Будущее: AV2, нейросетевые кодеки и end-to-end learned compression

TL;DR

Три силы переформатируют ландшафт видеокодеков между 2026-м и 2030-м: новый «вручную спроектированный» кодек AV2 от Alliance for Open Media даёт примерно на 30% меньший битрейт, чем AV1, при том же воспринимаемом качестве; параллельный проект ITU/ISO под рабочим названием H.267 целится в 40% относительно своего предшественника H.266/VVC и финализируется примерно к 2029-му; и третья дорожка – end-to-end learned video compression, нейросети, которые заменяют весь конвейер гибридного кодека одной обученной моделью. На этой третьей дорожке только что был пройден важный порог: DCVC-RT от Microsoft Research показывает 1080p со скоростью 125 кадров/с на GPU NVIDIA A100 и экономит около 21% бит относительно H.266, а более крупная версия – больше 30%. Практический вопрос для команды в 2026-м – не «переключаться ли завтра на один из них», а как читать дорожную карту следующих пяти лет: лицензии на кодеки, закупки железа, дорожные карты декодеров, – чтобы ничего на полке не превратилось в мёртвый актив.

Почему это важно

Каждое новое поколение кодеков перекраивает три вещи сразу: кто платит за трафик, кто держит «турникет» на патентном лицензировании и какой производитель чипов продаст следующие десять лет «железных» декодеров. Если вы строите, эксплуатируете или финансируете сервис, который отгружает пиксели – стриминг, видеоконференции, видеонаблюдение, телемедицину, OTT, e-learning, AR/VR, – следующий цикл смены кодеков сдвинет 25–40% ваших расходов на доставку, причём в направлении, отличном от прошлых циклов. AV2 будет patent-friendly и бесплатным для членов AOMedia. H.267 будет patent-encumbered и технически отличным. Нейросетевые кодеки не будут ни тем, ни другим – они поедут как набор весов ML-модели, а не как фиксированная спецификация битстрима, и цепочка поставки под них выглядит совсем не как цепочка поставки под H.264.

Эта статья – для продакт-менеджеров, основателей, video operations leads и инженеров, которым нужно прочитать дорожную карту видеокодеков на следующие пять лет, понять три параллельные дорожки достаточно глубоко, чтобы говорить с CFO и с вендором чипов на одной встрече, и увидеть, где сидят по-настоящему неочевидные риски. Мы пройдём по каждой из трёх дорожек, разберём технические заявления, состояние декодеров и инструментов в 2026 году, лицензионную и аппаратную истории и оставим в конце рамку планирования, которую можно унести в команду.

Три дорожки и один вопрос

Чтобы понять, что произойдёт с видеокодеками в следующие пять лет, удобно нарисовать на одной картинке три параллельные дорожки. Каждая дорожка – это разный ответ на один и тот же вопрос: «у нас уже есть H.265, AV1 и H.266; как сжать видео ещё на 30% сильнее, не сделав воспроизведение на телефоне невозможным?» – и на каждой дорожке работает своя группа людей.

Первая дорожка – это Alliance for Open Media (AOMedia), консорциум Google, Netflix, Amazon, Apple, Meta, Microsoft, Mozilla, Cisco, Tencent и других, который выпустил AV1 в 2018-м и сейчас доводит AV2. AV2 сохраняет ту же форму, что и каждый кодек со времён H.264 – блочное предсказание, преобразование, квантизация, энтропийное кодирование, петлевой фильтр, – но толкает каждый из этих узлов чуть дальше. Он спроектирован людьми, royalty-free для членов AOMedia, и нацелен на конец 2026 года. 1 2

Вторая дорожка – это Joint Video Experts Team (JVET) ITU-T и ISO/IEC, та же группа стандартов, что выпустила H.264, H.265 и H.266. JVET работает над преемником H.266/VVC, сейчас в виде Enhanced Compression Model (ECM), и планирует выпустить его как H.267 примерно в 2029 году. ECM – такой же «вручную спроектированный» гибридный кодек, как и AV2, но разрабатывается внутри patent-encumbered процесса стандартизации и целится в более амбициозные 40% снижения битрейта относительно H.266. 3 4

