Блог

Public
07 Oct, 2026

Coltrane: объявлена новая пятиэпизодная VR-серия в жанре нуар

Coltrane — новая пятиэпизодная серия в виртуальной реальности, созданная силами New Canvas, Jacaranda Productions и Pico. Она является прямым продолжением детективного нуара, заложенного в релизе 2016 года VR Noir: A Day Before the Night. Действие происходит в Гонконге. Главная героиня, Вероника Колтрейн, — бывший детектив SFPD, потерявший репутацию и переключившийся на частное расследование. Во время рутинного задания по слежке она вскрывает темный заговор, который двигает сюжет вперёд. Серия состоит из пяти эпизодов, каждый из которых длится около 15 минут. Такой формат позволяет уместить полный нарративный цикл в компактное время просмотра.В производстве сочетаются живые актерские выступления и иммерсивные среды, работающие в реальном времени. Это позволяет зрителям переживать развитие событий максимально погруженно. Нейтан Андерсон, сооснователь New Canvas и шоураннер Coltrane, возвращается к проекту после работы над оригинальной игрой. Он рассматривает новую серию как возможность продвинуть сближение сторителлинга, игрового дизайна и интерактивности, за которое он борется с 2016 года. Оригинальная VR Noir преодолела отметку в 500 000 загрузок на Samsung Gear VR и Google Cardboard, задав стандарт для кинематографического VR. Coltrane присоединяется к растущему сегменту иммерсивных видеопроизведений наряду с недавними релизами вроде Starclash и Finding Frida, которые расширили представления о возможностях VR-контента. Выход серии запланирован на более поздний срок в этом году на неназванных VR-платформах.

Public
07 Oct, 2026

Meta разрабатывает нативное виртуальное кино для Quest и VR-очков

Анализ данных и ассетов из публичного тестового канала Horizon OS 2.9 показывает, что Meta разрабатывает специализированное виртуальное кино для гарнитур Quest и будущих VR-очков. Это развитие следует за значительным стратегическим сдвигом, когда Meta отделила свои VR-разработки от социальной платформы Worlds. После объявления о том, что Worlds станет отдельной платформой, и последующего удаления Worlds на базе Horizon Engine с VR-устройств, компания закрыла свое предыдущее пространство для VR-событий, Events Arena. Эта ранняя функция, представленная в Horizon OS v81 PTC, позволяла пользователям просматривать медиа, такие как концерты, в театральной обстановке вместе с другими пользователями. Удаление этого социального пространства указывает на переход к более интегрированному, системному медиа-опыту, а не социальному.Новое окружение, идентифицированное в строках прошивки как «Theater Home», в настоящее время находится в альфа-сборке с меткой v210. В отличие от традиционной замены VR Home, этот доступ осуществляется через специальную кнопку «Theater» в панели управления любого медиа-окна. Выбор этого варианта переключает пользователя в высокодетализированный домашний кинотеатр с встроенным освещением, а система автоматически возвращает в стандартный VR Home при выходе. Сборка была успешно запущена исследователями, получившими доступ к альфа-ассетам, на Quest 3S. Такой подход интегрирует кинематографический опыт непосредственно в операционную систему, обеспечивая его доступность на всем поддерживаемом оборудовании без необходимости установки отдельного приложения или контекста конкретной социальной платформы.Ключевой технической особенностью этого окружения является система под названием «Dynamic Ambience». Ссылки в Horizon OS 2.6 и 2.7 описывают это как рендеримый ореол света, окружающий сфокусированные панели театра. На практике это работает аналогично функциям медиа-освещения, найденным в visionOS или премиальных медиаплеерах в Meta Horizon Store, а также реальным системам синхронизации светодиодов, таким как Philips Hue Sync Box. Во время воспроизведения медиа вокруг текущего фокусного окна появляется цветное свечение с динамическими анимациями, реагирующими на контент. Это усиливает погружение в просмотр, расширяя визуальное воздействие медиа за пределы границ экрана в виртуальную комнату, создавая более кинематографичную атмосферу для пользователей.Изображение альфа-версии Theater Home.Ожидаемый график выпуска Theater Home должен совпасть со стабилизацией Horizon OS 2.9, потенциально выходя вместе с новым разрабатываемым окружением VR Home под кодовым названием Loma Home. Неясно, будет ли это кинематографическое окружение поддерживать функции совместного просмотра. Meta ранее удалила возможности совместного просмотра из Horizon TV и YouTube при переходе на окружение Loft VR Home, а последующие планы по замене функций совместного присутствия были отменены, поскольку компания сосредоточилась на реалистичных аватар-базированных звонках Hologram. Следовательно, новое кинематографическое пространство, вероятно, изначально будет функционировать как частная зона просмотра. Это развитие поддерживает маркетинговый слоган Meta «Cinema. Computer. Console.» для ее будущих VR-очков, которые станут первым VR-продуктом с сертификацией IMAX Enhanced и поддержкой Dolby Vision HDR, сигнализируя о сильном фокусе на высококачественном потреблении медиа.

