게임 업계에는 거의 논의되지 않지만 막대한 시간과 예산을 잡아먹는 일들이 있습니다. 이는 게임플레이도, 스테이지도, 사람들이 흔히 언급하는 아트 스타일도 아닙니다. 바로 아트 파이프라인의 후반부에 해당하는 작업들, 즉 리토폴로지, UV 언래핑, 웨이트 페인팅, 본 바인딩 등입니다……캐릭터의 하이폴리 모델이 아무리 아름답게 제작되어도, 기본 토폴로지에 문제가 있다면 애니메이션을 적용하는 순간 티가 나게 됩니다. 그 다음에는 긴 수정 과정이 이어집니다. 토폴로지를 수정하고, UV 매핑과 텍스처링, 리깅, 애니메이션을 다시 해야 하는데, 한 부분을 수정하면 전체에 영향을 미치게 됩니다. 이러한 작업들은 창의적인 요소가 많지 않지만, 오히려 3D 에셋이 실제로 제작 단계에 투입될 수 있는지 여부를 결정짓는 핵심 요소입니다.지난 2년 동안 AI 이미지 및 영상이 모두의 기대치를 크게 높였기에, AI 3D는 자연스럽게 다음으로 기대되는 분야가 되었습니다. 이를 다루는 사람도 많고, 멋진 데모도 적지 않지만, 실제 제작 현장에서 이러한 모델을 사용해야 하는 사람들은 ‘사용 가능’한 수준에서 ‘진정으로 유용하고 사용하기 쉬운’ 수준에 이르기까지 아직 갈 길이 멀다는 것을 잘 알고 있습니다.많은 고해상도 모델은 겉보기에는 꽤 인상적이지만, 제작 파이프라인에 넣으면 첫 관문을 통과하지 못합니다. 기본 메쉬는 논리 없이 뒤엉킨 조각난 면들로 이루어져 있어 편집이 불가능하고, 실시간 렌더링도 감당하지 못하며, 애니메이션은 더더욱 꿈도 꿀 수 없습니다.‘3D처럼 보이는 것’과 ‘실제로 사용할 수 있는 3D’ 사이에는 도대체 무엇이 다른 것일까요? 이 격차를 진정으로 극복하려는 사람이 있을까요? 이번 405 유주 팟캐스트에는 VAST의 수석 과학자 차오 옌페이를 모셨습니다.VAST는 2023년에 설립되었으며, 핵심 분야는 AI 3D 대형 모델과 월드 모델입니다. 최근 알리바바와 헝슈 캐피털이 공동 주도한 5,000만 달러 규모의 시리즈 A 투자 유치를 완료했습니다. 자사 제품인 Tripo는 이미 업계에서 상당한 실전 적용 사례를 보유하고 있습니다.올해 3월에 출시된 Tripo P1.0은 ‘더 보기 좋은’ 것이 아니라 ‘원생적으로 사용 가능한’ 것을 핵심으로 삼아, 2초 이내에 토폴로지가 깔끔하고 엔진에 바로 적용 가능한 표준 로우폴리곤 메시를 직접 출력하는 것을 목표로 합니다.
사용할 수 있다는 것은 첫 단계일 뿐이며, 에셋은 움직일 수 있고 상호작용할 수 있어야 합니다. 다음으로 공략해야 할 과제는 바인딩과 애니메이션의 자동 생성이며, 그 다음 단계는 에셋 자체에 행동 로직을 부여하는 것입니다. 이 방향을 따라가다 보면 월드 모델에 도달하게 됩니다. 단순히 무언가를 만드는 것이 아니라, 그 안에서 사물들이 작동할 수 있는 세계를 만드는 것입니다.최근 그들은 월드 모델 분야에서의 초기 연구 결과도 공개했으며, 첫 번째 월드 모델이 곧 출시될 예정이라고 한다. 차오 옌페이는 이러한 모델의 기술 총괄 책임자로, 칭화대학교에서 학부 및 박사 학위를 취득했으며, 이전에는 텐센트에서 생성형 3D 연구를 이끌었다.약 1시간 반에 걸친 대담에서 그는 ‘종이 등’이라는 비유를 들어 3D 자산의 구성을 아주 알기 쉽게 설명했습니다. 메쉬, 토폴로지, UV, 스켈레톤이 각각 어떤 역할을 하는지, 그리고 기존 파이프라인에서 왜 끊임없이 재작업이 발생하는지 말입니다.현재의 약점도 숨기지 않았다. 토폴로지 문제는 기본적으로 해결되었지만, 리깅과 애니메이션은 ‘프로덕션 레디(production ready)’ 수준에 도달하기까지는 아직 거리가 있다고 했다.하지만 3D라는 길이 확실히 더 험난하기 때문에, 그가 제시한 방향 선택에 대한 판단은 오히려 더 주목할 만합니다. 대다수의 연구자들이 월드 모델로 가는 주된 경로로 동영상을 꼽고 있는 반면, 그는 이를 차원 축소된 투영을 원시 신호로 취급하는 것이라고 생각합니다.반면 3D야말로 물리적 세계의 본래 표현 방식이며, 그 장기적 가치는 심각하게 과소평가되어 있다. 또한 이러한 접근 방식 외에도 그는 더 큰 질문을 던졌다. “하루에 10만 개의 자산을 생성할 수 있다면, 여러분은 오늘날과 똑같은 게임을 만들겠는가?”
아마도 3D 제작의 진입 장벽이 충분히 낮아진 후에야, 인터랙티브 엔터테인먼트 분야에서 새로운 것들이 등장할지도 모릅니다.
다음은 ‘게임차관’이 허가를 받아 정리한 대화 전문이며, 내용은 편집되었습니다.
01
“겉보기에는 비슷해 보이지만” “실제로 사용할 수 있는” 수준에 이르기까지, 3D는 도대체 어디가 어려운 걸까?
“이미지와 동영상은 단지 2D 픽셀로 이루어진 겉껍질에 불과한 반면, 3D 모델은 정확한 구조와 합리적인 토폴로지, 뼈대를 갖추고 있어야 하며, 엔진 내에서 물리 충돌 계산을 수행할 수 있어야 합니다. 이 둘 사이에는 거대한 격차가 존재합니다.”
샤오닝: 지난 2년 동안 여러분은 AI로 생성된 이미지나 동영상을 많이 접해왔지만, 한 걸음 더 나아가 보면 3D는 사실 훨씬 더 중요하면서도 어려운 주제입니다. 단순히 무언가를 생성하는 것을 넘어, 게임 및 콘텐츠 제작 과정에 실질적으로 접목되어야 하기 때문입니다.
