AI가 텍스트를 잘 쓰는 시대에서, 물체가 어떻게 움직이고 공간이 어떻게 변하는지 이해해야 하는 시대로 넘어가고 있습니다. 문제는 여기에 쓸 데이터가 웹문서처럼 널려 있지 않다는 점입니다.
이 틈을 겨냥한 스타트업 Origin Lab이 800만 달러 시드 투자를 유치했습니다. 회사의 구상은 간단합니다. 게임사가 이미 만든 3D 자산과 플레이 데이터를 AI 연구소가 쓸 수 있는 학습 데이터로 바꾸고, 이를 합법적으로 거래하게 하겠다는 것입니다.1
먼저, 이 Origin Lab은 그래프 소프트웨어가 아니다
이름 때문에 혼동하기 쉽습니다. 연구자들이 쓰는 Origin/OriginPro의 OriginLab은 데이터 분석·그래프 작성 소프트웨어 회사입니다. 공식 사이트도 Origin을 실험 데이터 임포트, 시각화, 분석 도구로 설명합니다.2
이번 뉴스의 Origin Lab은 전혀 다른 회사입니다. 핵심 제품은 그래프 툴이 아니라 게임 데이터 라이선싱 인프라입니다. 즉, AI 랩이 세계 모델을 훈련하기 위해 필요한 시뮬레이션성 데이터와 게임사가 보유한 디지털 자산을 연결하는 중개자에 가깝습니다.
이 구분은 중요합니다. 여기서 말하는 "데이터"는 엑셀 표가 아니라, 3D 오브젝트, 장면, 물리적 상호작용, 카메라 움직임, 플레이 경로 같은 공간적 경험입니다.
왜 하필 게임 데이터인가
세계 모델은 현실의 구조를 예측해야 합니다. 공이 굴러가면 어디로 가는지, 캐릭터가 계단을 오르면 시야가 어떻게 바뀌는지, 물체가 충돌하면 어떤 결과가 나오는지 같은 문제입니다.
웹 텍스트나 이미지 크롤링만으로는 이런 연속적·공간적 데이터를 충분히 얻기 어렵습니다. 반면 게임은 이미 가상 세계를 갖고 있습니다. 맵, 조명, 물체, 캐릭터 움직임, 물리 엔진, 시점 변화가 모두 존재합니다.
Origin Lab은 이 자산을 단순 파일 판매가 아니라 AI 학습용 데이터셋으로 가공하려는 것으로 보입니다. 보도에 따르면 변환 작업은 렌더링 실행처럼 단순할 수도 있고, 수 시간 분량의 자동 플레이 영상을 만드는 방식처럼 복잡할 수도 있습니다.1
실무적으로 중요한 지점은 여기에 있습니다. AI 회사가 원하는 것은 "멋진 게임 에셋"이 아니라, 모델이 학습할 수 있는 일관된 포맷, 메타데이터, 권리 관계, 품질 기준입니다. Origin Lab의 가치는 데이터 자체보다 이 변환·정리·라이선싱 과정에서 생길 가능성이 큽니다.
게임사에는 새 매출, AI 랩에는 합법 데이터
게임사 입장에서는 이미 만든 자산에서 추가 매출을 얻을 수 있습니다. 특히 출시 후 오래된 게임이나 내부적으로만 쓰이는 3D 에셋은, 직접 소비자에게 다시 팔기 어렵더라도 AI 학습 데이터로는 가치가 있을 수 있습니다.
AI 랩 입장에서는 법적 리스크를 줄일 수 있습니다. 과거 영상 생성 모델이 인기 게임이나 스트리머 영상과 유사한 결과물을 내놓으면서 학습 데이터 출처 논란이 커진 적이 있습니다. 보도는 OpenAI의 Sora 초기 버전과 Twitch 영상 학습 가능성 논란도 언급합니다.1
여기서 Origin Lab이 파는 것은 "데이터"만이 아니라 "안심"입니다. 권리자가 허락한 데이터, 사용 조건이 명확한 데이터, 모델 학습에 맞게 정리된 데이터라면 대형 AI 랩에는 비용을 낼 이유가 있습니다.
다만 아직 확인되지 않은 부분도 많습니다. 가격 모델, 게임사와 수익 배분 방식, 데이터에 포함되는 사용자 플레이 로그의 처리, 특정 게임 IP가 학습 결과에 얼마나 남는지에 대한 통제 방식은 공개 정보만으로 단정하기 어렵습니다.
병목은 데이터 품질과 권리 설계다
비슷한 3D 자산 생태계는 이미 존재합니다. 예를 들어 Sketchfab은 3D 모델을 관리·공유·임베드하고 웹에서 AR/VR 경험으로 배포하는 플랫폼을 내세웁니다.3 하지만 AI 학습용 데이터 시장은 단순 3D 마켓플레이스와 요구사항이 다릅니다.
AI 랩은 대량성, 일관성, 주석, 시뮬레이션 가능성, 라이선스 명확성을 봅니다. 게임사는 IP 훼손, 경쟁사 노출, 계약 범위, 사용자 커뮤니티 반발을 걱정합니다. Origin Lab이 커지려면 양쪽의 기대를 동시에 맞춰야 합니다.
반론도 있습니다. 게임 세계는 현실이 아닙니다. 물리 엔진은 현실을 근사하지만, 게임적 재미를 위해 왜곡된 규칙도 많습니다. 따라서 게임 데이터가 로봇이나 자율주행 같은 실제 물리 시스템에 바로 유효하다고 보기는 어렵습니다.
그럼에도 이 시장이 생기는 이유는 분명합니다. 완벽한 현실 데이터는 비싸고 부족합니다. 반면 게임 데이터는 통제 가능하고, 반복 생성이 가능하며, 특정 상황을 의도적으로 만들 수 있습니다. 세계 모델 개발에서 합성 데이터와 라이선스 데이터의 조합은 더 중요해질 가능성이 큽니다.
Origin Lab을 볼 때 핵심 질문은 "게임 데이터가 AI를 얼마나 똑똑하게 만들까"가 아닙니다. 더 정확한 질문은 "권리가 정리된 고품질 시뮬레이션 데이터가 AI 개발의 병목을 얼마나 줄일 수 있는가"입니다. 게임사, 3D 자산 보유 기업, 세계 모델을 만드는 AI 팀이라면 지금 이 지점을 신경 써야 합니다.
참고
1Origin Lab raises $8M to help video game companies sell data to world-model builders
2OriginLab - Origin and OriginPro - Data Analysis and Graphing Software
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.