Чи може AI агент стати рятівним кругом для Web3+AI?

Проект AI Agent є популярним і зрілим типом підприємницької діяльності в Web2, а в області Web3 проекти з навчання моделей та платформами для збору даних стали основними через їхню ключову роль у побудові екосистеми.

На сьогоднішній день кількість проектів AI Agent у Web3 незначна, становить 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів, оцінка яких перевищує 1 мільярд доларів.

Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів, які не є основою ШІ. У проектах AI Agent важливо зосередитися на побудові екосистеми та проектуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: Стан проектів і зростання оцінок

З моменту виходу ChatGPT у листопаді 2022 року, за короткі два місяці він залучив понад сто мільйонів користувачів, а до травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів США. Після випуску ChatGPT OpenAI швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У зв'язку з таким стрімким розвитком, великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати свої власні AI-моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили моделі, такі як Wenxin Yiyan, Zhipu Qingyan та інші. Ясно, що сфера AI стала полем битви для змагань.

Змагання великих технологічних гігантів не лише сприяло розвитку комерційних застосувань, але також з досліджень у сфері відкритого AI ми дізналися, що звіт AI Index 2024 року показує, що кількість AI-проектів на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо після випуску GPT у 2023 році кількість проектів зросла на 59,3% порівняно з попереднім роком, що відображає захопленість глобальної спільноти розробників дослідженнями в сфері AI.

Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 угод з інвестиціями у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж в першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що на більше ніж вдвічі більше в порівнянні з минулим роком. Серед них, xAI, що належить Маску, залучила 6 мільярдів доларів, її оцінка становить 24 мільярди доларів, що робить її другою за величиною оцінкою серед стартапів у сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту перетворює ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів в відкритих спільнотах, а також до гарячого попиту ринку капіталів на концепцію ШІ. Проекти з'являються один за іншим, обсяги інвестицій постійно б'ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерування на основі пошуку досягли значного прогресу в обробці мови. Проте, ці моделі все ще стикаються з викликами під час перетворення технічних переваг на реальні продукти, такими як невизначеність виходу моделі, ризик генерації неточної інформації та питання прозорості моделі. Ці проблеми стають особливо важливими в сценаріях застосування, де вимоги до надійності є надзвичайно високими.

У цьому контексті ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує собою еволюцію технологій ШІ від чисто мовних моделей до розумних систем, які дійсно можуть розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово долає розрив між технологіями ШІ та вирішенням реальних проблем. Еволюція технологій ШІ постійно перетворює структуру продуктивності, в той час як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи ШІ: дані, моделі та обчислювальна потужність, поєднуються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent зі своєю здатністю самостійно виконувати завдання демонструє величезний потенціал для масштабного застосування.

Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, посередницького програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і застосувань, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.

Уточнення понять: Вступ до AI Agent та огляд його класифікації

Основна інформація

Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самим моделлю, ми наведемо приклад з реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що покращують генерацію, можуть надати більш багатий і конкретний контент про напрямки. А AI Agent – це як Джарвіс з фільмів про Залізну людину, який розуміє потреби та може на основі вашої фрази активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.

В даний час в галузі загальною є наступна визначення AI Agent: це інтелектуальна система, яка здатна сприймати навколишнє середовище та здійснювати відповідні дії, отримуючи інформацію про навколишнє середовище за допомогою датчиків, обробляючи її, а потім впливаючи на середовище за допомогою виконавчих пристроїв (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який поєднує в собі можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не лише може надавати інформацію, але й планувати, розбивати завдання та реально їх виконувати.

Згідно з цим визначенням та характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовується в різних сценаріях, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla, які можуть бути розглянуті як приклади AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.

Як приклад, розглянемо ChatGPT для уточнення концепцій. Ми повинні чітко зазначити, що Transformer є технологічною архітектурою, яка складає основу AI моделей, а GPT є серією моделей, що розвинулася на основі цієї архітектури. GPT-1, GPT-4 та GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGPT є AI агентом, що еволюціонував на основі моделі GPT.

Загальний огляд категорій

На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 і Web3, відповідно до помітних міток кожного проекту, розділивши їх на первинні та вторинні категорії. Серед первинних категорій є три типи: базова інфраструктура, генерація контенту, взаємодія з користувачами, а далі ми деталізували їх за фактичними випадками використання:

Інфраструктурні рішення: ця категорія зосереджена на створенні більш базового змісту в сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі базові послуги для B-клієнтів.