Public
07 Oct, 2026

NVIDIA cuPhoton ускоряет анализ астрономических изображений с помощью GPU-нативного конвейера

Научные приборы с высокой пропускной способностью, такие как обсерватории, телескопы и источники рентгеновского излучения, генерируют данные изображений со скоростью, превышающей возможности конвейеров, завязанных на CPU. Вычислительное узкое место редко заключается в одном медленном ядре; скорее, это весь путь от сырых данных датчика до научного решения, включающий считывание данных, сопоставление функций рассеяния точки, вычитание фона, подгонку моделей и классификацию объектов. Современные установки накапливают петабайты многомерных данных за одну кампанию, а реализации с приоритетом CPU могут занимать от часов до месяцев, чтобы дать полезные результаты из данных, созданных за секунды. Эта задержка мешает получению своевременных научных инсайтов. NVIDIA cuPhoton решает эту проблему, предоставляя GPU-нативный путь, охватывающий каждый этап от считывания с датчика до классификации, сокращая время ожидания до секунд и позволяя исследователям работать в тесных интерактивных циклах.NVIDIA cuPhoton — это открытый инструментарий NVIDIA CUDA-X, состоящий из блоков с ускорением на GPU для спектральной и оптической астрономии, а также анализа лазеров и рентгеновских лучей во временной области. Удерживая данные изображений на GPU от начального считывания с датчика до финальной классификации, инструментарий значительно снижает задержку. Например, обсерватория Vera C. Rubin (NSF-DOE) записывает новое 3,2-гигапиксельное изображение каждые 39 секунд после наступления темноты. Её конвейер Prompt Processing должен классифицировать около 10 000 детекций как астрофизические транзиенты или артефакты в течение 60–120 секунд. За одну ночь это составляет до 20 терабайт изображений и 10 миллионов кандидатов объектов. cuPhoton масштабируется на много-GPU и многоузловые системы NVIDIA Grace Blackwell и Vera Rubin, ускоряя загрузку изображений до 14 900 раз и обработку сигналов до 14 550 раз на репрезентативных нагрузках, включающих сотни терабайт.Компоненты пакета NVIDIA cuPhotonИнструментарий включает пять основных компонентов для рабочего процесса с изображениями: xDataReader, xRep, xPois, xFit и xScan, а также xRay для анализа детекторов рентгеновского излучения во временной области. Для настройки необходимо клонировать репозиторий и развернуть фиксированное окружение Linux с помощью команды uv sync --locked --extra dev --extra gpu --extra viz. Это окружение поддерживает экосистему NVIDIA CUDA 13, включая CuPy, PyTorch, Numba-CUDA, KvikIO и NVIDIA nvCOMP, а также библиотеки визуализации, такие как Bokeh и Pillow. Версия cuPhoton 0.1.3 поддерживает Python 3.12–3.14 на Linux. Сборка компонента xDataReader из исходного кода требует компилятора C++17, заголовков для разработки CUDA и cuFile, а также реентерабельной установки CFITSIO. Полный скрипт рабочего процесса доступен в репозитории для автоматического запуска или интерактивного использования в Jupyter-ноутбуках.(Верхняя панель) Каждую ночь телескоп обсерватории Вера Рубин фиксирует 20 ТБ данных (Источник: исходные изображения из NSF-DOE Vera C. Rubin Observatory/NOIRLab/SLAC/AURA, модифицированы с помощью ИИ).Модуль xDataReader ускоряет загрузку файлов в формате Flexible Image Transport System (FITS) непосредственно на GPU, минуя традиционные накладные расходы на парсинг CPU и передачу по PCIe. Он разделяет нагрузку: CFITSIO планирует байтовые диапазоны на CPU, KvikIO читает их через GPUDirect Storage (когда доступно), а nvCOMP распаковывает GZIP-плитки на GPU. Публичная функция API batch_to_device возвращает стопки массивов CuPy, поддерживая несжатые HDU изображений с 2–16 осями и двумерные изображения с плиточной компрессией GZIP_1 или GZIP_2. Компрессия Rice и дитеризованное квантование с плавающей точкой не поддерживаются. Для изображений в основном HDU пользователи должны передавать hdu_indices=(0,), тогда как по умолчанию используется индекс HDU 1. Файлы, сгруппированные в один вызов, должны совпадать по форме и типу данных в каждом выбранном HDU.Модуль xRep пересэмплирует двумерные изображения на общую небесную сетку с ориентацией «севером вверх», чтобы выровнять визиты, не имеющие общей пиксельной сетки из-за дитеринга, вращения или различий в масштабе пластины. Функция build_stack_spec_from_fits читает решения системы мировых координат из заголовков FITS для построения целевого следа, а reproject_stack искажает каждый элемент на эту сетку. Параметр backend по умолчанию установлен в "auto", предпочитая CuPy, затем CUDA PyTorch и, наконец, CPU, если GPU недоступен. Интерполяция по умолчанию использует Lanczos-3. Это выравнивание обеспечивает, что статические звезды в шаблоне и научных кадрах занимают одни и те же координаты, позволяя изолировать движущийся источник как единственное изменившееся положение на небе перед вычитанием.

