급변하는 기술 속에서 ‘변하지 않는’ 것들을 포착하기｜두 AI 창업자와의 대담

서문

Next Token에서 Next State로.

생성형 AI가 이미 실물과 구분하기 어려울 정도로 사실적인 이미지를 그려내고, 유창한 대본을 작성하며, 심지어 일관성 있는 영상 클립까지 생성할 수 있게 된 지금, 다음 질문이 떠오른다. 왜 우리는 아직 AI 시대에 걸맞은 진정한 상호작용형 엔터테인먼트 제품을 보지 못한 것일까?

기술적 요소들은 모두 갖춰진 듯 보이지만, 마치 바닥에 흩어져 있는 부품들처럼 아직 제대로 조립되어 작동할 수 있는 기계로 만들어지지는 않은 상태다. 업계 전체는 마치 ‘눈먼 사람이 코끼리를 더듬는’ 단계에 있는 듯하다. 모두가 코끼리의 일부를 더듬어 보았지만, 아직 그 전체 모습을 제대로 파악한 사람은 아무도 없다.

최근 405 게임 방송에 출연한 두 게스트가 마침 이 코끼리의 양옆에 서 있었다.

다이보(戴勃), Feeling AI(운우지능) 창립자이자 홍콩대학교 조교수.그는 2014년 박사 과정에 입학한 이래 생성형 AI 분야에 매진해 왔으며, 홍콩중문대학교 MMLab에서 린다화(林达华) 교수의 지도 아래 박사 학위를 취득했다. 구글 학술 검색에서 1만 회 이상 인용되었으며, 최근 3년 연속으로 전 세계 상위 2%에 드는 최고 과학자로 선정되었다.그의 가장 잘 알려진 연구 성과는 AnimateDiff로, 이 오픈소스 영상 생성 모델은 한때 Stable Diffusion 커뮤니티 전체를 휩쓸기도 했다. 2024년, 그는 여러 대형 기업의 제안을 거절하고 Feeling AI를 창업하기로 결정했으며, 목표는 세계 모델의 인프라를 구축하여 가상 세계에 ‘살아있는 듯한 느낌’을 부여하는 것이다.설립 반년 만에 회사는 두 차례에 걸쳐 1억 위안 이상의 자금 조달을 완료했다.

후슈한, ‘니에타(칸지안 콘셉트)’ 창업자. 베이징대 지능과학 및 경제학 복수 학위, 컬럼비아대 석사 과정을 수료했으며, 메타(Meta)에서 숏폼 동영상 기술 아키텍처 책임자를 역임하고, 알리바바에서는 데이터 기술 사업부 최연소 P8 전문가로 활동했으며, 테잔(Tezan)에서는 매출 1억 이상의 제품 라인을 처음부터 구축했다.2022년 말, Stable Diffusion이 출시된 지 불과 4개월 만에 그는 “콘텐츠의 레고가 바뀌었다”고 판단하고 곧바로 퇴사해 창업에 나섰다. 현재 네타(捏Ta)의 등록 사용자 수는 1,200만 명을 넘어섰으며, 일일 평균 이용 시간은 110분을 초과한다. 2026년 3월에는 1,000만 달러 이상의 Pre-A+ 라운드 투자 유치를 완료했다.

두 사람의 인연은 비즈니스 이야기보다 더 오래전으로 거슬러 올라간다. 그들은 컴퓨터 경진대회 시절부터의 오랜 친구였으며, 이들을 다시 이어준 것은 바로 ‘AnimateDiff’였다. 다이보가 이 모델을 완성하자마자 슈한에게 보내자, 슈한은 “내가 줄곧 원하던 바로 그거야”라고 반응했다.그 후 한 사람은 세계 모델의 기반 아키텍처에 몰두했고, 다른 한 사람은 애플리케이션 계층에서 AI 기반의 창작 커뮤니티를 구축했다. 두 사람의 진로는 달랐지만, 같은 최종 목표를 향해 나아가고 있었다.

이 대화는 몇 가지 핵심 질문을 중심으로 전개되었습니다. 콘텐츠의 기본 단위가 픽셀에서 개념으로 진화함에 따라, 창작과 소비의 경계는 어떻게 재정의될 것인가?AI 네이티브 애플리케이션은 왜 ‘능동적’이고 ‘실시간’이어야 하며, 미리 생성된 후 재배포되는 방식이 될 수 없는가? 월드 모델은 도대체 어떻게 이해해야 할까? 다이보는 이를 아이디어 계층, 동적 계층, 정적 계층의 3층 구조로 분해한 반면, 슈한은 그것이 내재적 동력을 가진 지속 가능한 시스템이 될 수 있는지에 더 주목했다.그들은 또한 간과되기 쉬운 구분, 즉 ‘창작(creation, 전문적 창작)’과 ‘재창작(recreation, 대중적 재창작/오락적 창작)’에 대해서도 심도 있게 논의했다. 진정한 대중적 UGC 활동은 본질적으로 후자에 더 가깝다. 즉, 과정의 질에 대한 요구는 높지만 결과의 질에 대한 요구는 높지 않으며, 구성 과정 자체에서 오는 ‘심류(flow)’를 즐기는 것이다.

두 창립자는 한 가지 공통된 신념을 가지고 있습니다. 가장 큰 기회는 누군가가 ‘오아시스’를 만들어내는 것이 아니라, 오아시스를 만들 수 있는 구성 요소를 제공하는 데 있다는 것입니다. 사용자가 코드가 아닌 개념을 통해 세계를 구축하고, 규칙을 정의하며, 캐릭터를 창조할 수 있게 된다면, 인터랙티브 엔터테인먼트의 형태는 더 이상 오늘날의 상상력에 국한되지 않고, 오직 기술이 언제 따라잡을지에만 제한을 받게 될 것입니다.

다음은 405 게임국과 다이보, 후시우한 간의 대화 내용입니다. ‘게임차관’은 허가를 받아 이 내용을 텍스트로 정리하였으며, 일부 편집이 이루어졌습니다.

01

콘텐츠의 구성 요소가 재정의되고 있다

“과거 콘텐츠의 구성 요소는 픽셀이었고, 미래의 구성 요소는 개념입니다. 개념과 프롬프트가 직접 연결될 때, 그것이 바로 구성 요소 차원에서 가장 핵심적인 변화입니다.”

샤오닝: 두 분 모두 기술 분야 출신인데, 이번 창업에서는 왜 엔터테인먼트와 콘텐츠에 중점을 둔 분야를 선택하셨나요?

