725],[706,707,708],"Бюджет","Традиционный вопрос","Вопрос нейронной эры",[710,711,712],"Хранилище","Установлен ли ресурс?","Может ли компактное представление заменить часть сохранённой детализации?",[714,715,716],"Ёмкость памяти","Помещается ли рабочий набор?","Какие ресурсы, состояния моделей и нейронные представления заслуживают резидентности?",[718,719,720],"Пропускная способность","Могут ли требуемые байты прибыть вовремя?","Могут ли сжатие\u002Fпредзагрузка уменьшить или скрыть передачи?",[722,723,724],"Вычисления рендеринга","Могут ли шейдеры\u002FRT завершиться внутри кадра?","Какую детализацию дешевле вывести инференсом, чем отрендерить обычным способом?",[726,727,728],"Вычисления инференса","В основном вне графического цикла","Какая нейронная работа заслуживает своих затрат на вычисления и задержку в этом кадре?",false,{},{"id":732,"data":733,"type":552,"tunes":736},"v3-five-mantra",{"body":734,"title":735,"variant":694},"\u003Cstrong>Хранить меньше → перемещать меньше → предсказывать больше → рендерить меньше → выводить больше\u003C\u002Fstrong> полезно только если каждая замена дешевле работы, которую она заменяет. Планировщик движка — это место, где этот компромисс должен измеряться.","Архитектурная мантра",{},{"id":738,"data":739,"type":572,"tunes":741},"h-0188",{"text":740,"level":47},"Планирование памяти становится частью планирования графики",{},{"id":743,"data":744,"type":544,"tunes":746},"p-0189",{"text":745},"Нейрографика добавляет веса, латентные представления и буферы истории поверх текстур, геометрии и целей рендеринга. Потоковая загрузка ассетов уже должна предугадывать, что увидит игрок. Будущий движок может сделать это предугадывание более явным, ранжируя будущий спрос на память и решая, какое представление должно находиться в памяти до того, как кадр до него дойдёт.",{},{"id":748,"data":749,"type":677,"tunes":754},"ref-0190",{"url":750,"title":751,"excerpt":752,"ctaLabel":753},"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fwhat-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter","Что если игра могла бы предсказать своё следующее обращение к памяти? ИИ-префетчинг и будущее рывков","Гипотеза предиктивной игровой памяти Figure Rocks: детерминированное состояние игры плюс обученный префетчинг.","Читать анализ предиктивной памяти",{},{"id":756,"data":757,"type":595,"tunes":784},"flow-0191",{"steps":758,"title":783,"orientation":594},[759,762,765,768,771,774,777,780],{"label":760,"description":761},"1. Определить состояние игры","Что сейчас истинно в симуляции?",{"label":763,"description":764},"2. Предсказать ближайший спрос","Какая сцена, ассеты, шейдеры и нейроданные, вероятно, понадобятся следующими?",{"label":766,"description":767},"3. Распределить бюджет кадра","Сколько времени уходит на симуляцию, обычную графику, RT и нейроэтапы?",{"label":769,"description":770},"4. Распределить бюджет памяти и пропускной способности","Какие ресурсы остаются в памяти, а какие можно сжать или предзагрузить?",{"label":772,"description":773},"5. Выполнить быструю нейроработу","Реконструкция, шумоподавление, вывод текстур и материалов или генерация внутри графического конвейера.",{"label":775,"description":776},"6. Выполнять медленный ИИ асинхронно","Рассуждения ассистентов и NPC работают вне критического дедлайна рендеринга, где это возможно.",{"label":778,"description":779},"7. Проверить результат","Проверить ритм кадров, задержку, стабильность изображения и корректность состояния игры.",{"label":781,"description":782},"8. Вернуть измерения в цикл","Планировщик адаптирует политики на основе промахов, задержек и результатов качества.","Цикл нейродвижка Figure Rocks",{},{"id":786,"data":787,"type":572,"tunes":789},"v3-predictive-engine",{"text":788,"level":47},"Предиктивная память — это проблема движка, потому что движок владеет контекстом",{},{"id":791,"data":792,"type":544,"tunes":794},"v3-predictive-engine-p",{"text":793},"Драйвер может наблюдать за поведением памяти, но игровой движок знает семантическое состояние: следующую ячейку уровня, направление камеры, зависимости ассетов, граф анимации, ближайших актёров и ограничения перемещения. Это позволяет движку сочетать детерминированное знание с обученным ранжированием, а затем планировать спекулятивное перемещение только тогда, когда текущий рендеринг и симуляция оставляют достаточно запаса пропускной способности.",{},{"id":796,"data":797,"type":552,"tunes":800},"v3-engine-research",{"body":798,"title":799,"variant":559},"Обученный префетчинг UVM улучшал долю попаданий в страницы и снижал трафик CPU–GPU в опубликованных GPU-бенчмарках, а исследования асинхронного KV-кэша 2026 года показывают, как проактивное перемещение может скрывать задержку HBM. Шаг Figure Rocks — это \u003Cstrong>расширение семантики движка\u003C\u002Fstrong>: использование знания об игровом мире для улучшения того, что предсказывается.","Исследования подтверждают механизм, а не игровой результат",{},{"id":802,"data":803,"type":572,"tunes":805},"h-0192",{"text":804,"level":47},"Игровые агенты создают проблему движка другого рода",{},{"id":807,"data":808,"type":544,"tunes":810},"p-0193",{"text":809},"ИИ-напарник или ассистент — это не просто ещё один шейдер. Он рассуждает об игровом знании и живом состоянии, может вызывать инструменты и производить действия, влияющие на мир. Figure Rocks уже разделил быстрое реактивное управление геймплеем и более медленные языковые рассуждения в архитектуре PUBG Ally. То же разделение должно быть на уровне движка: не каждая интеллектуальная операция принадлежит одному и тому же циклу или заслуживает одинаковых полномочий.",{},{"id":812,"data":813,"type":677,"tunes":818},"ref-0194",{"url":814,"title":815,"excerpt":816,"ctaLabel":817},"https:\u002F\u002Ffigure.rocks\u002Fru\u002Fblog\u002Fpubg-ally-shows-why-ai-teammates-need-two-brains-fast-reflexes-and-slow-reasoning","PUBG Ally показывает, почему ИИ-напарникам нужны два мозга: быстрые рефлексы и медленные рассуждения","Почему языковые рассуждения и реактивное управление на уровне тиков имеют разные требования к времени и полномочиям.","Читать о двухскоростной архитектуре ИИ",{},{"id":820,"data":821,"type":658,"tunes":857},"cmp-0195",{"rows":822,"title":850,"layout":647,"columns":851},[823,828,834,839,845],{"id":612,"label":824,"values":825},"Основной вход",{"gfx":826,"agent":827},"Буферы кадра, движение и история, данные геометрии и материалов","Состояние игры, запрос игрока, извлечённые знания",{"id":829,"label":830,"values":831},"output","Основной выход",{"gfx":832,"agent":833},"Пиксели, реконструированные признаки или данные рендеринга","План, объяснение, запрос инструмента или действия",{"id":650,"label":835,"values":836},"Тайминг",{"gfx":837,"agent":838},"Обычно критичен для кадра","Часто асинхронный или более медленный",{"id":840,"label":841,"values":842},"validation","Проверка",{"gfx":843,"agent":844},"Качество изображения, стабильность, задержка","Допустимость состояния, полномочия, корректность, безопасность",{"id":653,"label":846,"values":847},"Видимость сбоя",{"gfx":848,"agent":849},"Артефакт или рывок","Плохой совет или неверное действие","Графический вывод vs рассуждения агента",[852,855],{"id":853,"label":854},"gfx","Графический вывод",{"id":640,"label":856},"Рассуждения игрового агента",{},{"id":859,"data":860,"type":572,"tunes":862},"h-0196",{"text":861,"level":47},"Планировщик становится настоящим продуктом",{},{"id":864,"data":865,"type":544,"tunes":867},"p-0197",{"text":866},"По мере появления всё более специализированного оборудования ценность движка смещается от простого предоставления функций к правильному размещению работы. CPU может простаивать, пока GPU ждёт данные. Тензорное оборудование может быть доступно, пока VRAM насыщена. NPU может существовать, но быть слишком оторванным от кадрового конвейера движка. Самый быстрый компонент не определяет опыт, если планировщик не может обеспечить систему данными и выстроить последовательность.",{},{"id":869,"data":870,"type":647,"tunes":896},"t-0198",{"content":871,"stretched":729,"withHeadings":15},[872,876,880,884,888,892],[873,874,875],"Решение движка","Плохое упрощение","Лучший вопрос",[877,878,879],"Запустить нейрорендеринг","\"Тензорные ядра быстрые\"","Экономит ли вывод больше стоимости кадра, чем добавляет, включая перемещение данных?",[881,882,883],"Запустить локального ассистента","\"Модель помещается в VRAM\"","Сколько свободной памяти и вычислений остаётся во время реальной игры?",[885,886,887],"Предзагрузить ассеты","\"Загрузить следующую зону\"","Какое подмножество наиболее вероятно понадобится и какой бюджет пропускной способности безопасен?",[889,890,891],"Использовать унифицированную память","\"Всё может обращаться ко всему\"","Какая рабочая нагрузка получает приоритет пропускной способности к дедлайну кадра?",[893,894,895],"Генерировать кадры","\"Отображаемый FPS выше\"","Каковы базовая частота рендеринга, задержка и временное качество?",{},{"id":898,"data":899,"type":572,"tunes":901},"h-0199",{"text":900,"level":47},"Здесь stajic.de и Figure Rocks должны слегка пересечься",{},{"id":903,"data":904,"type":544,"tunes":906},"p-0200",{"text":905},"Общий вопрос архитектуры ИИ касается моделей, извлечения, инструментов, протоколов и полномочий. Figure Rocks должен сохранять прикладную границу: что происходит, когда эти компоненты должны сосуществовать с движком игры в реальном времени. Протокол инструментов может быть корректным с точки зрения программного обеспечения и всё же непригодным, если он вызывает рывок кадра или действует на устаревшем состоянии игры.",{},{"id":908,"data":909,"type":677,"tunes":914},"ref-0201",{"url":910,"title":911,"excerpt":912,"ctaLabel":913},"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained","MCP vs A2A vs UCP vs AP2 vs A2UI: стек протоколов агентов объяснён","Общая архитектура протоколов на stajic.de. Figure Rocks применяет то же мышление о границах к играм, инструментам и состоянию в реальном времени.","Читать объяснение стека протоколов",{},{"id":916,"data":917,"type":572,"tunes":919},"h-0202",{"text":918,"level":47},"Шесть границ, которые должен соблюдать нейроигровой движок",{},{"id":921,"data":922,"type":595,"tunes":943},"flow-0203",{"steps":923,"title":942,"orientation":594},[924,927,930,933,936,939],{"label":925,"description":926},"1. Граница кадра","Какая