다와 테크놀로지의 Scenes AI, 생성보다 촬영장 데이터가 무기다

이 회사를 파는 데모는 렌더가 아닙니다. 라이브 피드입니다.

발표자가 평범한 사무실에 서 있습니다. 바닥이 무너집니다. 엄니가 달린 무언가가 그 구멍에서 올라옵니다. 옆에 있던 의자가 늑대 머리 왕좌로 일그러지고, 그는 앉습니다. 화분에서 나무가 자라고, 커튼에 불이 붙고, 그러다 방 전체가 애니메이션 초원이 됩니다.

그 프레임 안에서 합성된 사람은 없습니다. 사람은 진짜고 카메라도 진짜이며, 생물과 소품과 세트는 소비자용 RTX 5090 한 장에서 실시간으로 생성됩니다. 충칭에 있는 다와 테크놀로지가 9월 Scenes AI를 출시하며 한 주장이고, 회사 이름이 갑자기 투자자 대화에 등장하는 이유입니다. 스스로를 생성형 세계 기반 모델 회사라고 소개합니다.

실제로 만든 것

구조는 무거운 제어 계층, 가벼운 생성 계층으로 설명됩니다. 지금 유행과 정반대이기 때문에 뜯어볼 값이 있습니다.

큰 모델 하나에 매 프레임을 다시 그리라고 시키는 대신, 다와는 창작 의도와 픽셀 사이에 제어 시스템을 놓았습니다. Latent Stage라 불리는 이 계층은 340억 파라미터이고, 사람, 움직임, 카메라, 조명, 의상, 소품, 물리적 상호작용을 각각 별개이면서 함께 제약되는 변수로 모델링합니다. 하나를 바꾸면 나머지 세계 상태는 고정됩니다.

회사는 지정 연속 편집 성공률 98.2%, 정체성 보존 93.3%를 보고합니다. 자체 테스트로 잰 벤더 숫자이니 방향성으로만 봐야 합니다. 그래도 방향만 보면, AI 영상에서 모두가 불평하는 바로 그 문제를 가리킵니다. 작은 변경 하나를 요청했는데 모델이 세계를 다시 짓는 것.

그 아래에서 생성 계층은 움직인 부분만 계산합니다. 이들의 희소 로컬 마이크로 디퓨전은 프레임의 10~20%만 건드리고, 그 덕에 GPU 전력 소모가 40~60% 줄고 추론이 3~5배 빨라진다고 합니다. 고정된 벽과 바닥, 얼굴은 다시 디퓨전하지 않고 재사용합니다.

그다음이 실시간 경로인 LiveStage입니다. 스텝당 활성 파라미터 약 40억 개, 720p 25fps, 120분 넘게 드리프트 없이 돌아갑니다. 그래픽 카드 한 장에서요. 마지막 숫자가 중요한 이유는, 긴 생성 세션을 죽이는 게 드리프트이기 때문입니다. 장면이 조금씩 변이해서 결국 다른 방이 됩니다.

오프라인 사업이 사실 더 흥미롭다

실시간 데모는 재미있고 수익화가 어렵습니다. 회사에 따르면 다와의 매출은 훨씬 덜 화려한 데서 나옵니다. 숏드라마입니다.

중국의 세로형 숏드라마 시장은 거대하고 원가에 극도로 민감합니다. 바이트댄스의 무료 숏드라마 앱 홍궈는 7~8월 월간 사용자 약 4억 300만 명이었고, 텐센트의 미니프로그램 진입점은 8월 월간 1억 4,300만 명, 10월 첫 주 주간 8,968만 명으로 9월 첫 주 대비 44.1% 늘었습니다. 관객이 그만큼 많고 마진이 그만큼 얇으면, 모두가 신경 쓰는 숫자는 완성 1분당 원가 하나뿐입니다.

다와는 AI 숏드라마 여러 편이 이미 홍궈에 올라가 있다고 합니다. 호왕으로부터의 진화, 요리의 신에게 빙의되다, 무인도에서의 내 인생 정도로 옮길 수 있는 작품들입니다. 붙은 주장은 구체적이고 원칙적으로 검증 가능합니다. 컷당 재시도 횟수가 50~60회에서 5회 미만으로 줄었고, 주류 모델 대비 단위 제작 원가가 10분의 1 수준으로 떨어졌다는 것.

절반만 사실이어도 투자를 설명합니다. 올해 Pre-A와 A 라운드에 걸쳐 5억 위안, 약 7,000만 달러이고 치푸캐피털, 콩콩둥하이, 이춘캐피털 등이 참여했습니다. 회사는 올해 매출 약 5억 위안을 확정했고 규모의 경제에서 흑자라고도 합니다. 이 업종에서 정말 드문 문장입니다.