슈한: 저는 다이보와 함께 컴퓨터 경진대회에 참가한 적이 있으며, 졸업 후에는 줄곧 제품 프로젝트를 진행해 왔습니다. 페이스북처럼 제품 문화를 최우선으로 여기는 회사에서 다양한 디자인 A/B 테스트와 성장 실험을 수행하며, 기술 혁신이 미치는 영향을 엔지니어링 및 제품화의 관점에서 생각하는 데 점차 익숙해졌습니다. AI 기술이 세대를 거듭하며 변화할 때마다, 제 첫 번째 반응은 항상 더 확실한 현실 상황의 문제를 어떻게 해결할 것인가 하는 것이었습니다.

다이보: 저는 꽤 단순해요.어릴 적 어머니께서 저에게 ‘샤오바왕’ 학습기를 사주셨는데, 그 이후로 인터랙티브 콘텐츠에 큰 흥미를 갖게 되었습니다. 박사 과정 연구 분야를 선택할 때 ‘직접 개발한 기술을 활용해 인터랙티브 콘텐츠를 구축할 수 있다면, 그게 바로 제가 가장 만족할 만한 상태일 것’이라고 생각했습니다. 기술이 점차 성숙해가는 것을 지켜보며, 직접 해보는 것도 나쁘지 않겠다고 생각했습니다. 직접 해봐야만 답을 찾을 수 있기 때문이죠.

샤오닝: 당시 창업을 결심하게 된 계기는 무엇이었나요?

슈한: 저는 줄곧 콘텐츠의 원자성, 즉 이를 어떻게 해체하고 재구성할지에 주목해 왔으며, 모델이 창작자들의 협업 방식에 어떤 영향을 미치는지에 대해서도 고민해 왔습니다. 물론, 이는 기초 원리 차원의 기술적 관점이 아니라, 모델이 사람들의 협업에 어떤 영향을 미치고, 창작자들이 콘텐츠를 제작하는 방식에 어떤 영향을 미치는지에 대한 공학적 관점에서 바라본 것입니다.

2022년 7월 Stable Diffusion을 접했을 때, 대규모 언어 모델이 등장하기를 기다릴 필요도 없이, 콘텐츠의 ‘레고’가 이미 변했다는 사실을 분명히 깨달았습니다. 과거에는 한 프레임의 이미지나 하나의 레이어, 심지어 픽셀 단위까지 세분화되었지만, 미래의 ‘블록’은 아마도 개념—어떤 시각적 차원의 개념—이 될 가능성이 높습니다.이것이 바로 빌딩 블록 차원에서의 핵심적인 변화입니다. 우리는 이 과정에서 수많은 탐구를 진행했으며, LoRA 등 다양한 빌딩 블록이 끊임없이 진화하는 단계를 거쳤습니다.

최근 Nano Banana나 Seedance 2.0과 같은 혁신들은 이미 “개념만으로도 하나의 세계를 구축할 수 있다”는 상태에 점차 다가가고 있다고 생각합니다. 이는 점진적인 이해의 과정입니다.

샤오닝: 지난번에 이야기했듯이, 처음부터 끝까지 변하지 않은 것들이 있어요. 예를 들어, 당신이 이 일을 처음 정의했을 때 ‘GitHub + IP’라고 했었죠.

슈한: 콘텐츠 원자의 변화를 살펴보면, 역사적으로 대략 3~4세대로 나눌 수 있습니다. 1세대는 순수한 픽셀을 핵심으로 했고, 2세대에는 템플릿, 레이어, 3D 모델이 등장했으며;3세대는 Figma와 같은 컴포넌트화 시대였으며, 4세대는 바로 지금과 같이 개념을 핵심으로 하는 원자 구조입니다. 각 세대마다 위대한 제품이 탄생했습니다: 1, 2세대는 Photoshop, 3세대는 Figma, 4세대는 아마도 바로 지금일 것입니다.

더 깊이 들여다볼수록 이 블록들은 점점 더 코드처럼 보입니다. 그리고 코드의 본질적인 특성 덕분에 GitHub 방식의 협업이 가능해집니다. 이전에는 위키백과와 같은 텍스트 기반의 협업만이 공동 창작의 형태를 띠었지만, 이것이 시각적 차원으로 넘어가면서 핵심 패턴이 변화할 기회가 생겼습니다. 그중에서 가장 많이 재사용되는 블록은 바로 IP의 요소들입니다.

다이보: 저는 2014년 박사 과정에 진학하면서 생성형 AI에 관심을 갖기 시작했고, 그 발전 과정을 지켜봐 왔습니다. 2022년 Stable Diffusion의 완성도를 확인한 후, 이 기술이 전환점에 도달했다고 느꼈습니다.

2023년에 우리는 ‘AnimateDiff’라는 영상 생성 프로젝트를 진행했는데, 완성되자마자 바로 시우한에게 보여줬더니 그는 “계속 이런 걸 원해왔어”라고 바로 말하더군요.우리가 이 프로젝트를 오픈소스로 공개한 지 약 2~3개월 만에 Stable Diffusion 커뮤니티 전체가 이 프로젝트에 매료되었습니다. Reddit에는 지금도 전용 게시판이 남아 있고, 심지어 Seedance가 등장한 지금도 여전히 많은 사람들이 AnimateDiff를 이용해 다양한 콘텐츠를 만들고 있습니다.

이로부터 얻은 깨달음은, 나도 이제 이런 성숙한 기술을 다룰 수 있게 된 것 같다는 점입니다. 처음에는 협력을 통해 진행하는 방식을 선호했습니다. 제가 기술을 개발하고, 오픈소스로 공개하거나 협력하는 방식이었죠. 하지만 23년 하반기 동안 시도해 본 결과, 전반적으로 진행 속도가 느리다는 느낌을 받았습니다.AnimateDiff는 5월에 완성되어 7월에 슈한에게 보여주었지만, 실제로 화제가 된 것은 10월이 되어서였는데, 벌써 3개월이 지난 후였습니다. 직접 하지 않으면 진행 속도가 매우 느려집니다.

그 시점에 서면 스스로에게 이렇게 되묻게 됩니다. ‘이건 운일까, 우연일까, 아니면 필연일까?’ 가장 좋은 방법은 수요를 직접 마주하는 것이며, 그래야만 기술이 어떤 방향으로 빠르게 발전해야 할지 알 수 있습니다. 그래서 우리는 직접 나서서 AI 인프라를 탄탄히 구축하기로 결정했습니다.우리는 이러한 인프라를 통해 더욱 본질적인 애플리케이션이 탄생할 것이라고 믿으며, 이를 위해서는 사용자들이 그 과정에서 함께 사고방식을 발전시켜 나가야 합니다.

