카첸버그와 전 Sora 책임자가 영화 제작자를 위한 비디오 모델을 만드는 이유

9월 15일, 이름도 제품도 데모도 없는 새로운 AI 비디오 회사가 모습을 드러냈다. 그것이 가진 것은 창립 팀이었고, 그 이름들만으로도 업계는 술렁이기 시작했다. 드림웍스를 공동 창업한 프로듀서 제프리 카첸버그는 OpenAI의 Sora 팀을 이끌었던 빌 피블스, 그리고 전 Dropbox 최고재무책임자(CFO) 수제이 재스와와 손을 잡았다. 회사가 밝힌 계획은 영화 제작자를 위해 자체 비디오 모델을 훈련시키는 것이다.

마지막 세부 사항이 이야기의 전부다. 현재 AI 비디오를 내놓는 거의 모든 회사는 다른 목적에 최적화하고 있다: 소셜 피드용 짧은 클립, 광고 변형, 제품 샷, 또는 끝없이 스크롤되는 생성 콘텐츠. 고객이 영화 제작자라고 말하고, 그 고객을 위해 자체 모델을 훈련하겠다고 하는 스타트업은 더 좁고 더 위험한 베팅을 하는 것이다.

의도적으로 꾸려진 팀

세 이름을 역할 분담으로 읽어보자. 카첸버그는 영화 사업 그 자체를 가져온다. 스튜디오, 감독, 금융가들과 수십 년간 쌓아온 관계, 그리고 제작에 실제로 무엇이 필요한지에 대한 명확한 감각을. 피블스는 세계에서 가장 주목받는 비디오 모델 중 하나를 운영했다. 즉 그는 이런 시스템이 어떻게 구축되는지, 더 유용하게는 어디서 아직 깨지는지를 안다. 재스와는 컴퓨트 집약적 회사에 필요한 재무 규율을 가져온다. 비디오 모델 훈련은 소프트웨어 분야에서 거의 그 무엇보다 돈을 빠르게 태우기 때문이다.

카첸버그의 이력은 미화하기보다 공정하게 읽을 가치가 있다. 드림웍스는 진짜 성공이었다. 그의 단편 스트리밍 벤처인 Quibi는 1년 만에 문을 닫은 대표적 실패였다. 사람들이 Quibi에서 얻은 교훈은 그가 사람들이 짧은 비디오를 어떻게 보고 싶어 하는지 잘못 판단했다는 것이었다. 여기서 끌어낼 만한 교훈은 더 미묘하다: 그는 미디어가 어디로 향하는지에 큰 베팅을 기꺼이 하며, 항상 시장을 정확히 읽지는 못한다. 영화 제작자를 겨냥한 새 벤처는 바로 그런 종류의 베팅이다.

오늘날 대부분의 AI 비디오가 가진 문제

영화 제작자들은 현재의 비디오 모델에 대해 특정한 불만을 가지고 있으며, 이는 일반 사용자들의 불만과 다르다. 15초 클립을 게시하는 크리에이터는 프레임이 좋아 보이는지에 관심을 둔다. 영화 제작자는 연속성에 관심을 둔다: 두 샷 사이에서 캐릭터의 재킷이 일치하는가, 카메라가 움직일 때 빛이 일관되게 유지되는가, 같은 장소가 장면 3과 장면 30에 표류 없이 나타날 수 있는가. 이것이 어려운 문제이며, 클립이 아니라 장편 영화에 중요한 문제다.

바로 이 지점들에서 실제 진전이 있었다. 최신 세대 비디오 모델은 1년 전 도구보다 캐릭터 일관성과 카메라 움직임을 훨씬 잘 처리하며, 더 긴 시퀀스를 만들 수 있다. 영화 제작자들은 그에 맞춰 하이브리드 워크플로에 자리 잡았다. 비용이 많이 들었을 배경, 시각 효과, 스토리보드 또는 샷을 AI로 생성하는 동안, 인간은 대본, 연속성, 편집, 창작 방향을 통제한다. 모델은 제작을 돕는다. 대체하지 않는다.

그런 배열을 위해 자체 모델을 훈련하는 회사는 하이브리드 워크플로가 경유지가 아니라 종착지라고 베팅하는 것이다. 영화 제작자들이 계속 더 많은 통제 가능성과 더 나은 일관성을 원한다면, 그들의 요구에 맞춰 만들어진 모델은 우연히 비디오에 강한 범용 모델을 이길 수 있다.

