Nicknick, como te veo algo perdido te voy a explicar algo.
En el video la mayor parte son renders y animaciones precalculadas.
El video esta echo de frames, que son imágenes que componen un video o un videojuego.
En un videojuego, los frames que muestra son muy rápidos, por lo que el motor tarda en generar el frame unos cuantos milisegundos.
En el video, la parte de los fluidos y demás cosas superchulas, no se pueden meter en un videojuego porque calcular un frame lleva igual cerca de un minuto o más.
Esa es la diferencia entre videojuego y video.
Te lo resumo: en el videojuego los frames tienen que poder calcularse y generarse en milisegundos de tiempo.
En un video de fluidos o donde haya iluminación muy compleja o con mucho realismo los frames tardan más de un segundo, y eso es inviable para un videojuego que debe mostrar al menos 30 frames por segundo.
El juego que tú dices, seguramente tenga un motor mejor que Blender, pero sigue teniendo que generar 30 frames en un segundo. Los gráficos serán muy buenos, pero no se pueden hacer mejores gráficos generando un frame en unos milisegundos, que un frame que tarda un minuto.
Un videojuego es en tiempo real, eso quiere decir que los frames por segundo se están generando continuamente.
En una animación como las del video, esos frames se precalculan y su cálculo tarda más de un minuto por frame.
Bueno espero que lo hayas entendido.