Sand.ai, 2억 달러 유치. 진짜 제품은 영상 베이스 모델이다

11월 5일, 중국의 영상 파운데이션 모델 기업 Sand.ai는 CAS Capital과 Wangsu Data Technology가 주도하고 China Time Capital, Guofang Capital, Green Pine Capital 등이 참여한 2억 달러 규모의 시리즈 A+ 라운드를 발표했다. 올해 세 번째 라운드로, 10개월 만에 누적 3억 달러를 확보했으며 이로써 Sand.ai는 공식적으로 유니콘 반열에 올랐다.
자금이 헤드라인이다. 더 흥미로운 부분은 회사가 앞선 두 라운드로 만들어온 것이다. 바로 MAGI-2 Preview, 오디오·비디오·텍스트를 세 개의 문제가 아닌 하나의 문제로 다루는 오픈 웨이트 영상 모델이다.
세 가지 모달리티를 위한 하나의 트랜스포머
MAGI-2 Preview는 통합 오디오-비디오 생성 모델로 설명된다. 텍스트, 비디오, 오디오가 모두 같은 트랜스포머에 입력되고, 각 레이어에서 셀프 어텐션을 통해 정보가 계속 교환된다. 아키텍처는 3,072차원의 히든 스테이트를 256차원의 12개 헤드로 분할하고, 이를 36개 레이어의 다중 헤드 전문가 혼합(MoE)에 통과시키며, 각 헤드에 256개의 전문가를 두고 헤드당 6개를 선택한다. 결과적으로 하나의 토큰이 총 72개의 소형 전문가를 활성화한다.
공유 전문가가 모달리티 간의 공통점을 처리한다. 모달리티별 전문가가 다른 점을 처리한다. 그 주위에 커스텀 MoE 커널 라이브러리인 MagiMoE와, 학습·추론 경로를 위해 설계된 분산 옵티마이저 MagiMuon이 자리한다.
Sand.ai는 이를 해당 규모의 영상 베이스 모델 중 최초로 오픈 웨이트로 공개했으며, 가격도 공격적이다. 10초 1080p 클립당 약 0.5위안이다. 회사는 또한 자기회귀 방식 영상 생성 모델인 MAGI-1과 MagiHuman도 오픈소스로 공개했다. 소비자 제품인 VidMuse는 출시 두 달 만에 연환산 반복 매출(ARR) 1,000만 달러를 돌파했다고 알려졌다.
이 순서가 중요하다. MAGI-1은 자기회귀 방식이었고, MAGI-2 Preview는 전문가 혼합 확산(diffusion) 설계로 옮겨갔으며, 다음 릴리스인 MAGI-2 최종 버전은 그 MoE 아키텍처의 더 큰 버전으로 설명된다. 이는 스케일링 경로를 하나씩 짚어가며 체크포인트를 공개하는 연구소로, 가중치를 잠그고 API 호출을 파는 회사들과는 다른 태도다.
영상 시장이 이런 규모의 자금을 받을 만한 이유
수요가 실제로 어디에 있는지 보라. 콰이쇼우는 2026년 2분기 Kling AI 매출 8억 5,000만 위안을 보고했으며 전년 대비 200% 이상 성장, 글로벌 사용자는 1억 명을 넘었다. 바이트댄스의 Seedance 2.5는 Artificial Analysis의 영상 아레나에서 20개 카테고리 중 13개를 선두하며, OpenAI는 이미 Sora를 앱과 API 모두 종료했다. 구글은 10월에 개발자들을 Veo 3.1 Preview 엔드포인트에서 Gemini Omni Flash로 이동시켰다.
한편 가격은 무너지고 있다. 알리바바는 Wan 3.0에 약 30% 프로모션을 진행해 1080p를 초당 약 0.14달러로 내놓는다. OpenRouter에서 바이트댄스는 영상 요청의 26.1%, HeyGen 19.7%, 구글 18.5%를 차지한다. 초당 0.5센트를 내건 Wan 2.2 파생 모델 TBC의 mischief 1은 출시되자마자 주간 대비 481% 급증했다.
단가가 0에 가까워질 때 돈은 베이스 모델을 소유한 쪽으로 흘러간다. 한계 비용 수준에서 영상 생성을 학습하고 서빙할 수 있는 기업이, 다른 모두가 구글·바이트댄스·알리바바에서 임대하는 물량을 가져간다.
통합 오디오-비디오가 상업적으로 중요한 이유
오디오와 비디오를 위한 하나의 트랜스포머는 제작 단계를 없애며, 그것이 이를 만들어야 하는 이유다.
오늘날 제품 광고의 표준 파이프라인은 이렇다. 화면을 생성하고, 음성을 생성하거나 녹음하고, 음악을 깔고, 믹싱하고, 립을 대사에 맞춘다. 각 단계는 저마다의 비용과 실패 지점을 가진 별개의 도구이며, 프로젝트가 멈추는 곳은 대개 그 정합 단계다. 모델이 이미지와 같은 패스에서 대사, 앰비언스, 동작음을 만들어낸다면 립싱크는 사후 편집이 아니라 생성의 속성이 된다.
이 카테고리의 모든 벤더가 이제 그 역량을 내세우며, 그것이 AI 영상이 토킹헤드 제품 설명 영상이나 브랜드 스토리 광고를 소화할 수 있는지를 결정한다. 또한 통합 아키텍처가 이론적으로 가장 명확한 우위를 갖는 지점이기도 한데, 모델이 소리를 텍스트로 묘사한 뒤 화면이 맞기를 바랄 필요가 없기 때문이다.