• Інструменти для розробки: надання розробникам допоміжних інструментів і фреймворків для створення AI Agent.

• Клас обробки даних: обробка та аналіз даних різних форматів, основне призначення - допомога в прийнятті рішень, надання джерел для навчання.

• Класи моделювання: надає послуги з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.

• B-класу послуги: в основному орієнтовані на підприємства, надають послуги для підприємств, вертикальні рішення та автоматизовані рішення.

• Платформи класу об'єднання: платформи, що інтегрують різноманітні послуги та інструменти AI Agent.

Інтерактивні: Подібно до класу генерації контенту, але відрізняються постійною двосторонньою взаємодією. Інтерактивні агенти не тільки приймають і розуміють потреби користувачів, але й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.

• Емоційне супроводження: AI агент, який надає емоційну підтримку та супровід.

• GPT-тип: AI агент на базі моделі GPT (генеративний попередньо навчених трансформер).

• Пошуковий клас: зосереджений на функції пошуку, пропонує агентів, які орієнтовані на більш точний пошук інформації.

Генерація контенту: Цей тип проектів зосереджений на створенні контенту, використовуючи технології великих моделей для генерування різних форм контенту відповідно до інструкцій користувача, поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

! [Чи може AI Agent стати порятунком для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)

Аналіз стану розвитку Web2 AI Agent

Згідно з нашою статистикою, розробка AI Agent у традиційному інтернеті Web2 демонструє очевидну тенденцію до концентрації в певних сегментах. Зокрема, близько двох третин проектів зосереджені на інфраструктурних рішеннях, серед яких переважають послуги для бізнесу та інструменти для розробки, ми також провели деякий аналіз цього явища.

Вплив зрілості технологій: причини, чому проекти в сфері інфраструктури займають домінуючу позицію, перш за все, пов'язані з їхньою зрілістю технологій. Ці проекти зазвичай базуються на технологіях і рамках, які пройшли перевірку часом, що зменшує складність розробки та ризики. Це можна порівняти з "лопатою" в сфері штучного інтелекту, яка забезпечує міцну основу для розробки та застосування AI Agent.

Розвиток ринку: Іншим ключовим фактором є попит на ринку. У порівнянні з споживчим ринком, попит на технології штучного інтелекту у корпоративному секторі є більш терміновим, особливо в пошуках рішень для підвищення ефективності роботи та зниження витрат. Водночас для розробників грошові потоки з боку підприємств є відносно стабільними, що сприяє розвитку їх наступних проектів.

Обмеження в застосуванні: Водночас ми звертаємо увагу на те, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність, підприємства більше схиляються до застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.

Ця тенденція відображає зрілість технологій, ринковий попит та реальні міркування щодо застосування. З постійним прогресом технологій штучного інтелекту та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може змінитися, але інфраструктурні рішення залишаться міцною основою для розвитку AI Agent.

Аналіз провідних проектів AI-агентів Web2

Ми детально розглянемо деякі проекти AI Agent на нинішньому ринку Web2 та проведемо їх аналіз, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.

Штучний інтелект персонажа:

Опис продукту: Character.AI пропонує систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Її платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні розмови та виконувати конкретні завдання.

Аналіз даних: Character.AI у травні мав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну аудиторію. Character AI показав відмінні результати на капітальному ринку, завершивши фінансування в 150 мільйонів доларів, з оцінкою у 1 мільярд доларів, очолене a16z.

Технічний аналіз: Character AI підписала ліцензійну угоду про неексклюзивне використання своїх великих мовних моделей з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує самостійно розроблені технології. Варто зазначити, що засновники компанії Noam Shazeer та Daniel De Freitas брали участь у розробці розмовної мовної моделі Llama від Google.

Штучний інтелект Perplexity:

Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки цитуванням та посиланням на джерела забезпечується надійність та точність інформації, одночасно він навчає, направляє користувачів на подальші запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а трафік їхніх мобільних і настільних додатків зріс на 8,6% у лютому, залучивши приблизно 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, з оцінкою в 1,04 мільярда доларів, яке очолив Daniel Gross, а учасниками стали Stan Druckenmiller та NVIDIA.

Технічний аналіз: Основна модель, яку використовує Perplexity, є підлаштована GPT-3.5, а також дві великі моделі, які підлаштовані на основі відкритої великої моделі: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних сферах, забезпечуючи достовірність та надійність інформації.

Середина подорожі:

Опис продукту: Користувачі можуть створювати зображення різних стилів та тем у Midjourney за допомогою Prompts, охоплюючи від реалістичного до