오늘은 이 질문을 좀 더 구체적으로 다뤄보려고 합니다. AI 3D는 도대체 어떤 점이 어려운 걸까요? 실제로 양산에 투입될 수 있는 파이프라인은 어떤 단계를 거쳐야 할까요? 현재 업계는 어느 단계에 이르렀을까요?
차오옌페이: 3D 생성 분야의 문제점을 아주 정확하게 짚어주셨네요. 지난 1~2년 동안, Sora든 Seedance든, 혹은 각종 이미지 생성 및 편집 AI든 간에, 사람들은 이미 놀라운 시각 효과에 ‘버릇이 들어’ 버렸기 때문에, 3D 생성도 당연히 그렇게 되어야 한다고 생각하는 게 당연한 일 아닐까요?하지만 게임이나 3D 인터랙션을 다루는 업계 종사자라면, ‘3D처럼 보이는 것’과 ‘엔진에서 실제로 사용할 수 있는 3D 자산’ 사이에는 엄청난 격차가 있다는 것을 잘 알고 있을 것입니다.이미지와 동영상은 단지 2D 픽셀로 이루어진 ‘겉껍질’에 불과한 반면, 3D 모델은 정밀한 구조와 토폴로지 배선, 뼈대를 갖추고 있어야 하며, 엔진 내에서 물리 충돌을 계산할 수 있어야 합니다.
저희 Tripo는 지난 몇 년간 오로지 한 가지에 집중해 왔습니다. 바로 AI가 생성하는 결과물이 더 이상 ‘보기만 좋고 실용성은 떨어지는’ 시각적 환상이 아니라, 아트 디자이너와 개발자가 단 몇 초 만에 게임 엔진이나 Maya와 같은 DCC에서 애니메이션 및 인터랙션을 제작하는 데 바로 활용할 수 있는 산업급 자산을 생성할 수 있도록 하는 방법입니다.얼마 전 저희는 Tripo H3.1과 P1.0을 출시하며, 기반 아키텍처에 패러다임 수준의 대대적인 개편을 단행했습니다. 이번 기회를 빌려 여러분과 AI 3D의 기술적 논리에 대해 깊이 있게 논의할 수 있게 되어 기쁩니다.
샤오닝: 저희 청취자 중에는 게임 업계 종사자들이 많지만, 종사자라고 해도 기획자나 프로그래머가 더 많을 테고, 3D 파이프라인을 정말로 잘 아는 사람은 그리 많지 않을 겁니다.이 부분을 하나씩 뜯어보며 이야기해 봅시다. 가장 기초적인 수준에서 볼 때, 한 장의 이미지, 하나의 영상, 그리고 실제로 사용할 수 있는 3D 에셋의 가장 근본적인 차이점은 무엇일까요?
차오옌페이: 가장 핵심적인 차이는 데이터 표현의 본질적 차이에서 비롯됩니다. 이미지나 동영상을 생성할 때, 신경망은 매우 규칙적이고 치밀한 픽셀 행렬을 처리합니다. AI는 고정된 격자 안에 각 칸의 색상을 채워 넣기만 하면 됩니다.그러나 3D는 본질적으로 공간 내에서 희소하며, 심지어 비유클리드 공간의 구조를 띠고 있습니다. AI는 수천, 수만 개의 정점 위치를 파악할 뿐만 아니라, 정점 간의 연결 관계, 즉 ‘메쉬 토폴로지’를 구축해야 합니다.
2D 모델은 평면상의 빛과 그림자의 통계적 법칙을 다루며, 현재는 매우 사실적인 빛과 그림자 효과를 표현할 수 있지만, 본질적으로는 일종의 ‘시각적 속임수’일 뿐이며 그 이면에는 진정한 3차원 실체가 존재하지 않습니다. 반면, 물체가 3차원 공간에서 성립하기 위해서는 표면이 연속적이고 정확하게 표현되어야 할 뿐만 아니라, 완벽한 구조와 기능성도 갖추어야 합니다.2D 명암 법칙을 모방하는 단계에서 벗어나 엄격한 물리적·토폴로지적 논리를 구축하는 것은 단순히 수학적 원리의 문제가 아니라, 신경망과 생성 모델의 설계 측면에서도 더 많은 고려가 필요합니다.
샤오닝: 메쉬, 토폴로지, UV, 스켈레톤 바인딩이 왜 중요한지, 가능한 한 전문 용어를 배제하고 설명해 주실 수 있나요?
차오옌페이: 3D 모델을 종이 등불이라고 상상해 보세요. 메쉬는 등불 겉면을 이루는 종이 조각들을 이어 붙여 만든 모양입니다.토폴로지는 종이 조각들이 어떻게 이어지고 연결되는지를 말하며, 인체에 비유하면 근육의 흐름과 같다. 토폴로지가 왜 어렵고, 그 영향이 왜 클까? 토폴로지가 제대로 잡히지 않으면 모델이 움직일 수 없기 때문이다. 마치 근육이 뒤틀려 팔이 찢어지는 것처럼, 애니메이션을 만들 때 모델이 종이 뭉치처럼 구겨져 버린다. UV란 입체 표면을 마치 귤 껍질을 벗기듯이 2D 평면에 펼쳐 놓는 것을 말합니다. UV가 너무 조각조각 나 있으면 텍스처를 그리는 아티스트는 좌절하게 됩니다. 표면이 산산조각 나고 경계선이 영원히 맞지 않게 되니까요.리깅(Rigging)이란 등롱 안에 움직일 수 있는 금속 골격을 넣고, 어떤 골격이 어떤 종이 조각을 당겨야 하는지 규정하여 등롱이 움직이게 만드는 것입니다.
샤오닝: 꽤 생생하네요. 일단 AI는 제쳐두고, 전통적인 3D 파이프라인에서는 보통 어떻게 작업하나요? 어떤 단계에서 시간이 가장 많이 걸리나요?
차오옌페이: 차세대 게임 제작 과정을 예로 들어보자. 먼저 콘셉트 아트가 설정되고, 그 후 스컬프팅 및 모델링 전문가가 매우 정교하지만 폴리곤 수가 많은 ‘하이폴리 모델’을 제작한다.그 다음 리토폴로지를 진행하여, 하이폴리곤 모델 위에 간소화된 규칙에 따른 다각형 네트워크를 덮어씌워 ‘로우폴리곤 모델’을 형성합니다. 로우폴리곤 모델이 완성되면 UV 언래핑을 하고 텍스처를 그린 뒤, 뼈대를 적용하고 가중치를 할당하여 마지막으로 애니메이터에게 넘깁니다.
