IOSF: 영상 AI의 비용 역설 — 생성은 점점 싸지는데, 완성본은 왜 여전히 비쌀까?

  • IOSF 집계에 따르면 공개 실적을 밝힌 영상 AI 기업들의 연 매출 합계는 약 23억 달러이나, 이미지 매출과 중복 계산이 섞여 규모 참고치일 뿐이다.
  • 언어 모델과 달리 영상은 1분당 비용이 텍스트의 수천 배이고, 매출 최상위는 모델사가 아니라 Higgsfield(7억 달러) 등 응용 기업이다.
요약

2025년 6월 NBA 파이널 3차전 기간, Kalshi는 상당히 혼란스러운 TV 광고를 내보냈다. 달걀로 가득 찬 수영장에 떠 있는 농부, 맥주를 마시는 외계인, 미국 국기를 두르고 인디애나에 대해 고함치는 남자. 감독 PJ Accetturo는 Google의 Veo 3로 이 광고를 만들었고, 비용은 약 2,000달러, 구상부터 방영까지 사흘이면 충분했다. 앞서 제작사가 Kalshi에 제시한 견적은 "6자리에서 7자리 수"였다. 그는 쓸 만한 클립 15개를 얻기까지 300~400번을 생성했다.

10개월 뒤 OpenAI는 4월 26일 Sora 앱을 종료했다. TikTok처럼 AI 생성 영상을 전문적으로 밀어주는 피드형 앱이다. TechCrunch가 《월스트리트저널》의 조사 보도를 인용한 데 따르면 이 앱의 일일 운영 비용은 약 100만 달러였고, 사용자 수는 최고 약 100만 명에서 50만 명 미만으로 줄었다. Sora 개발자 API도 9월에 종료돼, 지금은 OpenAI의 개발자 가격표에 영상 모델이 하나도 없다.

이 두 사건은 2026년 영상 AI의 현주소를 요약한다. AI로 영상을 만드는 일은 광고 제작 방식을 바꿀 만큼 저렴해졌다. 그러나 AI 영상을 단순히 시청하는 일은 아직 사업이 되지 못했다.

핵심 관점

영상 AI는 이미 실제 사업이다. 매출을 공개한 몇몇 기업의 합계 연 매출은 약 23억 달러이며, 이들이 거명하는 고객은 마케터, 크리에이터, 기업이다. 이것은 축소판 대형언어모델 시장이 아니다. 1분 영상의 비용은 1분 텍스트의 수천 배이고, 매출이 가장 큰 쪽은 모델 기업이 아니라 애플리케이션이다. 가장 먼저 타격을 받는 것은 "충분히 쓸 만한" 영상을 대량 구매하는 산업이다. 스톡 소재, 광고, 교육, 숏드라마가 그렇다. 영상 특수효과(VFX)가 그 뒤를 잇는다. 게임과 로봇은 가장 마지막이다. 이들은 물리 법칙에 의존하는데, 현재 최고 성능 모델도 물리 테스트에서 실제 영상의 절반 정도 점수에 그친다.

매출 순위: 실적을 공개한 기업, 합계 연 매출 약 23억 달러

IOSF Research

이미지

매출을 공개한 기업은 소수지만 성장은 빠르다:

  • Higgsfield의 ARR은 2025년 말 2억 달러에서 2026년 8월 7억 달러로 늘었다.
  • 콰이쇼우(快手) 산하 영상 모델 Kling(可灵)은 2분기 매출이 1억 1,800만 달러를 넘어 전년 동기 대비 2배 이상 증가했다.
  • fal은 영상·이미지 모델의 "책장"(모델 애그리게이션 플랫폼)으로, 2026년 3월 ARR이 약 4억 달러로 지난해 10월의 두 배가 됐다.
  • HeyGen의 ARR은 6월 2억 달러를 돌파했다.
  • Runway의 ARR은 9월 2억 달러를 돌파했다.

우리 계산으로 가시적인 매출 합계는 연 약 23억 달러다. 그중 일부는 이미지 매출이고, 일부는 애플리케이션도 fal에서 구매하기 때문에 중복 계산된 부분이다. 이 숫자에는 Google의 Veo, 바이트댄스의 Seedance, 그리고 몇몇 중국 연구소가 빠져 있는데, 이들은 영상 매출을 따로 공개하지 않는다. 오차는 양방향이다. 이미지 매출과 중복 계산은 총액을 부풀리고, 누락된 연구소들은 총액을 끌어내린다. 따라서 23억 달러는 규모를 가늠하는 참조치일 뿐, 산출된 시장 규모가 아니다.

영상 생성 비용은 수천 배 높고, 매출의 큰 부분은 애플리케이션 레이어에

IOSF Research

이미지

영상 AI는 흔히 "몇 년 뒤처진 대형언어모델 시장"이라고 비공식적으로 묘사된다. 그러나 데이터는 이 말을 뒷받침하지 않는다. 언어 모델을 돌리는 것과 이미지·영상 모델을 돌리는 것의 차이가 매우 크기 때문이다.