Public
07 Oct, 2026

NVIDIA Green Contexts: Явное разделение ресурсов GPU для одновременных задач

Современные GPU-приложения часто запускают несколько независимых компонентов в рамках одного процесса. Например, операторы с высокой чувствительностью к задержкам работают рядом с фоновыми ядрами, ориентированными на пропускную способность. Эти компоненты обычно делят один GPU, что приводит к непредсказуемому взаимному влиянию и конкуренции за ресурсы. Традиционные контексты CUDA были созданы для эпохи, когда GPU обрабатывали один доминирующий тип нагрузки. Из-за этого они стали громоздкими и плохо подходят для тонкого разделения ресурсов. Они создают значительную нагрузку на оборудование при переключении контекстов и не имеют механизмов для явного определения того, как вычислительные ресурсы распределяются между одновременными задачами.Green contexts решают эту проблему, позволяя приложениям явно выбирать подмножество ресурсов выполнения GPU и направлять работу непосредственно на эти ресурсы. Доступные в Driver API с версии CUDA 12.4, они теперь доступны через Runtime API начиная с CUDA 13.1. Эта функция позволяет разработчикам определять, где выполняется работа и как ресурсы распределяются внутри процесса. Основным сценарием использования является разделение SM, при котором определенные Streaming Multiprocessors назначаются green context. Это позволяет нескольким нагрузкам работать одновременно, не конкурируя за одни и те же вычислительные блоки.Помимо выделения SM, green contexts могут выделять ресурсы очередей задач. В традиционной модели независимые потоки с упорядоченной работой могли отображаться на одни и те же базовые очереди задач, вызывая нежелательную последовательную обработку, даже если ресурсов выполнения было достаточно. Явно выделяя очереди задач, green contexts позволяют приложениям задавать ожидаемую степень параллелизма и устранять ложные зависимости. Создание и удаление этих контекстов требует малых затрат, а их жизненный цикл не вызывает неявной синхронизации несвязанных GPU-операций. Это обеспечивает более явную модель программирования, чем полагаться на неявное состояние устройства.Модель программирования смещается от неявного к явному целеуказанию. Исторически приложения использовали cudaSetDevice и создавали потоки, для которых цель выполнения выводилась из текущего состояния устройства, привязанного к потоку. С green contexts, представленными типом cudaExecutionContext_t, разработчики создают контекст для выбранного набора ресурсов, а затем создают из него потоки с помощью cudaExecutionCtxStreamCreate. Это гарантирует, что работа, отправляемая в эти потоки, строго связана с ресурсами green context. Для приложений, нацеленных на все устройство, традиционная модель остается доступной через cudaDeviceGetExecutionCtx, что обеспечивает обратную совместимость и постепенное внедрение.Классическим примером использования является перекрытие операций связи с ядрами GEMM в распределенном обучении или обработка операторов с высокой чувствительностью к задержкам на AI-сенсорных платформах. Одного приоритета потоков недостаточно, когда объемные ядра занимают все SM, поскольку планировщик не может прервать выполняющиеся блоки. Green contexts выделяют определенные SM для критически важной работы, минуя ожидание завершения объемных блоков. Тестирование на GPU NVIDIA Blackwell с 148 SM показало, что если приоритет потоков обеспечивает улучшение в 27 раз по сравнению с потоками равного приоритета, то green contexts обеспечивают дополнительное снижение задержки в 20 раз, гарантируя выделенные ресурсы для критического ядра.Реализация включает запрос ресурсов устройства, разделение SM на группы критических и оставшихся, а также упаковку каждой группы с конкретными конфигурациями очередей задач. Разработчики используют cudaDevSmResourceSplit для выделения ресурсов и cudaDevResourceGenerateDesc для создания дескрипторов. Green contexts включаются по желанию и являются дополнением, позволяя существующим приложениям продолжать использовать все устройство, одновременно внедряя более тонкий контроль там, где это необходимо. Этот подход особенно полезен для достижения целевых показателей параллелизма или задержки в сложных рабочих процессах, предлагая надежный механизм управления разделением ресурсов GPU в современных многокомпонентных приложениях.