работа должна завершиться до вывода кадра?",{"label":928,"description":929},"2. Граница состояния","Какие данные описывают текущую игру, а не общие знания?",{"label":931,"description":932},"3. Граница памяти","Какие ресурсы должны быть в памяти сейчас, а какие предсказаны на будущее?",{"label":934,"description":935},"4. Граница полномочий","Какая модель может предложить действие, а какая подсистема может его выполнить?",{"label":937,"description":938},"5. Граница качества","Какой уровень артефактов, ошибок или галлюцинаций допустим для этой функции?",{"label":940,"description":941},"6. Граница отказоустойчивости","Какой детерминированный путь вступает в силу, когда нейронный путь слишком медленный, недоступен или неопределён?","Границы нейронного движка",{},{"id":945,"data":946,"type":572,"tunes":948},"h-0204",{"text":947,"level":47},"Как может выглядеть архитектура",{},{"id":950,"data":951,"type":658,"tunes":995},"cmp-0205",{"rows":952,"title":987,"layout":647,"columns":988},[953,959,965,971,976,981],{"id":954,"label":955,"values":956},"state","Ядро игрового состояния",{"role":957,"responsibility":958},"Детерминированный авторитет","Симуляция, правила, авторитетное состояние",{"id":960,"label":961,"values":962},"sched","Планировщик реального времени",{"role":963,"responsibility":964},"Менеджер дедлайнов","Тайминги и бюджеты CPU\u002FGPU\u002FRT\u002FML",{"id":966,"label":967,"values":968},"memory","Интеллект памяти",{"role":969,"responsibility":970},"Менеджер резидентности\u002Fпредзагрузки","Сжатие, уровни, предсказание и передача",{"id":619,"label":972,"values":973},"Гибридный рендерер",{"role":974,"responsibility":975},"Производитель изображения","Обычные + нейронные графические этапы",{"id":640,"label":977,"values":978},"Слой агентов",{"role":979,"responsibility":980},"Рассуждающий интеллект","Рассуждение, диалог, планирование и инструменты в рамках полномочий",{"id":982,"label":983,"values":984},"verify","Слой валидации",{"role":985,"responsibility":986},"Ограничитель","Качество кадра, валидность состояния, задержка и отказоустойчивость","Возможный будущий стек движка",[989,992],{"id":990,"label":991},"role","Роль",{"id":993,"label":994},"responsibility","Ответственность",{},{"id":997,"data":998,"type":552,"tunes":1001},"c-0206",{"body":999,"title":1000,"variant":559},"Важный переход не в том, что «игры будут использовать больше ИИ». Он в том, что \u003Cstrong>движок может стать слоем арбитража между детерминированной симуляцией и вероятностными вычислениями\u003C\u002Fstrong>. Движок решает, когда обучаемые системы ценны, сколько ресурсов они могут потреблять, какое состояние они могут видеть и что происходит, когда они ошибаются.","Синтез Figure Rocks",{},{"id":1003,"data":1004,"type":572,"tunes":1006},"h-0207",{"text":1005,"level":47},"Что могло бы изменить этот ответ?",{},{"id":1008,"data":1009,"type":544,"tunes":1011},"p-0208",{"text":1010},"Если нейронная графика и локальные игровые агенты останутся изолированными опциональными функциями, движок может продолжать рассматривать их как плагины вокруг преимущественно обычного ядра. Если они станут обычным делом, архитектуре движка потребуется полноценное бюджетирование инференса, перемещения памяти и вероятностных выходов так же, как современные движки уже бюджетируют работу CPU, GPU и потоковой загрузки.",{},{"id":1013,"data":1014,"type":647,"tunes":1034},"v3-falsification-table",{"content":1015,"stretched":729,"withHeadings":15},[1016,1019,1022,1025,1028,1031],[1017,1018],"Наблюдение","Влияние на гипотезу",[1020,1021],"Нейронная графика остаётся ограниченной опциональной постобработкой","Ослабляет утверждение, что инференс становится ключевым доменом планирования движка",[1023,1024],"Экономика памяти нормализуется, а потребительская пропускная способность и объём снова дешевеют","Снижает давление в пользу замены сырых ресурсов предсказанием и сжатием",[1026,1027],"Кросс-вендорные ML API не достигают зрелости","Сохраняет нейронные техники фрагментированными и дорогими для интеграции",[1029,1030],"Накладные расходы и потери предсказания превышают скрытую задержку","Ослабляет ценность предсказательной памяти",[1032,1033],"Разработчики держат ИИ-агентов полностью вне критичных по задержке путей движка","Ограничивает сходимость планировщика графикой и данными, а не всем ИИ",{},{"id":1036,"data":1037,"type":572,"tunes":1039},"h-0209",{"text":1038,"level":47},"Первоисточники",{},{"id":1041,"data":1042,"type":1048,"tunes":1049},"src-0210",{"link":1043,"meta":1044},"https:\u002F\u002Fdevblogs.microsoft.com\u002Fdirectx\u002Fevolving-directx-for-the-ml-era-on-windows\u002F",{"image":1045,"title":1046,"description":1047},{"url":13},"Microsoft DirectX — Evolving DirectX for the ML Era","Официальный источник о направлении ML на уровне шейдеров и моделей в DirectX.","linkTool",{},{"id":1051,"data":1052,"type":1048,"tunes":1058},"src-0212",{"link":1053,"meta":1054},"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fabs\u002Fpii\u002FS0743731522002490",{"image":1055,"title":1056,"description":1057},{"url":13},"Deep learning based data prefetching in CPU-GPU UVM","Исследовательское свидетельство того, что обученное предсказание может улучшить предзагрузку страниц памяти GPU.",{},{"id":1060,"data":1061,"type":1048,"tunes":1067},"v3-src-aaai6",{"link":1062,"meta":1063},"https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F39224",{"image":1064,"title":1065,"description":1066},{"url":13},"AAAI 2026 — Asynchronous KV Cache Prefetching","Исследовательское свидетельство в пользу проактивного перемещения памяти и скрытия задержки.",{},{"id":1069,"data":1070,"type":1048,"tunes":1076},"src-0211",{"link":1071,"meta":1072},"https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fadlr\u002FDLSS5\u002F",{"image":1073,"title":1074,"description":1075},{"url":13},"NVIDIA Research — DLSS 5","Первичный исследовательский источник по генеративному нейронному рендерингу в интерактивном графическом конвейере.",{},{"id":1078,"data":1079,"type":1102,"tunes":1103},"faq-0213",{"items":1080,"title":1101},[1081,1085,1089,1093,1097],{"id":1082,"answer":1083,"question":1084},"faq1","Нет. Движок остаётся системой, которая владеет симуляцией, состоянием, планированием и интеграцией. ИИ становится ещё одним классом нагрузки внутри этой архитектуры.","Заменит ли ИИ игровой движок?",{"id":1086,"answer":1087,"question":1088},"faq2","Некоторые графические ML-модели должны влиять на текущий кадр. Другой ИИ может быть асинхронным, но ему всё равно нужно текущее состояние и лимиты ресурсов.","Почему бы не запускать каждую модель асинхронно?",{"id":1090,"answer":1091,"question":1092},"faq3","В координации дедлайнов, памяти и полномочий, чтобы вероятностные системы улучшали опыт, не дестабилизируя время кадра или состояние игры.","В чём главная техническая проблема?",{"id":1094,"answer":1095,"question":1096},"faq4","Нет. Она может упростить ёмкость и совместное использование, но также может увеличить конкуренцию. Планирование и локальность по-прежнему важны.","Решает ли унифицированная память проблему планирования?",{"id":1098,"answer":1099,"question":1100},"faq5","Будущие движки могут арбитрировать между детерминированной симуляцией и вероятностными вычислениями, а не рассматривать ИИ как одну отдельную функцию.","Какова ключевая идея Figure Rocks?","Будущая архитектура игрового движка","faq",{},{"id":1105,"data":1106,"type":1125,"tunes":1126},"gloss-0214",{"title":1107,"entries":1108},"Термины нейронного движка",[1109,1113,1117,1121],{"term":1110,"anchor":1111,"definition":1112},"Инференс, критичный для кадра","frame-critical","ML-работа, которая должна завершиться в пределах или рядом с дедлайном рендеринга.",{"term":1114,"anchor":1115,"definition":1116},"Рассуждающий инференс","deliberative","Более медленное рассуждение или планирование, которое обычно может выполняться вне непосредственного дедлайна кадра.",{"term":1118,"anchor":1119,"definition":1120},"Граница полномочий","authority-boundary","Правило, определяющее, что модель может рекомендовать, а что детерминированный инструмент или игровая система может фактически изменить.",{"term":1122,"anchor":1123,"definition":1124},"Цикл нейронного движка","neural-engine-loop","Синтез Figure Rocks для координации состояния, предсказания, памяти, рендеринга, агентов и валидации в рамках бюджетов реального времени.","glossary",{},"2.31","Игровые движки использовались для оркестрации симуляции и рендеринга. Нейрографика, предиктивная память и игровые агенты добавляют третью обязанность: решать, где вывод (инференс) должен находиться внутри кадра и игрового состояния.","\u002Fuploads\u002F2026\u002F10\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system-1792340569647-63jv23.webp","the-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system-1792340569647-63jv23","PUBLISHED","2026-10-18T12:21:00.000Z","2026-10-18T16:21:24.252Z","2026-10-18T16:26:41.169Z",{"en":1136,"de":1137,"sr":1138,"es":1139,"fr":1140,"it":1141,"ru":1142,"zh":1143},"\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Fde\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Fsr\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Fes\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Ffr\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Fit\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Fru\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system","\u002Fzh\u002Fblog\u002Fthe-game-engine-is-becoming-part-renderer-part-scheduler-part-ai-system",[1145,1148,1152,1156],{"id":1146,"name":289,"slug":1147},144,"tech",{"id":1149,"name":1150,"slug":1151},170,"Новости технологий","tech-news",{"id":1153,"name":1154,"slug":1155},165,"Новости","news",{"id":1157,"name":1158,"slug":1159},427,"Новинки","new",{"id":283,"login":1161,"email":13,"displayName":1162},"aleksandar","Aleksandar Stajic",[1164,1657],{"lang":8,"title":1165,"content":1166,"contentJson":1167,"excerpt":1656},"The Game Engine Is Becoming Part Renderer, Part Scheduler, Part AI System","{\"time\":1792340552128,\"blocks\":[{\"id\":\"p-0173\",\"data\":{\"text\":\"A modern game engine already coordinates simulation, animation, physics, audio, networking, asset streaming and rendering under a frame deadline. Neural rendering and game AI do not replace those responsibilities. They add another class of work that competes for the same time, memory and hardware. That turns the engine into something closer to a real-time resource scheduler for conventional and learned computation.