02

AI 네이티브 앱의 특징:

능동적, 실시간, 생성 중 소비

“만약 완전히 사전 생성 후 배포하는 방식이라면, 그것이 틱톡을 이길 수 있을 거라고는 별로 믿지 않습니다. 그래서 저는 ‘생성 과정에서 소비하는’ 방식을 매우 지지합니다.”

샤오닝: 다들 “새로운 것”을 만들고 있다고 말씀하시는데, 좀 더 구체적으로 말하자면, 체험의 차원에서 여러분이 기대하는 ‘먼 곳’은 어떤 모습인가요?

다이보: 구체적인 형태는 말할 수 없지만, 그것이 갖춰야 할 특징은 말할 수 있습니다. 생성형 AI의 가장 큰 특징은 불확실성, 즉 통제 가능한 범위 내의 불확실성입니다.‘AI’라는 용어가 1956년에 탄생했을 때부터, AI는 창의성(creativity)을 지녀야 한다고 정의되었습니다. 즉, ‘교육된 추측(educated guess)’을 할 수 있는가 하는 것입니다. 통제력(control)이 있고, 지식이 풍부(educated)하면서도 불확실성을 지니고 있는 것이죠.

이러한 불확실성은 AI 네이티브 애플리케이션이 반드시 추론 과정에서 작동해야 함을 의미합니다. 오프라인에서 콘텐츠를 생성한 뒤 사용자가 이를 소비하는 방식이 아니라, 실시간 상호작용 과정에서 모델이 사람과 협력하여 추론을 수행하고 콘텐츠를 생성해야 합니다.

두 번째 특징은 수동적인 방식에서 능동적인 방식으로 바뀌었다는 점입니다. 사용자가 조작하기를 기다리는 것이 아니라, 앱이 능동적으로 피드백과 자극을 제공합니다. 따라서 이 새로운 앱의 가장 큰 두 가지 특징은 ‘능동성’과 ‘무한한 실시간성’입니다.

슈한: 비즈니스와 수요의 관점에서도 비슷한 결론에 도달했습니다. 사용자가 커뮤니티에서 다른 사람의 콘텐츠를 보는 것은 일종의 광고를 보는 것과 비슷하며, 그가 진정으로 소비하는 과정은 자신이 콘텐츠를 생성하는 바로 그 순간입니다.

장기적인 관점에서 보면, 궁극적인 형태는 어떤 의미에서 인류의 공동 환상인 가상 공간, 혹은 ‘웨스트월드’와 같은 경험이 될 것입니다. 하지만 여기에는 기존 콘텐츠로는 다루기 어려운 측면들이 존재하기 때문에 IP의 역할이 더욱 중요해질 것입니다. 매번 콘텐츠가 고정되어 있지 않기 때문에 인식을 돕기 위한 불변의 요소가 필요하며, 시스템 전체가 끊임없이 변한다면 사실상 사용할 수 없게 되기 때문입니다.커버하는 롱테일 특성과 개인화 특성이 더욱 강해질 것이다. 범용적인 고품질 콘텐츠는 이미 충분히 해결되었기 때문에, 다음 과제는 ‘비범용적인 고품질’을 어떻게 생산할 것인가이다. 수급 관계로 인해 경제적 이익 분배도 이 방향으로 이동하게 될 것이며, 범용적인 고품질 콘텐츠의 가치는 하락할 것이다.

이미 이러한 추세가 나타나고 있습니다. 많은 플랫폼에서 AI가 생성한 예쁜 여성들의 춤 영상은 여전히 트래픽을 끌어모으는 데는 효과가 있지만, 상품 판매로 이어지기는 매우 어려워졌습니다. 이것이 바로 가치가 상승하고 하락하는 과정이 진행되고 있는 것입니다.

샤오닝: 여러분이 ‘IP’라는 단어를 계속 언급하고 계시네요. AI 시대에 IP는 어떻게 이해해야 할까요?

슈한: AI 시대의 IP는 우리가 현재 이해하고 있는 상업적 의미의 IP와는 다를 수 있다. 지적재산권이라는 개념 자체는 인쇄업의 탄생과 함께 등장했으며, 본질적으로 인쇄 기술에서 파생된 제도이다. AI는 ‘단일 콘텐츠를 생산하려면 인간의 노동이 필요하다’는 기본 가정을 어느 정도 완전히 뒤집어 놓았다.

제가 믿는 본질은 이렇습니다. IP란 특정 유형의 콘텐츠에 대한 공감대입니다. 그것이 캐릭터에 대한 공감대이든, 특정 이야기 배경에 대한 공감대이든, 사람들은 이에 대해 공통된 인식을 가지고 있습니다. 때로는 밈(MEME)의 형태로 나타나기도 하고, 때로는 일종의 유머 소재로 나타나기도 합니다. 이러한 것들은 본질적으로 사람들이 반복해서 사용하는 ‘반복 재생기’와 같으며, 장기적으로 보면 모두 어떤 의미에서든 IP라고 할 수 있습니다.

03

창조와 재창조,

UGC의 진정한 논리와 애플리케이션 분야의 기회

“‘창작(creation)’과 ‘재창작(recreation)’의 차이를 명확히 구분해야 합니다. ‘재창작(recreation)’—즉, 여가 활동—은 매우 광범위한 UGC 활동으로, 과정의 질에 대한 요구는 높지만 결과의 질에 대한 요구는 높지 않습니다.”

샤오닝: 우리 세대는 PGC 콘텐츠 덕분에 정말 큰 혜택을 누리고 있습니다. 그렇다면 우리에게 정말 그만큼 많은 UGC 수요가 있을까요? 콘텐츠 소비가 본질적으로 사용자의 직접적인 참여와 제작 과정에 의존한다면, 이는 사람에게 지나치게 높은 요구를 하는 것은 아닐까요?

다이보: 시우한이 말한 대로, 진정한 소비 과정은 창작 과정에서 일어나며, 생산된 콘텐츠는 오히려 예고편과 같다. 이 공간은 여전히 존재하는데, 그 이유는 누구나 표현하고 싶은 욕구가 있기 때문이다. 틱톡은 카메라를 통해 삶의 순간을 기록함으로써 UGC를 생성할 수 있는 통로를 제공한다.

두 번째 질문입니다. 창의성에는 두 가지 측면이 있습니다. 바로 동기가 있는지, 능력이 있는지입니다. 생성형 AI는 능력을 제공합니다. 그런데 제가 왜 응용이 능동적이어야 한다고 강조하는 것일까요? 바로 동기 문제를 해결하기 위해서입니다.영감은 떠오를 수 있지만 창작 과정은 쉽지 않습니다. 예를 들어, 많은 작가들이 창작은 사실 고통스러운 일이라고 말하곤 합니다. 상호작용형 창작 방식은 사소한 영감에서 시작해 서서히 열정을 유지하게 해줍니다. 생성형 AI는 바로 이 역설을 해결해 줄 수 있습니다.