Public
07 Oct, 2026

Unity и Google запускают Unity Spark для создания игр в браузере

Unity и Google анонсировали Unity Spark — новую платформу, которая позволяет создавать и делиться играми прямо в веб-браузере. Инструмент разработан специально для тех, кто никогда раньше не работал с Unity или вообще не занимался разработкой игр. Вместо того чтобы полагаться на ИИ, который просто перерабатывает существующие концепции, Unity Spark делает ставку на создание полноценных, уникальных и проработанных интерактивных проектов, позволяя большему количеству людей воплощать свои творческие идеи.Чтобы упростить процесс разработки, Unity Spark напрямую интегрирован с Unity Asset Store, что открывает доступ к тысячам качественных ассетов от сообщества. Это делает платформу особенно привлекательной для художников, которые хотят воплотить свои идеи без программирования, опытных геймеров, точно знающих, чего не хватает конкретному жанру, и моддеров, стремящихся создать что-то совершенно новое. Инструмент предназначен как для начинающих профессионалов, так и для действующих экспертов индустрии, которые ищут новые идеи.Создание интерактивных развлечений традиционно считается сложным процессом: он требует знаний в области сценария, дизайна, арта, звука, UI, левел-дизайна, фронтенд- и бэкенд-разработки, системного проектирования и скриптинга. Хотя ежемесячно в игры на Unity играют около 3 миллиардов человек, лишь немногие обладают техническими навыками для их создания. Видеоигры стали последним массовым видом развлечений, которыми пользуются почти все, но создают единицы. Unity Spark — часть глобальной миссии компании по демократизации разработки игр.

Public
07 Oct, 2026

Unity выпустила шаблон автомобильного HMI для встраиваемого оборудования в Unity 6.3