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"c-0174\",\"data\":{\"body\":\"\u003Cstrong>The engine is becoming the place where rendering, data movement and inference are negotiated together.\u003C\u002Fstrong> DirectX is moving ML primitives into the graphics stack, DLSS 5 demonstrates a generative rendering stage, local game assistants consume GPU resources, and learned prefetching shows that memory movement itself can be predicted. The technical challenge is no longer merely 'run AI in a game'; it is deciding which AI work belongs where without breaking frame time, latency or game-state correctness.\",\"title\":\"Direct answer\",\"variant\":\"info\"},\"type\":\"callout\",\"tunes\":{}},{\"id\":\"c-0175\",\"data\":{\"body\":\"This article describes a direction assembled from current APIs, research and shipping\u002Fannounced systems. The final integrated engine architecture is a Figure Rocks synthesis, not a claim that Unreal, Unity or another engine already implements the whole stack.\",\"title\":\"Scope\",\"variant\":\"note\"},\"type\":\"callout\",\"tunes\":{}},{\"id\":\"toc-0176\",\"data\":{\"title\":\"Contents\",\"maxLevel\":3,\"minLevel\":2},\"type\":\"tableOfContents\",\"tunes\":{}},{\"id\":\"h-0177\",\"data\":{\"text\":\"The old mental model was already incomplete\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"flow-0178\",\"data\":{\"steps\":[{\"label\":\"Input\",\"description\":\"Read player\u002Fcontroller\u002Fnetwork input.\"},{\"label\":\"Simulation\",\"description\":\"Advance game logic, physics, AI and animation state.\"},{\"label\":\"Prepare render work\",\"description\":\"Build visibility, draw\u002Fdispatch lists, resources and pipelines.\"},{\"label\":\"Render\",\"description\":\"Raster, ray tracing and compute produce the frame.\"},{\"label\":\"Present\",\"description\":\"Frame reaches the display while the next frame begins.\"}],\"title\":\"Classic simplified engine loop\",\"orientation\":\"auto\"},\"type\":\"processFlow\",\"tunes\":{}},{\"id\":\"p-0179\",\"data\":{\"text\":\"Even this simplification hides asynchronous jobs, multithreading and streaming. But it is useful because neural workloads can now enter at several different points instead of living in one isolated 'AI' box.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"h-0180\",\"data\":{\"text\":\"Neural work is splitting into multiple timescales\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"cmp-0181\",\"data\":{\"rows\":[{\"id\":\"input\",\"label\":\"Input \u002F simulation response\",\"values\":{\"failure\":\"Latency or simulation instability\",\"deadline\":\"Milliseconds \u002F game tick\",\"resource\":\"CPU\u002Fgame-state scheduling\"}},{\"id\":\"render\",\"label\":\"Raster \u002F RT \u002F shading\",\"values\":{\"failure\":\"Frame-time spike or missed target FPS\",\"deadline\":\"Current frame budget\",\"resource\":\"GPU compute + memory bandwidth\"}},{\"id\":\"prefetch\",\"label\":\"Asset \u002F memory prefetch\",\"values\":{\"failure\":\"Stall if late; bandwidth waste if too early\",\"deadline\":\"Before future demand\",\"resource\":\"Storage, interconnect, cache and residency\"}},{\"id\":\"neuralgfx\",\"label\":\"Frame-critical neural graphics\",\"values\":{\"failure\":\"Artifact, latency or missed frame budget\",\"deadline\":\"Inside or adjacent to frame production\",\"resource\":\"GPU matrix\u002FTensor compute + bandwidth\"}},{\"id\":\"agent\",\"label\":\"Agent \u002F NPC reasoning\",\"values\":{\"failure\":\"Bad planning if rushed; gameplay lag if placed in reflex loop\",\"deadline\":\"Often tens\u002Fhundreds of milliseconds or asynchronous\",\"resource\":\"Model memory + CPU\u002FGPU\u002FNPU inference time\"}}],\"title\":\"One engine, multiple deadlines\",\"layout\":\"table\",\"columns\":[{\"id\":\"deadline\",\"label\":\"Typical deadline\"},{\"id\":\"failure\",\"label\":\"If scheduled badly\"},{\"id\":\"resource\",\"label\":\"Primary pressure\"}]},\"type\":\"comparison\",\"tunes\":{}},{\"id\":\"h-0182\",\"data\":{\"text\":\"DirectX is making ML part of graphics infrastructure\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0183\",\"data\":{\"text\":\"Microsoft's 2026 DirectX work is important because it treats machine-learning math as a graphics-platform concern. Cooperative Vector and DX Linear Algebra let smaller neural workloads sit close to shader execution, while the announced Compute Graph Compiler targets larger model graphs. That creates an API-level path for engines to reason about ML as scheduled GPU work rather than an external black box.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"ref-0184\",\"data\":{\"url\":\"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games\",\"title\":\"DirectX Is Becoming an ML Platform: What Linear Algebra and Neural Shaders Mean for Future Games\",\"excerpt\":\"A deeper look at shader-level ML, model-level graphs and why common graphics APIs matter for adoption.\",\"ctaLabel\":\"Read the DirectX ML article\"},\"type\":\"referralArticle\",\"tunes\":{}},{\"id\":\"h-0185\",\"data\":{\"text\":\"DLSS 5 moves generation deeper into the frame story\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0186\",\"data\":{\"text\":\"NVIDIA describes DLSS 5 as a real-time generative rendering stage that complements conventional rendering with learned appearance priors. The architectural implication is more important than one product version: the final frame can increasingly contain information that was not produced only by conventional scene simulation and shading.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"c-0187\",\"data\":{\"body\":\"If a neural stage can save conventional rendering work but itself consumes compute, memory and time, the engine needs a \u003Cstrong>value test\u003C\u002Fstrong>: what cost disappeared, what inference cost was added, and did the player actually get a better frame within the same latency envelope?\",\"title\":\"The new scheduling question\",\"variant\":\"success\"},\"type\":\"callout\",\"tunes\":{}},{\"id\":\"v3-store-move-render\",\"data\":{\"text\":\"The engine may optimize five budgets at once\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"v3-five-budgets\",\"data\":{\"content\":[[\"Budget\",\"Traditional question\",\"Neural-era question\"],[\"Storage\",\"Is the asset installed?\",\"Can a compact representation replace part of the stored detail?\"],[\"Memory capacity\",\"Does the working set fit?\",\"Which assets, model states and neural representations deserve residency?\"],[\"Bandwidth\",\"Can required bytes arrive in time?\",\"Can compression\u002Fprefetch reduce or hide transfers?\"],[\"Render compute\",\"Can shaders\u002FRT finish inside the frame?\",\"Which detail is cheaper to infer than conventionally render?\"],[\"Inference compute\",\"Mostly outside the graphics loop\",\"Which neural work earns its compute and latency cost this frame?\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\",\"tunes\":{}},{\"id\":\"v3-five-mantra\",\"data\":{\"body\":\"\u003Cstrong>Store less → move less → predict more → render less → infer more\u003C\u002Fstrong> is useful only if each substitution is cheaper than the work it replaces. The engine scheduler is where that trade has to be measured.\",\"title\":\"The architectural shorthand\",\"variant\":\"success\"},\"type\":\"callout\",\"tunes\":{}},{\"id\":\"h-0188\",\"data\":{\"text\":\"Memory scheduling becomes part of graphics scheduling\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0189\",\"data\":{\"text\":\"Neural graphics adds weights, latent representations and history buffers on top of textures, geometry and render targets. Asset streaming already has to anticipate what the player will see. A future engine can make that anticipation more explicit by ranking future memory demand and deciding which representation should be resident before the frame reaches it.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"ref-0190\",\"data\":{\"url\":\"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fwhat-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter\",\"title\":\"What If a Game Could Predict Its Next Memory Access? AI Prefetching and the Future of Stutter\",\"excerpt\":\"The Figure Rocks Predictive Gaming Memory hypothesis: deterministic game state plus learned prefetching.\",\"ctaLabel\":\"Read the predictive memory analysis\"},\"type\":\"referralArticle\",\"tunes\":{}},{\"id\":\"flow-0191\",\"data\":{\"steps\":[{\"label\":\"1. Resolve game state\",\"description\":\"What is true in simulation now?\"},{\"label\":\"2. Predict near-future demand\",\"description\":\"Which scene, assets, shaders and neural data are likely next?\"},{\"label\":\"3. Allocate frame budget\",\"description\":\"How much time goes to simulation, conventional graphics, RT and neural stages?\"},{\"label\":\"4. Allocate memory\u002Fbandwidth budget\",\"description\":\"Which resources stay resident and which can be compressed or prefetched?\"},{\"label\":\"5. Execute fast neural work\",\"description\":\"Reconstruction, denoising, texture\u002Fmaterial inference or generation inside the graphics path.\"},{\"label\":\"6. Execute slow AI asynchronously\",\"description\":\"Assistants\u002FNPC reasoning operate outside the critical render deadline where possible.\"},{\"label\":\"7. Validate output\",\"description\":\"Check frame pacing, latency, image stability and game-state correctness.\"},{\"label\":\"8. Feed measurements back\",\"description\":\"The scheduler adapts policies based on misses, stalls and quality results.\"}],\"title\":\"The Figure Rocks Neural Engine Loop\",\"orientation\":\"auto\"},\"type\":\"processFlow\",\"tunes\":{}},{\"id\":\"v3-predictive-engine\",\"data\":{\"text\":\"Predictive memory is an engine problem because the engine owns context\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"v3-predictive-engine-p\",\"data\":{\"text\":\"A driver can observe memory behavior, but a game engine knows semantic state: the next level cell, camera direction, asset dependencies, animation graph, nearby actors and traversal constraints. That lets an engine combine deterministic knowledge with learned ranking, then schedule speculative movement only when current rendering and simulation leave enough bandwidth headroom.