아무도 갖지 못한 180테라바이트

이들이 말하는 해자는 모델이 아닙니다. 그 아래 데이터셋입니다.

충칭 융촨에서 다와는 8만 4,000제곱미터 규모의 디지털 제작 시설을 운영합니다. 스테이지 11개, 가동률 92% 이상이라고 합니다. 5년 동안 300개 넘는 상업 프로젝트가 이곳을 처음부터 끝까지 거쳤고, 약 180테라바이트의 구조화된 공정 데이터가 쌓였습니다. 카메라가 어떻게 움직였는지, 배우가 어디에 섰는지, 조명을 어떻게 배치했는지, 소품을 어떻게 다뤘는지. 장면당 주석 차원은 300개가 넘습니다.

인터넷의 영상 코퍼스와는 다른 종류의 데이터입니다. YouTube 클립은 모델에게 장면이 어떻게 보이는지를 가르칩니다. 촬영 로그는 왜 그렇게 보이는지를 가르칩니다. 제어 모델에게는 두 번째가 전부입니다. 제어란 의도에서 결과로 가는 매핑이고, 그 매핑은 공정 기록에만 존재합니다.

회사에서 가장 복제하기 어려운 자산이기도 합니다. 긁어 모을 수 없고, 이미 제작을 돌리고 있을 때만 쌓입니다. 촬영이 데이터를 만들고, 데이터가 제어 모델을 개선하고, 모델이 더 많은 촬영을 따내는 이 플라이휠이 실제 피치이고, 벤치마크 표보다 나은 피치입니다.

모두가 하게 될 비교

담론에서 비슷한 이름으로 등장하는 샌프란시스코 회사 Higgsfield는 다른 길을 갔습니다. 다와의 투자 라운드를 다룬 보도에 따르면 Higgsfield는 세 번의 시도에 1,000만 달러를 태운 뒤, 선임 크리에이티브 디렉터 여덟 명에게서 같은 답을 들었습니다. 빠진 건 생성 품질이 아니라 카메라와 샷 제어라는 것. 그걸 애플리케이션 계층 기능으로 만들었고, 18개월 만에 연환산 매출 100만 달러에서 1억 달러로 갔으며, B 라운드 후 기업가치 54억 달러로 알려졌습니다. 창업자의 공개 입장은 버티컬 회사가 범용 파운데이션 모델을 좇아서는 안 된다는 것이고, 해자는 모델 라우팅이며 호출의 약 40%가 자동 배정되고 매출총이익률은 80%를 넘습니다.

다와의 반론은 이렇습니다. 라우팅은 어느 모델이 생성할지를 정하고, 제어 계층은 출력을 바꿀 수 있는지, 일관되게 유지할 수 있는지를 정합니다. 하나는 원가를 최적화합니다. 다른 하나는 납품할 수 있는지를 결정합니다. 공정한 구분이고, 라우팅 테이블 대신 영화 세트를 지은 이유이기도 합니다.

더 나은 사업인지는 미해결입니다. 라우팅은 수요에 따라 확장되고 스튜디오가 필요 없습니다. 제어 모델은 방어 가능해지기까지 8만 4,000제곱미터와 10년치 촬영이 필요합니다.

믿기 전에 보고 싶은 것

세 가지입니다.

첫째, 재시도 횟수에 대한 독립적 측정. “50에서 5”는 피치에서 반올림되기 쉬운 숫자이고, 5와 15의 차이는 수익 나는 제작과 취미의 차이입니다.

둘째, 120분 무드리프트 주장의 편집 없는 라이브 세션. 드리프트는 하이라이트 릴에서 숨기기 쉽고, 한 시간 연속 스트리밍에서는 숨길 수 없습니다.

셋째, 개봉한 영화. 다와의 크레딧에는 칸 수상작 Wild Times와 극장 개봉작 The Vanished 작업이 있고, 업계 최초의 완전 AI 극장 장편을 준비 중이라고 합니다. 장편은 아주 공개적으로 틀리는 방법이고, 그래서 논쟁을 끝낼 수 있는 방법입니다.

제가 가장 설득력 있다고 느끼는 건 데모가 아닙니다. 회사가 영화 스튜디오를 사고, 크루를 고용하고, 5년 동안 컷이 어떻게 만들어지는지 기록했다는 점입니다. AI 영상의 병목은 애초에 픽셀이 아니었다는 생각에 대한 느리고 화려하지 않은 베팅입니다. 병목은 자기가 뭘 원하는지 아는 것, 그리고 그걸 유지할 수 있는 것이었습니다.