少し専門的な話になるので、飛ばしたい方はスルーしてください。
３Dグラフィックというのは多くのポリゴンなどを用いて表現されています。そのポリゴンは多数の点の座標によって表現されます。

動画は静止画を高速に切り替えることによって生まれます。具体的には１秒間に30枚の静止画を切り替えることで、動画となります。

静止画一枚につき、各ポリゴンの座標を求め、奥行きを決定し、描画します。動画を作るには、その作業を１秒間に３０枚も行わなければならないので、かなりの負荷になります。