L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?

Les projets d'agent IA sont principalement des services orientés vers les entreprises dans le secteur de l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent dominants en raison de leur rôle clé dans la construction d'écosystèmes.

Actuellement, il y a peu de projets d'agents IA dans le Web3, représentant 8%, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23%, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets auront une valorisation de plus de 1 milliard de dollars à l'avenir.

Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut constituer un avantage stratégique. Pour les projets d'Agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons afin de promouvoir la décentralisation et l'effet de réseau.

Vague d'IA : état actuel des projets émergents et de l'augmentation des évaluations

Depuis le lancement de ChatGPT en novembre 2022, celui-ci a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique fulgurante, les géants de la technologie traditionnelle ont réalisé l'importance des applications des modèles d'IA de pointe comme LLM et ont tous commencé à proposer leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que des entreprises chinoises comme Wenxin Yiyan et Zhipu Qingyan ont également introduit leurs grands modèles. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.

La course entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des statistiques d'une enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, ce qui reflète l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.

L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, avec un fort croissance du marché des investissements en AI, qui connaît une explosion au deuxième trimestre de 2024. Il y a eu un total de 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements des start-ups d'AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, détenu par Musk, a levé 6 milliards de dollars, avec une évaluation de 24 milliards de dollars, devenant ainsi la start-up d'AI la mieux évaluée après OpenAI.

Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la compétition féroce entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets affluent, les investissements atteignent des sommets historiques, et les valorisations augmentent également en conséquence. Dans l'ensemble, le marché de l'AI est à une époque de prospérité rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par la recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est d'une importance capitale.

Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la capacité à résoudre des problèmes pratiques et à interagir avec l'environnement. Ce changement marque l'évolution des technologies IA d'un modèle linguistique pur vers des systèmes intelligents capables de comprendre véritablement, d'apprendre et de résoudre des problèmes du monde réel. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, fusionnent avec les concepts fondamentaux de la décentralisation, de l'économie de tokens et des contrats intelligents de Web3, nous prévoyons que cela donnera naissance à une série d'applications innovantes. Dans ce domaine croisé plein de potentiel, nous pensons que l'agent IA, avec sa capacité à exécuter des tâches de manière autonome, démontre un énorme potentiel pour des applications à grande échelle.

Pour cela, nous avons commencé à étudier en profondeur les diverses applications des agents IA dans le Web3, en examinant plusieurs dimensions, des infrastructures Web3, des middleware, des niveaux d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de comprendre en profondeur la fusion de l'IA et du Web3.

Clarification des concepts : Introduction et aperçu des classifications des agents IA

Introduction de base

Avant de présenter l'Agent IA, afin que les lecteurs comprennent mieux la différence entre sa définition et le modèle lui-même, nous allons illustrer cela par un scénario concret : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération enrichie par récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre les besoins, mais aussi de rechercher activement des vols et des hôtels en fonction d'une de vos phrases, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.

La définition généralement acceptée de l'Agent IA dans l'industrie est un système intelligent capable de percevoir l'environnement et d'agir en conséquence, en acquérant des informations sur l'environnement par le biais de capteurs, puis en influençant l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous pensons que l'Agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.

Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents contextes, tels qu'AlphaGo, Siri, et les systèmes de conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et y répondre de manière à influencer l'environnement réel.

Prenons l'exemple de ChatGPT pour clarifier le concept, nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développée sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGPT, quant à lui, est un agent IA évolué à partir du modèle GPT.

Aperçu de la catégorie

Le marché des agents IA n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA sur le marché Web2+Web3, en les classant en catégories principales et secondaires selon les étiquettes significatives de chaque projet. Les catégories principales sont l'infrastructure, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :

Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et des applications de base.

• Outils de développement : Fournir aux développeurs des outils et des cadres pour construire des agents IA.

• Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisées pour soutenir la prise de décision et fournir des sources pour l'entraînement.

• Classe d'entraînement de modèle : offre des services d'entraînement de modèles pour l'IA, y compris l'inférence, l'établissement de modèles, les réglages, etc.

• Services B2B : principalement destinés aux utilisateurs professionnels, fournissant des solutions de services aux entreprises, verticales et automatisées.

• Plateforme de type agrégateur : une plateforme intégrant divers services et outils d'agent IA.

Catégorie interactive : Semblable à la catégorie de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. L'agent interactif non seulement accepte et comprend les besoins des utilisateurs, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.

• Agents AI de soutien émotionnel : Fournir un soutien émotionnel et une compagnie.

• Classe GPT : Agent IA basé sur le modèle GPT (Transformateur génératif pré-entraîné).

• Catégorie de recherche : un Agent axé sur les fonctionnalités de recherche, fournissant principalement une récupération d'informations plus précise.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer divers types de contenu selon les instructions de l'utilisateur, répartis en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de son.

Analyse de l'état actuel du développement des agents IA Web2

Selon nos statistiques, le développement des agents IA dans le Web2 traditionnel présente une tendance de concentration évidente des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans la catégorie des infrastructures, principalement des services B2B et des outils de développement, et nous avons également effectué certaines analyses sur ce phénomène.

Impact de la maturité technologique : les projets d'infrastructure occupent une position dominante principalement grâce à leur maturité technologique. Ces projets reposent généralement sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pelleteuse" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.

La poussée de la demande du marché : Un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande des entreprises pour les technologies d'IA est plus pressante, en particulier dans la recherche de solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. Parallèlement, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets ultérieurs.

Limitations des cas d'utilisation : Parallèlement, nous avons remarqué que les applications d'IA générative de contenu sont relativement limitées sur le marché B2B. En raison de l'instabilité de leur production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une faible proportion d'IA générative de contenu dans le portefeuille de projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront une pierre angulaire solide du développement des agents AI.

Analyse des projets leaders d'AI Agent Web2

Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.

Character AI :

Présentation du produit : Character.AI offre un système de conversation basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.

Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant des caractéristiques d'un groupe d'utilisateurs plus jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.

Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de mentionner que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.

Perplexity AI :

Présentation du produit : Perplexity peut extraire et fournir des réponses détaillées à partir d'Internet. En citant et en référant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins diversifiés des utilisateurs.

Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, et le trafic de ses applications mobiles et de bureau a connu une croissance de 8,6 % en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.

Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant l'authenticité et la fiabilité des informations.

Midjourney:

Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney via des invites, couvrant du réalisme à