Третья дорожка – это end-to-end learned video compression, нейросети, обученные сжимать и разжимать видео напрямую. Фиксированной спецификации битстрима нет: сжатый файл – это то, что выдала обученная модель, а декодер – это оставшаяся часть той же модели. Семейство Deep Contextual Video Coding (DCVC) от Microsoft Research, коммерческий кодек Deep Render, JPEG ИИ и открытое исследование MPEG NNVC – все они на этой дорожке. В 2026 году лучшие learned-кодеки уже сравнялись с H.266 по компрессии или слегка обходят его и работают в реальном времени на одном GPU. 5 6 7

Три дорожки не являются взаимоисключающими. AV2 приедет первым и будет доминировать в ближайшие четыре года в свободной интернет-доставке. H.267 приземлится в верхнем сегменте патентно-лицензируемой экосистемы в 2029–2030. Learned-кодеки параллельно будут карабкаться по кривой качества и к концу 2020-х войдут внутрь гибридных кодеков как drop-in замены для отдельных блоков (intra-предсказание, петлевой фильтр) задолго до того, как чистый learned-кодек заменит целое поколение целиком.

Остаток статьи – взгляд оператора на эти три дорожки: что даёт каждая, чего стоит, что говорит история с декодерами и как планировать свой пайплайн, чтобы не оказаться в проигрыше ни на одной из них.

Нажмите, чтобы увеличить

Дорожка первая – AV2: новый royalty-free «рабочий конь»

AV2 – это то, на что большинство операторов переведут свой пайплайн доставки между 2027 и 2029 годами: это самый дешёвый кодек по лицензированию, проще всего получить декодеры от членов AOMedia и наиболее близок к тому, на чём команды стоят сегодня (AV1). И это самый маленький технический скачок относительно текущего стека.

Alliance for Open Media потратил пять лет и более 2700 коммитов в reference software, строя AV2. Черновик битстрима был опубликован 3 февраля 2026 года, а финальная спецификация 1.0 подтверждена на конец 2026 года в анонсе к 10-летию AOMedia. 8 1 9 AV2 пойдёт по той же патентной стратегии, что и AV1: члены AOMedia обязуются не предъявлять патентных претензий к разработчикам; не-члены могут попытаться собрать патентный пул (Sisvel уже заявил о намерении), но маркетинговое позиционирование и контрактный путь остаются «royalty-free для открытого веба». 10

Что именно AV2 меняет относительно AV1

AV2 – это «вручную спроектированный» гибридный кодек: тот же конвейер «блочное предсказание – преобразование – квантизация – энтропия – фильтр», который делят все кодеки со времён H.264. От AV1 он отличается тем, насколько подробно теперь устроен каждый узел этого конвейера. Высокоуровневые сдвиги, важные оператору:

• Более крупные и более умные блоки. Максимальный размер coding unit вырастает с 128×128 в AV1 до 256×256 в AV2 с полностью рекурсивным разбиением во много новых форм. Большие гладкие области (небо, стены, мультяшный фон) кодируются с меньшим оверхедом; тонкая детализация (текст, лица, спортивное движение) при необходимости опускается в маленькие партиции. 11
• Лучшее intra-предсказание. AV2 добавляет Multiple Reference Line Selection (MRLS) – энкодер может выбирать одну из четырёх верхних и левых reference-линий для каждой направленной intra-моды, а не всегда копировать с непосредственно соседних строки и столбца. Вместе с новыми data-driven intra-режимами и улучшенным chroma-from-luma это заметно ужимает intra-only фреймы. 11
• Более длинная память для движения. AV2 может ссылаться на до семи прошлых кадров для motion-compensated inter-предсказания, против меньшего списка референсов AV1. Сильнее всего выигрывают медленные сцены с периодическим движением (спортивные петли, мультяшный фон, screen-content). 12
• Переработанный loop-фильтр. Один обобщённый deblocking-фильтр заменяет многоступенчатую цепочку AV1, и два новых фильтра – guided detail filter и cross-component sample offset – чистят шум сжатия, сохраняя больше деталей. 12

Заголовочный выигрыш – около 30% более низкий битрейт, чем AV1, при том же воспринимаемом качестве. Андрей Норкин из Netflix отчитался о примерно 28.7% улучшения BD-rate по YUV-PSNR и 32.6% по VMAF на корпусе AOMedia CTC; независимые 4K-бенчмарки видят 18–25% дополнительной экономии поверх AV1, причём самые большие выигрыши – на high-motion и screen-content. 13 14 11 В пересчёте: HD-поток, который стоит 4 Мбит/с на H.264 и 2.7 Мбит/с на AV1, после доводки энкодеров будет стоить примерно 1.9 Мбит/с на AV2.