Sand.ai의 MAGI-1은 자기회귀 방식이었다. MAGI-2 Preview는 확산 기반 전문가 혼합으로 옮겨갔다. 둘 다 공개되었으므로, 누구든 순차 모델과 병렬 모델 사이에서 생성 품질이 어떻게 달라지는지, 아키텍처가 바뀔 때 오디오 싱크에 무슨 일이 생기는지 살펴볼 수 있다.
나머지 경쟁 구도와 비교하면
주장이 아니라 가격대를 비교하라. 알리바바는 Wan 3.0을 480p, 720p, 1080p에서 초당 약 0.3, 0.6, 1.2위안에 제공하며, 약 30% 프로모션으로 재판매 경로에서 1080p를 초당 0.14달러까지 낮춘다. MiniMax는 8월 H3-Base를 2K 출력, 15초 클립, 네이티브 스테레오로 오픈소스화했고, 비슷한 플래그십 모델의 약 3분의 1 가격에 책정했다. 알리바바 커머스 쪽의 오픈소스 시도인 TaoMate-H3는 더 나아가 초당 가격이 아니라 첫 세그먼트까지 걸리는 시간을 헤드라인 지표로 내세웠다.
이들 모두 같은 원가 항목을 겨냥한 공격이다. Sand.ai의 10초 1080p 클립당 0.5위안은 그보다 낮은 것이 아니라 그 범위 안에 있으며, 이는 전략이 알리바바의 인프라를 상대로 이길 수 없는 가격 경쟁이 아니라 폭넓음과 개방성에 있다는 것을 시사한다.
불편한 질문들
이 중 어느 것도 독립적으로 검증되지 않았다. Sand.ai는 자체 ARR과 자체 라운드 규모를 보고하며, 구매자에게 중요한 PresentBench류 비교는 대개 벤더가 공개한 것이다. MAGI-2 아키텍처는 정말로 흥미롭지만, 토큰당 72개의 소형 전문가를 활성화하는 통합 오디오-비디오 트랜스포머는 학습 비용도 비싸며, 회사는 그 비용을 벌어들인 매출이 아니라 조달한 자금으로 충당하고 있다.
주목할 만한 라이선스 각도도 있다. 2026년에 출시된 여러 중국 오픈 영상 모델은 상업적 이용에서 미국을 제외하는 조건을 달았고, 이는 서구 개발자들을 폐쇄형 대안으로 밀어내며 어떤 오픈 생태계 서사든 복잡하게 만든다. Sand.ai의 기존 오픈 릴리스는 좀 더 표준적인 허용형 경로를 따르는 것으로 보이며, 그것이 이번 라운드가 지명한 투자자들에 의해 초과 청약된 이유 중 하나다.
그리고 상업 제품은 지켜볼 부분이다. VidMuse가 출시 두 달 만에 ARR 1,000만 달러에 도달한 것은 실제 숫자이지만, 영상 제작 플랫폼은 일회성 캠페인으로 성장한 뒤 신선함이 사라지면 평탄해지는 습성이 있다. 오픈 모델이 회사를 지속 가능하게 만들고, 앱이 연구 자금을 댄다.
다음에 지켜볼 것
MAGI-2 최종 버전은 임박했으며, 더 큰 MoE와 동일한 통합 오디오-비디오 설계를 갖춘다고 한다. 10초 1080p당 0.5위안 가격을 유지하면서 더 긴 클립과 더 나은 립싱크를 밀어붙인다면, 이 모델은 예산 안에서 영상 제품을 만드는 누구에게나 그럴듯한 학습 타깃이 된다.
특히 세 가지를 보라. 가중치가 실제로 허용형 라이선스로 배포되는지. 클립에 대사가 있을 때 오디오 트랙이 견디는지 — 네이티브 오디오는 이제 이 카테고리의 기본 요건이다. 그리고 VidMuse의 매출이 출시 분기 이후에도 계속 오르는지, 아니면 이 시장의 모든 플랫폼이 타고 있는 일반적인 AI 영상 지출 곡선을 따라가는지.
지금으로서 유용한 결론은 펀딩 헤드라인보다 단순하다. Sand.ai는 오픈 커뮤니티가 연구소에 기대하는 방식으로 영상 베이스 모델을 만들고 있다. 체크포인트를 공개하고, 아키텍처 세부를 공개하고, 가격으로 경쟁하고, 호스팅 버전을 팔아 다음 모델을 위한 자금을 마련한다.
관련 글
AI 지출 '정체'의 실체는 가격 인하…Ramp 데이터가 드러낸 상위 1% 의존
Ramp의 AI Index는 기업 AI 토큰량이 37.1% 늘었는데 지출은 8.9%만 늘었다고 보여준다. 100만 토큰당 혼합 가격이 26.8% 내렸고, 지출의 약 80%를 기업 1%가 차지한다.
이제 Claude가 은행 명세서를 읽는다. Anthropic은 의도적으로 '손'을 주지 않았다.
읽기 전용 설계가 곧 제품이며, 연결을 해제해도 이미 채팅에 남은 데이터는 되돌아오지 않는다.
어도비, 마케터들에게 어도비를 열라고 요구하기를 그만두다
10년 동안 전략은 인터페이스를 소유하는 것이었습니다. 어도비는 방금 그 반대에 베팅했습니다.
CrowdStrike, AI 에이전트용 킬 스위치 출시… 어려운 점은 '무엇을 종료할지' 아는 것
킬 스위치는 추측을 강제 가능한 무언가로 바꾼다. 강제 적용에는 목록이 필요하고, 바로 그 목록을 아무도 갖고 있지 않다.