간단히 말해, 언어 모델이 글을 쓰는 방식은 사람이 타자하는 것과 같다. 한 번에 한 단어씩, 각 단어는 다음 단어에 대한 작은 추측이고, 아직 쓰고 있는 중에도 읽기 시작할 수 있다. 이미지나 영상 모델은 건축가에 가깝다. 무작위 노이즈 한 덩어리에서 시작해 전체 화면을 보통 20~50 라운드에 걸쳐 반복해서 다듬어야 선명한 이미지가 나온다. 매 라운드가 모든 픽셀을 동시에 처리하고, 마지막 라운드가 끝나기 전에는 아무것도 쓸 수 없다. 영상은 작업량을 배수로 늘린다. 1초는 약 24프레임이고, 각 프레임은 앞선 프레임과 일치해야 한다. 컵은 원래 자리에 있어야 하고, 얼굴은 끝까지 같은 얼굴이어야 한다. 반면 텍스트 한 편은 작은 단위가 수백 개에 불과하다. 그래서 실측한 오픈소스 모델 하나가 영상 1초를 생성하는 데 칩 연산 시간 약 350초가 필요하고, 1분 영상의 비용이 1분 텍스트의 수천 배인 것이다.

Anthropic은 투자자들에게 7월 말 연환산 매출이 650억 달러에 달했다고 밝혔고, OpenAI는 약 400억 달러다. 이 두 연구소의 매출만으로도 가시적인 영상 총매출의 약 45배다.

대형언어모델 영역에서는 매출 대부분이 모델 연구소에 귀속되지만, 영상 영역에서는 매출이 가장 큰 곳이 애플리케이션이다. 가장 큰 언어 모델 애플리케이션은 코딩 도구 Cursor로, 보도에 따르면 6월 연환산 매출이 약 40억 달러이며 Anthropic의 약 16분의 1이다. 영상 분야에서는 Higgsfield가 7억 달러로 선두이고, 다른 회사의 모델을 포장한 애플리케이션(Higgsfield, HeyGen, Synthesia, Magnific)이 가시적 총매출의 절반 이상을 차지한다. 텍스트 고객은 모델의 지능을 사서 곧바로 쓰지만, 영상 고객은 특정 작업을 위한 완성본을 산다. 완성본에는 편집, 일관성, 그에 맞는 워크플로가 필요하고, 애플리케이션은 바로 이런 요구들을 중심으로 구축되어 영상 워크벤치를 이뤘다.

그림 한 장은 대략 천 단어

이미지

10월 22일 기준으로 기록된 분당 영상 최저가는 약 3달러로 Veo의 가장 저렴한 등급이며, 최고 등급과는 약 7,600배 차이다.

주목할 만한 차이점이 몇 가지 더 있다. 코드는 대형언어모델의 최대 시장이고 자동 검증이 가능하다. 영상은 눈으로 판단해야 하고 상대적으로 주관적이다. 텍스트는 토큰 단위로 사지만, 영상은 클립 단위로 사고, 그에 대응하는 것은 제작 예산이다.

누가 돈을 내는가: 공개된 증거는 모두 기업 고객을 가리킨다

IOSF Research

Higgsfield는 스스로를 "크리에이터, 마케터, 브랜드, 에이전시, 제작사를 위한" 플랫폼이라고 소개하며 "390개 포춘 500대 기업에 비주얼 콘텐츠 제작을 지원한다"고 밝힌다(Higgsfield). HeyGen은 포춘 100대 기업 가운데 85%가 자사를 사용한다고 밝힌다(HeyGen). 두 회사 모두 용도별로 매출을 쪼개지 않았기 때문에, 공개 데이터만으로는 오락 목적으로 영상을 만드는 개인에서 나온 매출이 얼마인지 알 수 없다. 공개된 모든 증거는 기업 구매자를 가리킨다.

구매자를 더 세분하면 비즈니스 모델의 분화가 드러난다. 사람들은 AI 영상을 많이 보지만, 돈을 내고 사는 것은 다르고 요구하는 품질도 다르다.