슈한: 다른 관점에서 보충하자면, 이 팟캐스트의 청취자들은 문제를 주로 게임의 관점에서 바라볼 가능성이 높습니다. 게임 업계 전반이 PGC가 주도하고 있다는 사실은 부정하지 않습니다. 하지만 광의의 엔터테인먼트형 플레이 경험이라는 관점에서 보면, UGC는 어디에나 존재합니다.

서비스형 체험의 특징은 창작자가 수신자를 위해 매우 정성을 다해 디자인해야 하며, 요구 수준이 높기 때문에 필연적으로 소수의 사람들로 한정된다는 점입니다. 하지만 많은 UGC는 본질적으로 자기 만족적이며, 사회적 성격을 띠고, 자기 표현에 그 본질이 있습니다.도우인(Douyin)의 필터 활용법부터 오프라인에서 스웨터를 짜거나 비즈 공예를 하고, 레고를 조립하는 것까지, 모두 먼저 그 몰입의 과정을 즐긴 다음, 자신이 훌륭한 작품을 만들어 보여줄 수 있을 것이라는 상상을 한다. 과시는 그로부터 파생된 것이지만, 이러한 상상의 여지가 있다는 점이 중요하다.

사진을 찍는 사람 중에 자신이 찍은 사진이 잘 나오지 않기를 바라는 사람은 없다고 들었습니다. 하지만 장비를 사서 취미로 즐기는 사람들 중에서도 실제로 사진을 공유하는 사람은 드물겠지만, 그럼에도 불구하고 이는 여전히 매우 강력한 오락 활동으로 자리 잡고 있습니다.

레크리에이션——초기에는 순수한 표현 자체를 핵심 목적으로 삼지 않는 행동——은 과정의 질에 대한 요구가 매우 높지만, 결과의 질에 대한 요구는 높지 않다. 소수의 사람들이 꾸준히 응원해 주기만 해도 충분히 행복하다. 이는 롱테일 효과의 콘텐츠 가치와 부합한다. 게다가 콘텐츠에는 절대적인 UGC와 절대적인 PGC라는 것이 존재하지 않는다.틱톡 템플릿을 사용해 무언가를 완성했을 때, 그 템플릿은 PGC일 가능성이 높지만, 최종 콘텐츠는 당신의 표현과 템플릿이 함께 만들어낸 결과물이다. 누가 더 큰 기여를 했는지는 때로 명확히 구분하기 어렵다. AI는 사실 보편적인 고품질 기준을 보장해 준다.

이를 바탕으로, 어떤 오락 형태든 장기적으로 보면 네 가지 핵심 요소가 있습니다. 첫째, 캐릭터—자신을 대변하는 존재이자 자신의 시점(POV); 둘째, 환경과 세계; 셋째, 규칙—이에 따라 파생되는 플레이 규칙; 넷째, 상호작용 방식입니다.

요즘 사람들은 안정적인 플랫폼 시뮬레이션을 위해 변하지 않는 상호작용 방식을 찾으려 하지만, Vibe Coding은 이 점에 대해 큰 의문을 제기했습니다. 변하기 어려운 것은 세계와 규칙입니다. 캐릭터는 처음에는 쉽게 정립되지만, 일단 사용되고 나면 버려질 가능성이 큽니다. 반면 환경과 규칙은 비교적 오랫동안 유지되기 쉬우며, 이를 통해 일련의 동력 시스템을 구축할 수 있습니다.

이것들로 ‘크리에이티브 하네스(Creative Harness)’를 만들 수 있습니다. AI를 어떻게 길들일 수 있는 야생마로 만들 수 있을까요? 우리에 갇히지 않고 여전히 놀라움을 선사하면서도, 당신이 고삐를 잡고 한 방향으로 질주하게 하여 모두에게 즐거움을 선사하는 것입니다.

샤오닝: 시각적 일관성 문제가 해결된다면, 무엇이 달라지게 될까요?

다이보: 핵심은 실시간 추론 능력입니다. 장시간에 걸친 추론의 안정성을 바탕으로, 단일 추론의 지연 시간을 실시간 수준으로 줄이면, 더 이상 단순히 도구를 사용하는 것이 아니라 완전한 세계 모델 안에서 에이전트와 상호작용하게 되는 것입니다. 어떤 의미에서는 영화 《레디 플레이어 원》에 등장하는 ‘오아시스’와 비슷합니다.

샤오닝: 애플리케이션 계층에서 가장 큰 기회는 어디에 있을까요? 영화 《레디 플레이어 원》에 나오는 오아시스도 누군가가 만들어낸 것이잖아요.

다이보: 가장 중요한 것은 누군가가 오아시스를 만들었다는 사실이 아니라, 누군가가 오아시스를 만들 수 있는 블록을 제공했다는 점입니다. 최종적인 오아시스는 수많은 행성들로 구성되어 있으며, 각 행성은 사용자 스스로가 창조한 것입니다. 블록을 활용할 수 있는 능력 덕분에 사용자는 다양한 세계관과 규칙을 구축할 수 있습니다.슈한이 말했듯이, 즐거움은 구축하는 과정에서 비롯됩니다. 구축이 완료된 후—심지어 완료되지 않았더라도—수많은 사람들이 이어서 참여하고 함께 만들어갈 수 있습니다. 출발점은 누군가가 공간과 블록을 제공하여 여러분이 직접 조립할 수 있게 해준다는 점입니다.

슈한: 한 가지 더 덧붙이자면, 왜 장기적으로 볼 때 이러한 수요가 존재할까요? 사람이 환경을 느끼고 경험하는 것은 본질적으로 자신의 뇌에 세상에 대한 이해를 구축하는 과정이기도 합니다. 직접 경험해 보지 않은 것은 진정으로 이해할 수 없습니다. 따라서 본질적으로 다양한 삶을 제공하는 것입니다.

사람의 욕구는 결국 수명을 연장하고, 경험을 누리는 시간을 늘리며, 단위 시간당 더 많은 경험을 얻는 것에 불과하다. 더 많은 삶의 경험을 제공할 수 있는 인프라를 구축하는 것 자체가 바로 가장 큰 기회이다. 이러한 경험은 타인이 대신 만들어서 제공해 줄 수 있는 것이 아니며, 그런 생각은 어느 정도는 잘못된 전제이다.

