핵심 내용 요약
알리바바는 비디오 생성 모델 분야에서 HappyHorse와 Wan 3.0이라는 두 가지 기능이 상당히 중첩되는 모델을 동시에 추진하고 있습니다. HappyHorse는 타오티안 연구소(Taotian Laboratory)에서 출발하여 비즈니스 시나리오에 초점을 맞추었으며, Wan 3.0은 통의 체계(Tongyi System)에서 개발되어 기본적인 기능에 중점을 두었습니다. 초기에는 각자 다른 방향으로 진행되었지만, Wan 3.0의 업데이트가 진행됨에 따라 기능(텍스트/이미지에서 비디오 생성, 편집 등)과 사용자층이 점차 겹치게 되었으며, 동일한 플랫폼에서 다른 가격으로 경쟁하고 있습니다. 현재 두 팀은 하나의 사업부로 통합되었지만 여전히 각자 모델을 업데이트하면서 자원이 낭비되고 있습니다. 이 글은 비디오 생성 모델이 많은 비용을 소모하며 사업 모델이 안정적이지 않다고 지적하며, 알리바바는 두 모델을 조기에 통합하여 핵심 역량에 집중해야 한다고 제안합니다. 그렇지 않으면 의미 없는 내부 경쟁만 계속될 뿐입니다.
1. 내부 경쟁: “합리적인 시도”에서 “자원 낭비”로
처음에 알리바바가 두 팀에게 다른 방향을 요구한 것은 일리가 있었습니다:
- Wan은 통의 대형 모델 체계에 속하며 “범용 도구 상자”와 같아 기술적인 기반 역량과 개발자 생태계를 강조하여 기본 연구에 적합했습니다;
- HappyHorse는 타오티안 연구소에서 출발하여 광고, 단편 영화 등 비즈니스 시나리오에 초점을 맞추어 사용자 요구에 더 가까웠습니다.
하지만 상황이 변했습니다:
- 기능의 중첩: Wan 3.0은 HappyHorse의 핵심 기능(예: 원본 오디오, 캐릭터 일관성)을 모두 흡수했으며, 가격도 더 저렴합니다(720P당 0.6위안 vs HappyHorse의 0.9위안);
- 팀 통합: 올해 6월, 두 팀은 우융밍(Wu Yongming)이 이끄는 Token Foundry 사업부로 통합되었으며, 조직적으로 이미 협력이 필요했습니다;
- 고객의 중첩: 두 모델 모두 알리바바의 백련(Blade) 플랫폼에서 동일한 기업과 크리에이터 고객을 두고 경쟁하고 있습니다.
경쟁을 계속하는 것은 마치 “집에 비슷한 기능의 세탁기가 두 대 있으면서 세제를 따로 사고 전원 콘센트를 두고 다투는” 것과 같습니다. 이는 돈과 인력을 낭비할 뿐만 아니라 사용자에게 혼란을 줍니다(어떤 것을 선택해야 할지 모르겠죠).
2. 비디오 모델 분야: “장기적인 경쟁”에 적합하지 않음
비디오 생성 모델은 인터넷 제품과 다릅니다. 두 가지 특징 때문에 내부 경쟁이 지속될 수 없습니다:
1. 많은 비용과 자원 소모: 비디오 모델을 훈련시키기 위해서는 대량의 데이터와 초고성능 컴퓨팅 파워가 필요하며, 각 업데이트마다 실제 돈이 소비됩니다. 두 모델을 별도로 훈련시키면 같은 일을 하기 위해 두 배의 비용이 듭니다;
2. 기술적 방향의 수렴: 현재 비디오 모델의 핵심 역량(영상 길이, 화질, 다중 모달 입력)은 모두가 추구하고 있으며, HappyHorse와 Wan 3.0은 이미 동일한 수준에 도달했습니다. 차이는 “취향의 선호”에 불과합니다(예: 이 모델은 캐릭터 생성에 강하고, 저 모델은 카메라 움직임에 강함). 이는 “세대 차이”(예: 스마트폰 vs 기능폰)와 같지 않습니다.
두 사람이 함께 산을 오르는 것과 같아서 처음에는 다른 길을 가지만 중간 지점에서 길이 점점 가까워진다는 것을 깨닫으면, 각자 다른 길로 가는 것은 에너지 낭비입니다. 그보다는 방향을 통합하여 함께 정상에 오르는 것이 더 효율적입니다.