  • 숏드라마 앱은 회차로 이야기를 팔기 때문에 품질이 관객의 지속 결제를 좌우한다. 이들의 최대 비용은 제작이 아니라 고객 획득이다. Media Partners Asia의 추정에 따르면 최대 숏드라마 플랫폼 ReelShort는 2025년 매출 7억 8,500만 달러 가운데 55%를 사용자 획득과 마케팅에 썼다(Indian Television). 마케팅이 매출의 55%를 가져가므로, 생성을 포함한 다른 모든 비용은 남은 45% 안에서 해결해야 한다. 그래서 더 저렴한 모델은 예산에서 작은 부분만 압축할 수 있다. 더 나은 모델은 돈을 버는 부분, 즉 관객이 다음 회차를 위해 계속 결제할지에 작용한다. ReelShort는 생성 관련 지출을 공개하지 않았으므로, 이는 우리의 비용 구조 해석이며 실측된 분해가 아니다.
  • 관객은 소셜 피드로 이런 드라마를 발견하고(Meta와 Ormax의 조사에 따르면 인도 관객 중 이 비율이 89%), 제작사들도 빠르게 AI로 옮겨가고 있다. Owl & Co 집계에 따르면 3분기 중국 외 지역 세로형 숏드라마 신작 가운데 약 3분의 2가 AI로 생성됐고, 1분기에는 이 비율이 3%에 불과했다(The Hollywood Reporter).
  • AI 컴패니언 앱은 화면이 아니라 정서적 연결을 판다. 사용자는 이 관계 때문에 반복해서 돌아오므로 영상은 "충분히 쓸 만한" 수준이면 된다. 관건은 비용과 속도다. 사용자마다 대량의 영상이 필요하기 때문이다.

제작이 싸다는 것이 보는 사람이 있다는 뜻은 아니다: 가치는 '결정'과 '콘텐츠 유통' 쪽으로 이동한다

IOSF Research

음악 산업이 먼저 이 단계에 도달했다. Deezer에 따르면 6월 피크 날에는 완전히 AI로 생성된 트랙이 이 스트리밍 플랫폼의 전체 신규 업로드 가운데 절반을 넘었고, 현재는 하루에 약 9만 곡이 새로 올라온다. 그러나 이들은 재생량의 1~3%만 차지한다.

이미지

Deezer는 탐지된 AI 트랙을 추천과 플레이리스트에서 제외하는데, 이 때문에 업로드량과 재생량의 격차가 눈에 띄게 된다. 이 구도는 경제학자 Herbert Simon이 1971년에 묘사한 것과 같다. 정보가 풍부해지면 주의력이 희소 자원이 된다. 제작이 거의 무료가 되면 공급이 범람하고, 가치는 어떤 콘텐츠가 보이게 될지를 결정하는 쪽으로 이동한다. 두 연구자는 관객이 AI 콘텐츠에 부과하는 품질 기준을 "slop ceiling"(저질 콘텐츠 천장)이라고 불렀다.

어떤 산업이 가장 먼저 영향받는가: 스톡 소재와 광고가 맨 앞, 게임과 로봇이 맨 뒤

IOSF Research

이미지

오늘의 23억 달러는 기존 영상 지출에 비하면 아직 작고, 자금은 고르게 이동하지 않는다. 현재 모델로 이미 해낼 수 있는 영상 작업의 비율 순으로 정렬하면 다음과 같다:

  1. 스톡 소재와 이미지. 생성된 클립이 라이선스 소재를 곧바로 대체할 수 있다. 양대 스톡 기업 Getty Images와 Shutterstock의 지난해 합산 매출은 약 20억 달러로, 현재 가장 영향이 큰 버티컬이다.
  2. 광고와 제품 영상. WPP Media는 올해 전 세계 광고 매출을 약 1조 3,000억 달러로 전망한다. 그중 광고 제작에 쓰이는 것은 일부에 불과하지만, Kalshi의 광고는 생성 비용이 떨어지면 이 지출이 어디까지 압축될 수 있는지, 실사 광고의 막대한 간접 비용이 얼마나 상쇄되는지를 보여준다.
  3. 교육 및 설명 영상. 2025년 미국 기관의 교육 지출은 1,028억 달러다(Training magazine). HeyGen과 Synthesia의 시장이며, 발표자가 대본을 읽는 것은 가장 생성하기 쉬운 영상 유형이다.
  4. 숏드라마. 중국에서는 휴대폰용으로 만드는 1~2분짜리 회차의 마이크로 드라마 매출이 2025년 94억 달러에 이르러 전국 영화 흥행 수입을 넘어설 것으로 예상된다. 이 제작사들은 이미 휴대폰 화질의 소재를 받아들이고 있고, 수요도 크다.
  5. 시각효과. IMARC는 2025년 이 시장 규모를 약 110억 달러로 추정하지만(IMARC), 추정치 간 편차가 크다. 제작사들은 이미 생성된 샷을 쓰고 있다(아래 참조).
  6. 영화와 TV. Ampere Analysis는 2026년 전 세계 콘텐츠 지출을 2,550억 달러로 추정한다. AI는 작품 전체가 아니라 샷 하나씩 이 영역에 들어온다.
  7. 게임과 로봇. Newzoo 추정에 따르면 게임 업계의 2025년 매출은 2,016억 달러다. 영상 모델은 세계를 시뮬레이션하는 법을 익혀야 비로소 여기서 역할을 할 수 있으며, 이는 이 글의 마지막 절 내용이다.

AI는 영상 제작 비용을 어떻게 바꾸는가: 채택률과 단가가 똑같이 중요하다

IOSF Research

이미지

현재 가장 뚜렷한 영향은 비용에 있다. Kalshi의 광고 외에도, OpenAI가 지원하는 애니메이션 장편 Critterz는 예산 3,000만 달러 미만, 제작 기간 9개월이다. 대형 애니메이션 영화는 통상 1억~2억 달러와 약 3년이 걸린다.

