게임 제작의 고된 노동 시대는 AI 3D에 의해 막을 내리고 있다

지난 1년여 동안 AI의 발전 속도는 상상 이상으로 빨랐다.

특히 프로그래밍 분야에서 코딩이라는 행위가 새롭게 정의되고 있다. 코딩을 전혀 모르는 초보자라도 AI에게 자신의 아이디어를 말하기만 하면, AI가 몇 분 만에 웹페이지를 생성하거나 간단한 게임을 만들 뿐만 아니라, 오류 문제까지 함께 해결해 준다.

코딩 측면에서 볼 때, AI 에이전트는 게임 개발의 거의 모든 분야에 스며들었습니다. 하지만 창작의 또 다른 측면인 3D 아트 분야는 여전히 진입 장벽이 꽤 높습니다.AI는 그림을 그리고 영상을 생성할 수 있지만, 엔진에 적용되고, 뼈대를 바인딩하며, 게임 내에서 실제로 움직일 수 있는 3D 모델이 필요할 때면 종종 난관에 부딪히곤 합니다.

멋진 3D 모델과 실제로 사용할 수 있는 3D 모델은 별개의 문제입니다. 후자는 단순한 시각적 이미지가 아니라, 이해되어야 하는 공간적 구조입니다. 수십만 개의 점이 어떻게 배열되고, 어떻게 면을 이루며, 배선이 합리적인지 여부는 모두 해당 모델이 편집될 수 있는지, 바인딩될 수 있는지, 엔진에서 렌더링될 수 있는지를 직접적으로 결정합니다.

지난 3년 동안 AI는 이미지, 동영상, 코드 분야에서 잇달아 급속한 발전을 이룩했으나, 오직 3D 분야만은 여전히 가장 해결하기 어려운 과제로 널리 인정받아 왔다. 하지만 최근 반년 동안 이 난제 해결의 속도가 눈에 띄게 빨라졌다.

9월 1일, AI 3D 대형 모델 기업 VAST는 B라운드와 B+라운드 투자 유치를 완료했다고 발표했으며, 총 유치 금액은 약 30억 위안으로, 경위창투가 주도 투자자로 나섰다. 이전 투자 라운드를 포함하면, 설립된 지 불과 3년 된 이 회사는 반년도 채 되지 않아 누적 약 50억 위안을 조달했다.

투자자 명단도 특별히 주목할 만하다. 지난 반년 동안 여러 게임 업체들이 이 AI 3D 기업의 주주 명단에 잇달아 이름을 올렸는데, 여기에는 A3 라운드의 4399, 탐완, 자이언트 네트워크를 비롯해, B 라운드와 B+ 라운드의 퍼펙트 월드, 37인터테인먼트, 옌추게임 등이 포함된다.게임 업계 자본이 한 상류 기술 기업에 이처럼 집중적으로 투자하는 사례는 흔치 않다.

자금 조달 소식과 함께 VAST 산하 3D 대형 모델 ‘Tripo’의 최신 버전인 P2.0도 공개되었습니다. 이는 세계 최초로 네모난 면 토폴로지를 네이티브로 구현한 AI 3D 기반 모델로, 이 새로운 모델을 간단히 체험해 본 TA 전문가와 이야기를 나눠본 결과, AI 3D 분야에 정말 큰 변화가 일어날 것 같다는 생각이 들었습니다.

01

P2.0 이전에는 왜 항상 누군가가 AI의 ‘뒤처리를’ 해야만 했을까?

이번 새 모델이 어떤 점이 다른지 명확히 설명하려면, 먼저 가장 기본적인 질문으로 돌아가야 합니다. 게임 속 3D 자산은 도대체 어떻게 만들어지는지, 그리고 작업 과정에서 주로 어떤 부분에서 막히는지 말이죠.

