Google과 A24의 AI 파트너십: 기술보다 취향에 거는 7,500만 달러 규모의 베팅 내부 분석

원문은 twarx.com에서 처음 게시되었습니다 - 전체 인터랙티브 버전은 그곳에서 읽어보세요.

최종 업데이트: 2026년 6월 22일

Google과 A24의 AI 파트너십은 본질적으로 A24의 영화에 지불하는 7,500만 달러의 베팅이 아닙니다. 이는 생성형 AI (Generative AI) 분야에서 가장 희귀한 학습 신호, 즉 셀룰로이드로 구현된 진정한 인간의 공포에 대한 접근권을 얻기 위한 베팅입니다. 사진처럼 실사 같은 비디오 생성 (Photorealistic video generation)을 쫓는 모든 경쟁자는 잘못된 문제를 풀고 있으며, 이번 계약은 Google DeepMind가 그 사실을 알고 있음을 증명합니다.

Wall Street Journal은 이 검색 거대 기업이 AI 연구 파트너십의 일환으로 A24에 약 7,500만 달러를 투자하고 있다고 보도했습니다. Everything Everywhere All at Once, Hereditary, _Midsommar_를 제작한 스튜디오인 A24는 이제 Google의 지분 보유 대상이 되었으며, Google DeepMind가 기술적 협업을 주도하고 있습니다.

이 기사를 끝까지 읽으시면 무엇이 체결되었는지, 어떤 도구들이 구축되고 있는지, 비용은 얼마인지, 누가 승리하고 누가 패배하는지, 그리고 독립 영화 제작자로서 자신을 포지셔닝하기 위한 세 가지 구체적인 단계가 무엇인지 정확히 이해하게 될 것입니다.

Google과 A24의 AI 파트너십은 Google이 영화 스튜디오에 직접 지분을 투자하는 첫 사례로, 도구 공급업체에서 창의적 산업의 이해관계자로 전환하는 구조적 피벗 (Structural pivot)을 의미합니다. 출처

조어된 프레임워크 (Coined Framework)

미학적 데이터 해자 (The Aesthetic Data Moat) — AI 연구소가 일반적인 상업적 콘텐츠가 아닌, 정서적 울림이 있고 스타일이 독특한 창의적 저작물로 학습할 때 얻게 되는 전략적 우위. 이를 통해 단순히 기술적 충실도 (Technical fidelity)를 넘어 톤, 공포, 주관성을 복제할 수 있는 모델을 생성함

포토리얼리즘 (Photorealism, 실사감)은 이제 범용화되었지만, 정서적 일관성 (Emotional coherence)은 그렇지 않습니다. 큐레이션된, 톤이 뚜렷한 학습 신호 (Training signal)를 보유한 연구소만이 유일하게 남은 차별화 요소를 소유하게 됩니다. 제가 지켜본 모든 비디오 생성 (Video-generation) 팀들이 충실도 벤치마크 (Fidelity benchmarks)를 쫓는 데 급급하며 이 점을 간과해 왔으며, 바로 그 사각지대가 Google이 이번 투자를 통해 우회하여 확보한 지점입니다.

Google과 A24의 AI 파트너십에서 발표된 내용은 무엇인가?

공식 발표 세부 사항, 날짜 및 검증된 출처

Google은 인공지능 (AI) 연구 파트너십의 일환으로 A24에 약 7,500만 달러를 투자하고 있으며, 이는 The Wall Street Journal의 독점 보도를 통해 처음 알려졌습니다. 이 소식은 Variety, Deadline, TheWrap, 그리고 Yahoo Finance를 통해 확산되었습니다. 프레임을 걷어내고 확인된 재무적 사실만 남기면 간단합니다. 영화사에 약 7,500만 달러를 투자하며, 이는 명시적으로 AI 연구 파트너십으로 명명되었습니다.