정가는 일괄이 아니라 등급별로 내려간다.

이미지

다음 라운드의 원가 절감은 이미 연구에서 나타나고 있다. Hugging Face 연구진의 실측 연구에 따르면, 대형 오픈소스 모델 하나가 플래그십 GPU 한 장에서 5.4초 클립을 생성하는 데 1,875초가 걸렸고, 우리 계산으로는 영상 1초당 약 350초의 연산 시간이 필요한 셈이다. 증류(distillation)는 바로 이 문제를 겨냥한다. 한 팀은 소형 오픈소스 모델의 초당 프레임 수를 약 22배 끌어올려, 단일 칩에서 실시간 스트리밍 생성이 가능한 수준까지 만들었다. 컴패니언 앱이 필요로 하는 대폭적인 원가 절감이 바로 여기서 나올 것이다. 먼저 저해상도로 생성한 뒤 업스케일하는 방식이다.

영상 1초 생성의 정가는 비용의 일부일 뿐이다. Kalshi 광고의 감독은 클립 2027개 중 1개만 남겼기 때문에, 그에게 쓸 만한 영상 1초의 비용은 정가의 2027배다. 이는 높은 편에 속한다. 한 영상 도구 업체가 다른 작품을 정리한 자료에 따르면, 3분짜리 애니메이션 시리즈는 클립 4개 중 1개를 남겼다(164개 중 41개). 아직 독립적으로 집계된 채택률 데이터를 공개한 곳은 없다. 일관성은 채택률에 직접 영향을 준다. 모델이 캐릭터, 제품, 카메라 무빙을 여러 번의 생성에 걸쳐 일관되게 유지할 수 있다면 필요한 생성 횟수가 줄고, 생성 횟수가 절반으로 줄면 쓸 만한 영상 1초의 비용도 절반이 된다. 가격 인하는 매 생성의 단가를 낮출 뿐이다.

우리 테스트: 같은 프롬프트, 세 개의 모델. 11월 2일, 우리는 Runway의 API를 통해 세 모델에 같은 프롬프트를 주었다. 유리 테이블 위 휴대폰에 전화가 걸려 화면이 켜지고, 진동하며 테이블 가장자리로 이동하다 떨어져 시멘트 바닥에서 한 번 튄다. 각 8초, 720p, 무음, 모델당 한 번씩 생성해 총 4.80달러가 들었다.

이미지

▲ 왼쪽부터: Wan 3.0, Seedance 2.5, Veo 3.1

  • Wan 3.0(0.80달러, 리더보드 1위)이 가장 좋은 결과를 냈다. 휴대폰이 앞으로 움직이고, 떨어지고, 멈췄다. 다만 카메라가 아래로 기울며 따라갔다.
  • Seedance 2.5(2.40달러, 셋 중 가장 비쌈)는 진동 효과가 가장 사실적이었지만, 떨어지기 전에 새 샷으로 컷되고 화면도 검게 변했다.
  • Veo 3.1(무음 버전 1.60달러, 리더보드 22위)은 시작할 때 휴대폰이 눕지 않고 세워져 있었고, 착지 후 고무처럼 여러 번 튀었다. 화면 텍스트는 셋 중 가장 선명했다. (우리가 Veo를 계속 추적하는 이유는 Google이 가격 이력을 가장 명확하게 공개하기 때문이지, Veo가 선두이기 때문이 아니다. 품질 면에서 Veo는 이제 더 저렴한 모델들에 뒤처지며, 우리 테스트도 이를 보여준다.)

세 모델 모두 프롬프트를 완전히 수행하지 못했고, 생성에는 각 24.5분이 걸려 클립 길이의 1534배였다(우리 계산). 세 클립으로 많은 것을 말할 수는 없지만, 결과 순위는 가격이 아니라 리더보드와 일치했다.

다음 변곡점: 비용과 지연

IOSF Research

더 저렴한 모델이 하나의 길이다. 다른 길은 영화와 애니메이션이 이미 쓰는 제작 방식을 그대로 따르는 것이다. 먼저 거칠게, 나중에 정교하게.

저비용으로 초안을 뽑고, 마지막에 딱 한 번만 렌더링한다.

애니메이터들은 수십 년 전에 이 문제를 풀었다. 스토리가 정리되기 전에는 애니메이션 작업을 시작하지 않고, 먼저 스토리보드를 그린 뒤 거친 동영상 샘플, 즉 애니매틱(animatic)을 만든다. AI 영상도 이렇게 할 수 있다. 초당 1~2프레임의 거친 편집만으로도 스토리와 샷을 판단하기에 충분하며, 효과는 연속 그림에 가깝다. 뽑힌, 가장 적합한 샷만 최고의 모델로 렌더링한다.