가장 시간이 많이 걸리는 작업은 토폴로지 재구성 및 바인딩인데, 예술적 창의성이 거의 개입되지 않고 본질적으로 복잡한 수작업입니다. 게다가 바인딩과 애니메이션은 고통스러운 재작업이 발생하기 쉬운 단계로, 종종 애셋을 애니메이터에게 넘겨 캐릭터를 움직이게 해봐야 비로소 허리를 굽히거나 주먹을 날릴 때 토폴로지 배선에 문제가 있다는 것을 알게 됩니다.전체 작업 흐름이 선형적이기 때문에, 토폴로지를 수정하면 UV 매핑을 다시 하고, 텍스처를 다시 적용하고, 다시 바인딩하고, 다시 애니메이션을 만들어야 하므로, 한 부분을 수정하면 전체에 영향을 미치게 됩니다.
02
AI가 저지른 실수를 남이 수습하게 하지 않는다: 모델의 생성부터 생산 라인 투입까지의 전 과정
“P 1.0의 근본적인 철학은 이렇다. 현재 단계에서 AI는 인간이 수십 년에 걸쳐 축적해 온 산업 표준에 적응해야 하며, 인간이 AI가 생성한 모델의 뒤처리를 해줘야 하는 것이 아니다.”
샤오닝: 지난 2년 동안 AI 3D에 대해 이야기할 때, 모든 사람이 당신이 말한 ‘첫 단계’, 즉 정교한 고해상도 모델을 생성하는 데만 집중하고 있다는 느낌이 들었습니다. 하지만 방금 설명하신 내용을 보면, 아직 모두가 진정한 핵심 문제에 깊이 파고들지는 못한 것 같네요?
차오옌페이: 그 말씀이 아주 옳습니다. 저희는 우선 지난 2년 동안 많은 사람들이 간과했던 그리드 토폴로지 문제를 해결하고자 했습니다. 비전문가들은 모델이 닮았는지 여부만 보지만, 업계의 모델러나 기술 아티스트들은 모델을 받자마자 가장 먼저 단축키를 눌러 와이어프레임 모드로 전환해 기본 골격이 올바른지 확인하곤 합니다.만약 AI가 논리 없이 빽빽하게 얽힌 삼각형 덩어리를 내놓는다면, 이는 매우 무거운 자산이 되어 편집 및 실시간 렌더링 성능에 큰 부담을 주고, 애니메이션 단계에서도 직접 사용하기 어렵습니다. 고해상도 모델은 기존의 산업 파이프라인에 부합하지 않습니다.
저희 P1.0이 해결하고자 하는 것은 파이프라인에서 바로 사용할 수 있는 로우폴리 모델을 어떻게 생성할 것인가 하는 문제이며, 이를 “원생 사용 가능” 자산이라고 부릅니다. 오늘날에 이르러 AI 3D 역시 “개념 증명용 하이폴리 모델만 생성할 수 있는 단계”에서 벗어나 “진정한 생산성 실현 단계”로 진입할 때가 되었다고 생각합니다.
P1.0의 근본적인 철학은 다음과 같습니다. 현재 단계에서 AI는 인간이 수십 년에 걸쳐 축적해 온 산업 표준에 적응해야 하며, 인간이 AI가 생성한 모델의 뒷수습을 해줄 필요가 없습니다. 모델이 생성되는 순간, 사각형 위주이며 배선이 합리적이고 형태가 정확한 표준 메쉬가 완성되어, 출력 즉시 사용할 수 있습니다.하이폴리 모델에서 토폴로지를 거쳐 UV 및 텍스처에 이르기까지, 기본적으로 UE 엔진이나 Maya에 바로 불러와 애니메이션이나 시뮬레이션을 진행할 수 있다.
샤오닝: “원본 사용 가능”이란 몇 가지 핵심 단계에서 편집이 가능하고, 생산 라인에 바로 투입될 수 있다는 뜻인가요?
차오옌페이: 네, 수작업으로 수정할 필요가 거의 없이 바로 워크플로우에 투입되는 경우가 더 많습니다.만약 AI가 2분, 심지어 10분 만에 모델을 생성했지만, 토폴로지가 엉망이라 전문적인 소양을 갖춘 아티스트가 반나절이나 걸려 정점을 정리하고 토폴로지를 다시 구성해야 한다면, AI가 과연 효율을 높이는 도구인지 아니면 재작업 비용을 증가시키는 것인지 판단하기 어려워집니다.
샤오닝: 3D 워크플로우를 해결하는 두 가지 접근 방식을 들어본 적이 있습니다. 하나는 개별적인 부분을 하나씩 해결해 나가는 것이고, 다른 하나는 모든 단계를 한 번에 아우르는 방식과 비슷합니다. 이 두 가지 방식의 장점은 각각 무엇인가요?
차오옌페이: 제 생각은 이렇습니다. 개별적인 측면에서는 분명 급격한 변화가 일어날 것입니다. 어느 날 갑자기 특정 기술을 사용할 수 있게 되는 식이죠. 하지만 전체 파이프라인에의 통합은 점진적으로 이루어질 것입니다. 예를 들어 수동 토폴로지 재구성이나 수동 UV 전개와 같은 기계적인 작업의 경우, P1.0은 이미 돌파점에 매우 근접해 있어 조만간 AI가 이를 대체할 가능성이 높습니다.하지만 당분간은 생성된 모델이 여전히 표준 형식으로 표준 워크플로우 사이를 오가야 할 것입니다. 우리는 사용자들이 엔진을 사용하는 습관을 완전히 바꾸려는 것이 아니라, 각 단계에서 자산을 생성하는 방식을 대체하고자 합니다. 기술적 돌파구는 급격한 변화이지만, 각 돌파구가 실제 제작 과정에 적용될 때는 워크플로우에 점진적으로 통합되기를 희망합니다.
샤오닝: 그렇다면 이러한 점진적인 통합은 어떻게 이루어질까요? AI와 사람은 어떤 방식으로 협력하게 될까요?
차오옌페이: 우리는 두 가지 측면에서 고려하고 있습니다. 첫째, 전문 작업 과정에 있어 토폴로지나 바인딩과 같이 예술적 창의성이 가장 적고 가장 번거로운 단계를 AI로 가능한 한 철저히 대체하여, 모두가 진정한 창의성이 필요한 단계에 집중할 수 있도록 하고자 합니다.