Unity выпустила обновлённый шаблон автомобильного HMI (human-machine interface) для Unity Industry — он уже доступен для загрузки в Unity Hub. Шаблон требует Unity 6.3 или новее и представляет собой серьёзную переработку оригинального HMI-шаблона 2021 года. Он задуман как основа для создания собственных автомобильных HMI-проектов с заменяемыми источниками данных, функциями автомобиля и слоями интерфейса. В комплект входят цифровая приборная панель, интерактивная 3D-модель автомобиля, управление климатом, система ADAS (advanced driver assistance system) на базе симуляции дорожного движения в реальном времени, а также централизованная система тем оформления.В качестве референсной аппаратной платформы выбран Raspberry Pi 5 — компактная маломощная плата на Linux. Стабильные 60 кадров в секунду на таком ограниченном устройстве показывают, что готовые к продакшену HMI на Unity Industry способны надёжно работать на встраиваемых автомобильных системах — будь то embedded Linux, QNX или Android Automotive. Даже на маломощном оборудовании шаблон обеспечивает стабильный тайминг кадров, предсказуемое потребление памяти и отзывчивость — всё это критически важно для автомобильных интерфейсов, которые должны в реальном времени отображать состояние батареи, энергопотребление, данные систем помощи водителю и информацию об окружающей обстановке.HMI-панель включает несколько режимов отображения. Приборная панель связана с симуляцией вождения и обеспечивает быстрое считывание скорости, состояния автомобиля, передачи, предупреждений и индикаторов. Сенсорный вид ADAS визуализирует окружающий трафик и детали обстановки из той же симуляции. Блок управления HVAC и кузовными системами отвечает за настройки климата, подогрев сидений, вентиляторы, замки и взаимодействие с элементами кузова. Система тем позволяет менять акцентные цвета по всему интерфейсу на лету — автомобильные команды могут внедрять фирменный стиль, режимы доступности, дневное и ночное оформление, а также региональные варианты через единый механизм, который сокращает объём переделок.С точки зрения архитектуры шаблон разделяет данные, интерфейс и 3D-модель автомобиля на модульные, управляемые данными компоненты. Разработчики могут подключить собственные источники данных, дизайнеры — изменить внешний вид, технические художники — заменить модели автомобилей, а команды встраиваемых систем — независимо тестировать производительность на целевом оборудовании. Встроенная симуляция городского вождения поставляет данные об автомобиле и окружении — трафик по сплайнам, перестроения, светофоры, пешеходные переходы и пешеходов — так что команды могут разрабатывать и проверять поведение интерфейса, граничные случаи, темы оформления и переключение экранов на основе данных ещё до того, как появится реальная телеметрия автомобиля.

Public
06 Oct, 2026

Java 27 вышла с поддержкой в IntelliJ IDEA с первого дня

Java 27 вышла в сентябре, и IntelliJ IDEA поддерживает её с первого дня. Разработчикам, которым нужен полный разбор, стоит прочитать статью «Java 27 в IntelliJ IDEA» или посмотреть стрим с релиза, если они его пропустили. На YouTube-канале IntelliJ IDEA также начинают появляться видео с IntelliJ IDEA Conf 2026, а вместе с ними — выпуски IntelliJ IDEA Tech Talks для тех, кто хочет наверстать последние доклады.Помимо самого релиза, команда активно занималась инструментарием. Igor Kulakov опубликовал «Разбор точек логирования» (Logpoints Walkthrough), где рассказывает о новой функции отладки в IntelliJ IDEA. Anton Arhipov показывает, как связать разные части воедино, давая разработчикам практический путь от чтения о функции до её реального применения в рабочем процессе отладки. Это полезное дополнение для всех, кто тратит время на отслеживание поведения рантайма в Java-приложениях.Что касается обучения, Siva Prasad Reddy K анонсировал курс «Создание с ИИ-агентами: от идеи до продакшена» (Building with AI Agents From Idea to Production), который учит агентной разработке с помощью IntelliJ IDEA и Spring Boot. Это связано с JetBrains Air — недавно анонсированной единой системой для создания программного обеспечения с агентами, которую уже можно опробовать через EAP внутри IDE. Курс даёт разработчикам конкретный путь от экспериментов с агентами до выпуска чего-то готового к продакшену.Для всех, кто хочет отточить навыки современной Java, Marit van Dijk и Piotr Przybył обновили свой доклад «Учим современную Java играючи» (Learning modern Java the playful way) и представили его на GOTO Copenhagen, а версия Deep Dive запланирована на Devoxx Belgium. Также ожидаются их выступления на JDD и Hello Stavanger позже в этом месяце.