다이보: 현실 세계에서 사람들이 종종 얽매이는 것은 바로 “선택을 해야 하고, 그중 한 가지 길만 골라야 한다”는 생각입니다.세계 모델은 바로 이러한 가능성을 창출할 수 있어야 합니다. 본질적으로 이는 게임과 같은 것입니다. ‘유(游)’는 여기저기 돌아다니는 것이고, ‘희(戏)’는 이곳저곳을 건드리며 상호작용하는 것입니다. 과거의 게임 중 일부는 기술력의 한계로 인해 현재의 형태를 띠게 되었지만, 이는 인간의 상상력의 한계가 아니라 기술력의 한계일 뿐입니다. 이 부분은 해방되어야 합니다.

슈한: 제가 약간 반대 입장에서 논해 보겠습니다. “게임은 제약이 있는 예술이다”——전통적인 유한 게임의 관점에서 보면 이는 매우 타당한 말이며, 제가 게임 산업을 특히 존중하는 핵심 이유이기도 합니다.우리는 “사용자가 직접 게임을 만들 수 있다”는 말을 거의 하지 않습니다. 왜냐하면 저는 ‘좁은 의미의 게임’에 대한 정의를 매우 존중하기 때문입니다. 그것은 일종의 체험 기획입니다. 마치 사람이 일생에 단 한 번만 경험할 수도 있는 결혼식처럼, 현재의 규범과 요구 사항을 형성해 낸 것은 매우 정교한 과정이며, 단순히 즉흥적으로 체험을 만들어 주는 것과는 다릅니다.

하지만 체험 요소는 분해하고 공학적으로 설계할 수 있습니다. 예를 들어, 요즘 많은 오픈 월드 게임은 마치 ‘프랑켄슈타인’ 같다는 평가를 받는데, 그 안에는 다양한 게임플레이가 포함되어 있을 뿐만 아니라, 심지어 영화 관람 같은 체험까지 끼워 넣고 싶어 할 정도입니다. 이것이 바로 환경과 세계를 중심으로 다양한 게임플레이를 접목하는 추세입니다.

하지만 AI의 잠재력을 최대한 발휘한다는 관점에서 보면, 전문적인 경험에서 아래로 세분화하는 것이 아니라, 작은 것부터 위로 확장해 나가는 방식이 옳습니다. 전문적인 경험에서 아래로 세분화하면 AI의 잠재력을 제한하게 되기 때문입니다.저는 종종 “게임의 관점에서 볼 때, 자산이 가볍다면 항상 존중받지 못하는 느낌이 든다”고 말합니다. 이러한 관점 때문에 게임을 UGC로 분해할 때면 항상 설명하기 어려운 어색함이 느껴집니다.

그래서 우리가 고민하는 것은, AI 본연의 관점에서 볼 때 가장 잘 구성될 수 있는 작은 모듈은 무엇일까 하는 점입니다. 구성하기 어려운 부분은 우선 사람이 맡아 처리하도록 합시다. UGC에 대한 진정한 해결책은 대부분 더 본연의, 작은 것에서부터 점차 확장해 나가는 논리에서 비롯됩니다.

04

세계 모델,

‘눈먼 사람이 코끼리를 더듬는’ 비유에서 3계층 아키텍처까지

“세계 모델에는 생동감이 있어야 한다. 생동감이란 바로 그것이 움직인다는 것이다.”

샤오닝: 실시간 처리 능력, 추론 능력, 통제 가능한 창의성을 원한다면, 현재 이를 실현하기까지 어떤 격차가 존재할까요?

슈한: 요소들의 구현은 이미 이루어졌지만, 이를 전체적으로 잘 풀어내어 사용자에게 훌륭한 경험을 제공하지는 못하고 있습니다. 그렇다고 해서 지금 당장 캐릭터를 만들거나, AI를 위한 세계를 구축하거나, 앞으로 플레이할 수 있는 규칙을 만들 수 없다는 뜻은 아닙니다. 예를 들어, 선술집 유형의 제품은 어느 정도 게임 플레이 규칙을 구축하는 데 중점을 둡니다.우리는 캐릭터에서 세계로 이어지는 관점에서 환경과 시각적 공감대 요소에 더 많은 관심을 기울일 수 있습니다. 다만 모델의 실시간 처리 능력이나 지속성 같은 문제들이 큰 걸림돌이 되거나 비용이 너무 높다면, 구축된 규칙이 궁극적으로 가져올 수 있는 경험의 변화는 여전히 제한적일 수밖에 없습니다.

다이보: 현재 상황은 제게는 아주 가깝기도 하고 아주 멀기도 한 느낌을 줍니다. 모든 요소가 갖춰져 있지만, 일종의 ‘무차별적인’ 방식으로 갖춰진 것이죠. 모든 방향에 걸쳐 다루어졌다는 것은 이제 요소들을 조합하기 시작할 수 있다는 것을 의미합니다. 시우한이 말한 세계관과 규칙의 정립은, 기술의 진화에도 불구하고 처음부터 다시 시작될 일은 없을 것입니다.

하지만 기술은 깊이, 폭, 차원이라는 세 가지 측면에서 모두 미흡한 점이 있다. 깊이——예를 들어 선술집 장면의 경우, 줄거리의 복잡도나 전개 길이가 길어지면 문제가 발생하기 시작한다.폭 — 다양한 장르 중에서 항상 잘하는 것과 잘하지 못하는 것이 구분된다. 차원 — 텍스트 기반, 언어를 중심으로 한 방식은 요소가 더 완비되어 있지만, 더 시각적이고 입체적인 세계 모델 방향은 여전히 부족하다.

전반적으로 보면, 여러분은 이러한 ‘0이 아닌’ 상태를 조합해 볼 수 있겠지만, 정말로 최종 단계로 나아가려면 적어도 기술적인 측면에서는 차분히 기술적 미학을 고민한 뒤, 비교적 빠른 속도로 꾸준히 추진해 나가야 합니다.

샤오닝: 여러분은 ‘세계 모델’이라는 개념을 어떻게 이해하고 계신가요?

다이보: 요즘 세계 모델을 논하는 사람들이 많은데, 이를 한 가지 성어로 비유하자면 ‘눈먼 사람이 코끼리를 더듬는 것’이 가장 적절할 것입니다. 사람마다 적용되는 상황과 배경이 다르기 때문에, 각자 코끼리의 다른 부분을 더듬고 있는 셈입니다.

제 생각은 아주 간단합니다. 이는 메타버스와 유사한 게임으로, 현실 세계에 존재하는 요소들을 모두 갖추고 있어야 하며, 이를 세 가지 계층으로 나누어 볼 수 있습니다.

첫 번째 계층: 논리/사고 계층 — 각 동적 실체의 사고: 내가 왜 이러한 활동을 하는가?

두 번째 단계: 실행 단계 — 아이디어가 떠오른 후, 그 아이디어를 어떻게 실행에 옮길 것인가.