게임 속 3D 캐릭터를 예로 들면, 일반적인 제작 과정은 다음과 같은 일련의 공정으로 이루어집니다:

먼저 원화 설정을 통해 디자인과 스타일을 확정하고, 다음으로 디테일이 풍부하고 폴리곤 수가 매우 많은 정교한 하이폴리 모델을 제작하여 형태를 다듬습니다.그 다음은 핵심 공정인 리토폴로지 단계로, 고해상도 모델을 중·저해상도 모델로 변환하여 수십만 개의 구조가 없는 파편화된 면들을 배선이 정돈된 모델로 재구성합니다; 이후 UV 언래핑을 통해 입체 표면을 귤 껍질을 벗기듯 평면으로 펼쳐 텍스처를 적용할 수 있도록 하고;그 다음 텍스처와 재질을 제작하고, 뼈대를 바인딩하고, 스키닝을 적용하며, 애니메이션을 제작한 뒤, 마지막으로 게임 엔진에 임포트합니다.

화이트 모델의 선 프레임은 바로 “배선”입니다. 면의 배열 방식은 모델을 편집, 바인딩 및 렌더링할 수 있는지 여부를 직접 결정합니다.

이 과정에서 창의성과 인건비는 전혀 비례하지 않습니다. 설정, 모델링, 애니메이션은 창의성이 많이 요구되는 부분인 반면, 리토폴로지, UV 전개, 바인딩, 스키닝 등의 단계는 주로 번역 작업이나 육체 노동에 가깝습니다. 새로운 것을 거의 창조하지 않으면서도 경험에 극도로 의존하기 때문에, 이 단계들이 가장 지치게 만드는 과정이라는 점은 널리 인정받고 있습니다.특히 리토폴로지는 전체 프로세스 중 가장 비용이 많이 들고, 가장 지저분하며, 아무도 하고 싶어 하지 않는 단계로, 단일 에셋을 수작업으로 처리하는 데 종종 몇 시간에서 며칠이 걸리기도 합니다.

더 큰 문제는 이 부분이 작업 라인의 한가운데에 끼어 있다는 점이다. 배선에 문제가 생기면 애니메이터가 작업을 이어받자마자 오류가 드러나게 되고, 그 결과 토폴로지를 수정하고, UV 매핑을 다시 하고, 텍스처를 다시 적용하고, 리깅을 다시 하고, 애니메이션을 다시 만드는 등 일련의 과정을 되돌아가야 하는데, 말 그대로 한 부분을 건드리면 전체에 영향을 미치는 셈이다.

그 결과, 한 팀에서 가장 비싸고 최고의 실력을 가진 아트 담당자가, 본래 기계가 해야 할 육체노동에 막대한 시간을 쏟아부어야만 했습니다. 돈과 시간 모두, 창의성은 가장 적으면서도 실수가 용납되지 않는 부분에 소모되고 말았습니다.

반면 지난 몇 년간 AI 생성 모델은 이 과정에서 가장 쉽고 표면적인 작업, 즉 고해상도 모델 구축과 외형 생성에 가장 뛰어나지만, 실제로 시간과 예산을 가장 많이 소모하는 재토폴로지, 바인딩, 분할 작업은 메쉬 품질이 기준에 미달할 경우 더 많은 인력이 재작업에 투입되어야 할 수도 있다.

문제는 고해상도 모델과 중·저해상도 모델이라는 두 단계의 목표가 서로 다르다는 점입니다.고해상도 모델은 외관을 더 중시하며, 피부 주름이나 갑옷의 흠집 등 디테일이 풍부할수록 좋습니다. 폴리곤 수, 에지 레이아웃, 토폴로지가 다소 어수선하더라도 큰 문제는 되지 않습니다. 애초에 직접 사용하기 위한 것이 아니기 때문입니다. AI의 시각 모델은 본질적으로 ‘비슷한지 아닌지’를 판단하는 데 탁월합니다.