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"v3-engine-research\",\"data\":{\"body\":\"Learned UVM prefetching has improved page hit rate and reduced CPU–GPU traffic in published GPU benchmarks, while 2026 asynchronous KV-cache research shows how proactive movement can hide HBM latency. The Figure Rocks step is the \u003Cstrong>engine-semantic extension\u003C\u002Fstrong>: using knowledge of the game world to improve what gets predicted.\",\"title\":\"Research evidence supports the mechanism, not the gaming result\",\"variant\":\"note\"},\"type\":\"callout\",\"tunes\":{}},{\"id\":\"h-0192\",\"data\":{\"text\":\"Game agents create a different kind of engine problem\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0193\",\"data\":{\"text\":\"An AI teammate or assistant is not just another shader. It reasons over game knowledge and live state, may call tools, and can produce actions that affect the world. Figure Rocks has already separated fast reactive gameplay control from slower language reasoning in the PUBG Ally architecture. That same separation belongs at the engine level: not every intelligent operation belongs in the same loop or deserves the same authority.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"ref-0194\",\"data\":{\"url\":\"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fpubg-ally-shows-why-ai-teammates-need-two-brains-fast-reflexes-and-slow-reasoning\",\"title\":\"PUBG Ally Shows Why AI Teammates Need Two Brains: Fast Reflexes and Slow Reasoning\",\"excerpt\":\"Why language reasoning and tick-level reactive control have different timing and authority requirements.\",\"ctaLabel\":\"Read the two-speed AI architecture\"},\"type\":\"referralArticle\",\"tunes\":{}},{\"id\":\"cmp-0195\",\"data\":{\"rows\":[{\"id\":\"input\",\"label\":\"Primary input\",\"values\":{\"gfx\":\"Frame buffers, motion\u002Fhistory, geometry\u002Fmaterial data\",\"agent\":\"Game state, player request, retrieved knowledge\"}},{\"id\":\"output\",\"label\":\"Primary output\",\"values\":{\"gfx\":\"Pixels, reconstructed features or render data\",\"agent\":\"Plan, explanation, tool\u002Faction request\"}},{\"id\":\"deadline\",\"label\":\"Timing\",\"values\":{\"gfx\":\"Usually frame-critical\",\"agent\":\"Often asynchronous or slower\"}},{\"id\":\"validation\",\"label\":\"Validation\",\"values\":{\"gfx\":\"Image quality, stability, latency\",\"agent\":\"State validity, authority, correctness, safety\"}},{\"id\":\"failure\",\"label\":\"Failure visibility\",\"values\":{\"gfx\":\"Artifact or hitch\",\"agent\":\"Bad advice or wrong action\"}}],\"title\":\"Graphics inference vs agent reasoning\",\"layout\":\"table\",\"columns\":[{\"id\":\"gfx\",\"label\":\"Graphics inference\"},{\"id\":\"agent\",\"label\":\"Game-agent reasoning\"}]},\"type\":\"comparison\",\"tunes\":{}},{\"id\":\"h-0196\",\"data\":{\"text\":\"The scheduler becomes the real product\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0197\",\"data\":{\"text\":\"As more specialized hardware appears, the engine's value shifts from merely exposing features to placing work correctly. A CPU can be idle while the GPU stalls on data. Tensor hardware can be available while VRAM is saturated. An NPU can exist but be too disconnected from the engine's frame path. The fastest component does not determine the experience if the scheduler cannot feed and sequence the system.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"t-0198\",\"data\":{\"content\":[[\"Engine decision\",\"Bad simplification\",\"Better question\"],[\"Run neural rendering\",\"\\\"Tensor cores are fast\\\"\",\"Does inference save more frame cost than it adds, including data movement?\"],[\"Run local assistant\",\"\\\"The model fits in VRAM\\\"\",\"How much free memory\u002Fcompute remains during the actual game?\"],[\"Prefetch assets\",\"\\\"Load the next zone\\\"\",\"Which subset is most likely needed and what bandwidth budget is safe?\"],[\"Use unified memory\",\"\\\"Everything can access everything\\\"\",\"Which workload gets bandwidth priority at the frame deadline?\"],[\"Generate frames\",\"\\\"Displayed FPS is higher\\\"\",\"What is the base render rate, latency and temporal quality?\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\",\"tunes\":{}},{\"id\":\"h-0199\",\"data\":{\"text\":\"This is where stajic.de and Figure Rocks should lightly meet\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0200\",\"data\":{\"text\":\"The general AI architecture question is about models, retrieval, tools, protocols and authority. Figure Rocks should keep the applied boundary: what happens when those components must coexist with a real-time game engine. A tool protocol can be correct in software terms and still be unusable if it introduces a frame hitch or acts on stale game state.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"ref-0201\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fmcp-vs-a2a-vs-ucp-vs-ap2-vs-a2ui-the-agent-protocol-stack-explained\",\"title\":\"MCP vs A2A vs UCP vs AP2 vs A2UI: The Agent Protocol Stack Explained\",\"excerpt\":\"General protocol architecture on stajic.de. Figure Rocks applies the same boundary thinking to games, tools and real-time state.\",\"ctaLabel\":\"Read the protocol-stack explainer\"},\"type\":\"referralArticle\",\"tunes\":{}},{\"id\":\"h-0202\",\"data\":{\"text\":\"The six boundaries a neural game engine must enforce\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"flow-0203\",\"data\":{\"steps\":[{\"label\":\"1. Frame boundary\",\"description\":\"Which work must finish before present?\"},{\"label\":\"2. State boundary\",\"description\":\"Which data describes the current game rather than general knowledge?\"},{\"label\":\"3. Memory boundary\",\"description\":\"Which resources must be resident now versus predicted for later?\"},{\"label\":\"4. Authority boundary\",\"description\":\"Which model may suggest an action and which subsystem may execute it?\"},{\"label\":\"5. Quality boundary\",\"description\":\"What artifact, error or hallucination level is acceptable for this feature?\"},{\"label\":\"6. Fallback boundary\",\"description\":\"What deterministic path takes over when the neural path is too slow, unavailable or uncertain?\"}],\"title\":\"Neural Engine Boundary Test\",\"orientation\":\"auto\"},\"type\":\"processFlow\",\"tunes\":{}},{\"id\":\"h-0204\",\"data\":{\"text\":\"What the architecture could look like\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"cmp-0205\",\"data\":{\"rows\":[{\"id\":\"state\",\"label\":\"Game-state core\",\"values\":{\"role\":\"Deterministic authority\",\"responsibility\":\"Simulation, rules, authoritative state\"}},{\"id\":\"sched\",\"label\":\"Real-time scheduler\",\"values\":{\"role\":\"Deadline manager\",\"responsibility\":\"CPU\u002FGPU\u002FRT\u002FML timing and budgets\"}},{\"id\":\"memory\",\"label\":\"Memory intelligence\",\"values\":{\"role\":\"Residency\u002Fprefetch manager\",\"responsibility\":\"Compression, tiering, prediction and transfers\"}},{\"id\":\"render\",\"label\":\"Hybrid renderer\",\"values\":{\"role\":\"Visual producer\",\"responsibility\":\"Conventional + neural graphics stages\"}},{\"id\":\"agent\",\"label\":\"Agent layer\",\"values\":{\"role\":\"Deliberative intelligence\",\"responsibility\":\"Reasoning, dialogue, planning and tools under authority limits\"}},{\"id\":\"verify\",\"label\":\"Validation layer\",\"values\":{\"role\":\"Guardrail\",\"responsibility\":\"Frame quality, state validity, latency and fallback\"}}],\"title\":\"A possible future engine stack\",\"layout\":\"table\",\"columns\":[{\"id\":\"role\",\"label\":\"Role\"},{\"id\":\"responsibility\",\"label\":\"Responsibility\"}]},\"type\":\"comparison\",\"tunes\":{}},{\"id\":\"c-0206\",\"data\":{\"body\":\"The important transition is not 'games will use more AI.' It is that \u003Cstrong>the engine may become the arbitration layer between deterministic simulation and probabilistic computation\u003C\u002Fstrong>. The engine decides when learned systems are valuable, how much resource they may consume, what state they may see, and what happens when they are wrong.\",\"title\":\"Figure Rocks synthesis\",\"variant\":\"note\"},\"type\":\"callout\",\"tunes\":{}},{\"id\":\"h-0207\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"p-0208\",\"data\":{\"text\":\"If neural graphics and local game agents remain isolated optional features, the engine can keep treating them as plug-ins around a mostly conventional core. If they become common, engine architecture will need first-class budgeting for inference, memory movement and probabilistic outputs in the same way modern engines already budget CPU, GPU and streaming work.\"},\"type\":\"paragraph\",\"tunes\":{}},{\"id\":\"v3-falsification-table\",\"data\":{\"content\":[[\"Observation\",\"Effect on hypothesis\"],[\"Neural graphics remains limited to optional post-processing\",\"Weakens the claim that inference becomes a core engine scheduling domain\"],[\"Memory economics normalize and consumer bandwidth\u002Fcapacity scale cheaply again\",\"Reduces pressure to substitute prediction\u002Fcompression for raw resources\"],[\"Cross-vendor ML APIs fail to mature\",\"Keeps neural techniques fragmented and expensive to integrate\"],[\"Prediction overhead\u002Fwaste exceeds hidden latency\",\"Weakens predictive-memory value\"],[\"Developers keep AI agents entirely outside latency-critical engine paths\",\"Limits the scheduler convergence to graphics\u002Fdata rather than all AI\"]],\"stretched\":false,\"withHeadings\":true},\"type\":\"table\",\"tunes\":{}},{\"id\":\"h-0209\",\"data\":{\"text\":\"Primary sources\",\"level\":2},\"type\":\"header\",\"tunes\":{}},{\"id\":\"src-0210\",\"data\":{\"link\":\"https:\u002F\u002Fdevblogs.microsoft.com\u002Fdirectx\u002Fevolving-directx-for-the-ml-era-on-windows\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Microsoft DirectX — Evolving DirectX for the ML Era\",\"description\":\"Official source for DirectX shader-level and model-level ML direction.