3. “장점”이 없는 만능성과 저가는 모두 “가짜 이점”
Wan 3.0이든 HappyHorse이든 사용자가 반드시 사용해야 할 핵심 기능이 없습니다:
- Wan 3.0은 30초 비디오를 생성하고 PPT 입력을 지원한다고 하지만, 사용자가 진정으로 원하는 것은 “한 번에 사용할 수 있는 콘텐츠”입니다. 만약 캐릭터의 동작이 경직되거나 장면이 끊기면, 기능이 많아도 사용자는 계속해서 다시 생성해야 하며, 총 비용은 오히려 더 높아집니다;
- HappyHorse는 광고와 단편 영화에 초점을 맞추지만, 캐릭터의 일관성이 부족하면(예: 한 순간은 빨간 옷을 입었다가 다음 순간은 파란 옷으로 바뀜), 상품의 표현이 정확하지 않아서 판매자는 사용하기를 꺼립니다;
- 저가의 함정: Wan 3.0의 720P 해상도는 저렴하지만, 사용 가능한 비디오를 얻기까지 10번이나 시도해야 하면 총 비용은 HappyHorse보다 더 높아집니다. 사용자가 원하는 것은 “가성비”입니다, 단순히 “저렴한 가격”이 아닙니다.
예를 들어, 이발을 할 때 한 이발사는 “모든 스타일을 잘 만들 수 있고 저렴하다”고 하지만 매번 결과가 다르고, 다른 이발사는 단발만 전문적으로 잘 하지만 빠르고 좋습니다. 어느 쪽을 선택하겠습니까? 비디오 모델도 마찬가지로, 장점이 없으면 만능성과 저가는 의미가 없습니다.
4. 통합의 최선책: 기반의 통일과 상위의 분업
글은 알리바바에게 다음과 같이 조치할 것을 제안합니다:
- 기반의 통합: Wan을 통합된 기본 모델로 사용하고, HappyHorse가 비즈니스 시나리오(예: 광고, 단편 영화)와 캐릭터 표현에서 가진 경험을 활용하여 핵심 역량(예: 캐릭터 일관성, 동작 자연도)을 업계 최고 수준으로 끌어올리세요;
- 상위의 브랜드 유지: HappyHorse는 크리에이터를 위한 제품 브랜드로 계속 사용하여 템플릿, 워크플로우(예: 한 번에 광고 스크립트 생성)를 담당하여 사용자의 편의성을 높이세요.
이렇게 하면 중복된 작업을 피하고 기술적 깊이와 사용자 경험을 모두 고려할 수 있습니다. 마치 스마트폰 제조사가 기반 칩을 통합하여 다양한 시리즈의 스마트폰(예: 화웨이의 Mate와 P 시리즈)을 만드는 것과 같습니다. 각각의 차별점은 있지만 핵심 기술을 공유합니다.
5. 알리바바의 “사고 방식”: 이전 AI 시대의 경쟁은 더 이상 적합하지 않음
알리바바는 이전에 인터넷 제품(예: 전자상거래, 소셜 네트워크)을 개발할 때 내부 경쟁(예: 여러 팀이 유사한 앱을 만들어 빠르게 시험해보는 것)을 통해 성공을 거두었습니다. 하지만 AI 모델은 다릅니다:
- 인터넷 제품의 시행착오 비용은 낮습니다(앱 코드를 작성하는 데 많은 돈이 들지 않음), 하지만 AI 모델의 시행착오 비용은 매우 높습니다(한 번의 훈련에 수백만 원이 소요될 수 있음);
- 인터넷 제품은 “빠른 기능 업데이트”로 승리하지만, AI 모델은 “핵심 기술의 돌파”로 승리합니다. 먼저 “기반”을 탄탄히 해야 합니다(예: 모델의 생성 품질). 그래야만 높은 건물(다양한 시나리오 확장)을 지을 수 있습니다.
따라서 알리바바가 직면한 문제는 “인터넷 제품 사고 방식”에서 “AI 모델 사고 방식”으로 전환하지 못한 것입니다. 계속해서 경쟁하면 자원만 낭비되고 비디오 모델 분야에서의 경쟁 우위를 확보할 기회를 놓칠 것입니다.
마지막 말
알리바바는 두 모델이 서로 고객을 빼앗도록 하는 대신, 그것들을 하나로 통합하여 “다른 사람들이 할 수 없는 일”에 집중해야 합니다. 이것이 AI 시대에서 성공하는 열쇠입니다.