Декодеры и железо

AV2 приземляется в гораздо более благоприятную экосистему декодеров, чем в своё время AV1. По опросу членов AOMedia 53% планируют выкатить AV2 в течение 12 месяцев после финализации, и 88% – в течение двух лет. 12 10 Аппаратная поддержка декодирования ожидается в потребительских устройствах с конца 2026-го и в 2027-м – SoC телефонов, smart TV, приставки, игровые консоли, – потому что те же инженерные команды Netflix, YouTube, Amazon, Apple, Meta и Microsoft, которые протащили AV1 через цепочку поставки, уже толкают и AV2. 15

Программные декодеры появятся раньше. Reference-декодер AOMedia avm уже работает; форки libavif и dav1d-семейства под AV2 в активной разработке; интеграция с FFmpeg придёт сразу после заморозки битстрима. Для стримингового оператора это значит: софтовый декод AV2 в десктопных браузерах и high-end Android к концу 2026, массовый аппаратный декод – в 2027–2028, длинный хвост старых устройств (телевизоры 2022 года и старее, low-end Android) ещё четыре–пять лет останется на AV1 или H.264.

Главный практический риск AV2 – тот же, что у AV1: зрелость энкодеров. Reference-энкодер, как libaom для AV1, честный, но медленный. Production-grade AV2 энкодеры – будущие эквиваленты SVT-AV1 – потребуют 18–24 месяцев после заморозки битстрима, чтобы по скорости и tuning'у догнать лучшие AV1-энкодеры сегодня. До этого AV2 будет premium-tier выбором для VOD и плохим – для live, повторяя раннюю траекторию каждого поколения кодеков за последние 25 лет.

Нажмите, чтобы увеличить

Дорожка вторая – H.267: наследник VVC

Пока AV2 финализируется, JVET уже находится на 15-й версии Enhanced Compression Model (ECM), который станет H.267. ECM v15 показал примерно 25% экономии битрейта относительно H.266/VVC в random-access-конфигурациях и до 40% на screen-content. Финальный стандарт H.267 JVET целит примерно на 2028–2029, а массовое внедрение ожидается в 2034–2036, если сохранится исторический лаг развёртывания в 8–10 лет. 3 4

H.267 будет «вручную спроектированным» гибридным кодеком, как и AV2 и все его предшественники. Технологическая повестка ECM амбициознее AV2, потому что JVET готов проглотить больше сложности в декодере в обмен на компрессию: более глубокие деревья разбиения, больше вариантов преобразований, больше intra-мод, более сложная motion compensation и – всё чаще – нейросетевые блоки на отдельных этапах (intra prediction, in-loop фильтрация, loop restoration). Часть этих нейроблоков разрабатывается внутри параллельного исследования MPEG Neural Network-based Video Coding (NNVC). 16

Заголовочное отличие H.267 от AV2 – лицензирование и тайминг. H.267 будет лицензироваться через patent pools – Access Advance, MPEG LA, Avanci, Sisvel – по той же модели, что H.264, H.265 и H.266. Эта модель – отличная технология и болезненное лицензирование: H.265 годами шёл к массовому внедрению дольше, чем ожидалось, потому что пулы не договорились по ставкам; H.266 сегодня, спустя пять лет после финализации спецификации, почти не поддерживается в браузерах ровно из-за той же истории. 17

Для стримингового оператора в 2026-м практический вывод:

• Скорее всего, вы вообще не возьмёте H.267 в open-web доставку. Он останется в broadcast-контрибьюции, premium VOD c платными клиентскими приложениями и broadcast-дистрибьюции в подходящие smart TV.
• Вы возьмёте H.265 и H.266 только там, куда не дотягиваются AV1/AV2. В основном это iOS / Apple-экосистема (потому что Apple универсально поставляет аппаратный HEVC) и существующий premium VOD-пайплайн.
• Вы будете следить за H.267 в screen-content-нагрузках – удалённый рабочий стол, облачные игры, screen-share в видеоконференциях, – потому что именно там выигрыш 40% над H.266 самый большой.