거래 당사자: Google DeepMind, AI Futures Fund, 그리고 A24의 경영진

기술 부문은 Google의 소비자 제품 부서가 아닌 Google DeepMind입니다. 이 차이는 매우 중요합니다. DeepMind는 Veo 비디오 생성 라인과 Gemini의 배후에 있는 부서로, 이는 이번 파트너십이 마케팅 계층이 아닌 연구의 최전선에 위치함을 의미합니다. A24는 창의적 리더십을 그대로 유지합니다. 그 누구도 편집실을 모델에게 넘겨주고 있지 않습니다.

7,500만 달러가 실제로 구매하는 것: 지분 vs 연구 예산

WSJ의 프레임은 헤드라인 숫자에 대해서는 명확하지만, 내부 할당에 대해서는 의도적으로 침묵하고 있습니다. 7,500만 달러는 콘텐츠 라이선스 계약이 아니라 연구 협업과 결합된 _지분 투자 (Equity investment)_를 나타냅니다. Google이 A24의 카탈로그를 통째로 사는 것이 아닙니다. 소유권과 더불어 창의적 프로세스 내부의 자리를 사는 것입니다. 이것이 구조적 혁신이며, 대부분의 보도는 이 점을 완전히 놓쳤습니다.

$75M
Google의 A24 투자
WSJ, 2025
...

실사주의 (Photorealism)는 범용화되었습니다. 정서적 일관성 (Emotional coherence)은 그렇지 않습니다. 그리고 그 단 하나의 격차가 7,500만 달러 규모의 투자 논거(thesis) 전체입니다.

Google과 A24의 AI 파트너십은 실제로 어떻게 작동하는가?

구조: 연구소, 영화 제작자, 그리고 피드백 루프 (feedback loops)

표준적인 스튜디오 라이선스 계약과 달리, 이 파트너십은 영화 제작자들에게 AI 도구 설계에 참여하는 능동적인 역할을 부여하는 것으로 알려졌습니다. 이는 '창작자 우선 (creators-first)' R&D 모델입니다. 완성된 영화를 데이터셋으로 긁어모으는(scraping) 대신, DeepMind 연구원들은 실제 창의적 워크플로 (creative workflows)를 연구하는 위치에 놓이게 됩니다. 즉, 촬영 감독이 렌즈를 어떻게 결정하는지, 색보정 전문가(colourist)가 어떻게 공포감을 조성하는지, 편집자가 어떻게 공포의 속도(pace)를 조절하는지를 연구하는 것입니다. 이 메커니즘은 일방향 데이터 파이프라인이 아닌 피드백 루프 (feedback loop)입니다. 그 차이가 모든 것을 결정합니다.

이 소식을 처음 전한 The Wall Street Journal의 Brooks Barnes와 Ben Fritz는 이번 움직임을 직설적으로 정의했습니다. WSJ의 보도에 따르면, 이번 투자는 Google이 '영화 제작을 위한 AI 도구 및 기술을 개발'할 수 있는 위치를 점하게 합니다. 이는 A24를 단순한 콘텐츠 판매자에서 연구 협력자로 조용히 재정의하는 언어입니다.

A24 영화 제작자들이 Google DeepMind의 AI 도구를 직접 형성하는 방식

보고된 의도는 '이를 사용하는 창작자들에 의해 형성된' 새로운 AI 기반 워크플로, 도구 및 기술을 개발하는 것입니다. 시스템 관점에서 이는 결과물(outputs)로 학습하는 것과 프로세스 자체를 계측(instrumenting)하는 것의 차이입니다. 이는 최고의 멀티 에이전트 시스템 (multi-agent systems)이 구축되는 방식과 유사합니다. 사용자가 무엇을 원하는지 추측하는 것이 아니라, 처음부터 루프 안에 관찰(observation)을 내재화하는 방식입니다. 저는 프로덕션 에이전트가 QA(품질 보증)를 통과해 출시될지 아니면 폐기될지를 결정하는 과정에서도 동일한 원칙이 적용되는 것을 목격해 왔습니다.

Google–A24 창작자 우선 R&D 루프의 작동 방식

  1

    **A24 제작 (입력 신호/Input Signal)**

실시간 영화 제작 결정 사항 — 톤 (tone), 프레이밍 (framing), 페이싱 (pacing), 무드 (mood) — 이들이 단순한 최종 푸티지 (footage)가 아닌, 구조화된 창의적 프로세스 데이터 (creative process data)로 캡처됩니다.