이는 위에서 언급한 채택률 문제도 해결한다. 대부분의 생성 결과를 버려야 한다면, 그것들이 아직 저렴할 때 버리는 편이 낫다.

바이트댄스는 이미 이 방식을 제품으로 만들었다. Seedance 2.5의 Draft(초안) 모드는 10월 30일부터 fal에서 제공되며, 먼저 저해상도 미리보기를 빠르게 생성한 뒤 같은 영상 구간을 풀 HD로 완성한다. 남긴 클립에만 정가를 지불하면 된다. 차액은 빠르게 불어난다(fal):

  • 미리보기(480p): 초당 약 0.22달러
  • 풀 HD(1080p): 초당 약 1.16달러, 미리보기의 약 5배
  • 초안을 완성본으로 마무리: fal은 가격을 공개하지 않았다. 우리 팀의 테스트에서는 비용이 풀 HD 클립을 바로 생성하는 것보다 6~8배 낮았다

대가는 품질이다. 초안으로 완성한 결과물은 바로 생성한 풀 HD 클립보다 약간 물러 보이지만, 미리보기에서 이상했던 마지막 프레임 하나는 바로잡았다. 규모가 커지면 절감 폭이 크다. 25번 생성 중 1번을 남긴다면(채택률 4%), 1시간 분량 풀 HD 완성본의 비용은 다음과 같다:

  • 매번 풀 HD로 생성: 약 10만 5,000달러
  • 먼저 초안을 뽑고 남긴 클립을 완성: 약 2만 달러(우리 계산)

하이브리드 워크플로가 이미 등장했다.

저비용 초안 뽑기는 하나의 지름길이다. 다른 하나는 기존 도구와 새 도구를 결합하는 것이다. 크리에이터들은 이제 3D 디자인 도구 Blender에서 회색 지오메트리로 장면을 구성하고, OpenAI의 GPT-6 Astra로 오브젝트와 카메라 위치를 배치한 다음, 장면 속 한 프레임의 정지 이미지를 사실적인 첫 프레임으로 바꿔 Seedance 2.5로 완성본을 생성한다(Kapwing 튜토리얼, 바이트댄스 Dreamina(即梦)).

두 도구는 서로의 약점을 메운다. 3D만으로는 사실감을 내기까지 너무 느리고, AI 영상만으로는 제어가 어렵다. 둘을 합치면 3D 초안이 레이아웃과 카메라를 확정하고, 영상 모델이 화면의 질감을 맡는다.

실시간 생성이 다가오고 있다.

마지막 단계는 속도다. 보면서 렌더링하는 영상은 이미 실험실 시연만은 아니다:

  • Runway Characters(3월): Runway의 GWM-1을 기반으로 한, 실시간 대화가 가능한 영상 모델(Runway)
  • Runway Solaris(8월 31일): Runway가 말하는 최초의 "Interface World Model"(인터페이스 세계 모델)(Crypto Briefing)
  • Decart(5월): 실시간 영상 스트림을 즉시 생성 장면으로 변환하며, 약 40억 달러 밸류에이션으로 3억 달러를 조달했다(bne IntelliNews)
  • Zoom 아바타: 사실적인 아바타로 카메라 화면을 대체하고, 말할 때 표정까지 동기화해 따라 한다. 기능 제공 여부는 요금제와 지역에 따라 다르다(Zoom)

영상 생성 속도가 실시간 통화에 필요한 수준에 이르면, 컴패니언 앱이 마주한 문제는 달라진다. 분당 비용이 얼마인가가 아니라, 다음 프레임이 얼마나 빨리 도착하는가가 된다.

마케팅 너머: 영화·TV·시각효과에서 AI는 VFX 샷은 해도 장편 프로젝트는 못 한다

IOSF Research

이미지

할리우드는 영상 AI가 광고 영역을 벗어날 수 있는지 시험하고 있다.

지금까지 제작사들은 주로 두 가지 방식으로 이를 쓴다. 하나는 예산이 원래 감당하지 못했던 샷을 만드는 것, 다른 하나는 자사 캐릭터를 라이선스해 다른 이들이 쓸 때 수익을 얻는 것이다.

첫째, 원래 감당할 수 없었던 샷 만들기.

최근 두 편의 드라마가 원래는 삭제될 장면을 AI로 완성했다:

  • Netflix의 The Eternaut: 이 아르헨티나 드라마는 생성형 영상으로 건물 붕괴 장면을 완성했다. 공동 CEO Ted Sarandos는 이 샷이 전통적 특수효과보다 열 배 빨리 완성됐고, 전통 방식으로 만들었다면 이 드라마 예산에서는 "도저히 실행 불가능"했을 것이라고 밝혔다.
  • Amazon의 House of David: 이 성경 소재 드라마는 시즌 2에서 AI 생성 이미지 350~400장을 썼고, 시즌 1에서는 약 70장이었다(TheWrap). 쇼러너는 AI 없이는 그 전쟁 장면들을 감당할 수 없었다고 말한다.