반면, AI 3D 기술이 더 넓은 가능성을 지닌 분야는 이전에 3D 파이프라인을 접해본 적이 없거나 심지어 3D 모델이 무엇인지조차 모르는 일반 대중일 수 있습니다. 일단 AI가 전체 파이프라인을 아우르게 되면, 최종 사용자는 그래픽스 개념이나 아트 자산의 제작 과정을 알 필요가 전혀 없어집니다.마치 인터넷에서 아이콘을 다운로드할 때 그것이 AI로 만든 것인지 포토샵으로 만든 것인지 신경 쓰지 않는 것처럼, SVG 애니메이션을 다운로드할 때도 그것이 어떻게 만들어졌는지 신경 쓰지 않는 것과 마찬가지입니다.3D AI 역시 엔드투엔드(end-to-end) 역량 측면에서 일반 사용자에게 이처럼 진입 장벽이 매우 낮은 변화를 가져와야 하며, 사람들이 3D를 신비롭거나 소수만을 위한 표현 형식으로 여기지 않게 해야만 더 광범위한 UGC 생태계가 등장할 수 있을 것입니다.
샤오닝: 오늘날 3D 자산을 실제로 활용하는 분야는 여전히 애니메이션, 게임, 인디 개발자입니다. 어떤 사람들이 AI 3D를 받아들이고 있나요? 어떤 회사들이 여전히 보수적인 편인가요?
차오옌페이: 현재 가장 큰 가치를 얻고 있는 것은 확실히 중소 규모, 심지어 독립 게임 팀과 UGC 플랫폼 또는 프로그래매틱 생성 기술을 개발하는 팀들입니다. 대형 3A 팀은 막대한 아트 예산을 보유하고 있어 워크플로우 변경에 대해 비교적 신중한 태도를 보입니다. 하지만 중소 팀은 종종 ‘아이디어가 생산 능력보다 앞서는’ 경우가 많습니다.아트 리소스의 부족은 이들의 빠른 발전과 핵심 창의성을 표현하는 데 있어 큰 걸림돌이 되고 있습니다. AI 3D는 그들에게 훌륭한 지렛대를 제공하여, 원래는 수십 명의 아트 팀이 필요했을 법한 세계를 극히 낮은 비용으로 구축할 수 있게 해줍니다.
P1.0의 경우, 환경 소품(props), 중·원경 건축 요소, 가구, 심지어 간단한 NPC 캐릭터와 탈것에 이르기까지 기본적으로 바로 사용할 수 있는 수준에 도달했습니다.다음 단계로는 매우 복잡한 애니메이션, 특히 얼굴 애니메이션과 바인딩 애니메이션이 적용된 게임 주인공까지 다루고 싶습니다. 이 장벽을 극복할 수 있다면 3A 스튜디오의 수용도도 서서히 높아질 것입니다. 지난 2~3년 동안 3D 생성 기술을 지속적으로 개선해 온 결과, 품질이 향상됨에 따라 점점 더 많은 상류 사용자들이 그 가치를 인식하고 있음을 확실히 느낄 수 있습니다.
샤오닝: 예전에 게임을 만들 때 이런 느낌이 들었습니다. 아트 자산 전체를 100이라고 가정하면, 최상위 20%에 해당하는 캐릭터, CG, 핵심 애니메이션이 예산의 80%를 차지하고, 나머지 80%를 채우는 작업은 20%의 예산만 소모한다는 것이죠.가장 핵심적인 부분을 공략하지 않으면, 큰 몫을 차지할 수 없는 것 아닐까요?
차오옌페이: 3A급 대작의 경우 확실히 중요한 요소이지만, 우리는 장기적으로 진입 장벽을 낮추는 방법도 동등하게 중요하게 여기고 있습니다.현재 전 세계에서 진정으로 게임을 제작할 수 있는 능력을 갖춘 사람은 극소수에 불과하며, 이들은 피라미드의 최상층에 속합니다. 더 많은 창작자가 참여할 수 있도록 하려면 이러한 기술에 접근할 수 있는 인구를 무한히 확대해야 합니다. 가장 정교한 생성 기술을 끊임없이 개척하는 것 외에도, 사용 편의성, 속도 등의 측면에서 3D 자산 생성이 진입 장벽도 없고 비용도 들지 않는 일이라고 모두가 느낄 수 있도록 해야 합니다.
샤오닝: 우선 전문 분야에 대해 좀 더 깊이 있게 이야기해 봅시다. 핵심 자산은 단순히 3A 게임에만 국한되지 않습니다. 많은 2A 게임이나 비교적 규모가 큰 게임의 핵심 캐릭터, 얼굴 모델, 애니메이션도 핵심 자산에 속합니다. 이 한계를 뛰어넘기 위해서는 지금 무엇이 부족한가요?
차오옌페이: P1.0은 이미 중전단 과정을 다루고 있으며, 하이폴리에서 로우폴리, 토폴로지, 초기 텍스처에 이르기까지 포함하고 있습니다.그중에서도 가장 어렵고, 우리도 많은 노력을 기울여 해결하고 있는 부분은 다이내믹 바인딩입니다. AI는 단순히 기하학적 형태를 이해하는 것뿐만 아니라, 3차원 물체 뒤에 숨겨진 기계적 구조와 물리적 운동 원리까지 이해해야 하므로, 처리해야 할 정보의 폭이 훨씬 넓고, 데이터 축적과 정제에도 더 많은 시간이 소요됩니다.
중요한 점은 자산의 정밀도 자체뿐만 아니라 모든 구성 요소가 완벽하게 갖춰져야 한다는 것입니다. 사용자가 바로 가져가서 조작하고 애니메이션을 만들 수 있어야 합니다. 현재 바인딩과 애니메이션 측면에서는 아직 ‘프로덕션 레디(production ready)’ 수준에 완전히 도달하지는 않았을지 모르지만, 조만간 획기적인 발전을 이룰 것이라고 믿습니다.
샤오닝: 이 일을 하는 회사가 한 곳만이 아닙니다. 만약 정말로 성공한다면, 이것이 범용 기술이 될 수 있을까요? 다들 도대체 무엇을 두고 경쟁하고 있는 건가요?
차오옌페이: 현재 업계의 발전 단계를 살펴보면, AI 3D는 지난 2년 동안 순수 알고리즘 논문들이 난무하던 단계에서 산업 데이터 표준을 정의하는 단계로 접어들고 있다. 가장 안정적이고, 가장 표준적이며, 가장 빠르며, 기존 엔진에 가장 쉽게 통합될 수 있는 데이터 형식을 제공할 수 있는 주체가 생태계의 핵심 위치를 차지할 가능성이 가장 높다.