↓

  2
...

연구원들은 창의적 의도 (creative intent)를 모델의 목적 함수 (model objectives)로 변환합니다. 정서적 공명 (emotional resonance)과 톤의 일관성 (tonal consistency)은 충실도 (fidelity)와 함께 학습 가능한 목표 (trainable targets)가 됩니다.

↓

  3
...

Veo 비디오 생성 파운데이션 (foundation) 모델은 큐레이션된 A24 신호 (signal)를 통해 확장되며, 가공되지 않은 사실주의 (photorealism)보다 주관성 (subjectivity)을 우선시합니다.

↓

  4
...

프리비즈 (Pre-vis), 스토리보딩 (storyboarding) 및 포스트 툴 (post tools)이 A24 제작 현장으로 다시 전달됩니다. 영화 제작자의 피드백이 루프 (loop)를 완성하며 두 번째 사이클을 시작합니다.

이 시퀀스가 중요한 이유는 가치가 푸티지 (footage) 자체에 있는 것이 아니라, 모델이 단순히 픽셀 (pixels)이 아닌 의도 (intent)를 학습할 수 있도록 인간의 창의적 결정을 계측 (instrumenting)하는 데 있기 때문입니다.

A24의 시각적 정체성이 진정한 전략적 자산인 이유

A24의 카탈로그는 아트하우스 호러 (arthouse horror)부터 오스카 수상작인 부조리 코미디 (absurdist comedy)에 이르기까지 극단적인 톤의 범위를 아우릅니다. 이러한 '의도된' 스타일의 다양성은 일반적인 상업용 푸티지 (footage)가 결여하고 있는 바로 그 지점입니다. 이는 인터넷에서 스크래핑 (scraping)할 수 있는 것이 아닙니다. 이러한 패턴은 Google의 AI Futures Fund가 AI 스튜디오 Promise에 투자한 것과도 맥을 같이하며, 이는 일회성 도박이라기보다 의도적인 크리에이티브 섹터 전략임을 시사합니다. 개발자들에게 있어, '양보다 큐레이션'이라는 동일한 논리는 우리가 RAG 시스템 (RAG systems)을 생각하는 방식에도 영향을 미칩니다. 즉, 검색된 신호 (retrieved signal)의 품질이 원시 코퍼스 (raw corpus)의 크기를 언제나 압도합니다.

명명된 프레임워크 (Coined Framework)

실제 사례로서의 미학적 데이터 해자 (Aesthetic Data Moat)

실사 같은 비디오는 이제 Sora, Veo, Runway, Kling 등을 통해 충분히 해결된 상품 (commodity)이 되었습니다. 남은 해자 (moat)는 정서적 일관성 (emotional coherence)입니다. 그리고 이는 누군가가 모든 프레임에 공포, 갈망, 또는 부조리함을 의도적으로 설계한 창작물을 통해서만 학습할 수 있습니다.

대부분의 연구소는 기술적 충실도 지표인 FVD (Fréchet Video Distance)를 최적화하고 있습니다. Google의 A24 베팅은 아직 어떤 벤치마크 (benchmark)도 측정하지 못하는 것, 즉 생성된 장면이 의도적으로 당신을 불안하게 만드는지를 최적화하고 있음을 암시합니다.

미학적 데이터 해자 (The Aesthetic Data Moat): 왜 큐레이션된, 톤이 뚜렷한 카탈로그가 정서적으로 일관된 비디오 모델 (video models) 학습을 위해 대량의 일반적인 푸티지 (footage)보다 우월한가.

Google과 A24는 어떤 AI 도구들을 구축하고 있는가?

새로운 워크플로우 (workflows) 및 제작 도구: 확인된 사항

Deadline의 보도에 따르면, 확인된 목표는 영화 제작을 위한 새로운 AI 기반 워크플로우 (workflows), 도구, 그리고 기술을 개발하는 것이며, 그 결과물은 '이를 사용하는 창작자들에 의해 형성될 것'입니다. 아직 구체적인 출시 제품명은 언급되지 않았습니다. 확인된 사실과 추측을 분리하는 것은 중요하며, 저는 이 글 전체에서 이를 명확히 유지하겠습니다.