Чего точно не стоит делать – это планировать миграцию пайплайна вокруг H.267. Его таймлайн слишком далеко, лицензирование слишком неопределённо, а AV2 будет делать 90% той же работы на пять лет раньше, на том же железе и бесплатно.

Дорожка третья – End-to-end learned compression

Эта дорожка удивит в конце 2020-х больше всего команд. End-to-end learned video compression заменяет весь «вручную спроектированный» конвейер гибридного кодека одной нейросетью. Сеть обучают на миллионах часов видео производить компактное внутреннее представление (его называют latent – сторона «сжатых бит» сети) и реконструировать исходные кадры из него. Сжатый файл – это то, что выдала сеть; декодер – это оставшаяся часть сети.

Первый end-to-end learned image codec, превзошедший JPEG2000, опубликовали Ballé и соавторы в 2017-м. К 2018–2020 семейство DCVC от Microsoft Research распространило подход с изображений на видео. К 2024-му вариант DCVC-FM (feature modulation) добрался до качества reference-энкодера H.266. В феврале 2025-го на CVPR 2025 был представлен DCVC-RT (real-time) – и это тот milestone, который имеет наибольшее значение для любого практического разговора о нейросетевых кодеках в 2026 году. 18 19 5

Что именно даёт DCVC-RT

DCVC-RT – первый end-to-end learned видеокодек, который одновременно конкурентоспособен с H.266 по компрессии и достаточно быстр для real-time на одном GPU. Конкретные числа из работы CVPR 2025:

• Средняя скорость кодирования: 125.2 fps для 1080p-видео на NVIDIA A100.
• Средняя скорость декодирования: 112.8 fps для 1080p-видео на NVIDIA A100.
• BD-rate −21.0% относительно reference H.266/VTM – то есть DCVC-RT тратит на 21% меньше бит, чем H.266, при том же воспринимаемом качестве. 18 6

Более крупная версия DCVC-RT-Large даёт BD-rate −30.8%, оставаясь около real-time. В этой же работе сообщается о примерно 40 fps кодирования и 34 fps декодирования 1080p на потребительском NVIDIA RTX 2080 Ti – на три поколения старее GPU, чем на момент публикации. На свежих потребительских GPU real-time HD-проигрывание комфортно. 6

Иными словами: разрыв между «интересный исследовательский демо» и «это можно зашить в десктопное приложение» закрылся в 2025-м для high-end-потребителей и закрывается для среднего mobile каждый квартал.

Нажмите, чтобы увеличить

Почему learned-кодеки – не drop-in замена

Заголовочные числа выше обнадёживают, но четыре свойства learned-кодеков делают их по-настоящему другими, и эти свойства определяют практический таймлайн внедрения.

Сжатый битстрим – не фиксированная спецификация. Learned-кодек – это обученная модель. Две разные версии «DCVC» – это два разных кодека. Нет аналога «спецификации H.264», против которой любой декодер может валидироваться; есть конкретные веса модели, которые произвели файл. Это самое крупное культурное изменение. Индустрия 30 лет строила совместимость поверх фиксированных спецификаций битстрима. Learned-кодеки выбрасывают эту рамку. Органы стандартизации (JPEG, MPEG NNVC) сейчас прописывают спецификации того, как поставлять веса модели вместе с битстримом, чтобы совместимость в принципе стала возможной. 20

Декодирование тяжёлое и плавающее. Традиционные кодеки декодируются в целочисленной арифметике на малых, хорошо понятых DSP-блоках. Нейросетевые кодеки декодируются прогоном глубокой сети, что исторически требует плавающей арифметики на GPU. Квантизация модели в integer-точность, чтобы она работала на мобильных NPU, – активная исследовательская тема; кросс-платформенная воспроизводимость floating-point известно тяжела. 21 22