중저폴리 모델은 중량 토폴로지와 정반대로, 단순히 ‘비슷해 보이는 것’뿐만 아니라 ‘실용성’을 더 중요시합니다. 폴리곤 수를 예산 범위 내로 줄여야 하고, 배선은 구조를 따라야 하며, 관절 부분에는 루프를 충분히 남겨야 합니다…… 이를 위해 외관을 다소 희생하더라도 상관없습니다.이는 ‘시각’에서 ‘구조’로 나아가는 한 걸음이며, 과거 AI는 3D를 단순히 ‘점들이 많이 있는 그림’으로 간주하여 생성했기 때문에, 그 과정의 전반부만 넘긴 셈이었다.

이로 인해 과거에 생성된 모델의 경우, 종종 사람이 뒷수습을 해야만 했습니다. AI를 파이프라인에 진정으로 통합하려면 단 한 가지 방법밖에 없습니다. 바로 생성되는 순간에 산업 표준에 부합하는 구조를 직접 출력하도록 하는 것입니다.

P2.0에서 사면체를 직접 생성하는 모델은 바로 이 문제를 해결하기 위한 것입니다.

P2.0으로 직접 제작된 스팀펑크 스타일의 캐릭터

사각면은 영화·TV 및 게임 업계에서 수십 년간 이어져 온 표준입니다. 이것이 ‘표준’인 이유는 삼각면보다 ‘고급’이기 때문이 아니라, 후속 공정에 더 유리하기 때문입니다. 즉, 연속적인 배선을 형성하기 쉽고, 서피스 세분화 시 결과가 더 예측 가능하며, 캐릭터 애니메이션 제작에도 더 적합합니다.이전까지 AI는 사각면 폴리곤을 생성할 수 없었습니다. 먼저 무작위 폴리곤을 생성한 뒤, 알고리즘을 통해 사각면 폴리곤으로 재토폴로지해야 했기 때문입니다. 이는 전체 파이프라인에서 가장 비용이 많이 들고, 누구도 하고 싶어 하지 않는 공정을 다시 거치는 것과 같아서, 시간이 많이 소요될 뿐만 아니라 디테일도 손실되기 때문입니다.

사면은 연속적인 배선을 형성하기 쉬우며, 캐릭터 애니메이션 제작에 더 적합합니다.

P2.0의 핵심적인 차이점은 사면이 생성된 후에 수정되는 것이 아니라, 생성 과정에서 직접 형성된다는 점입니다. 이 뒤에는 오랜 기간의 기술적 축적이 있으며, 이들은 자체 개발한 Nexus 프레임워크를 보유하고 있습니다.업계의 주류 방식은 3D 모델을 일련의 순서로 분해하여, 마치 한 글자씩 문장을 쓰는 것처럼 한 글자씩 차례로 생성해 나가는 것입니다. 반면 Nexus는 먼저 순서를 정하고 그 다음에 생성하는 방식을 따르지 않고, 전체를 먼저 생성한 다음 세부 부분을 보완하는 방식을 채택하고 있습니다.

간단히 말해, P2.0으로 생성된 결과물은 더 이상 엉망진창인 모델이 아니라, 엔진에 바로 적용할 수 있고 편집 및 분할이 가능한 산업용 자산입니다. 즉, 생성되는 순간부터 가장 비용이 많이 들고 번거로운 단계를 건너뛴 셈입니다.

원화를 하나 입력하면, 네 모서리가 깔끔하게 처리되고 면 배선이 적용된 캐릭터 머리 모델이 바로 출력됩니다.

일부 개발자들은 토폴로지 재구축만으로도 투자 비용을 회수할 수 있을 만큼 시간을 절약할 수 있다고 피드백했습니다. 또한 일부 3D 아티스트들은 P2.0이 무기, 차량, 건축 소품 등 하드 서피스 에셋에서 현저한 성능 향상을 보여주며, 표면이 깔끔하고 밀도가 디테일에 정확하게 부합하며, 가장자리가 선명하고 깔끔하다고 지적했습니다.