여기에는 전형적인 ‘혁신자의 딜레마’가 관련되어 있습니다.방대한 게임 사업을 운영하는 대형 기업들은 우수한 기술 팀과 컴퓨팅 성능, 자금을 보유하고 있지만, 내부 AI 팀은 무거운 역사적 부담을 안고 있어 기존에 있거나 심지어 구식인 파이프라인에 맞춰야 하는 상황에 처해 있습니다. 예를 들어, 10년 후의 AI 기술을 10년 전의 게임 제작 프로세스에 적용해야 하는 식입니다. 특정 파이프라인과 비즈니스 로직이 강하게 결부되어 있어 연구 개발이 난관에 봉착하게 됩니다.
반면 VAST와 같은 독립적인 플랫폼의 장점은 기술 중립성과 민첩성에 있습니다. 과거의 특정 게임에 패치를 적용하거나 특정 제작 프로세스를 지원하지 않기 때문에, 제1원리에서 출발하여 최첨단 알고리즘을 직접 활용해 미래의 3D 생성이 어떤 모습이어야 하는지를 정의할 수 있습니다.
더 장기적인 관점에서 볼 때, 우리가 끊임없이 해결해 나가고 있는 핵심 과제는 바로 ‘상호작용이 가능하고 근본적인 논리를 갖춘 3D 세계를 어떻게 순식간에 직접 생성할 수 있을까’ 하는 것입니다.완벽한 3D 자산은 피부, 살, 뼈, 그리고 뇌를 모두 갖추고 있어야 합니다. 과거 업계에서 생성된 모델의 대부분은 표피 수준, 즉 기본적인 시각적 요소만 갖추고 있을 뿐 그 이면은 결여되어 있었습니다. P1.0은 네이티브 메쉬를 통해 ‘살’ 즉, 흠잡을 데 없는 토폴로지 구조를 해결했습니다.애니메이션 바인딩은 ‘뼈’에 해당합니다. 모델에 운동학 및 물리 구조를 부여하여 관절이 적절한 위치에 배치되고, 사용자 상호작용에 반응할 수 있게 합니다. ‘뇌’란 자산 자체가 NPC나 에이전트(Agent)가 되어 환경 내에서 플레이어와 상호작용하거나, 에이전트끼리 상호작용할 수 있음을 의미합니다.
순수한 기하학적 도형 생성을 바탕으로, 운동학 및 상호작용 논리를 갖춘 자산 구축으로 단계적으로 발전해 나가는 것, 이것이 바로 우리가 처음부터 줄곧 추구해 온 기술적 목표입니다.
샤오닝: 방금 말씀하신 대로라면, 파이프라인 전반의 논리가 모두 바뀌게 될 것 같습니다. 3D 파이프라인에 막대한 인력이 투입된 만큼, 업계 종사자로서 자연스럽게 궁금해지는 점은, 무엇이 대체되지 않을지, 무엇이 대체되기 쉬운지입니다.
차오옌페이: AI가 이렇게 빠르게 발전하다 보니, 미술 및 게임 업계 종사자뿐만 아니라 예전에는 지적 능력의 정점에 있다고 여겨졌던 프로그래머와 연구원들조차 큰 위기감을 느끼고 있습니다.이 주제는 장기적인 논의가 필요합니다. 하지만 3D 파이프라인 자체로 돌아가 보면, 기술 발전의 의미와 추세, 그리고 우리가 기술을 발전시키고자 하는 방향은 바로 사람들을 복잡하고 반복적인 작업에서 해방시켜, 창의성과 아이디어가 진정으로 필요한 분야에 에너지를 쏟을 수 있도록 하는 것입니다.3D 파이프라인이나 게임 업계로만 한정하더라도, 미래에 진정한 자기 가치와 차별성을 드러낼 수 있는 것은 여전히 아이디어, 창의성, 그리고 실행력일 것입니다.
03
2초 만에 모델이 생성된 후, 속도가 빨라져 창작 방식이 바뀌게 될 때
“만약 누군가가 하루 만에 10만 개의 자산을 생성할 수 있다고 말한다면, 여러분은 어떤 게임을 만들겠습니까? 주인공 자산 하나를 얻는 데 보름이나 걸리는 것과 비교하면, 사람들은 완전히 다른 선택을 하게 될 것입니다. 예전에는 그런 선택지가 아예 없었습니다.”
샤오닝: 속도를 몇 번이나 언급하셨는데, 왜 그렇게 속도를 강조하시는 건가요?
차오옌페이: 우리에게 속도는 단순한 홍보 포인트가 아니라, 회사 설립 이래 줄곧 추구해 온 목표입니다. 속도의 양적 변화는 3D 콘텐츠 제작에서 질적 변화를 이끌어낼 것입니다. 현재 가장 핵심적인 의미는 시행착오 비용을 거의 제로로 낮춘다는 점에 있습니다. 모델을 생성하는 데 10분이 걸리면 창작자의 사고 흐름이 끊기게 됩니다. 하지만 P1.0의 2초 생성 속도는 실시간 피드백을 실현하여, 10가지 서로 다른 콘셉트를 순식간에 검증하고 그중 가장 좋은 것을 선택할 수 있게 해줍니다.
사실 이는 창작자의 상상력을 해방시켜, 무엇이 떠오르더라도 더 이상 큰 저항을 받지 않게 해줍니다. 마치 요즘 사람들이 프로그램을 작성할 때처럼, 아이디어가 떠오르면 즉시 Codex나 Claude에 맡기고, 완성된 결과를 보고 맞는지 확인하는 것과 같습니다. 3D도 마찬가지입니다. 생성 속도를 높이고, 그 속도로 인해 발생하는 심리적 부담을 무한히 줄여야만 비로소 진정한 질적 변화를 이끌어낼 수 있습니다.
UGC 생태계에서는 속도가 더욱 중요합니다. 전문 개발 분야에서는 속도가 효율성을 높여주지만, UGC에서는 속도가 가장 핵심적인 ‘즉각적인 만족감’을 제공합니다. 일반 사용자는 10분 동안 진행 바가 채워지기를 기다릴 인내심이 없으며, 오직 AI만이 엔터 키를 누르는 것처럼 순식간에 3D 객체를 생성해 줄 때 비로소 사용자는 지속적인 상호작용과 창작의 동기를 얻을 수 있습니다.