다른 제작사들은 더 나아가 모델 기업과 직접 협력한다. Lionsgate는 6월 Runway에 지분을 투자했고(지분율 미공개), 자사 영화 라이브러리를 바탕으로 한 숏드라마 시리즈 제작을 계획하고 있다(Runway). AMC Networks도 Runway와 계약했다(Hollywood Reporter).

둘째, 캐릭터 라이선스로 수익 얻기.

더 큰 쟁점은 캐릭터를 누가 소유하는가다. Disney의 행보는 양면을 보여준다:

  • 2025년 6월: Disney와 Universal이 저작권 침해를 이유로 Midjourney를 제소했다.
  • 2025년 12월: Disney가 OpenAI에 10억 달러 투자를 합의하고 Sora에 자사 캐릭터 200여 개를 라이선스했다(Disney).
  • Sora 종료 후: 계약도 함께 종료됐고, Disney는 다른 AI 파트너를 찾겠다고 밝혔다(Blooloop).

결론은 단순하다. 제작사들은 자기 캐릭터가 쓰일 때 대가를 받기를 원하고, 비용을 내지 않고 쓰는 쪽은 고소한다.

일본 권리자들이 가장 앞서 나가, AI를 막는 쪽에서 AI에 라이선스를 주는 쪽으로 돌아섰다. 이유는 돈이다. 일본 애니메이션은 해외에서 잘 팔리지만, 많은 제작사가 경영난을 겪고 있다:

  • 일본동화협회 잠정 집계에 따르면 2024년 해외 매출은 2조 1,700억 엔으로 국내 매출을 넘어섰다(gamebiz)
  • 2025년에는 34.6% 의 애니메이션 제작사가 적자를 냈다(제국데이터뱅크, GameBusiness 경유)

2025년 10월, 일본 권리자들을 대표하는 기관 CODA는 OpenAI에 회원 작품을 무단으로 Sora 2 학습에 쓰는 것을 중단하라고 요구했다(Automaton).

1년도 안 되어 태도가 바뀌었다. 9월 11일, 중국 AI 연구소 MiniMax와 일본 기업 KAGAMIAI는 도쿄에서 H3 IP Edition을 발표했다. 크리에이터는 이것으로 라이선스된 일본 캐릭터를 활용한 영상을 만들 수 있고, 각 캐릭터에는 승인된 소재, 사용 규칙, 상업 이용 조건이 붙으며 권리자에게 사용 내역이 보고된다. MiniMax는 이미 60여 개 기업이 관심을 표명했다고 밝혔다(MiniMax).

앞서 KAGAMIAI는 《캡틴 츠바사》(Captain Tsubasa)와 파일럿을 진행했고, 다른 중국 영상 모델 PixVerse를 사용했으며, 그 결과는 수요가 얼마나 클 수 있는지를 보여줬다(출처는 위 MiniMax 페이지와 같음):

  • 약 12만 6,000 명의 크리에이터
  • 45일 동안 약 33만 점의 작품 제작
  • 활동의 99% 이상이 일본 외 지역에서 발생

라이선스 팬 창작은 AI 영상에서 캐릭터 권리자가 처음으로 수익을 얻을 수 있는 대중 소비 시장이 될 수 있다.

규칙은 이렇다. AI는 특수효과는 할 수 있지만 장편 프로젝트는 못 한다.

위의 모든 사례에서 AI가 처리한 것은 중간 예산 드라마가 원래 감당할 수 없었던 샷이다. 대형 와이드샷, 군중, 파괴 장면, 배경 환경. 나머지 제작은 여전히 사람이 한다. 컴퓨터 그래픽 기술이 영화에 들어온 방식도 같았다. 1995년 《토이 스토리》가 장편 전체를 이 기술로 만들 수 있음을 입증하기 훨씬 전부터 특수효과 하나씩 보급됐다.

한 테스트 결과도 같은 방향을 가리킨다. 뒤에서 소개할 물리 벤치마크에서 Odyssey-3 Pro 모델의 점수는 시작점에 따라 달라진다:

  • 실제 영상 이어가기: 63점, 단일 생성
  • 단일 이미지에서 시작: 50점

AI 영상은 실제 소재를 기반으로 할 때 더 잘한다. 특수효과 작업의 상황이 정확히 그렇다. 생성된 모든 샷이 실제 영상 속에 박혀 있다. 이 테스트는 길이를 측정하지 않는다. 모델이 여러 샷 사이에서 일관성을 유지할 수 있는지에 대한 테스트는 아직 누구도 공개하지 않았고, 바로 그 테스트가 장편 프로젝트가 여전히 불가능한 이유를 설명해줄 것이다.

전문화된 연구소가 나타날까? 이미 나타났다, 영상 기업은 세 갈래로 분화하고 있다

IOSF Research

전문화된 연구소가 이미 등장했고, 영상 기업은 세 갈래로 분화하고 있다:

범용 거대 기업. Google(Veo), 바이트댄스(Seedance), 콰이쇼우(Kling)는 가장 많은 연산력과 데이터를 갖고 있다. 이들은 품질과 가격으로 경쟁하고, 대부분의 애플리케이션은 이들의 모델을 재판매한다.