\"}},\"type\":\"linkTool\",\"tunes\":{}},{\"id\":\"src-0212\",\"data\":{\"link\":\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fabs\u002Fpii\u002FS0743731522002490\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Deep learning based data prefetching in CPU-GPU UVM\",\"description\":\"Research evidence that learned prediction can improve GPU-memory page prefetching.\"}},\"type\":\"linkTool\",\"tunes\":{}},{\"id\":\"v3-src-aaai6\",\"data\":{\"link\":\"https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F39224\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"AAAI 2026 — Asynchronous KV Cache Prefetching\",\"description\":\"Research evidence for proactive memory movement and latency hiding.\"}},\"type\":\"linkTool\",\"tunes\":{}},{\"id\":\"src-0211\",\"data\":{\"link\":\"https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fadlr\u002FDLSS5\u002F\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"NVIDIA Research — DLSS 5\",\"description\":\"Primary research source for generative neural rendering in an interactive graphics pipeline.\"}},\"type\":\"linkTool\",\"tunes\":{}},{\"id\":\"faq-0213\",\"data\":{\"items\":[{\"id\":\"faq1\",\"answer\":\"No. The engine remains the system that owns simulation, state, scheduling and integration. AI becomes another class of workload inside that architecture.\",\"question\":\"Will AI replace the game engine?\"},{\"id\":\"faq2\",\"answer\":\"Some graphics ML must affect the current frame. Other AI can be asynchronous, but it still needs current state and resource limits.\",\"question\":\"Why not run every model asynchronously?\"},{\"id\":\"faq3\",\"answer\":\"Coordinating deadlines, memory and authority so probabilistic systems improve the experience without destabilizing frame time or game state.\",\"question\":\"What is the biggest technical challenge?\"},{\"id\":\"faq4\",\"answer\":\"No. It can simplify capacity and sharing, but it can also increase contention. Scheduling and locality still matter.\",\"question\":\"Does unified memory solve the scheduling problem?\"},{\"id\":\"faq5\",\"answer\":\"Future engines may arbitrate between deterministic simulation and probabilistic compute rather than treating AI as one separate feature.\",\"question\":\"What is the key Figure Rocks idea?\"}],\"title\":\"Future game-engine architecture\"},\"type\":\"faq\",\"tunes\":{}},{\"id\":\"gloss-0214\",\"data\":{\"title\":\"Neural engine terms\",\"entries\":[{\"term\":\"Frame-critical inference\",\"anchor\":\"frame-critical\",\"definition\":\"ML work that must complete within or adjacent to the render deadline.\"},{\"term\":\"Deliberative inference\",\"anchor\":\"deliberative\",\"definition\":\"Slower reasoning or planning that can usually run outside the immediate frame deadline.\"},{\"term\":\"Authority boundary\",\"anchor\":\"authority-boundary\",\"definition\":\"The rule defining what a model may recommend versus what a deterministic tool or game system may actually change.\"},{\"term\":\"Neural Engine Loop\",\"anchor\":\"neural-engine-loop\",\"definition\":\"Figure Rocks synthesis for coordinating state, prediction, memory, rendering, agents and validation under real-time budgets.\"}]},\"type\":\"glossary\",\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":1168,"blocks":1169,"version":1655},1792340552128,[1170,1174,1179,1184,1188,1192,1212,1216,1220,1262,1266,1270,1277,1281,1285,1290,1294,1322,1327,1331,1335,1342,1371,1375,1379,1384,1388,1392,1399,1434,1438,1442,1470,1474,1478,1484,1488,1511,1515,1555,1560,1564,1568,1590,1594,1600,1606,1612,1618,1638],{"id":541,"data":1171,"type":544,"tunes":1173},{"text":1172},"A modern game engine already coordinates simulation, animation, physics, audio, networking, asset streaming and rendering under a frame deadline. Neural rendering and game AI do not replace those responsibilities. They add another class of work that competes for the same time, memory and hardware. That turns the engine into something closer to a real-time resource scheduler for conventional and learned computation.",{},{"id":547,"data":1175,"type":552,"tunes":1178},{"body":1176,"title":1177,"variant":551},"\u003Cstrong>The engine is becoming the place where rendering, data movement and inference are negotiated together.\u003C\u002Fstrong> DirectX is moving ML primitives into the graphics stack, DLSS 5 demonstrates a generative rendering stage, local game assistants consume GPU resources, and learned prefetching shows that memory movement itself can be predicted. The technical challenge is no longer merely 'run AI in a game'; it is deciding which AI work belongs where without breaking frame time, latency or game-state correctness.","Direct answer",{},{"id":555,"data":1180,"type":552,"tunes":1183},{"body":1181,"title":1182,"variant":559},"This article describes a direction assembled from current APIs, research and shipping\u002Fannounced systems. The final integrated engine architecture is a Figure Rocks synthesis, not a claim that Unreal, Unity or another engine already implements the whole stack.","Scope",{},{"id":562,"data":1185,"type":566,"tunes":1187},{"title":1186,"maxLevel":565,"minLevel":47},"Contents",{},{"id":569,"data":1189,"type":572,"tunes":1191},{"text":1190,"level":47},"The old mental model was already incomplete",{},{"id":575,"data":1193,"type":595,"tunes":1211},{"steps":1194,"title":1210,"orientation":594},[1195,1198,1201,1204,1207],{"label":1196,"description":1197},"Input","Read player\u002Fcontroller\u002Fnetwork input.",{"label":1199,"description":1200},"Simulation","Advance game logic, physics, AI and animation state.",{"label":1202,"description":1203},"Prepare render work","Build visibility, draw\u002Fdispatch lists, resources and pipelines.",{"label":1205,"description":1206},"Render","Raster, ray tracing and compute produce the frame.",{"label":1208,"description":1209},"Present","Frame reaches the display while the next frame begins.","Classic simplified engine loop",{},{"id":598,"data":1213,"type":544,"tunes":1215},{"text":1214},"Even this simplification hides asynchronous jobs, multithreading and streaming. But it is useful because neural workloads can now enter at several different points instead of living in one isolated 'AI' box.",{},{"id":603,"data":1217,"type":572,"tunes":1219},{"text":1218,"level":47},"Neural work is splitting into multiple timescales",{},{"id":608,"data":1221,"type":658,"tunes":1261},{"rows":1222,"title":1253,"layout":647,"columns":1254},[1223,1229,1235,1241,1247],{"id":612,"label":1224,"values":1225},"Input \u002F simulation response",{"failure":1226,"deadline":1227,"resource":1228},"Latency or simulation instability","Milliseconds \u002F game tick","CPU\u002Fgame-state scheduling",{"id":619,"label":1230,"values":1231},"Raster \u002F RT \u002F shading",{"failure":1232,"deadline":1233,"resource":1234},"Frame-time spike or missed target FPS","Current frame budget","GPU compute + memory bandwidth",{"id":626,"label":1236,"values":1237},"Asset \u002F memory prefetch",{"failure":1238,"deadline":1239,"resource":1240},"Stall if late; bandwidth waste if too early","Before future demand","Storage, interconnect, cache and residency",{"id":633,"label":1242,"values":1243},"Frame-critical neural graphics",{"failure":1244,"deadline":1245,"resource":1246},"Artifact, latency or missed frame budget","Inside or adjacent to frame production","GPU matrix\u002FTensor compute + bandwidth",{"id":640,"label":1248,"values":1249},"Agent \u002F NPC reasoning",{"failure":1250,"deadline":1251,"resource":1252},"Bad planning if rushed; gameplay lag if placed in reflex loop","Often tens\u002Fhundreds of milliseconds or asynchronous","Model memory + CPU\u002FGPU\u002FNPU inference time","One engine, multiple deadlines",[1255,1257,1259],{"id":650,"label":1256},"Typical deadline",{"id":653,"label":1258},"If scheduled badly",{"id":656,"label":1260},"Primary pressure",{},{"id":661,"data":1263,"type":572,"tunes":1265},{"text":1264,"level":47},"DirectX is making ML part of graphics infrastructure",{},{"id":666,"data":1267,"type":544,"tunes":1269},{"text":1268},"Microsoft's 2026 DirectX work is important because it treats machine-learning math as a graphics-platform concern. Cooperative Vector and DX Linear Algebra let smaller neural workloads sit close to shader execution, while the announced Compute Graph Compiler targets larger model graphs. That creates an API-level path for engines to reason about ML as scheduled GPU work rather than an external black box.",{},{"id":671,"data":1271,"type":677,"tunes":1276},{"url":1272,"title":1273,"excerpt":1274,"ctaLabel":1275},"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fdirectx-is-becoming-an-ml-platform-what-linear-algebra-and-neural-shaders-mean-for-future-games","DirectX Is Becoming an ML Platform: What Linear Algebra and Neural Shaders Mean for Future Games","A deeper look at shader-level ML, model-level graphs and why common graphics APIs matter for adoption.","Read the DirectX ML article",{},{"id":680,"data":1278,"type":572,"tunes":1280},{"text":1279,"level":47},"DLSS 5 moves generation deeper into the frame story",{},{"id":685,"data":1282,"type":544,"tunes":1284},{"text":1283},"NVIDIA describes DLSS 5 as a real-time generative rendering stage that complements conventional rendering with learned appearance priors. The architectural implication is more important than one product version: the final frame can increasingly contain information that was not produced only by conventional scene simulation and shading.",{},{"id":690,"data":1286,"type":552,"tunes":1289},{"body":1287,"title":1288,"variant":694},"If a neural stage can save conventional rendering work but itself consumes compute, memory and time, the engine needs a \u003Cstrong>value test\u003C\u002Fstrong>: what cost disappeared, what inference cost was added, and did the player actually get a better frame within the same latency envelope?","The new scheduling question",{},{"id":697,"data":1291,"type":572,"tunes":1293},{"text":1292,"level":47},"The engine may optimize five budgets at once",{},{"id":702,"data":1295,"type":647,"tunes":1321},{"content":1296,"stretched":729,"withHeadings":15},[1297,1301,1305,1309,1313,1317],[1298,1299,1300],"Budget","Traditional question","Neural-era question",[1302,1303,1304],"Storage","Is the asset installed?","Can a compact representation replace part of the stored detail?",[1306,1307,1308],"Memory capacity","Does the working set fit?","Which assets, model states and