샤오닝: 속도라는 문제를 생산의 관점에서 볼지 소비의 관점에서 볼지에 따라 심리적 기대치가 완전히 달라진다고 생각합니다. UGC의 논리에는 꽤 공감합니다. 하지만 생산 측면으로 돌아와 보면, 예전에는 3D 자산을 만드는 데 며칠, 몇 주가 걸렸는데, 이를 2초로 단축하는 것은 너무 극단적입니다.과연 어느 정도의 속도가 질적 변화를 가져오는 걸까요? 그렇게까지 극단적일 필요가 있을까요?
차오옌페이: 2초 내에 주로 달성하는 것은 네이티브 메쉬 토폴로지 생성이며, 이후의 텍스처 적용, 머핑, 애니메이션 작업에는 여전히 사람의 개입이나 AI와 사람의 협업이 필요합니다.단 몇 초 만에 엔드투엔드로 완성된 자산을 생성하는 것은 아니지만, 이것이 바로 우리가 앞으로 꼭 달성하고 싶은 목표입니다. 정말로 초 단위의 속도가 필요한 것일까요? 꼭 그렇지는 않을 수도 있지만, 생성 속도가 빠를수록 사람들은 과거 시간적 제약으로 인해 생겨난 사고의 틀에서 더 쉽게 벗어날 수 있을 것입니다.
만약 누군가가 하루에 10만 개의 자산을 생성할 수 있다고 말한다면, 여러분은 어떤 게임을 만들겠습니까? 주인공 자산 하나를 얻는 데 보름이나 걸리는 것과 비교하면, 사람들은 완전히 다른 선택을 하게 될 것입니다. 예전에는 앞의 그런 선택지 자체가 존재하지 않았습니다. 전문 분야에서도 속도의 양적 변화는 여전히 제작 패러다임과 사고방식에 질적 변화를 가져옵니다.
샤오닝: 한때 게임 업계에서 일했던 사람으로서, 창의적인 개발자들에게는 분명 긍정적인 도움이 될 것입니다. 하지만 일반 직원들에게는 경쟁이 더 치열해진 것 같네요. 예전에는 일주일에 자산 한두 개를 만들었는데, 도구의 도움으로 이제는 하루에 만 개를 만들어야 할지도 모르겠네요?
차오옌페이: 꼭 경쟁이 더 치열해졌다고는 생각하지 않습니다. AI 기술이 도입되면서 콘텐츠 제작의 형태도 변화할 것입니다.예전에 방송국에서 영상을 만들던 사람들과 오늘날 MCN에서 숏폼 영상을 제작하는 종사자들의 관계와 비슷합니다. 핵심적인 개인적 가치는 같을지 몰라도, 콘텐츠 형태는 훨씬 다양해졌습니다. 장편 외에도 단편 드라마, 끝없이 볼 수 있는 숏폼 영상 등이 있어 확실히 재능을 발휘할 수 있는 공간이 더 넓어졌습니다.경쟁이 더 치열해졌는지에 대해서는, 이는 복잡한 사회적·경제적 문제이므로 특정 기술 하나에만 전적으로 돌릴 수는 없습니다.
샤오닝: 여러분이 UGC에 대해 이야기할 때, 개발자의 진입 장벽을 낮추는 데 더 중점을 두시는 건가요, 아니면 정말로 일반 대중 누구나 콘텐츠를 생성할 수 있도록 한 번에 완성하는 데 더 중점을 두시는 건가요?
차오옌페이: 궁극적인 목표는 더욱 순수한 3D UGC이며, 이것이 바로 이 회사를 설립한 이유입니다. 하지만 진입 장벽을 낮추는 각 기술은 어느 정도 비용 절감과 효율 향상을 가져오기도 하는데, 이를 ‘가는 길에 달걀을 낳는 것’이라고 부를 수도 있겠죠.3D UGC가 도대체 어떤 모습일지, 대다수의 사람들은 명확히 정의하지 못하고 있으며, 심지어 실현 가능 여부에 대해서도 모두가 회의적인 태도를 보이고 있습니다. 그래서 우리는 항상 높은 목표를 향해 나아가면서도, 각 기술이 오늘날 업계에서 마땅히 해야 할 역할을 충실히 수행할 수 있도록 착실하게 추진하고 있습니다.
우리가 보통 Tripo를 소개할 때, “저희는 게임 회사의 시간과 노력을 절약해 주는 3D 툴 기업입니다”라고 말하지는 않습니다. 툴로 포지셔닝하면 그 가치는 결국 비용 절감과 효율성 향상으로 귀결되니까요. 우리가 실제로 하고 있는 일은 차세대 UGC 또는 대중 참여형 엔터테인먼트 플랫폼의 기반 인프라를 구축하는 것입니다.
샤오닝: 진입 장벽 낮추기와 상한선 끌어올리기 사이에 우선순위가 정해져 있나요? 기술적 난이도 측면에서 둘은 같은 방향인가요?
차오옌페이: 오늘날의 산업 환경에서 보면 사실 둘은 같은 의미입니다. 진입 장벽을 낮추더라도 최소한 ‘파이프라인 준비 완료(pipeline-ready)’ 상태여야 합니다. 더 높은 품질을 추구하더라도 여전히 ‘파이프라인 준비 완료’ 상태의 에셋이어야 합니다. 일단 ‘파이프라인 준비 완료’ 상태라면, 게임 엔진이든 Vibe Coded로 제작된 미니게임이든 에셋에 대한 요구 사항은 동일합니다.파이프라인 준비가 된 자산을 생성할 수 있는 능력이 생기고 구성 요소가 점점 더 완비됨에 따라 진입 장벽은 자연스럽게 낮아지고 있습니다. 적어도 지금 이 순간에는, 이 두 가지는 같은 의미입니다.
04
비디오가 아닌 3D에 베팅하기: 미래에 대한 색다른 도전
“현실 세계 자체는 3D이며, 영상 속의 2D 픽셀은 단지 3차원 세계를 압축하고 차원을 낮춘 후 투영된 것에 불과합니다. 네이티브 3D 방식을 고수할 경우, 그 장기적인 기술적 확장성은 AI 연구 분야에서 크게 과소평가되고 있습니다.”
샤오닝: 계속 게임 엔진에 대해 이야기하고 계시는데, 비디오 모델이 발전하는 이 시대에 사람들은 게임 엔진 자체가 변화할지도 모른다고 생각하고 있습니다. 미래에는 어떤 게임 장르가 엔진과 분리되어도 성립될 가능성이 있을까요?