스튜디오형 연구소. Runway는 현재 Lionsgate가 지분을 보유한 상태이며, 영화와 TV를 겨냥한 제품을 개발한다. Moonvalley는 라이선스 영상만으로 Marey 모델을 학습시켰고 2025년 7월까지 1억 5,400만 달러를 조달했으며, 제작 부문 Asteria가 이 모델로 영화를 만든다. 이런 연구소는 거대 기업이 제공하기 어려운 세 가지를 줄 수 있다. 제작사 법무가 받아들일 수 있는 학습 데이터, 프레임 단위의 정교한 제어, 기존 특수효과 파이프라인에 연결되는 도구다.

애플리케이션 레이어. Higgsfield, HeyGen, Magnific는 다른 연구소의 모델을 묶어 특정 고객에게 판매한다.

새로운 연구소와 그들의 베팅 방향. 우리가 찾은 2026년 최대 투자 몇 건은 모두 인터랙티브 모델이나 세계 모델을 개발하는 연구소로 향했다. AMI Labs의 10억 3,000만 달러 시드 라운드, Runway의 3억 1,500만 달러 조달(Runway는 세계 모델에 쓰겠다고 밝혔다), AMD의 World Labs 인수(82억 달러)다. 우리는 한 해 전체 영상 분야의 자금 조달을 모두 집계하지 않았고, 아래 표는 투자 라운드와 인수 한 건, 제품 업데이트를 섞은 것이다:

이미지

향후 12개월에 나올 가장 유력한 돌파구도 이 표에서 나온다. 통화와 게임을 지원할 만큼 실시간인 영상 생성, 고정 클립이 아닌 상호작용 가능한 세계, 그리고 대규모 라이선스 캐릭터 생성이다.

영화와 특수효과 분야에서는 스튜디오형 연구소가 이길 가능성이 가장 높다. 제작사는 핵심 샷(히어로 샷)에 소송 리스크를 질 수 없고, 감독의 의도를 정교하게 재현해야 하며, 노조와 협력해야 한다. 최강의 원시 모델만 내놓는 범용 기업은 가격 경쟁밖에 할 수 없다.

더 큰 기회는 클립이 아니라 세계

IOSF Research

이번 지능 발전 국면에서 영상 모델의 최대 시장은 결국 영상이 아닐 수도 있다. 장면의 다음 프레임을 예측하는 모델은 세계가 어떻게 움직이는지를 학습하고 있을 수 있고, 이는 게임과 로봇에 매우 유용할 것이다.

Runway는 2025년 12월 GWM-1을 공개하며 범용 세계 모델이라고 불렀고, 세 가지 버전이 있다. 탐험 가능한 세계, 대화 가능한 아바타, 그리고 로봇이 동작할 때마다 카메라에 무엇이 보일지 예측하는 로봇 모델이다. 720p로 실시간 생성하며 최대 2분이다. Runway는 2월 53억 달러 밸류에이션으로 3억 1,500만 달러를 조달하며, 이 자금을 더 강력한 세계 모델 개발에 쓰겠다고 밝혔다.

이 베팅을 가장 먼저 묘사한 것은 《국가》의 동굴 비유에서 플라톤이다.

죄수들은 벽에 비친 그림자만 볼 수 있고, "지나가는 그림자를 가장 예리하게 관찰"하며 다음에 어떤 그림자가 나타날지 가장 잘 맞히는 사람에게 명예를 준다. 영상 모델은 상을 받는 그림자 예측자이지만, 그림자를 만든 물체를 본 적이 없다. 플라톤의 요지는 그런 기술이 지식은 아니라는 것이다. 영상 모델의 경우, 다음 프레임을 예측하는 것이 세계가 어떻게 움직이는지 이해하는 것인가가 문제이며, Physics-IQ는 이를 검증하는 한 가지 방법이다.

이미지

Physics-IQ는 Google DeepMind가 운영하는 벤치마크다. 모델에 실제 물리 사건의 시작 부분을 보여주고, 모델이 생성한 뒤이은 화면이 실제와 얼마나 가까운지 평가한다. 100점은 또 한 번의 실제 촬영만큼 가깝다는 뜻이다. 원점수 기준으로 최고의 단일 이미지→영상 모델은 2025년 2월 23점에서 올해 5월 44점으로 올랐다. 재채점 리더보드에서는 1위 단일 이미지→영상 모델이 51점이었고, Google의 Veo 3.1 Fast(30점)는 2024년 오픈소스 모델(32점)과 비슷한 수준이었다. 논문 자체의 발견은 이것이다. 물리 이해 능력은 클립이 얼마나 사실적으로 보이는지와 무관하다.