neural representations deserve residency?",[1310,1311,1312],"Bandwidth","Can required bytes arrive in time?","Can compression\u002Fprefetch reduce or hide transfers?",[1314,1315,1316],"Render compute","Can shaders\u002FRT finish inside the frame?","Which detail is cheaper to infer than conventionally render?",[1318,1319,1320],"Inference compute","Mostly outside the graphics loop","Which neural work earns its compute and latency cost this frame?",{},{"id":732,"data":1323,"type":552,"tunes":1326},{"body":1324,"title":1325,"variant":694},"\u003Cstrong>Store less → move less → predict more → render less → infer more\u003C\u002Fstrong> is useful only if each substitution is cheaper than the work it replaces. The engine scheduler is where that trade has to be measured.","The architectural shorthand",{},{"id":738,"data":1328,"type":572,"tunes":1330},{"text":1329,"level":47},"Memory scheduling becomes part of graphics scheduling",{},{"id":743,"data":1332,"type":544,"tunes":1334},{"text":1333},"Neural graphics adds weights, latent representations and history buffers on top of textures, geometry and render targets. Asset streaming already has to anticipate what the player will see. A future engine can make that anticipation more explicit by ranking future memory demand and deciding which representation should be resident before the frame reaches it.",{},{"id":748,"data":1336,"type":677,"tunes":1341},{"url":1337,"title":1338,"excerpt":1339,"ctaLabel":1340},"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fwhat-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter","What If a Game Could Predict Its Next Memory Access? AI Prefetching and the Future of Stutter","The Figure Rocks Predictive Gaming Memory hypothesis: deterministic game state plus learned prefetching.","Read the predictive memory analysis",{},{"id":756,"data":1343,"type":595,"tunes":1370},{"steps":1344,"title":1369,"orientation":594},[1345,1348,1351,1354,1357,1360,1363,1366],{"label":1346,"description":1347},"1. Resolve game state","What is true in simulation now?",{"label":1349,"description":1350},"2. Predict near-future demand","Which scene, assets, shaders and neural data are likely next?",{"label":1352,"description":1353},"3. Allocate frame budget","How much time goes to simulation, conventional graphics, RT and neural stages?",{"label":1355,"description":1356},"4. Allocate memory\u002Fbandwidth budget","Which resources stay resident and which can be compressed or prefetched?",{"label":1358,"description":1359},"5. Execute fast neural work","Reconstruction, denoising, texture\u002Fmaterial inference or generation inside the graphics path.",{"label":1361,"description":1362},"6. Execute slow AI asynchronously","Assistants\u002FNPC reasoning operate outside the critical render deadline where possible.",{"label":1364,"description":1365},"7. Validate output","Check frame pacing, latency, image stability and game-state correctness.",{"label":1367,"description":1368},"8. Feed measurements back","The scheduler adapts policies based on misses, stalls and quality results.","The Figure Rocks Neural Engine Loop",{},{"id":786,"data":1372,"type":572,"tunes":1374},{"text":1373,"level":47},"Predictive memory is an engine problem because the engine owns context",{},{"id":791,"data":1376,"type":544,"tunes":1378},{"text":1377},"A driver can observe memory behavior, but a game engine knows semantic state: the next level cell, camera direction, asset dependencies, animation graph, nearby actors and traversal constraints. That lets an engine combine deterministic knowledge with learned ranking, then schedule speculative movement only when current rendering and simulation leave enough bandwidth headroom.",{},{"id":796,"data":1380,"type":552,"tunes":1383},{"body":1381,"title":1382,"variant":559},"Learned UVM prefetching has improved page hit rate and reduced CPU–GPU traffic in published GPU benchmarks, while 2026 asynchronous KV-cache research shows how proactive movement can hide HBM latency. The Figure Rocks step is the \u003Cstrong>engine-semantic extension\u003C\u002Fstrong>: using knowledge of the game world to improve what gets predicted.","Research evidence supports the mechanism, not the gaming result",{},{"id":802,"data":1385,"type":572,"tunes":1387},{"text":1386,"level":47},"Game agents create a different kind of engine problem",{},{"id":807,"data":1389,"type":544,"tunes":1391},{"text":1390},"An AI teammate or assistant is not just another shader. It reasons over game knowledge and live state, may call tools, and can produce actions that affect the world. Figure Rocks has already separated fast reactive gameplay control from slower language reasoning in the PUBG Ally architecture. That same separation belongs at the engine level: not every intelligent operation belongs in the same loop or deserves the same authority.",{},{"id":812,"data":1393,"type":677,"tunes":1398},{"url":1394,"title":1395,"excerpt":1396,"ctaLabel":1397},"https:\u002F\u002Ffigure.rocks\u002Fblog\u002Fpubg-ally-shows-why-ai-teammates-need-two-brains-fast-reflexes-and-slow-reasoning","PUBG Ally Shows Why AI Teammates Need Two Brains: Fast Reflexes and Slow Reasoning","Why language reasoning and tick-level reactive control have different timing and authority requirements.","Read the two-speed AI architecture",{},{"id":820,"data":1400,"type":658,"tunes":1433},{"rows":1401,"title":1427,"layout":647,"columns":1428},[1402,1407,1412,1417,1422],{"id":612,"label":1403,"values":1404},"Primary input",{"gfx":1405,"agent":1406},"Frame buffers, motion\u002Fhistory, geometry\u002Fmaterial data","Game state, player request, retrieved knowledge",{"id":829,"label":1408,"values":1409},"Primary output",{"gfx":1410,"agent":1411},"Pixels, reconstructed features or render data","Plan, explanation, tool\u002Faction request",{"id":650,"label":1413,"values":1414},"Timing",{"gfx":1415,"agent":1416},"Usually frame-critical","Often asynchronous or slower",{"id":840,"label":1418,"values":1419},"Validation",{"gfx":1420,"agent":1421},"Image quality, stability, latency","State validity, authority, correctness, safety",{"id":653,"label":1423,"values":1424},"Failure visibility",{"gfx":1425,"agent":1426},"Artifact or hitch","Bad advice or wrong action","Graphics inference vs agent reasoning",[1429,1431],{"id":853,"label":1430},"Graphics inference",{"id":640,"label":1432},"Game-agent reasoning",{},{"id":859,"data":1435,"type":572,"tunes":1437},{"text":1436,"level":47},"The scheduler becomes the real product",{},{"id":864,"data":1439,"type":544,"tunes":1441},{"text":1440},"As more specialized hardware appears, the engine's value shifts from merely exposing features to placing work correctly. A CPU can be idle while the GPU stalls on data. Tensor hardware can be available while VRAM is saturated. An NPU can exist but be too disconnected from the engine's frame path. The fastest component does not determine the experience if the scheduler cannot feed and sequence the system.",{},{"id":869,"data":1443,"type":647,"tunes":1469},{"content":1444,"stretched":729,"withHeadings":15},[1445,1449,1453,1457,1461,1465],[1446,1447,1448],"Engine decision","Bad simplification","Better question",[1450,1451,1452],"Run neural rendering","\"Tensor cores are fast\"","Does inference save more frame cost than it adds, including data movement?",[1454,1455,1456],"Run local assistant","\"The model fits in VRAM\"","How much free memory\u002Fcompute remains during the actual game?",[1458,1459,1460],"Prefetch assets","\"Load the next zone\"","Which subset is most likely needed and what bandwidth budget is safe?",[1462,1463,1464],"Use unified memory","\"Everything can access everything\"","Which workload gets bandwidth priority at the frame deadline?",[1466,1467,1468],"Generate frames","\"Displayed FPS is higher\"","What is the base render rate, latency and temporal quality?",{},{"id":898,"data":1471,"type":572,"tunes":1473},{"text":1472,"level":47},"This is where stajic.de and Figure Rocks should lightly meet",{},{"id":903,"data":1475,"type":544,"tunes":1477},{"text":1476},"The general AI architecture question is about models, retrieval, tools, protocols and authority. Figure Rocks should keep the applied boundary: what happens when those components must coexist with a real-time game engine. A tool protocol can be correct in software terms and still be unusable if it introduces a frame hitch or acts on stale game state.",{},{"id":908,"data":1479,"type":677,"tunes":1483},{"url":910,"title":1480,"excerpt":1481,"ctaLabel":1482},"MCP vs A2A vs UCP vs AP2 vs A2UI: The Agent Protocol Stack Explained","General protocol architecture on stajic.de. Figure Rocks applies the same boundary thinking to games, tools and real-time state.","Read the protocol-stack explainer",{},{"id":916,"data":1485,"type":572,"tunes":1487},{"text":1486,"level":47},"The six boundaries a neural game engine must enforce",{},{"id":921,"data":1489,"type":595,"tunes":1510},{"steps":1490,"title":1509,"orientation":594},[1491,1494,1497,1500,1503,1506],{"label":1492,"description":1493},"1. Frame boundary","Which work must finish before present?",{"label":1495,"description":1496},"2. State boundary","Which data describes the current game rather than general knowledge?",{"label":1498,"description":1499},"3. Memory boundary","Which resources must be resident now versus predicted for later?",{"label":1501,"description":1502},"4. Authority boundary","Which model may suggest an action and which subsystem may execute it?",{"label":1504,"description":1505},"5. Quality boundary","What artifact, error or hallucination level is acceptable for this feature?",{"label":1507,"description":1508},"6. Fallback boundary","What deterministic path takes over when the neural path is too slow, unavailable or uncertain?","Neural Engine Boundary Test",{},{"id":945,"data":1512,"type":572,"tunes":1514},{"text":1513,"level":47},"What the architecture could look like",{},{"id":950,"data":1516,"type":658,"tunes":1554},{"rows":1517,"title":1548,"layout":647,"columns":1549},[1518,1523,1528,1533,1538,1543],{"id":954,"label":1519,"values":1520},"Game-state core",{"role":1521,"responsibility":1522},"Deterministic authority","Simulation, rules, authoritative state",{"id":960,"label":1524,"values":1525},"Real-time scheduler",{"role":1526,"responsibility":1527},"Deadline