차오옌페이: 전적으로 가능합니다. 저희도 이에 대해 많은 시간을 할애해 고민하고 탐구해 왔습니다. 향후 몇 년간의 인터랙티브 콘텐츠를 내다보면, 전통적인 게임 형태만이 유일한 형태는 아닐 것입니다. 예를 들어, 현재 실제로 상호작용이 가능한 세계 모델 형태가 존재합니다. 한 장의 화면에서 시작해, 비디오 모델과 화면 간의 상호작용을 통해 그 안에서 탐험을 하거나 심지어 환경에 영향을 미칠 수도 있습니다.
또한 AI 코딩과 에이전트 기능이 강화됨에 따라, AI 에이전트가 더 쉽게 활용할 수 있는 새로운 엔진이 필요하지 않을까요? 이는 아마도 미래의 추세일 것입니다. 현재 vibe coded 게임들은 모두 Three.js를 사용하고 있는데, 제 관점에서 보면 AI가 Unity나 UE와 같은 무거운 엔진을 제대로 다루지 못하기 때문이며, 가장 직접적인 방법은 JavaScript를 처음부터 직접 작성하는 것입니다.
샤오닝: “세계 모델”이라는 용어가 지난 반년 동안 점점 더 화제가 되며 많은 논의가 오가고 있습니다. 세계 모델을 어떻게 정의하시나요? 다른 모델들과는 어떤 차이가 있나요?
차오옌페이: 저는 학계에서 통용되는 정의를 인정합니다. 즉, 현재 상태와 하나의 행동을 주어졌을 때, 환경의 다음 순간 상태를 예측하는 것입니다. 하지만 각자는 자신이 관심을 갖는 분야에서 이 사상을 실천하고 있습니다.
우리는 업계에서 가장 주목받고 있는 순수 영상 생성 방식과는 다릅니다. 순수 영상 생성은 주로 빛과 그림자를 시뮬레이션하는 방식에 가깝기 때문에, 빛과 그림자의 변화만을 학습하게 되며, 그 이면에 있는 3차원 세계의 법칙을 제대로 반영하기는 어렵습니다. 이것이 바로 영상 세계 모델에 상식적 또는 논리적 오류가 자주 발생한다는 비판을 받는 이유이기도 합니다.
우리는 처음부터 비디오 모델이 다수의 사용자가 동시에 상호작용하고, 메커니즘과 행동이 고도로 제어 가능한 환경에서 제 기능을 발휘할 수 있도록 하는 것을 목표로 삼았습니다. 즉, 여러 플레이어와 에이전트가 동시에 환경에 영향을 미칠 수 있도록 지원하는 것입니다.더 중요한 것은, 세계 내의 메커니즘과 행동이 매우 예측 가능하고 결정적이어야 한다는 점입니다. 레이싱 게임에서 A가 B를 추월했다면, A는 B보다 앞에 있는 것이며, 특정 프레임에서 위치가 변동되었다는 이유로 다시 바뀌어서는 안 됩니다. 순수 영상 모델은 근본적인 메커니즘상 이러한 유일성과 결정성을 보장하기 어렵습니다.
물론 어떤 이들은 영상 세계 모델에서 “지나간 곳을 뒤돌아보면 어떻게 변해 있는지 알 수 없다”는 점이 일종의 색다른 경험이라고 말할 수도 있습니다. 하지만 저희는 이러한 색다른 느낌이 본질적으로 영상 모델의 기억 결함에 기반한 임시방편일 뿐이며, 진정으로 콘텐츠를 통제하고 창작하고자 하는 창작자들이 반복적으로 경험할 수 있는 콘텐츠를 구성하는 데는 큰 도움이 되지 않는다고 생각합니다.저희가 세계 모델을 설계하는 기본 원칙은 여전히 다음과 같습니다. 다중 사용자 상호작용을 지원하며, 세계의 메커니즘과 미래는 예측 가능하고 유일하게 확정되어야 한다는 것입니다.
샤오닝: 순수 영상 생성의 논리성은 진정한 의미에서의 이해가 아니기 때문에, 사소한 오차가 누적될 수 있습니다. 말씀하신 목표를 달성하려면, 모델 추론 과정에서 진정한 논리적 연결이 필요하다는 뜻인가요?
차오옌페이: 완전히 맞습니다. 따라서 우리는 단일 영상 모델의 패러다임에서 벗어나, 추론과 화면 표현을 모두 동일한 모델에 맡겨야 합니다. 현재 기술 수준에서는 높은 제어성을 보장하기 어렵습니다.우리는 추론 단계에서 3D나 코드 형태의 명시적 상태를 더 많이 도입할 것입니다. 아직 초기 단계의 탐색이지만, 방향이 명확해지면 빠르게 반복 검증해 나갈 것입니다.
샤오닝: 왜 다른 사람이 만들어 놓을 때까지 기다렸다가 바로 쓰지 않는 거죠?
차오옌페이: 세계 모델을 어떤 형태로 구축할지, 어떤 문제를 먼저 해결할지에 대해 기술적 선택이 매우 다양하기 때문입니다. 주류 적용 분야는 로봇 제어와 시뮬레이션일 텐데, 이는 우리가 주목하는 향후 3~5년 간의 적용 분야와는 크게 다르므로 서로 다른 기술적 접근 방식이 제시될 것입니다.게다가 Tripo는 줄곧 디지털 세계 속의 ‘상태’를 해결해 왔습니다. 자산을 생성하는 것은 곧 상태를 생성하는 것이지만, 자산이 어떻게 진화하고 상태 간에 어떻게 전환되는지는 바로 월드 모델이 해결해야 할 과제입니다. 우리는 마침 이 시점에 도달했으며, 월드 모델은 잠재력과 상상력이 매우 큰 기술 분야이기도 합니다.
샤오닝: 향후 1~2년 동안, 여러분이 가장 중점을 두고 투자할 분야는 어디인가요?
차오 옌페이: AI 분야에서 2~3년 단위의 계획은 정말로 긴 기간입니다. 알고리즘 원리, 연산 능력, 신경망 구축, 다모달 연구 패러다임은 몇 달마다 한 번씩 대대적인 재구성이 일어날 수 있습니다.우리에게 중요한 것은 높은 기술적 민감도와 민첩한 의사결정 능력을 유지하는 것이며, 특정 경로에 지나치게 의존하지 않고 새로운 트렌드가 나타날 때 매우 신속하게 방향을 조정하여, 기술 재구축에서 제품급 모델, 나아가 제품 역량에 이르기까지 매우 민첩한 반복 과정을 밟아 나가는 것입니다.