02

사람이 사용하기도 하고, 에이전트가 사용하기도 합니다

방금 우리는 사람이 AI 3D 생성을 어떻게 더 잘 활용할 수 있을지에 대해 이야기했습니다. 하지만 현재의 개발 프로세스에서는 AI가 매우 깊이 관여하고 있습니다. 코드 작성, 엔진 조정, 실행 결과에 따른 버그 수정 등 많은 작업을 AI 에이전트가 사람을 대신해 수행하고 있습니다. 많은 경우, 실제로 AI 3D 생성 모델을 호출하는 주체는 사람이 아니라 에이전트일 수도 있습니다.

하지만 에이전트가 3D 모델을 제대로 활용할 수 있을지는 또 다른 문제다. 에이전트와 사람이 모델을 ‘이해’하는 방식은 근본적으로 다르기 때문이다.

예를 들어, 사람은 모델을 한 번만 봐도 “이건 물고기고, 저건 꼬리다”라고 알 수 있는데, 이는 눈과 경험 덕분입니다.에이전트는 다릅니다. 눈이 없으며, 코드와 바이트만 읽을 수 있고, 모델에 대한 이해는 파일 속 데이터에서만 얻을 수 있습니다. 그리고 모델이 데이터로 변환되면, 그것은 단지 일련의 정점 좌표와 기하학적 모양일 뿐이며, “어느 부분이 물고기이고, 어느 부분이 꼬리인가”와 같은 의미적 정보는 포함되어 있지 않습니다.

그래서 에이전트는 하나의 모델을 마주하게 되는데, 이는 마치 목차도 없고 장 제목도 없는 책을 받은 상태에서 특정 장이나 단락을 바로 수정하라는 요구를 받은 것과 비슷하여, 도무지 어디서부터 손을 대야 할지 막막합니다.일시적인 해결책도 몇 가지 있습니다. 예를 들어 3D 모델을 코드로 변환하여 에이전트에 입력하는 방법이지만, 변환 과정에서 정보가 손실되기 쉬우며, 폴리곤 수가 많아지면 에이전트의 처리 능력을 초과하기 쉽습니다.

또 다른 제약 요소는 에이전트의 작업 속도입니다. 에이전트는 한 번에 완성된 결과를 생성하는 것이 아니라, “생성, 검토, 수정, 재생성”의 빠른 순환 과정을 거치는데, 이는 마치 두 사람이 마주 앉아 몇 분 간격으로 안을 수정해 나가는 것과 비슷합니다. 만약 생성할 때마다 수동 검토와 라벨링을 위해 오랜 시간을 기다려야 한다면, 효율성은 완전히 무너져 버릴 것입니다.

따라서 에이전트가 3D를 사용하려면, 사실 모델의 미적 요소와는 무관한 일련의 필수 조건이 있습니다. 토폴로지가 깔끔해야만 구조를 명확히 파악하고 부품을 구분할 수 있으며,폴리곤 수는 조절 가능하고 충분히 가벼워야 웹 환경에서 실시간 렌더링이 원활하게 처리될 수 있습니다; 더 중요한 것은, 모델이 의미론에 따라 개별 부품으로 분해될 수 있어야 한다는 점입니다. 만약 이름 없는 부품들이 한데 섞여 있다면, 에이전트는 어떤 부품을 선택해야 할지, 어떤 로직을 적용해야 할지 알 수 없게 됩니다.

에이전트가 모델을 효과적으로 활용하기 위한 세 가지 필수 조건: 깔끔한 토폴로지, 제어 가능한 면 수, 명확한 부품 분할

이 또한 VAST가 해결하고 있는 문제입니다. 특히 마지막 항목인 ‘부품에 이름을 붙이기’를 프로그래밍 가능한 수준의 정밀도로 구현해 냈습니다.