manager","CPU\u002FGPU\u002FRT\u002FML timing and budgets",{"id":966,"label":1529,"values":1530},"Memory intelligence",{"role":1531,"responsibility":1532},"Residency\u002Fprefetch manager","Compression, tiering, prediction and transfers",{"id":619,"label":1534,"values":1535},"Hybrid renderer",{"role":1536,"responsibility":1537},"Visual producer","Conventional + neural graphics stages",{"id":640,"label":1539,"values":1540},"Agent layer",{"role":1541,"responsibility":1542},"Deliberative intelligence","Reasoning, dialogue, planning and tools under authority limits",{"id":982,"label":1544,"values":1545},"Validation layer",{"role":1546,"responsibility":1547},"Guardrail","Frame quality, state validity, latency and fallback","A possible future engine stack",[1550,1552],{"id":990,"label":1551},"Role",{"id":993,"label":1553},"Responsibility",{},{"id":997,"data":1556,"type":552,"tunes":1559},{"body":1557,"title":1558,"variant":559},"The important transition is not 'games will use more AI.' It is that \u003Cstrong>the engine may become the arbitration layer between deterministic simulation and probabilistic computation\u003C\u002Fstrong>. The engine decides when learned systems are valuable, how much resource they may consume, what state they may see, and what happens when they are wrong.","Figure Rocks synthesis",{},{"id":1003,"data":1561,"type":572,"tunes":1563},{"text":1562,"level":47},"What would change this answer?",{},{"id":1008,"data":1565,"type":544,"tunes":1567},{"text":1566},"If neural graphics and local game agents remain isolated optional features, the engine can keep treating them as plug-ins around a mostly conventional core. If they become common, engine architecture will need first-class budgeting for inference, memory movement and probabilistic outputs in the same way modern engines already budget CPU, GPU and streaming work.",{},{"id":1013,"data":1569,"type":647,"tunes":1589},{"content":1570,"stretched":729,"withHeadings":15},[1571,1574,1577,1580,1583,1586],[1572,1573],"Observation","Effect on hypothesis",[1575,1576],"Neural graphics remains limited to optional post-processing","Weakens the claim that inference becomes a core engine scheduling domain",[1578,1579],"Memory economics normalize and consumer bandwidth\u002Fcapacity scale cheaply again","Reduces pressure to substitute prediction\u002Fcompression for raw resources",[1581,1582],"Cross-vendor ML APIs fail to mature","Keeps neural techniques fragmented and expensive to integrate",[1584,1585],"Prediction overhead\u002Fwaste exceeds hidden latency","Weakens predictive-memory value",[1587,1588],"Developers keep AI agents entirely outside latency-critical engine paths","Limits the scheduler convergence to graphics\u002Fdata rather than all AI",{},{"id":1036,"data":1591,"type":572,"tunes":1593},{"text":1592,"level":47},"Primary sources",{},{"id":1041,"data":1595,"type":1048,"tunes":1599},{"link":1043,"meta":1596},{"image":1597,"title":1046,"description":1598},{"url":13},"Official source for DirectX shader-level and model-level ML direction.",{},{"id":1051,"data":1601,"type":1048,"tunes":1605},{"link":1053,"meta":1602},{"image":1603,"title":1056,"description":1604},{"url":13},"Research evidence that learned prediction can improve GPU-memory page prefetching.",{},{"id":1060,"data":1607,"type":1048,"tunes":1611},{"link":1062,"meta":1608},{"image":1609,"title":1065,"description":1610},{"url":13},"Research evidence for proactive memory movement and latency hiding.",{},{"id":1069,"data":1613,"type":1048,"tunes":1617},{"link":1071,"meta":1614},{"image":1615,"title":1074,"description":1616},{"url":13},"Primary research source for generative neural rendering in an interactive graphics pipeline.",{},{"id":1078,"data":1619,"type":1102,"tunes":1637},{"items":1620,"title":1636},[1621,1624,1627,1630,1633],{"id":1082,"answer":1622,"question":1623},"No. The engine remains the system that owns simulation, state, scheduling and integration. AI becomes another class of workload inside that architecture.","Will AI replace the game engine?",{"id":1086,"answer":1625,"question":1626},"Some graphics ML must affect the current frame. Other AI can be asynchronous, but it still needs current state and resource limits.","Why not run every model asynchronously?",{"id":1090,"answer":1628,"question":1629},"Coordinating deadlines, memory and authority so probabilistic systems improve the experience without destabilizing frame time or game state.","What is the biggest technical challenge?",{"id":1094,"answer":1631,"question":1632},"No. It can simplify capacity and sharing, but it can also increase contention. Scheduling and locality still matter.","Does unified memory solve the scheduling problem?",{"id":1098,"answer":1634,"question":1635},"Future engines may arbitrate between deterministic simulation and probabilistic compute rather than treating AI as one separate feature.","What is the key Figure Rocks idea?","Future game-engine architecture",{},{"id":1105,"data":1639,"type":1125,"tunes":1654},{"title":1640,"entries":1641},"Neural engine terms",[1642,1645,1648,1651],{"term":1643,"anchor":1111,"definition":1644},"Frame-critical inference","ML work that must complete within or adjacent to the render deadline.",{"term":1646,"anchor":1115,"definition":1647},"Deliberative inference","Slower reasoning or planning that can usually run outside the immediate frame deadline.",{"term":1649,"anchor":1119,"definition":1650},"Authority boundary","The rule defining what a model may recommend versus what a deterministic tool or game system may actually change.",{"term":1652,"anchor":1123,"definition":1653},"Neural Engine Loop","Figure Rocks synthesis for coordinating state, prediction, memory, rendering, agents and validation under real-time budgets.",{},"2.31.6","Game engines used to orchestrate simulation and rendering. Neural graphics, predictive memory and game agents are adding a third responsibility: deciding where inference belongs inside the frame and the game state.",{"lang":7,"title":534,"content":536,"contentJson":1658,"excerpt":1128},{"time":538,"blocks":1659,"version":1127},[1660,1663,1666,1669,1672,1675,1684,1687,1690,1708,1711,1714,1717,1720,1723,1726,1729,1739,1742,1745,1748,1751,1763,1766,1769,1772,1775,1778,1781,1798,1801,1804,1814,1817,1820,1823,1826,1836,1839,1858,1861,1864,1867,1877,1880,1885,1890,1895,1900,1909],{"id":541,"data":1661,"type":544,"tunes":1662},{"text":543},{},{"id":547,"data":1664,"type":552,"tunes":1665},{"body":549,"title":550,"variant":551},{},{"id":555,"data":1667,"type":552,"tunes":1668},{"body":557,"title":558,"variant":559},{},{"id":562,"data":1670,"type":566,"tunes":1671},{"title":564,"maxLevel":565,"minLevel":47},{},{"id":569,"data":1673,"type":572,"tunes":1674},{"text":571,"level":47},{},{"id":575,"data":1676,"type":595,"tunes":1683},{"steps":1677,"title":593,"orientation":594},[1678,1679,1680,1681,1682],{"label":579,"description":580},{"label":582,"description":583},{"label":585,"description":586},{"label":588,"description":589},{"label":591,"description":592},{},{"id":598,"data":1685,"type":544,"tunes":1686},{"text":600},{},{"id":603,"data":1688,"type":572,"tunes":1689},{"text":605,"level":47},{},{"id":608,"data":1691,"type":658,"tunes":1707},{"rows":1692,"title":646,"layout":647,"columns":1703},[1693,1695,1697,1699,1701],{"id":612,"label":613,"values":1694},{"failure":615,"deadline":616,"resource":617},{"id":619,"label":620,"values":1696},{"failure":622,"deadline":623,"resource":624},{"id":626,"label":627,"values":1698},{"failure":629,"deadline":630,"resource":631},{"id":633,"label":634,"values":1700},{"failure":636,"deadline":637,"resource":638},{"id":640,"label":641,"values":1702},{"failure":643,"deadline":644,"resource":645},[1704,1705,1706],{"id":650,"label":651},{"id":653,"label":654},{"id":656,"label":657},{},{"id":661,"data":1709,"type":572,"tunes":1710},{"text":663,"level":47},{},{"id":666,"data":1712,"type":544,"tunes":1713},{"text":668},{},{"id":671,"data":1715,"type":677,"tunes":1716},{"url":673,"title":674,"excerpt":675,"ctaLabel":676},{},{"id":680,"data":1718,"type":572,"tunes":1719},{"text":682,"level":47},{},{"id":685,"data":1721,"type":544,"tunes":1722},{"text":687},{},{"id":690,"data":1724,"type":552,"tunes":1725},{"body":692,"title":693,"variant":694},{},{"id":697,"data":1727,"type":572,"tunes":1728},{"text":699,"level":47},{},{"id":702,"data":1730,"type":647,"tunes":1738},{"content":1731,"stretched":729,"withHeadings":15},[1732,1733,1734,1735,1736,1737],[706,707,708],[710,711,712],[714,715,716],[718,719,720],[722,723,724],[726,727,728],{},{"id":732,"data":1740,"type":552,"tunes":1741},{"body":734,"title":735,"variant":694},{},{"id":738,"data":1743,"type":572,"tunes":1744},{"text":740,"level":47},{},{"id":743,"data":1746,"type":544,"tunes":1747},{"text":745},{},{"id":748,"data":1749,"type":677,"tunes":1750},{"url":750,"title":751,"excerpt":752,"ctaLabel":753},{},{"id":756,"data":1752,"type":595,"tunes":1762},{"steps":1753,"title":783,"orientation":594},[1754,1755,1756,1757,1758,1759,1760,1761],{"label":760,"description":761},{"label":763,"description":764},{"label":766,"description":767},{"label":769,"description":770},{"label":772,"description":773},{"label":775,"description":776},{"label":778,"description":779},{"label":781,"description":782},{},{"id":786,"data":1764,"type":572,"tunes":1765},{"text":788,"level":47},{},{"id":791,"data":1767,"type":544,"tunes":1768},{"text":793},{},{"id":796,"data":1770,"type":552,"tunes":1771},{"body":798,"title":799,"variant":559},{},{"id":802,"data":1773,"type":572,"tunes":1774},{"text":804,"level":47},{},{"id":807,"data":1776,"type":544,"tunes":1777},{"text":809},{},{"id":812,"data":1779,"type":677,"tunes":1780},{"url":814,"title":815,"excerpt":816,"ctaLabel":817},{},{"id":820,"data":1782,"type":658,"tunes":1797},{"rows":1783,"title":850,"layout":647,"columns":1794},[1784,1786,1788,1790,1792],{"id":612,"label":824,"values":1785},{"gfx":826,"agent":827},{"id":829,"label":830,"values":1787},{"gfx":832,"agent":833},{"id":650,"label":835,"values":1789},{"gfx":837,"agent":838},{"id":840,"label":841,"values":1791},{"gfx":843,"agent":844},{"id":653,"label":846,"values":1793},{"gfx":848,"agent":849},[1795,1796],{"id":853,"label":854},{"id":640,"label":856},{},{"id":859,"data":1799