TBC Neuron-Derived AI Video Model: 도입 전 확인할 점
The Biological Computing Co.와 AWS는 살아 있는 뉴런의 측정값에서 파생한 경량 소프트웨어 레이어를 적용한 텍스트-투-비디오 모델의 상용화를 발표했다. 회사는 기존 인프라에서 더 빠른 생성과 낮은 추론 비용을 목표로 하지만, 상용 모델의 세부 벤치마크는 아직 공개하지 않았다.
The Biological Computing Co.(TBC)와 AWS가 뉴런의 활동 측정값에서 얻은 소프트웨어 레이어를 적용한 텍스트-투-비디오 모델의 상용화 계획을 발표했다. 핵심은 생물학 하드웨어를 고객 환경에 설치하는 방식이 아니라, 기존 생성형 AI 모델에 작은 최적화 모듈을 더해 추론 비용과 생성 시간을 낮추겠다는 점이다.
무엇이 달라지나
AWS와 TBC는 이 모델이 오픈소스 비디오 생성 모델을 기반으로 하며, 기본 모델보다 추론 비용을 80% 낮추고 생성을 5배 빠르게 할 수 있다고 밝혔다. 해당 레이어는 기본 모델 규모의 0.1% 미만을 더하며, AWS Trainium과 Amazon SageMaker AI, AWS Marketplace를 통한 배포가 계획돼 있다. 다만 발표 시점에는 조기 액세스 등록만 가능하며 정식 제공 시점은 제시되지 않았다.
뉴런은 배포 환경에서 계산하지 않는다
TBC는 배양한 신경세포 네트워크에 전기 자극을 주고, 신호가 공간과 시간에 따라 퍼지고 사라지는 반응을 기록한다. 이 측정값을 인공신경망의 중간 표현에 맞는 어댑터로 변환한다. 실제 서비스에서는 세포가 작동하는 것이 아니라, 이렇게 고정된 수학적 변환이 일반 AI 인프라에서 실행된다.
검증 범위와 선택의 기준
TBC가 공개한 실험은 6억 파라미터 규모의 Oasis Minecraft 월드 생성 모델에서 장기 프레임 생성의 흐트러짐을 줄이는 데 초점을 맞췄다. 회사는 10개 평가 영상에서 기본 모델 대비 약 19%의 개선을 보고했지만, 상용 모델의 기반 모델·해상도·영상 길이·품질 지표는 공개하지 않았다. 따라서 이 발표는 새로운 배포 방식이라기보다 장기 영상 일관성과 비용 사이의 절충을 개선하려는 최적화 접근으로 보는 것이 적절하며, 실제 도입 판단에는 동일 조건의 독립 벤치마크가 필요하다.