정밀도가 향상됨에 따라, Tripo P2.0이 생성하는 3D 모델의 자연스러운 분할(Connected Component) 정밀도도 함께 높아졌으며, 부품 분할이 더욱 합리적이고 의미론적으로 타당해졌습니다.

풍차가 의미 태그가 붙은 개별 부품으로 분해되었다

앞서 언급한 네 면의 원시 구조와 면 수를 기준으로 직접 출력하는 방식을 결합하여, VAST는 3D 생성 모델이 에이전트(Agent)에 친화적이도록 진정으로 구현했습니다.4면 구조는 구조의 경계를 명확하게 하여 에이전트가 “어디가 부품인지” 파악할 수 있게 하고, 면 수 예산은 자산이 대상 플랫폼에서 원활하게 실행될 수 있는 볼륨을 직접 산출하도록 하며, 의미론적 부품 분할을 통해 에이전트가 부품에 이름을 지정하고, 코드 내에서 위치를 파악하며, 부품 수준의 상호작용 로직을 작성할 수 있게 합니다.

공식 시연 영상을 예로 들어보자. VAST의 수석 과학자 차오 옌페이는 P2.0을 이용해 기계 거미 한 마리를 생성한 뒤, 대규모 언어 모델이 각 독립 부품에 이름을 붙이고 동작 로직을 작성 및 디버깅하도록 하여, 거미의 각 부품을 개별적으로 제어하는 애니메이션을 구현했다.

외부 개발자들의 손에서 이러한 기능은 이미 실제로 작동하는 완성품으로 구현되었습니다. 한 개발자는 GPT와 Tripo를 활용해 상호작용이 가능한 인체 장기 교육 웹페이지를 만들었는데, 각 장기를 클릭하고 회전하며 탐색할 수 있는 이 작품은 OpenAI의 공동 창립자인 그렉 브록맨(Greg Brockman)이 리트윗하기도 했습니다.

깔끔하고 가독성 높은 모델에 더해, 에이전트가 직접 코드를 작성하고 렌더링 검증을 수행합니다. 이를 통해 향후 게임 개발 및 검증 효율이 몇 배나 향상될 것으로 예상됩니다.

03

‘단자 공방’에서 제조사의 투자까지

AI 3D 모델의 성능이 급속히 발전함에 따라, 이에 따른 응용 분야도 점차 확대되고 있다.

7월 30일, 《에그 파티》의 ‘에그 공방’에 3D 모델 분할 기능이 추가되었으며, 이 기술은 VAST에서 제공한 것입니다.공방에서 모델을 생성하거나 선택하면 몇 단계만 거치면 여러 개의 독립된 부품으로 분해할 수 있으며, 각 부품을 개별적으로 이동, 회전, 크기 조정, 삭제할 수 있을 뿐만 아니라 다른 부품과 자유롭게 조합할 수도 있습니다.

생성 모델을 클릭 한 번으로 개별 구성 요소로 분할하여, 각각 따로 이동, 회전, 크기 조정이 가능합니다.

이 기능이 추가되면서 AI가 생성한 모델은 더 이상 하나의 전체가 아닌, 수정하고 재구성하며 개별적으로 사용할 수 있는 편집 소재가 되었습니다. 그 결과, 성은 더 이상 단순히 ‘성’으로서만 존재하지 않습니다. 성벽을 재배치하면 출구를 찾아야 하는 미로를 만들 수 있고, 서로 다른 높이에 분포된 탑들을 활용해 연속 점프가 필요한 파쿠르 코스를 구성할 수도 있습니다.예전에는 하나의 모델이 전체적으로 단 한 가지 용도로만 사용되었지만, 분해하면 더 많은 맵에 적용하고 더 다양한 기능을 수행할 수 있게 되었습니다.