,"type":572,"tunes":1800},{"text":861,"level":47},{},{"id":864,"data":1802,"type":544,"tunes":1803},{"text":866},{},{"id":869,"data":1805,"type":647,"tunes":1813},{"content":1806,"stretched":729,"withHeadings":15},[1807,1808,1809,1810,1811,1812],[873,874,875],[877,878,879],[881,882,883],[885,886,887],[889,890,891],[893,894,895],{},{"id":898,"data":1815,"type":572,"tunes":1816},{"text":900,"level":47},{},{"id":903,"data":1818,"type":544,"tunes":1819},{"text":905},{},{"id":908,"data":1821,"type":677,"tunes":1822},{"url":910,"title":911,"excerpt":912,"ctaLabel":913},{},{"id":916,"data":1824,"type":572,"tunes":1825},{"text":918,"level":47},{},{"id":921,"data":1827,"type":595,"tunes":1835},{"steps":1828,"title":942,"orientation":594},[1829,1830,1831,1832,1833,1834],{"label":925,"description":926},{"label":928,"description":929},{"label":931,"description":932},{"label":934,"description":935},{"label":937,"description":938},{"label":940,"description":941},{},{"id":945,"data":1837,"type":572,"tunes":1838},{"text":947,"level":47},{},{"id":950,"data":1840,"type":658,"tunes":1857},{"rows":1841,"title":987,"layout":647,"columns":1854},[1842,1844,1846,1848,1850,1852],{"id":954,"label":955,"values":1843},{"role":957,"responsibility":958},{"id":960,"label":961,"values":1845},{"role":963,"responsibility":964},{"id":966,"label":967,"values":1847},{"role":969,"responsibility":970},{"id":619,"label":972,"values":1849},{"role":974,"responsibility":975},{"id":640,"label":977,"values":1851},{"role":979,"responsibility":980},{"id":982,"label":983,"values":1853},{"role":985,"responsibility":986},[1855,1856],{"id":990,"label":991},{"id":993,"label":994},{},{"id":997,"data":1859,"type":552,"tunes":1860},{"body":999,"title":1000,"variant":559},{},{"id":1003,"data":1862,"type":572,"tunes":1863},{"text":1005,"level":47},{},{"id":1008,"data":1865,"type":544,"tunes":1866},{"text":1010},{},{"id":1013,"data":1868,"type":647,"tunes":1876},{"content":1869,"stretched":729,"withHeadings":15},[1870,1871,1872,1873,1874,1875],[1017,1018],[1020,1021],[1023,1024],[1026,1027],[1029,1030],[1032,1033],{},{"id":1036,"data":1878,"type":572,"tunes":1879},{"text":1038,"level":47},{},{"id":1041,"data":1881,"type":1048,"tunes":1884},{"link":1043,"meta":1882},{"image":1883,"title":1046,"description":1047},{"url":13},{},{"id":1051,"data":1886,"type":1048,"tunes":1889},{"link":1053,"meta":1887},{"image":1888,"title":1056,"description":1057},{"url":13},{},{"id":1060,"data":1891,"type":1048,"tunes":1894},{"link":1062,"meta":1892},{"image":1893,"title":1065,"description":1066},{"url":13},{},{"id":1069,"data":1896,"type":1048,"tunes":1899},{"link":1071,"meta":1897},{"image":1898,"title":1074,"description":1075},{"url":13},{},{"id":1078,"data":1901,"type":1102,"tunes":1908},{"items":1902,"title":1101},[1903,1904,1905,1906,1907],{"id":1082,"answer":1083,"question":1084},{"id":1086,"answer":1087,"question":1088},{"id":1090,"answer":1091,"question":1092},{"id":1094,"answer":1095,"question":1096},{"id":1098,"answer":1099,"question":1100},{},{"id":1105,"data":1910,"type":1125,"tunes":1916},{"title":1107,"entries":1911},[1912,1913,1914,1915],{"term":1110,"anchor":1111,"definition":1112},{"term":1114,"anchor":1115,"definition":1116},{"term":1118,"anchor":1119,"definition":1120},{"term":1122,"anchor":1123,"definition":1124},{},"Post erfolgreich abgerufen",{"items":1919,"source":1986,"manualIds":1987,"manualMatchedIds":1988},[1920,1926,1933,1940,1947,1953,1959,1966,1973,1979],{"id":1921,"slug":1922,"title":1923,"excerpt":1924,"featuredImage":14,"publishedAt":1925},"402","ll-amiibo-compatible-games-complete-overview-of-bonuses-and-gameplay-integration","Все игры, совместимые с amiibo – полный обзор бонусов и интеграции в игровой процесс","Фигурки amiibo взаимодействуют с широким спектром игр Nintendo на Wii U, Nintendo 3DS и Nintendo Switch. Дополнительная ценность различается от игры к игре. В некоторых случаях бонус носит косметический характер. В других он влияет на игровой процесс более непосредственно. Ниже представлен структурированный обзор совместимых игр и наиболее значимых разблокировок, связанных со сканированием фигурки.","2026-02-27T18:13:00.000Z",{"id":1927,"slug":1928,"title":1929,"excerpt":1930,"featuredImage":1931,"publishedAt":1932},"453","render-less-infer-more-is-ai-breaking-the-traditional-gaming-hardware-upgrade-cycle","Рендерить меньше, выводить больше: ломает ли ИИ традиционный цикл обновления игрового железа?","ИИ делает высокопроизводительные кремниевые чипы и память более ценными за пределами игровой индустрии, одновременно предоставляя играм новые способы рендеринга, сжатия и прогнозирования. В этом анализе рассматривается вопрос о том, сливаются ли эти две тенденции в новую аппаратную модель.","\u002Fuploads\u002F2026\u002F10\u002Frender-less-infer-more-is-ai-breaking-the-traditional-gaming-hardware-upgrade-cycle-1792323493963-l2x8qb.webp","2026-10-18T03:34:00.000Z",{"id":1934,"slug":1935,"title":1936,"excerpt":1937,"featuredImage":1938,"publishedAt":1939},"457","what-does-future-proof-gaming-hardware-mean-in-the-neural-rendering-era","Что означает «будущее-устойчивое» игровое оборудование в эпоху нейронного рендеринга?","Раньше задел на будущее означал покупку большего объёма CPU, GPU и VRAM, чем нужно сегодня. Нейронный рендеринг делает это правило менее надёжным. Вот более удачная система принятия решений.","\u002Fuploads\u002F2026\u002F10\u002Fwhat-does-future-proof-gaming-hardware-mean-in-the-neural-rendering-era-1792340303825-012uhb.webp","2026-10-18T12:16:00.000Z",{"id":1941,"slug":1942,"title":1943,"excerpt":1944,"featuredImage":1945,"publishedAt":1946},"433","pre-order-alert-good-smile-company-figma-doom-the-dark-ages-doom-slayer-dx-edition","Оповещение о предзаказе: Good Smile Company Figma Doom: The Dark Ages – Doom Slayer DX Edition","Новая фигурка Good Smile Company Figma Doom: The Dark Ages Doom Slayer DX Edition — это больше, чем просто очередной выпуск фигурки. Она объединяет спрос коллекционеров, идентичность франшизы и широкую популярность Doom как одной из самых долговечных икон гейминга.","\u002Fuploads\u002F2026\u002F05\u002Fpre-order-alert-good-smile-company-figma-doom-the-dark-ages-doom-slayer-dx-edition-1779227794098-251pwj.webp","2026-04-22T04:37:00.000Z",{"id":1948,"slug":1949,"title":1950,"excerpt":14,"featuredImage":1951,"publishedAt":1952},"456","what-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split","Что на самом деле изменил бы игровой ПК в стиле Spark? Унифицированная память, ИИ-вычисления и классическое разделение GPU","\u002Fuploads\u002F2026\u002F10\u002Fwhat-would-a-spark-like-gaming-pc-actually-change-unified-memory-ai-compute-and-the-classic-gpu-split-1792340021752-bia7n6.webp","2026-10-18T12:12:00.000Z",{"id":1954,"slug":1955,"title":1956,"excerpt":1957,"featuredImage":14,"publishedAt":1958},"399","beyond-scanning-creative-uses-and-modifications-of-amiibo","Больше чем сканирование – креативные способы использования и модификации amiibo\"","amiibo — это фигурки персонажей, оснащенные NFC, выпускаемые компанией Nintendo с 2014 года. Технически они представляют собой небольшие носители данных внутри литых пластиковых фигурок. На практике они занимают промежуточное положение между игрушкой, предметом коллекционирования и интерфейсным устройством. Сканирование их в консоль — это лишь одна часть их жизненного цикла. Как показывают многолетние наблюдения, многие владельцы относятся к ним как к объектам с собственным творческим потенциалом.","2026-02-27T16:36:00.000Z",{"id":1960,"slug":1961,"title":1962,"excerpt":1963,"featuredImage":1964,"publishedAt":1965},"434","google-io-2026-gaming-ai-xr-and-the-next-wave-of-collectibles","Google I\u002FO 2026 and Gaming: AI, XR, and the Next Wave of Collectibles","Google I\u002FO 2026 was not a classic gaming event, but its AI, XR, Gemini, Google Play, and creative tooling announcements point toward a clear shift in gaming culture. This article explains how AI discovery, XR companion layers, Gemini-powered media, and faster character visibility may shape games, figures, collectibles, and future fan ecosystems.","\u002Fuploads\u002F2026\u002F05\u002Fgoogle-io-2026-gaming-ai-xr-and-the-next-wave-of-collectibles-1779257974958-jjj07f.webp","2026-05-20T00:17:00.000Z",{"id":1967,"slug":1968,"title":1969,"excerpt":1970,"featuredImage":1971,"publishedAt":1972},"454","why-ai-is-reshaping-gaming-memory-hbm-gddr-vram-and-the-fight-for-capacity","Почему ИИ меняет облик игровой памяти: HBM, GDDR, VRAM и борьба за объёмы","Проблема памяти, стоящая за современными играми, больше не сводится только к тому, сколько гигабайт нужно видеокарте. Инфраструктура ИИ меняет то, какие продукты памяти поставщики ставят в приоритет и сколько потребители могут себе позволить.","\u002Fuploads\u002F2026\u002F10\u002Fwhy-ai-is-reshaping-gaming-memory-hbm-gddr-vram-and-the-fight-for-capacity-1792335495408-ymehaw.webp","2026-10-18T10:56:00.000Z",{"id":1974,"slug":1975,"title":1976,"excerpt":1977,"featuredImage":14,"publishedAt":1978},"398","upcoming-nintendo-amiibo-new-figures-release-windows-and-functional-significance","Предстоящие Nintendo amiibo – новые фигурки, сроки выхода и функциональное значение","amiibo — это физические фигурки, оснащенные NFC-чипами, которые взаимодействуют с консолями Nintendo. Они открывают внутриигровые предметы, косметические элементы или небольшие игровые функции в совместимых играх. Этот обзор каталога посвящен официально анонсированным предстоящим amiibo, ожидаемым срокам их выпуска, их функциональной ценности и их положению в рамках более широкой структуры волн.","2026-02-27T15:54:00.000Z",{"id":1980,"slug":1981,"title":1982,"excerpt":1983,"featuredImage":1984,"publishedAt":1985},"455","what-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter","Что если игра могла бы предсказывать своё следующее обращение к памяти? ИИ-префетчинг и будущее устранения рывков","Игровые движки уже знают, куда движутся игрок, камера и мир. Исследования показывают, что обученная предварительная выборка на GPU способна предсказывать страницы памяти. Что произойдёт, если объединить эти идеи?","\u002Fuploads\u002F2026\u002F10\u002Fwhat-if-a-game-could-predict-its-next-memory-access-ai-prefetching-and-the-future-of-stutter-1792339100514-lyx0yw.webp","2026-10-18T11:57:00.000Z","fallback",[],[]]