이는 또한 아직 형성 중인 시장에 대한 베팅이다. 오늘날 존재하는 도구는 광고주, 소셜 크리에이터, 취미 사용자가 섞인 시장을 대상으로 한다. 전문 영화·TV 시장은 예산 규모는 더 크지만 도입 속도는 느리고, 소비자용 도구가 건너뛸 수 있는 것들을 요구한다: 예측 가능한 출력, 명확한 권리, 기존 파이프라인 지원, 그리고 이미 워크플로를 갖춘 제작진에 끼어들 수 있는 방법. 그런 요구에서 출발하는 스타트업은 더 어려운 고객, 그리고 더 방어 가능한 고객을 겨냥한다. 영화 제작진을 만족시키는 도구는 일단 파이프라인에 들어가면 밀어내기 어렵기 때문이다.

왜 지금이며, 왜 모델을 소유하는가

모델을 소유하는 것은 비싸고 느리다. 빌리는 것은 저렴하고 빠르다. 그런데 왜 자체 훈련을 하는가? 답은 통제다. 스튜디오나 감독은 예측 가능한 동작, 호스팅 모델에서는 허용되지 않을 수 있는 방식의 상업적 사용 조건, 특정 프로젝트의 룩에 맞춘 미세 조정 능력을 필요로 한다. 제품 전체가 영화 제작자용 도구라면, 남의 모델 위에 구축하고 제공자의 로드맵이 자신과 일치하기를 바랄 수 없다. 그 의존성이 바로 그달그달 가장 좋은 비디오 모델 위에 회사를 세운 기업들이 물린 함정이다.

시점 역시 더 넓은 붐을 반영한다. 중국의 생성형 비디오 현장은 진짜 산업이 되었고, 도시들은 보조금과 컴퓨팅 지원을 제공하며, 국가 영화 기관은 AI 지원 장편 영화의 개봉을 승인하고 있다. 영화제들은 AI 작업에 실제 상금을 수여했다. 영화에서 AI에 대한 수요는 더 이상 호기심이 아니다. 동시에 콘텐츠 문제는 악화되고 있다. 2026년 상반기 한 주요 플랫폼에는 어떤 관객도 다 볼 수 없을 만큼 많은 AI 프로그램이 등장했고, 시청자를 찾은 것은 일부에 불과했다. 공급은 폭발했지만 관심은 그렇지 않다.

그것이 자금이 넉넉한 스튜디오 도구 회사가 파고들 수 있는 틈이다. 모두가 영상을 생성할 수 있다면, 희소한 자원은 대본, 연출, 안목으로 이동한다. 좋은 영화 제작자가 더 빠르게 작업하도록 해주는 도구는 누구나 클립을 만들 수 있는 또 하나의 방법보다 더 가치 있다.

지켜볼 것

이 이야기를 구체적으로 만들어 줄 세부 사항들은 빠져 있다. 제품도 없고, 공개된 자금도 없고, 발표된 모델도 없고, 출시일도 없다. 창립 팀은 약속이지 결과물이 아니다. AI 비디오 분야는 영화 제작자가 쓸 수 있는 무엇도 실제로 출시하지 못한, 자금 잘 받은 발표들로 넘쳐난다.

세 가지를 추적할 가치가 있다. 첫째, 회사가 모델 아키텍처나 훈련 접근법에 대해 무엇인가를 공개하는지. 영화 제작자 대상 도구는 일관성과 통제 가능성에 달려 있기 때문이다. 둘째, 실제 제작 파트너의 이름을 밝히는지. 영화 제작자들은 다른 영화 제작자들이 보증하는 도구를 도입하기 때문이다. 셋째, v1에 도달할 만큼 오래 컴퓨트 비용을 견딜 수 있는지. 비디오 모델 훈련은 이 분야에서 가장 자본을 많이 필요로 하는 작업 중 하나이며, 14억 달러 밸류에이션은 14억 달러 수표와 같은 것이 아니다.

지금으로서 신호는 이동 방향이다. 가장 큰 연구소에서 가장 큰 비디오 모델을 운영한 인재와 주요 스튜디오를 운영한 인재가 특정 고객을 위해 함께 만들기로 선택하고 있다. 이 조합이 뉴스다. 그것이 영화 제작자들이 실제로 사용하는 도구를 만들어낼지는 내년이 답할 질문이다.

영화 도구가 스스로를 입증하는 데 얼마나 오래 걸리는지 기억하면 도움이 된다. 카메라, 편집 시스템, 시각 효과 소프트웨어는 모두 얼리 어답터에서 표준 장비로 넘어가는 데 수년이 걸렸고, 살아남은 것들은 제작진에게 모든 것을 바꾸라고 요구하기보다 이미 일하는 방식에 맞춰 들어갔다. 영화 제작자의 요구에서 출발하고, 스튜디오를 운영해 본 창업자가 있는 회사는 적어도 데모가 잘 되는 도구와 제작 일정을 견디는 도구의 차이를 안다. 그 지식이 보장은 아니지만, 올바른 출발점이다.