머릿속으로는 2~3년 후의 모습이 3D 자산 생산성 도구에서 공간 컴퓨팅 또는 UGC 상호작용 기반 플랫폼으로의 도약을 이룬 상태가 될 것이라고 예상하고 있지만, 실제로는 모두가 향후 2~3개월, 심지어 몇 주 안의 빠른 반복 개선에 더 많은 관심을 기울이고 있다.
샤오닝: AI 3D가 파이프라인에 바로 고품질로 도입되기까지 얼마나 걸릴까요? 2~3년 안에 가능할까요?
차오옌페이: 오늘날의 기술 발전 속도를 고려할 때, 2~3년은 다소 긴 기간입니다. 내년 이맘때쯤이면, AI로 생성된 자산에 훌륭한 텍스처 매핑과 토폴로지가 적용되어, 완성된 게임 자산으로 사용할 수 있을 것이라고 기대해도 좋습니다.
작년 이맘때만 해도 사람들은 고해상도 모델 생성물의 품질 자체에 대해 많은 비판을 제기했었습니다. 무작위로 생성한 자동차의 형태조차 부정확했고, 피규어조차 인쇄하고 싶은 수준에 미치지 못했죠.하지만 10여 달이 지난 지금, 고해상도 모델은 이미 인간 예술가가 손으로 조각한 수준에 근접했으며, 토폴로지 기반 저해상도 모델도 훌륭하게 제작할 수 있게 되었습니다. 내년이 되면 ‘피부와 살, 뼈, 뇌까지 갖춘’ 자산이 AI를 통해 엔드투엔드 방식으로 생성될 수 있을 것입니다.
샤오닝: 현재 시점에서 AI 3D 분야에서 무엇이 과대평가되고 있고, 무엇이 과소평가되고 있나요?
차오옌페이: 여전히 과대평가되고 있는 것은 시각적 사실감입니다. 사람들은 인터넷에서 매우 사실적인 3D 생성 결과를 보지만, 그것은 동영상 형태로 제시된 것입니다. 렌더링된 고해상도 모델의 관점에서 보면 확실히 정교하지만, 이는 업계 종사자들만이 느낄 수 있는 부분이며 일반 대중은 그 차이를 알아차리기 어렵습니다.
과소평가되고 있는 것은 3D 신호가 물리적 세계를 본질적으로 표현하는 데 있어 지닌 궁극적인 가치입니다. 학계에서는 3D라는 모달리티가 대체로 부정적으로 평가받고 있습니다.많은 학자들이 “쓰라린 교훈”을 인용하며 3D는 확장성이 떨어지고, 일반화하기 어렵고, 인위적인 설계가 많다고 지적하며, 방대한 양의 영상 데이터에 더 순수하게 의존하는 접근 방식이 반드시 승리할 것이라고 주장한다. 나는 이러한 관점이 큰 한계를 가지고 있다고 생각한다. 그 관점이 내포한 프레임워크는 전통적인 컴퓨터 비전 과제의 사고방식에 얽매여 있기 때문이다.
제1원리로 돌아가 보자: 2D 픽셀 행렬과 절대적인 공간 규모를 지닌 3D 신호 중 어느 쪽이 더 원초적인가? 답은 분명 후자다. 현실 세계 자체는 3D이며, 2D 픽셀은 3차원 세계를 압축하여 차원을 낮춘 투영에 불과하다.P1.0은 3차원 구조 내에서 직접 학습하고 생성하며, 인위적인 설계를 도입하는 것이 아니라 AI가 물리적 세계의 본래 신호를 직접 적합시키도록 한다. 본연의 3D 경로를 고수하는 이 기술의 장기적인 기술적 확장성과 지속성은 크게 과소평가되어 왔다.
샤오닝: GDC 기간 동안 Simon(VAST 창립자)이 제게 말하길, GDC처럼 개발자들에게 가장 큰 행사인 이곳에서도 많은 사람들이 아직 AI 3D를 제대로 경험해 보지 못했다고 하더군요. 이것도 일종의 과소평가라고 볼 수 있을까요?
차오옌페이: 저는 개인적으로 정반대로, 비교적 낙관적입니다. 분명 유용한 것이지만 아직 모두가 접해보지 못했다는 것은, 미래에 여전히 매우 큰 가능성이 있다는 뜻입니다. 왜 그런지도 이해하기 쉽습니다. P1.0이 출시되기 전까지는 토폴로지가 정상인 자산을 빠르게 확보할 수 없었기 때문입니다.그 전에 처음으로 접한 사람들은 테스트해 보니 고해상도 모델이라는 것을 알게 되었고, 별다른 용도가 없다고 판단해 홍보할 동기가 생기지 않았습니다. P1.0이 출시된 후, 사람들은 이것이 진정한 ‘게임 자산 메쉬’라는 것을 알게 되었고, 많은 해외 고객들이 매우 적극적으로 API를 연동해 왔으며, 체험 후 자연스럽게 구독으로 이어졌습니다. 이는 확실히 꽤 큰 전환점이었습니다.
샤오닝: 한두 문장으로만 설명한다면, 외부에서 Tripo를 어떻게 이해했으면 좋겠나요?
차오옌페이: 저희는 여러분이 Tripo를 미래의 완전히 새로운 UGC 상호작용 플랫폼이자 3D 콘텐츠 생태계의 기반 플랫폼으로 이해해 주셨으면 합니다. 단순히 시간과 노력을 절약해 주는 3D 창작 도구가 아니라, 차세대 상호작용 형태와 3D 콘텐츠 생태계를 위해 구축된 일련의 기반 기능을 제공합니다.3A급 대형 팀이든, 미술 기초는 없지만 열정과 아이디어로 가득 찬 일반 대중이든 누구나 매우 낮은 진입 장벽을 통해 머릿속의 3D 세계를 실시간으로 구축할 수 있습니다.
샤오닝: 이건 정말 거대한 청사진이네요.
차오옌페이: 이것이 매우 높은 목표라는 점은 부인하지 않습니다. 하지만 우리 팀은 처음부터 끝까지 금방 끝이 보이는 미래에 스스로를 가두기보다는, 높은 목표를 향해 끊임없이 발전해 나가기를 희망해 왔습니다.
原创文章，作者：游茶妹儿，禁止转载：https://youxichaguan.com/ko/archives/216304