Поддержка mobile и embedded ещё в зачатке. На 2026 год единственные опубликованные нейросетевые видеодекодеры, способные на 1080p в реальном времени на мобильном NPU, – это исследовательские прототипы вроде MobileNVC от Qualcomm (декодирует 1080p YUV420 в real-time на мобильном NPU) и MobileCodec. Production-развёртывание – минимум через одно поколение чипов. 23 24

Размер сжатого файла перестал быть единственной метрикой. Часть learned-кодеков (perceptual / generative, как HiFiC для картинок и emerging generative video codecs) намеренно синтезируют реконструкцию, которая выглядит как оригинал, но не пиксельно ему равна. Для одних задач (развлекательный стриминг) это разумный trade-off, для других (медицинские снимки, криминалистическая запись с камер наблюдения, broadcast-contribution) – недопустимый. Закупка learned-кодека обязана задать «какую именно реконструкцию он производит» вместе с «какой BD-rate он даёт».

Где learned-кодеки приземлятся первыми

Реалистичный путь нейросетевых кодеков в стриминговый стек – это не полная замена AV1 или H.265 в 2027-м. Это три более практичных паттерна:

1. Нейросетевые блоки внутри гибридных кодеков. ECM/H.267 уже встраивает нейросетевые in-loop фильтры и intra-модули. AV2 имеет data-driven intra-режимы. К H.268 / AV3 почти в каждом узле гибридного конвейера будет нейросетевая альтернатива, между которыми сможет выбирать энкодер. Битстрим остаётся совместимым; выигрыши копятся постепенно.
2. Pre- и post-processing обёртки. Инструменты вроде content-aware encoding от Netflix (система, питающая их per-title и per-shot лестницы), neural ABR от Bitmovin, neural pre-encoder от Deep Render и пайплайн pre-processing SimaBit используют нейросети, чтобы реструктурировать пиксели перед традиционным энкодером, экономя 20–30% бит без изменения декодера ниже по конвейеру. Эти инструменты уже работают и будут доминантным production-паттерном в 2027–2028. 14 25
3. Нишевый end-to-end-деплой. Закрытые экосистемы, где одна команда контролирует и энкодер, и декодер, – облачные игры с собственным клиентом, видеоконференции с управляемым приложением, machine-to-machine-видео для ADAS и видеонаблюдения – первыми отгрузят чистые end-to-end learned-кодеки. Open-web стриминг – последним.

Реалистичная проекция для open-web: чистые end-to-end learned-кодеки приедут в production-браузеры где-то в 2030–2032 годах, и они приедут под лейблом стандарта (будущий JPEG XS Video, MPEG-ИИ или преемник JVET-проекта) с поставляемыми весами модели, а не как per-vendor-проприетарный формат.

Нажмите, чтобы увеличить

Сравнительный ландшафт – четыре кодека, которые будут иметь значение до 2030 года

Если вы читаете это в 2026-м и пытаетесь распланировать капитальные затраты на следующие четыре года видео-инфраструктуры, на столе лежат четыре кодека. Резюмируем ситуацию так, как с ней стоит идти на бюджетную встречу.

Строки «Готов» описывают, когда заморожен битстрим, а не когда массовое внедрение реалистично. Добавьте три года к «Готов», чтобы получить «массовое аппаратное покрытие декодерами», и ещё два – до «можно дропать AV1 fallback».

Частая ошибка – экстраполяция по одному BD-rate

Каждый бенчмарк в таблице выше сообщает один BD-rate относительно референса. Самая частая ошибка закупок, которую мы видим, – это принять эти числа буквально и решить, что кодек с лучшим BD-rate – лучший бизнес-выбор.

Это не так. Решение о кодеке – это совместное решение по компрессии, доступности декодеров, лицензионной стоимости, стоимости энкодера, зрелости экосистемы и time-to-market. 40% BD-rate-преимущества на кодеке, чьи декодеры существуют в 2030-м, стоит меньше, чем 30% на кодеке, чьи декодеры существуют в 2026-м, потому что экономия на трафике интегрируется по четырём годам разницы. Идите в каждый разговор о бенчмарках с интегральной стоимостью в голове и пусть число BD-rate будет одним из входов, а не единственным.