세 번째 계층: 정적/표현 계층 — 동적인 행동을 특정 환경에 로드하여 표현한다. 이 환경이 전통적인 게임 엔진으로 구축된 3D 환경이든, AI로 구축된 3D 환경(예: 리페이페이 교수의 World Lab)이든, 아니면 구글 Genie 3를 대표로 하는 영상 기반 환경이든 상관없다.

사람에 따라 상황마다 세 계층을 모두 완성할 필요가 없을 수도 있습니다. 하지만 진정한 세계 모델이란 현실과 일대일로 대응할 수 있는지 여부를 말하며, 이는 살아 숨 쉬는 것으로, 동적인 개체들마다 각자의 생각과 계획을 가지고 있습니다.

슈한: 적어도 지속적이고 자체적인 내재적 동력을 가진 시스템이 되었으면 좋겠어요.현재의 문제는, 한 캐릭터가 여러 장면으로 이동할 때 그 사이에 단절이 발생하거나, 캐릭터가 능동적이지 않아 사용자가 직접 움직이지 않으면 움직이지 않는다는 점입니다. 반면 현실 세계와 오프라인 경험에서는 대부분 환경 자체가 사용자의 목적을 달성하도록 도와줍니다. 지속성과 능동성 문제를 해결할 수만 있다면, 우리가 이전에 양질의 콘텐츠에 대해 가졌던 많은 가정들은 사실 수정할 수 있습니다.

샤오닝: 시각 모델 훈련에 있어, 언어 모델과는 상당히 다른 과제에 직면하고 있는 건가요?

다이보: 언어 모델의 패러다임은 ‘다음 토큰 예측(next token prediction)’인 반면, 세계 모델은 ‘다음 상태 예측(next state prediction)’을 강조합니다.사실 언어 모델도 언어 도메인 내에서 세계 모델을 구현할 수 있습니다. 즉, 텍스트를 통해 세계의 상태를 관리하는 것이죠. 이것이 바로 코딩 능력이 중요한 이유입니다. 코딩은 모델의 사고 과정과 논리적 정확성을 검증할 수 있는 일관되고 안정적이며 일관된 방법을 제공하기 때문입니다. 순수한 자연어 설명만으로는 “정말로 이해하지 못하는 것인지, 아니면 명확하게 설명하지 못한 것인지”라는 딜레마에 빠지게 됩니다.

시각적 콘텐츠에는 일관성이 필요합니다. 하지만 논리적 일관성이 아니라, 물리적 직관에 부합하는 일관성입니다. 강조하고 싶은 점은, 응용 측면에서 우리가 추구하는 것은 ‘물리적 일관성’이 아니라 ‘물리적 직관적 일관성’이라는 것입니다. 사람은 시각적 콘텐츠 뒤에 숨겨진 물리적 법칙이 일관적인지 계산하지 않습니다. 단지 위화감이 느껴지지 않는다면, 우리는 그것이 물리적 직관에 부합한다고 여깁니다.

샤오닝: 인터랙티브 엔터테인먼트 분야에서 시각적 요소와 관련해 극복해야 할 난관은 무엇일까요?

다이보: 전통적인 방식은 게임 엔진을 이용해 세계관을 구축하는 것입니다. 게임 엔진이 물리 법칙을 반영하는 방식은 비교적 ‘하드코어’한데, 전통적인 시뮬레이션 기법을 사용해 공식을 직접 코드에 입력하여 계산을 수행합니다.반면 신경망은 입력과 출력만 알려주면, 그 사이에서 입력에서 출력으로 이어지는 과정을 완전히 스스로 학습하며, 어떠한 법칙이나 공식의 지침도 없이 매우 ‘유연’하게 작동합니다. 하지만 이로 인해 발생하는 문제는 신경망이 지름길을 택할 수 있다는 점으로, 신경망이 도출한 법칙이 우리가 원하는 법칙과 일치하는지 판단할 수 없다는 것입니다.

따라서 현재 해결해야 할 과제는 바로, 두 가지의 장점을 어떻게 융합할 것인가 하는 점입니다. ‘유연한’ 측면과 ‘확실한’ 보장을 모두 갖추어야만, 시각적 콘텐츠의 장기적인 일관성을 실현할 수 있습니다.

시각적 콘텐츠의 구조적 관점에서 볼 때, 모델은 자신이 무엇을 표현하고 있는지 알아야 합니다. 단순히 “이 픽셀이 지금 어떤 색이고, 다음 순간 어떻게 연속적으로 변해야 하는가”가 아니라, “이 픽셀이 사람의 손에 속하며, 다음 순간 손 전체가 변하고, 그 변화가 픽셀에 어떻게 투영되어야 하는지”를 파악해야 합니다.이처럼 현실의 구조에 더 부합하는 인식을 갖추면 환각 문제를 근본적으로 해결할 수 있다. 환각은 본질적으로 모델이 자신이 생성한 픽셀이 무엇을 의미하는지 알지 못하기 때문에 발생한다.

샤오닝: 최근 공개한 모델은 기억과 계획에 중점을 두고 있는데, 그 이유는 무엇인가요?

다이보: 우리는 세 가지 계층—아이디어 계층, 동적 계층, 정적 계층—이 동시에 진화하고 있습니다. 심지어 중간에 위치한 동적 계층에서도 역학 세계 모델을 구축하고 있으며, 마침 모델 아키텍처의 혁신을 완료했습니다.비유하자면, 마치 트랜스포머(Transformer) 아키텍처가 이미 확정된 상태에서, 남은 것은 GPT-1에서 GPT-2, 그리고 GPT-3로 발전해 나가는 과정과 같습니다.

세 계층이 동시에 발전하고 있으며, 각 계층마다 고유한 기술 성숙도와 발전 속도가 있습니다. 아이디어 계층은 에이전트 관련 기술이 빠르게 발전하고 성숙도가 높기 때문에 발전 속도가 다소 빠릅니다. 동적 계층은 우리가 매우 중요하게 여기지만, 현재 많은 사람들이 간과하고 있는 부분입니다. 이 계층은 신체 기반 지능의 물결 속에 가려져 있지만, 인터랙티브 엔터테인먼트에 있어서도 마찬가지로 핵심적인 역할을 합니다.

샤오닝: “동역학 세계 모델”을 어떻게 이해해야 하나요?

다이보: 세계의 상태 일부인 동적 현상은 물리 법칙을 따라야 합니다. 인간이 현실에서 도출해 낸 동적 물리 법칙을 통칭하여 역학이라고 합니다. 인간의 운동학, 의류의 역학, 유체역학, 공기역학 등이 이에 해당합니다. 우리가 한 일은 이러한 역학의 물리적 선험적 지식을 트랜스포머(Transformer) 아키텍처에 접목하여, 다음 상태 예측이 매우 안정적으로 이루어지도록 한 것입니다.