생성형 비디오 (Generative video), 프리비주얼라이제이션 (pre-visualisation), 그리고 포스트 프로덕션 (post-production) 응용 분야

확정되지는 않았으나 유추할 수 있는 도구 카테고리에는 AI 보조 프리비주얼라이제이션 (pre-visualisation), 생성형 장면 구성 (generative scene composition), 스크립트-스토리보드 자동화 (script-to-storyboard automation), 그리고 포스트 프로덕션 (post-production) 강화가 포함됩니다. Google DeepMind의 기존 Veo 비디오 생성 모델이 여기서 확장되고 있는 가장 유력한 기초 기술입니다. DeepMind의 공개된 기술 스택 중 이 용도에 대해 제작 준비가 가장 근접한 것은 이것 외에 없습니다.

실험 단계 vs. 제작 준비 완료 단계

• 현재 제작 준비 완료 (실험 단계에 인접): AI 컬러 그레이딩 (colour-grading) 보조, 대화-장면 스토리보딩 (dialogue-to-scene storyboarding), 자동 자막 및 접근성 도구 — 이 모든 것은 현재의 DeepMind 인프라로 달성 가능합니다.

• 여전히 실험 단계 (연구 단계): 텍스트 프롬프트 (text prompts)를 통한 전체 장면 생성, AI 주도 카메라 움직임, 그리고 장편 서사 전반에 걸친 정서적으로 일관된 캐릭터 퍼포먼스 합성 (character performance synthesis).

생성형 비디오 (generative video) 분야에서 아직 해결되지 않은 가장 어려운 문제는 단 하나의 아름다운 장면을 만드는 것이 아닙니다. 그것은 바로 90분이라는 러닝타임 동안 캐릭터와 톤의 일관성 (tonal consistency)을 유지하는 것입니다. 이것이 바로 A24의 큐레이션된 시그널 (curated signal)이 메우고자 하는 바로 그 격차입니다.

[
▶

YouTube에서 시청하기
Google DeepMind의 Veo가 영화적 비디오를 생성하는 방법
Google DeepMind • Veo 비디오 생성

](https://www.youtube.com/results?search_query=Google+DeepMind+Veo+video+generation)

영화 제작자들은 어떻게 Google-A24 AI 도구에 접근할 수 있으며, 비용은 얼마나 들까요?

현재 가용성: 영화 제작자가 지금 바로 접근할 수 있는 것

발표 시점을 기준으로, 이 파트너십을 통한 독립형 도구(standalone tools)는 공개적으로 출시되지 않았습니다. 이번 협업은 활발한 R&D (연구 개발) 단계에 있습니다. 현재 접근 권한은 A24의 내부 제작물과 Google DeepMind 연구 팀으로 제한되어 있으며, 외부 베타 프로그램은 발표된 바 없습니다. 만약 지금 이 도구들을 활용한 제작을 계획하고 있다면, 하지 마십시오. 아직 여러분을 위한 도구는 존재하지 않습니다.

독립 창작자를 위한 예상 출시 일정 및 접근 경로

오늘날 독립 영화 제작자들에게 가장 유사한 진입점은 Google Labs를 통해 제한된 베타 버전으로 접근 가능한 Veo를 포함한 Google의 광범위한 AI 영화 제작 스택 (AI filmmaking stack)입니다. 파트너십 도구가 출시되기 전에 여러분의 파이프라인 (pipeline)을 프로토타이핑하기에 적합한 곳은 바로 이곳입니다. 이를 자동화된 워크플로우 (automated workflows)에 통합하려는 빌더들은 도구가 도착했을 때 직접적으로 전이될 수 있는 오케스트레이션 패턴 (orchestration patterns)을 확인하기 위해 저희의 AI 에이전트 라이브러리를 탐색해 보시기 바랍니다.

가격 모델: 기업용 연구 접근 방식 vs. 미래의 소비자용 도구