Рабочий пример – лестница битрейта для 1080p в 2030

Конкретные числа закрепляют разговор. Возьмём 30-минутный эпизод типовой драмы, закодированный в 1080p / 24 fps под OTT-доставку. Целимся в top-rung VMAF 95 (broadcast-качество) и принимаем baseline 4.0 Мбит/с на H.264 сегодня. Можно спроектировать битрейт при том же качестве для каждого поколения:

H.264         baseline                       = 4.0 Mbps
H.265 / HEVC  -50% vs H.264                  = 2.0 Mbps
AV1           -30% vs H.265 (~-65% vs H.264) = 1.4 Mbps
AV2           -30% vs AV1                    = 1.0 Mbps
H.266 / VVC   -40% vs H.265 (~-70% vs H.264) = 1.2 Mbps
H.267 / ECM   -40% vs H.266                  = 0.72 Mbps
DCVC-RT       -21% vs H.266                  = 0.95 Mbps
DCVC-RT-Large -30.8% vs H.266                = 0.83 Mbps

Для сервиса с 10 миллионами MAU, смотрящих 5 часов в месяц в 1080p, ежемесячный egress на одного пользователя при H.264 равен 5 × 60 × 60 × 4 Мбит/с ÷ 8 ≈ 9 ГБ. На AV2 это снижается до 9 × (1.0 / 4.0) = 2.25 ГБ. На 10 миллионах пользователей это 67.5 ПБ ежемесячного egress, исключённого по сравнению с застывшим на H.264 пайплайном. При типовой цене CDN-egress 0.5–1 цента за ГБ на масштабе переход на AV2 экономит несколько миллионов долларов в год для сервиса такого размера. Следующие шаги (DCVC-RT, H.267) продолжают добавлять маржу, но первый шаг – со «застывшего» H.264 / H.265 стека на AV1/AV2 – даёт доминирующую выгоду. 26

Именно это – главная причина, по которой AV2 является приоритетным кодеком для любого оператора в 2026 году, даже несмотря на то, что H.267 и end-to-end learned-кодеки технически интереснее на бумаге. Счёт за трафик платится деньгами сегодня, а не слайдами про 2030 год.

Где Фора Софт вписывается

Мы строим видео-пайплайны для OTT, видеоконференций, видеонаблюдения, телемедицины, e-learning и AR/VR-заказчиков с 2005 года; за плечами 239+ доставленных проектов. Чаще всего в планировании заказчиков мы видим обратный паттерн от того, что в трейд-прессе: команды переразвёрнуты в сторону кодека 2030 года и недоразвёрнуты в сторону кодека 2026 года. Практическая задача 2026 года почти для каждого оператора – провести same-VMAF сравнение AV1 против AV2 на собственном каталоге, построить дорожную карту аппаратного декодирования по семействам устройств и спроектировать fallback-лестницу, которая шлёт AV2 на capable-устройства и AV1 – остальным. Мы рады провести это сравнение, спроектировать лестницу или провести аудит уже построенного – ни одно из этих заданий не требует начинать с покупки лицензии на кодек.

Главное

• AV2 приходит в конце 2026 года с ~30% более низким битрейтом, чем AV1, при том же royalty-free лицензировании AOMedia.
• H.267 приходит в 2028–2029 годах с 40% над H.266; массовое внедрение ждите только в середине 2030-х.
• End-to-end нейросетевые кодеки (класс DCVC-RT) уже сравнялись или обходят H.266 по сжатию и идут real-time на одном GPU.
• Декодирование нейросетевых кодеков на мобильных NPU – на одно поколение чипов впереди; 2027–2028 для ранней продукции.
• Планируйте миграцию на AV2 уже сейчас, оценивайте нейросетевые pre-processing-обёртки, относитесь к H.267 и чистым нейросетям как к horizon items.
• Выбор кодека – это совместное решение: компрессия × покрытие декодеров × лицензирование × стоимость энкодера × time-to-market.

Что читать дальше

• Сравнительная таблица кодеков: MPEG-2, H.264, H.265, VP9, AV1, VVC
• AV1: новый интернет-стандарт и где он находится в 2026 году
• ИИ внутри энкодера: ML-mode decision, разбиение, scene-cut