샤오닝: 왜 인터랙티브 엔터테인먼트 환경에서 다이내믹 레이어가 특히 중요한가요?

다이보: 정적인 환경에서는 상호작용을 논할 수 없다. 역동적인 공간과 역동적인 매체가 없다면, 능동성과 상호작용도 있을 수 없다. 정적인 것에는 일방적으로만 참여할 수 있을 뿐, 피드백이 없다. 오직 역동적인 것만이 피드백을 제공하며, 그 피드백을 통해 새로운 가능성이 생겨나고, 더 방대한 경험과 콘텐츠가 끊임없이 성장해 나간다.

간단히 말해서: 세계 모델에는 ‘살아있는 듯한 느낌’이 있어야 합니다. 살아있는 듯한 느낌이란 움직인다는 뜻이며, 꼼짝도 하지 않으면 오히려 꽤 무섭게 느껴집니다.

샤오닝: 영상은 원래 움직이는 것이잖아요. 굳이 움직임을 따로 강조하는 건 무슨 뜻인가요?

다이보: 영상은 확실히 움직이지만, 픽셀 간의 연속성이 그 이면에 숨겨진 법칙이 일관적임을 의미하지는 않습니다. 그래서 오류가 누적되고 착시가 발생하는 것이죠. 더 많은 데이터를 활용해 모델이 스스로 일관된 물리 법칙을 학습하도록 유도하거나, 사람이 현실에서 축적한 물리 법칙을 선험적 지식으로 모델에 반영하는 방법 중 하나를 선택하면 됩니다. 두 가지 방법 모두 가능합니다.

또한, 영상 생성은 정적 환경의 표현과 동적 요소를 하나의 모델로 통합하여 모델링하는 것입니다.저는 이를 분리해야 한다고 생각합니다. 직관적인 예를 들어보자면, 우리가 방에 앉아 있을 때 제가 손을 한 번 흔들면, 합리적인 관점에서 볼 때 사람과 관련된 상태만 업데이트되어야 하며, 환경은 저를 따라 새로고침되어서는 안 됩니다. 마치 게임에서 캐릭터가 한 걸음 앞으로 나아갈 때마다 전체 환경이 다시 생성되는 것과 같아서, 이는 비합리적입니다.

05

과대평가와 과소평가,

창업자는 기술 주기를 어떻게 헤쳐나갈 것인가

“상황이 느릴 때는 회사가 사실 좀처럼 망하지 않지만, 상황이 빠를 때는 회사가 쉽게 망한다. 많은 사람들이 상황이 빠를 때 기회가 찾아온다고 착각한다.”

샤오닝: 어떤 일이 단순히 기술적으로만 뛰어나 보이는 것인지, 아니면 정말로 새로운 것을 창출해 낼 수 있는 것인지, 어떻게 구분하시나요?

다이보: 우리는 객관적인 정성적 원리에 따라 기술을 분석할 것입니다. 용어는 제쳐두고, 그 기술이 어떤 지점에서 돌파구를 마련했는지를 살펴보는 것입니다.

무엇이 과대평가되기 쉬운가? 첫째는 반복 개발 속도이고, 둘째는 사람의 적응 능력이다.사람은 자신이 경험해 보지 못한 일을 상상하기 어렵습니다. 심지어 이러한 기술을 다루는 사람들조차 한계가 있습니다. AnimateDiff가 완성된 후, 이를 활용해 훌륭한 콘텐츠를 만들어낼 수 있는 사람이 반드시 우리 자신일 거라고는 장담할 수 없습니다. 그래서 저는 항상 자제하며, 세계 모델 기반 애플리케이션이 정확히 무엇인지 정의하려는 시도를 삼가려 합니다.

슈한: 기술적 관점에서 보면 애플리케이션의 상용화 속도를 과대평가하고, 사용자의 인식 변화를 위한 비용을 과소평가하기 쉽습니다.지난 몇 년간 가장 흔히 저지른 실수는 최종 목표를 지나치게 추구한 것이었다. 기반이 되는 전제 조건이 존재하지 않는다면, 이것이 바로 과거에 ‘순수한 제품 매니저의 관점에서 AI 제품을 개발하는 것’이 어려웠던 핵심 이유다. 그 결과, 사용자 경험이 지속 가능하지 않아 신기함이 사라지면 끝이 나거나, 단일 기능만으로는 충분한 놀라움을 주지 못하는 경우가 발생했다. 이 두 가지 요소는 끊임없이 상충해 왔다.

샤오닝: AI 기반 기술의 발전 속도는 끊임없이 변해왔습니다. 23년 상반기는 매우 빨랐고, 24년은 비교적 정체된 상태였으며, 최근 반년 동안은 다시 특히 빨라졌습니다. 어떤 시기를 더 선호하시나요?

슈한: 모두 저마다의 어려움이 있습니다. 핵심은, 상황이 느릴 때는 회사가 무엇을 축적하고 있는지 고민하고, 상황이 빠를 때는 그 축적된 것들이 급변하는 상황과 어떻게 즉각적으로 연결되는지 파악해야만, 상황이 빠를 때도 당황하지 않을 수 있다는 점입니다.

또 다른 역설은 이렇다. 성장 속도가 느릴 때는 회사가 사실 좀처럼 망하지 않지만, 성장 속도가 빠를 때는 회사가 쉽게 망한다는 것이다. 많은 사람들이 성장 속도가 빠를 때 기회가 찾아온다고 착각한다.

샤오닝: 획기적인 신기술에 직면했을 때, 여러분의 첫 반응은 무엇인가요?

다이보: 가장 먼저 원인을 추적해야 합니다. 그것이 어디서 진화해 온 것인지, 어떤 점이 다른지, 왜 큰 화제를 불러일으켰는지 파악해야 합니다.제 시야 범위 내에서는 갑자기 하늘에서 뚝 떨어진 듯한 신기술은 거의 느껴지지 않습니다. 중요한 점은 두 가지입니다. 첫째, 잡음을 걷어내고 변화의 본질을 파악하는 것, 둘째, 성찰하는 것: 왜 내가 이 변화를 만들어내지 못했을까? 이렇게 꾸준히 노력해야만 선도자가 될 수 있습니다.

슈한: 우리의 첫 반응은 서둘러 실험을 통해 그 수준이 어느 정도인지 확인하는 것이었습니다. 요즘 논문에서는 ‘체리 픽(cherry pick)’이 너무 많거든요. 초기 판단을 거친 후에는, 그것이 사용자의 핵심 사용 흐름 경험을 변화시키는지 여부에 주목합니다.많은 기술은 덤으로 주어지는 혜택일 뿐, 메인 흐름에 영향을 미칠 수 있는 요소는 그리 많지 않습니다. 핵심 기준은 사용자가 다시 돌아와 토큰을 더 소비할 의향이 있는지 여부입니다. 만약 사용자의 핵심 루프에 더 큰 향상과 변화를 가져온다면, 그것은 반드시 포착해야 할 변화입니다.