Public
06 Oct, 2026

Новые творческие материалы и инструменты управления ими в App Store Connect

Apple представила новые творческие материалы для шапок страниц продуктов и для результатов поиска в App Store. С помощью этих изображений и видео разработчики могут выделить свой бренд, продвигать сезонные предложения и показывать новый контент. Они дополняют уже существующие превью приложений и скриншоты, давая приложениям больше заметности во всём App Store. Есть руководство по оформлению и готовые шаблоны, которые помогут создавать привлекательные визуалы.Новый инструмент предпросмотра в App Store Connect показывает, как ваши творческие материалы, скриншоты и другие метаданные будут выглядеть на странице продукта и в результатах поиска ещё до отправки. Он поддерживает тёмную тему, разные устройства и ориентации, так что можно убедиться, что приложение хорошо смотрится везде.Новая библиотека материалов в App Store Connect упорядочивает работу с материалами. Можно загружать и раскладывать по местам творческие материалы, скриншоты и превью приложений в одном месте, даже заранее, до того как вы соберётесь их использовать. Например, можно отправить творческие материалы на проверку уже сегодня, чтобы применить их в будущей сезонной кампании, а затем задействовать сразу, как только будете готовы.

Public
06 Oct, 2026

Готовьте приложения к выходу iPhone Duo

iPhone Duo попадёт к покупателям 23 октября 2026 года, и разработчики уже могут готовить к нему приложения и игры. Пересоберите существующие проекты в Xcode 27.1 — в нём появилась поддержка разработки для этого устройства, а затем с помощью Device Hub посмотрите, как приложение ведёт себя во всех положениях и ориентациях.Материалы страницы продукта в App Store получили новые требования под свежие устройства, включая iPhone Duo, так что вы можете показать приложение в разных ориентациях. Скачиваемые шаблоны и руководство по оформлению охватывают шапки страницы продукта, материалы поисковой выдачи, превью приложений, скриншоты и внутриигровые события. Новый инструмент предпросмотра в App Store Connect показывает, как скриншоты, шапки и прочие метаданные отображаются на странице продукта.Отправить оптимизированные под iPhone Duo приложения и игры в App Store Connect можно уже сегодня. С апреля 2027 года к каждой заявке потребуется прикладывать скриншоты iPhone Duo, поэтому заранее подготовленные материалы избавят вас от обязательного обновления в будущем.

Public
06 Oct, 2026

JetBrains вступила в Open Source Security Foundation

JetBrains вступила в Open Source Security Foundation (OpenSSF) в статусе генерального члена. OpenSSF — это межотраслевая инициатива под эгидой Linux Foundation, которая работает над безопасностью цепочки поставок программного обеспечения, на которую полагается индустрия. О вступлении объявили на OpenSSF Community Day Europe в Праге, прошедшем вместе с Open Source Summit Europe, наряду с другими новыми участниками.OpenSSF развивает проекты, на которые уже опираются многие команды: среди них Sigstore — для подписи и проверки программного обеспечения, и SLSA — для целостности цепочки поставок. Рабочая группа AI/ML Security также публикует руководства по подписанию моделей машинного обучения и по составлению безопасных инструкций для ИИ-ассистентов написания кода. Это практичные материалы, которые напрямую ложатся на повседневные рабочие процессы разработки.Этот шаг продиктован вполне конкретным сдвигом в том, как создаётся код: по мере того как всё больше работы в разработке берут на себя кодинговые агенты, код становится дешевле в производстве, но дороже в проверке — а значительная часть этой проверки как раз и есть работа по безопасности. Разработчикам нужно понимать, откуда берутся их код и зависимости, а ИИ добавляет новые вопросы о том, как доверять моделям и ассистентам, которые помогают этот код писать.JetBrains рассматривает это как работу по двум направлениям. Внутри компании её JetBrains AI (называемый JetBrains Air) помогает разработчикам понимать и проверять то, что производят агенты. OpenSSF — это площадка, где компания может решать те же вопросы открыто, вместе со всей индустрией, а не в одиночку.JetBrains формулирует свою цель как стремление опережать те вопросы безопасности, которые поднимает ИИ, и помогать индустрии искать на них ответы. Компания подчёркивает, что разработчики каждый день доверяют инструментам JetBrains свой код, и поддержка open-source-сообщества, работающего над безопасностью программного обеспечения, — это часть того, как она намерена заслуживать это доверие и в долгосрочной перспективе.