실험실에서의 시연은 월간 활성 사용자 수가 1억 명을 넘는 운영 환경과는 완전히 다릅니다. 모델 제공업체의 입장에서 볼 때, 이 기능이 ‘단자이’에 출시되기까지는 기술적인 문제 외에도 수많은 엔지니어링 난관을 극복해야 했습니다.단자이의 월간 활성 사용자 수는 꾸준히 1억 명을 넘고 있으며, 방대한 수의 플레이어가 동시에 접속하고, 모바일 기기의 성능 제약이 있으며, 클릭 후 신속하게 화면으로 복귀해야 하는 등, AI 기능은 이러한 환경에서 품질, 속도, 비용이라는 세 가지 과제를 동시에 견뎌내야 한다.

사실 VAST와 넷이즈의 협력은 오래전부터 이어져 왔다. 2025년 초, Tripo API를 기반으로 《연운십육성》에 ‘만물태극’ 기능이 출시되어, 플레이어가 한 마디만 입력하면 게임 아이템을 생성할 수 있게 되었다;2025년 9월, Tripo는 ‘단자 공방’에 연동되어 플레이어가 참고 이미지를 업로드하고 명령어를 입력하면 만화 스타일의 모델을 얻을 수 있게 되었으며, 이를 바로 맵 제작에 활용할 수 있게 되었습니다. 이번에 분할 기능이 출시되면서, 협력은 ‘AI 생성’ 단계에서 ‘AI 편집’ 단계로 진전되었습니다.지난 몇 년간, 매 단계마다 넷이즈의 게임 제작 프로세스에 이전보다 더 깊이 뿌리내리고 있다.

또한, Tripo는 더 많은 업체의 파이프라인에 도입되고 있습니다. 이에 앞서, Tripo는 전 세계 여러 주요 게임사에 개념 생성부터 애니메이션 바인딩에 이르는 전 과정에 걸친 지원을 제공해 왔으며, 이를 통해 씬 자산의 신속한 구축, 레벨 프로토타입 검증, 다양한 안의 비교 평가가 가능해져 전반적인 효율이 50% 이상 향상되었습니다.

제품 외에도 자본도 시장에 진입하고 있다. 지난 반년 동안 4399, 탄완, 자이언트 네트워크, 퍼펙트 월드, 37인터테인먼트, 옌추게임 등이 잇달아 VAST에 지분을 투자했다.게임 업체는 AI 3D의 가장 중요한 하류 시장 중 하나이며, 상·하류 시장이 동시에 융합되는 것은 대개 기술이 ‘사용 가능’한 단계에서 ‘실용적’인 단계로 진입하고, 상업적 수익이 명목상의 숫자에서 생산 현장의 실질적 이익으로 전환되고 있음을 의미한다.

마무리

지난 몇 년간 AI 3D 분야의 경쟁은 ‘얼마나 멋진 결과물을 생성할 수 있는가’에서 ‘실제 제작에 적용할 수 있는가’로 점차 초점을 옮겨가고 있으며, VAST는 AI 3D 생성을 게임 업계의 산업 표준에 한 걸음씩 가깝게 다가가게 하고 있습니다.

물론, AI 3D 생성을 게임 업계의 생산 라인에 본격적으로 접목하기 위해서는 해결해야 할 과제가 여전히 많습니다. 하지만 기사 서두에서 언급했듯이, 이미지, 동영상, 코드 분야에서 잇달아 선두를 달린 후, 3D는 아마도 마지막으로 남은 난관일 것입니다. 현재 이 난관이 눈에 띄게 풀리기 시작했습니다.

VAST에게 있어 이는 아직 시작에 불과하며, 더 장기적인 목표는 ‘세상을 만드는 것’의 진입 장벽을 누구나 쉽게 시작할 수 있을 정도로 낮추는 것입니다. 어쩌면 우리는 정말로 미래에 누구나 자신만의 게임을 만들 수 있게 될 날을 기대해 볼 수 있을지도 모릅니다.