샤오닝: 요즘 서로 이야기를 많이 나누는 것 같은데, 가장 많이 하는 대화 주제는 뭐예요?

다이보: 하나는 기술 발전 속도가 여전히 너무 느리다는 점입니다.

특히 시각 콘텐츠 분야입니다. 영상 생성 모델은 좋은 진전을 보이고 있지만, 핵심적인 측면에서는 여전히 속도가 너무 느립니다. 이 분야가 상호작용형 엔터테인먼트 방향으로만 전적으로 추진되고 있는 것은 아니며, 다른 견인 요인들이 존재하기 때문입니다. 두 번째로 논의할 점은 어떤 기술이 일시적인 유행에 불과하고, 어떤 기술이 진정한 가치를 지니는지입니다.우리는 기술이 아직 ‘눈먼 사람이 코끼리를 더듬는’ 단계에 있지만, 적용 시나리오에 대해 어느 정도 공통된 비전을 가지고 있기를 더 바라고 있습니다.

샤오닝: 이런 환경에서 애플리케이션 분야의 스타트업을 창업할 때, 창업자에게 가장 중요한 역량은 무엇일까요?

슈한: 제 관점에서 볼 때, 우리는 끈기를 바탕으로 일을 해나간다고 생각합니다.저는 어떤 방식이든 단계적인 성과를 낼 수 있다고 생각합니다. 어떤 사람은 서핑을 하고, 어떤 사람은 등산을 하죠. 더 중요한 것은 자신에 대한 인식을 명확히 하는 것입니다. 자신을 이해하고, 팀을 이해하며, 자신에게 맞지 않는 일을 억지로 하려고 해서는 안 됩니다. 지나치게 높은 기대치를 제시하면 팀은 자신의 가장 큰 강점을 발휘하기 어려워지고, 다른 사람들보다 뛰어난 성과를 내기 힘들어집니다.

다이보: 자아(EGO)를 제쳐두고 기술 진화를 객관적으로 바라보며, 제1원리에서 출발해 최종적인 아키텍처와 요소를 도출한 뒤, 팀의 강점을 고려하여 경사 하강이 가장 빠른 방향을 선택해 나아가야 한다. 특히 기술에서 비롯된 자아(EGO)를 피해야 한다.

샤오닝: 앞으로 2~3년 동안, 여러분이 가장 이루고 싶은 것은 무엇인가요?

슈한: 우리는 사람과 에이전트가 협력하여 참여하는 “공동 구축 세계”라는 업무 체계를 점차 구축해 나가고 있습니다.앞으로 2~3년 동안 가장 핵심적인 문제는, 품질 면에서 진정으로 충분히 높은 수준의 경험—소비 측면에서 다른 소비 유형과 공정하게 경쟁할 수 있는 경험—이 등장할 수 있을지 여부입니다. 이러한 모델이 처음 몇 개만 등장해도 시스템의 효율성은 더욱 향상될 것이며, 그 이후에는 그 흐름을 멈추기 어려워질 것입니다.

따라서 우리는 본질적으로 콜드 스타트 메커니즘—즉, 정의된 문제나 프로토콜의 문제—를 해결하고 있는 것입니다. 앞으로는 해외를 중심으로 더 많은 실험을 진행할 예정이며, 궁극적인 시너지는 이러한 조합을 통해 나타나는 결과에서 드러날 것입니다.

샤오닝: 지난 1년 동안, 상업화는 부담과 도전이 되었나요?

슈한: 좋은 소식도 있고 나쁜 소식도 있습니다. 좋은 소식은 상호작용형 게임 방식에 대한 유료화 의향과 유료화율이 전 세계적으로 예상보다 더 좋다는 점입니다. 나쁜 소식은 토큰 비용과 새로운 모델의 가격이 저렴해지지 않아 비용 압박이 계속될 것이라는 점입니다. 그래서 저는 현재 가능한 한 최고의 역량을 발휘하되, 스스로를 지치게 만들지는 않으려는 쪽을 택하고 있습니다.수익은 과정에 따라 자연스럽게 증가할 것이며, 아마도 여러분이 생각하는 것보다 더 자연스럽게 늘어날 것입니다.

다이보: 향후 2~3년 동안 우리는 3층 구조에 따라 세계 모델의 기본 틀을 지속적으로 구축해 나갈 것이며, 이를 바탕으로 네이티브 애플리케이션을 모색할 계획입니다. 전체 기술 구도에 대해서는 꽤 명확한 비전을 가지고 있습니다.우리는 에이전틱 AI의 발전에도 큰 관심을 기울일 것입니다. 이는 한편으로는 세계 모델의 개념적 구성 요소이자, 동시에 생산성의 한 형태이기도 합니다. 만약 이것이 실제로 효율성을 높여준다면, 많은 일들이 더 빨리 실현될 것입니다. 2년 후라면 다소 늦을 수도 있습니다. AI 분야에서 2년은 정말로 매우 긴 시간이기 때문입니다.

샤오닝: 여러분은 직접 애플리케이션을 개발하려는 건가요? 모델만 만드는 데 그치지 않을 건가요?

다이보: 반드시 응용 단계에서 자신의 인식을 다듬어야 합니다. 실제 적용 사례와 거리가 멀어지면 기술 발전의 방향이 빗나갈 수 있습니다. 게다가 우리가 말하는 것은 언어 모델이 ChatGPT를 지원하는 것처럼, 세계 모델이 지원하는 네이티브 애플리케이션입니다. 모델에서 애플리케이션까지의 거리는 그리 크지 않을 것입니다.

샤오닝: 이 애플리케이션의 형태는 도구일까요, 아니면 콘텐츠일까요?

다이보: 분명히 도구가 아니라 상호작용형 엔터테인먼트 앱이며, 전통적인 의미의 콘텐츠도 아닙니다. 사용자가 접속하는 순간부터 콘텐츠 소비와 창작을 동시에 하고 있습니다.

샤오닝: 이를 하나의 플랫폼으로 이해해도 될까요?

다이보: 제 생각에는 플랫폼이라고 보지만, 지금은 이를 설명하는 데 다소 신중을 기하고 있습니다. ChatGPT의 경우처럼, 모델이 성숙해지면 금세 일종의 공통된 인식으로 자리 잡게 됩니다. 그래서 지금은 기존의 용어로 이를 정의하고 싶지 않습니다.