¿Puede el Agente de IA convertirse en la tabla de salvación de Web3+IA?

Los proyectos de AI Agent son principalmente de tipo de servicio empresarial, que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.

Actualmente, la cantidad de proyectos de Agentes de IA en Web3 es relativamente baja, representando un 8%, pero su participación en la capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Predecimos que a medida que la tecnología madure y la aceptación del mercado aumente, surgirán múltiples proyectos con una valoración superior a los 1.000 millones de dólares.

Para los proyectos Web3, la introducción de tecnología AI en productos de aplicación que no son centrales de AI puede convertirse en una ventaja estratégica. En los proyectos de AI Agent, la forma de integración debe centrarse en la construcción de un ecosistema completo y el diseño del modelo económico de tokens, para fomentar la descentralización y el efecto de red.

Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones

Desde que ChatGPT se lanzó en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras lanzar ChatGPT, rápidamente presentó versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y todos comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia feroz.

La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación y estadísticas sobre IA de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub ha aumentado de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, el número de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.

El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversión en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble de las del primer trimestre. El total de financiamiento para startups de IA se ha disparado a 24 mil millones de dólares, un aumento interanual de más del 100%. Entre ellas, xAI, de Elon Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.

El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre los gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan correspondientemente. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje grandes y tecnologías de generación mejoradas por recuperación logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos todavía enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y los problemas de transparencia del modelo. Estos problemas se vuelven especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.

En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden comprender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está remodelando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y poder computacional, se fusionan con las ideas centrales del Web3, como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.

Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones y los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender mejor la profunda integración de la IA con Web3.

Aclaración de conceptos: Introducción y clasificación de los Agentes de IA

Introducción básica

Antes de introducir el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, vamos a ejemplificar con un escenario práctico: supongamos que estás planeando un viaje. Los modelos de lenguaje tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, puede entender tus necesidades y, basado en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario a tu calendario.

Actualmente, la definición general de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y realizar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidades de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.

Según esta definición y características, podemos observar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que todos pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, impactar en el entorno real.

Tomando ChatGPT como ejemplo para aclarar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un agente de IA que ha evolucionado a partir del modelo GPT.

Resumen de clasificación

Actualmente, el mercado de AI Agents aún no ha formado un estándar de clasificación unificado. Hemos etiquetado 204 proyectos de AI Agents en los mercados de Web2 y Web3, y en función de las etiquetas significativas correspondientes a cada proyecto, los hemos dividido en categorías de primer y segundo nivel. Las categorías de primer nivel son infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:

Infraestructura: Este tipo se centra en construir contenidos más básicos en el campo de los agentes, incluidos plataformas, modelos, datos, herramientas de desarrollo, así como servicios B2B más maduros y aplicaciones de nivel básico.

• Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos de apoyo para construir agentes de IA.

• Clases de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente para ayudar en la toma de decisiones y proporcionar fuentes para el entrenamiento.

• Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, construcción y configuración de modelos, etc.

• Servicios para B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.

• Plataforma de tipo conjunto: una plataforma que integra múltiples servicios y herramientas de AI Agent.

Clase interactiva: Similar a la clase de generación de contenido, la diferencia radica en la interacción bidireccional continua. El agente interactivo no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.

• Agentes de IA para acompañamiento emocional: proporcionan apoyo emocional y compañía.

• Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).

• Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.

Generación de contenido: Este tipo de proyecto se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se divide en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.

Análisis del estado actual del desarrollo de agentes de IA en Web2

Según nuestras estadísticas, el desarrollo de agentes de IA en la Web2 tradicional presenta una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en infraestructura, siendo predominantemente servicios para empresas y herramientas de desarrollo, y también hemos realizado algunos análisis sobre este fenómeno.

Impacto de la madurez tecnológica: la razón por la que los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de agentes de IA.

Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que beneficia el desarrollo de proyectos posteriores.

Limitaciones de los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera constante. Esto ha llevado a que la IA generativa de contenido ocupe una proporción pequeña en el repertorio de proyectos.

Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de Agentes de IA.

Análisis del proyecto líder de agentes de IA en Web2

Exploramos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2 y analizamos estos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.

Character AI:

Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.

Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un excelente desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.

Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.

Perplexity AI:

Introducción del producto: Perplexity puede rastrear y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para realizar preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.

Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio creció un 8.6% en febrero, atrayendo a alrededor de 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la ronda, y participantes que incluyen a Stan Druckenmiller y NVIDIA.

Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y la fiabilidad de la información.

Midjourney:

Introducción del producto: los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, abarcando desde el realismo hasta