샌프란시스코 스타트업 더 바이올로지컬 컴퓨팅(The Biological Computing Co·TBC)이 AWS와 손잡고 생물학적 신경세포의 활동을 분석해 만든 소프트웨어를 적용한 텍스트-투-비디오 모델을 출시한다. TBC는 기존 오픈소스 영상 모델보다 생성 속도는 5배 빠르고 추론 비용은 80% 낮다고 설명했지만, 현재는 얼리 액세스 신청만 받고 있으며 실제 서비스 일정은 확정되지 않았다.
신경세포에서 얻은 소프트웨어 어댑터
TBC는 AWS 트레이니움(Trainium) 칩에서 모델을 구동하고 아마존 세이지메이커 AI(SageMaker AI)를 통해 제공한 뒤 AWS 마켓플레이스에서 판매할 계획이다. 기반으로 삼은 오픈소스 영상 모델의 이름은 공개하지 않았으며, 모델은 기존 모델보다 화질도 개선된다고 회사 측은 주장했다. 관련 내용을 보도한 더디코더(The Decoder)에 따르면 이 제품은 TBC가 개발 과정을 거쳐 내놓는 첫 상용 제품이다.
핵심은 살아 있는 신경세포가 실제 연산에 참여하는 것이 아니라, 신경세포에서 측정한 활동 패턴을 작은 소프트웨어 모듈로 바꾸는 방식이다. TBC는 4096개의 전극이 달린 칩 위에서 대뇌 피질 신경세포를 배양하고 전기 자극을 가한 뒤, 신호가 주변으로 얼마나 퍼지고 얼마나 오래 유지되다 사라지는지를 측정한다. 이 데이터를 바탕으로 기존 확산 모델에 연결할 수 있는 ‘뉴럴 다이내믹스 어댑터’를 만든다. 고객은 생물학적 하드웨어를 구매하거나 새로운 작업 방식을 도입할 필요가 없고, 어댑터는 일반 GPU에서 실행된다.
오픈소스 모델에 적용한 성능 비교
TBC는 오픈소스 월드 모델 오아시스(Oasis)를 사례로 개발 과정을 설명했다. 약 6억개의 파라미터를 가진 오아시스는 이용자 입력에 따라 게임 장면을 프레임 단위로 생성하지만, 앞 프레임의 오류가 누적되면서 수초 뒤 화면이 흐려지는 ‘워시아웃’ 현상이 나타날 수 있다. TBC 어댑터는 모델 초기 계층에 연결되며, 약 15만6000개 파라미터만 추가하고 기반 모델의 구조는 바꾸지 않는다. 신호가 가까운 영역에 주로 작용한 뒤 약해지는 신경세포의 특성을 반영해 인접한 이미지 영역을 묶고 변화가 과도하게 번지는 것을 줄이는 구조다.
이미지를 전기 자극 패턴으로 변환해 신경세포 배양체에 입력하고, 퍼졌다가 사라지는 반응을 수치화해 어댑터를 만들었다. 이후 마인크래프트 영상 시퀀스로 어댑터를 학습했으며 기반 모델에도 낮은 학습률로 소폭 조정이 이뤄졌다. TBC가 영상 10개를 대상으로 이미지의 차등 엔트로피를 측정한 결과, 어댑터를 붙인 오아시스는 원본보다 약 19% 높은 점수를 기록했다. 같은 규모의 일반 파인튜닝(fine-tuning)보다 약 15%, LoRA 방식보다 약 5% 높았다는 설명이다. 회사는 물체 윤곽과 공간 관계가 원본보다 오래 유지됐다고 덧붙였다.
TBC는 원래 바이올로지컬 블랙박스(Biological Black Box)라는 이름으로 출발했으며, 신경외과 의사 알렉스 크센도좁스키(Alex Ksendzovsky)와 존 포메리앤츠(Jon Pomeraniec)가 설립했다. 지난 2026년 2월에는 2500만달러를 조달했다. 생성형 영상은 화질·속도·비용 문제가 동시에 드러나는 분야여서 첫 상용 적용 대상으로 선택됐다는 것이다. 다만 AWS 트레이니움과 세이지메이커 AI, AWS 마켓플레이스를 통한 제공은 아직 계획 단계이며, 현재 이용 가능한 것은 사전 접근 신청뿐이다. TBC는 이후 월드 모델로 영역을 넓히고 장기적으로는 신경세포가 실리콘 반도체와 함께 연산하는 방식도 추진할 계획이라고 밝혔다.