그럴듯해 보이는 것은 기본적으로 해결됐고, 그럴듯하게 행동하는 것은 아직이다. 이 테스트에서 최고 모델은 여전히 0점과 또 다른 실제 촬영 사이의 절반 정도에 머문다. 사실감과 물리적 거동이 서로 무관하다고 밝혀진 이상, 화면이 더 예뻐지는 것만으로 이 격차가 저절로 줄지는 않는다.

이 점수가 100에 가까워진다면 영상 연구소는 시뮬레이션 기업이 되어 게임 스튜디오와 로봇 제조사에 제품을 팔 것이다. 그 시장에서는 영상 분야의 선발 우위가 매우 중요해질 것이다.

결론: 세 개의 숫자가 이 산업의 방향을 결정한다

IOSF Research

이 글에 남은 대부분의 질문은 세 개의 숫자로 답할 수 있다:

  1. 생성 결과 가운데 몇 개가 채택되는가? 지금 우리가 가진 데이터는 Kalshi 광고의 4~5%, 한 애니메이션 시리즈의 25%뿐이다. 개인적으로는 일관성이 이 숫자에 원본 화질보다 큰 영향을 미칠 것이고, 연구소들도 그 방향으로 갈 것이라고 본다. 단발성으로 뛰어난 생성을 추구하는 대신, 일관성을 관리하고 대량의 컨텍스트를 지원하는 생성 환경을 구축하는 쪽으로.

  2. 완성본 1시간에는 실제로 얼마가 드는가? 정가를 채택률로 나누면 된다. 오늘 가격 기준으로 같은 1시간 영상의 비용은 다음 범위일 수 있다:

  • Veo 3.1 Lite(정가): 720~4,500달러
  • Seedance 2.5 풀 HD: 1만 6,80010만 5,000달러
    이 공식에 따르면 채택률이 두 배가 되는 것과 가격이 절반이 되는 것의 원가 절감 효과는 같다. 차이는 각각에 남은 여지가 얼마인가다. 현재 4
    25%의 채택률을 감안하면, 매 생성이 모두 쓸 수 있게 만드는 모델은 비용을 4~25배 낮출 수 있다. 가격은 이미 내려갔고, 등급별 하락 폭도 고르지 않았다. 우리는 향후 2년간 채택률이 더 큰 레버리지라고 판단한다. 만약 다음에 공개되는 채택률이 여전히 4% 부근이고 가격이 계속 떨어진다면, 이 판단은 틀린 것이다.
  1. 물리적 거동은 견고한가? Physics-IQ는 모델의 움직임이 실제 세계와 맞는지 검증하는 유일한 공개 테스트이며, 최고 모델의 점수는 실제 영상의 약 절반이다. 모델이 실제 영상을 기반으로 삼는 장면에서 격차가 가장 먼저 줄어들 것이다.

2년 전의 질문은 AI 영상이 충분히 보기 좋게 만들어질 수 있는가였다. 이 질문은 대체로 답이 나왔다. Kalshi의 광고는 NBA 파이널 기간에 방영됐고, Netflix도 생성된 화면을 정식 공개된 드라마에 사용했다.

지금 남은 것은 돈과 통제권의 문제다:

  • 누가 돈을 가져가는가? 제작사들은 자기 캐릭터가 등장할 때 배분을 받거나 로열티와 유사한 제도를 원한다. 캐릭터, 개인, 아이돌의 라이선스 팬 창작은 크게 성장할 수 있다.
  • 어떤 새로운 가능성이 나타나는가? 물리 격차가 줄어들면 영상 모델은 더 이상 클립 생성기가 아니라 시뮬레이터가 된다. 우리의 판단: 가장 먼저 유료 수요가 생기는 교집합은 로봇 학습, 즉 모델이 실제 카메라 화면을 이어가는 것이다. 바로 현재 점수가 가장 높은 시나리오이며(63점 대 50점), Runway의 GWM-1도 이미 이런 제품을 팔고 있다. 게임은 더 늦을 것이다. 게임은 모델이 처음부터 시작해 수 시간 동안 일관성을 유지해야 하기 때문이다. 2027년까지 시뮬레이터 시장의 규모는 그것이 파생된 광고·제작 시장보다 여전히 작을 것으로 우리는 예상한다. 만약 그 전에 게임 스튜디오가 생성형 세계 모델에 기반한 작품을 내놓는다면, 이 판단은 틀린 것이다.
공유하기:

작성자: IOSF

이 글은 PANews 입주 칼럼니스트의 관점으로, PANews의 입장을 대표하지 않으며 법적 책임을 지지 않습니다.

글 및 관점은 투자 조언을 구성하지 않습니다

이미지 출처: IOSF. 권리 침해가 있을 경우 저자에게 삭제를 요청해 주세요.

PANews 공식 계정을 팔로우하고 함께 상승장과 하락장을 헤쳐나가세요
PANews APP
카르다노 재단, 트레저리에서 500만 달러 신청…적용 ADA 가격은 시장가보다 33% 높아
PANews 속보