Bisakah AI Agent menjadi penyelamat untuk Web3+AI?

Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan untuk perusahaan, sementara di bidang Web3, proyek pelatihan model dan penggabungan platform telah menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.

Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka dalam jalur AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan ada beberapa proyek yang valuasinya melebihi 1 miliar dolar di masa depan.

Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang tidak berfokus pada AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus memperhatikan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.

Gelombang AI: Proyek yang Muncul dan Kenaikan Valuasi yang Ada

Sejak ChatGPT diluncurkan pada November 2022, hanya dalam waktu dua bulan telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan sebesar 20,3 juta dolar AS. Setelah peluncuran ChatGPT, OpenAI juga dengan cepat merilis versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu cepat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terdepan seperti LLM, dan berlomba-lomba merilis model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di Tiongkok memperkenalkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat penting.

Persaingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi dari survei statistik penelitian AI sumber terbuka, laporan AI Index 2024 menunjukkan bahwa jumlah proyek terkait AI di GitHub melonjak dari 845 pada tahun 2011 menjadi sekitar 1,8 juta pada tahun 2023, terutama setelah peluncuran GPT pada tahun 2023, jumlah proyek meningkat sebesar 59,3% dibandingkan tahun sebelumnya, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.

Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat dan mengalami pertumbuhan eksplosif pada kuartal kedua tahun 2024. Secara global terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dipimpin oleh Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi mencapai 24 miliar dolar AS, menjadikannya sebagai startup AI dengan valuasi tertinggi kedua setelah OpenAI.

Perkembangan pesat teknologi AI sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan sengit antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, dan hingga pasar modal yang sangat antusias terhadap konsep AI. Proyek-proyek baru bermunculan, investasi mencapai rekor tertinggi, dan valuasi juga meningkat mengikuti tren tersebut. Secara keseluruhan, pasar AI berada dalam periode emas perkembangan yang cepat, dengan model bahasa besar dan teknologi generasi yang diperkuat pencarian telah mencapai kemajuan signifikan di bidang pemrosesan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi informasi yang dihasilkan tidak akurat, serta masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan keandalan yang sangat tinggi.

Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensivitas dalam menyelesaikan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni ke sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Jadi, dari perkembangan AI Agent, kami melihat harapan, karena ia secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI terus membentuk kembali arsitektur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan kekuatan komputasi, bergabung dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan melahirkan serangkaian aplikasi inovatif. Di bidang persimpangan yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk menjalankan tugas secara mandiri, menunjukkan potensi besar untuk penerapan skala besar.

Untuk itu, kami mulai menyelidiki aplikasi beragam AI Agent dalam Web3, dari infrastruktur Web3, middleware, hingga lapisan aplikasi, serta pasar data dan model, dengan tujuan mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami lebih dalam tentang integrasi mendalam antara AI dan Web3.

Klarifikasi Konsep: Pengenalan dan Tinjauan Kategori AI Agent

Pengantar Dasar

Sebelum memperkenalkan AI Agent, untuk membantu pembaca lebih memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui situasi nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tentang tujuan dan saran perjalanan. Teknologi penghasil konten yang diperkuat oleh pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sedangkan AI Agent seperti JARVIS dalam film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan kata-kata Anda, melakukan pemesanan, dan menambahkan jadwal ke kalender.

Saat ini, definisi umum AI Agent di industri adalah sistem cerdas yang dapat merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, yang kemudian diproses dan mempengaruhi lingkungan melalui aktuator (Stuart Russell & Peter Norvig, 2020). Kami percaya bahwa AI Agent adalah asisten yang menggabungkan kemampuan LLM, RAG, memori, perencanaan tugas, dan penggunaan alat. Ini tidak hanya dapat memberikan informasi secara murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakan.

Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah menyatu dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem mengemudi otomatis tingkat L5 ke atas dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri umum dari sistem-sistem ini adalah kemampuannya untuk merasakan masukan pengguna dari lingkungan luar dan berdasarkan itu, memberikan dampak yang sesuai terhadap lingkungan nyata.

Sebagai contoh dengan ChatGPT untuk memperjelas konsep, kita harus dengan jelas menyatakan bahwa Transformer adalah arsitektur teknologi yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, dan GPT-1, GPT-4, GPT-4o masing-masing mewakili versi model pada tahap pengembangan yang berbeda. ChatGPT sebagai Agen AI yang berevolusi berdasarkan model GPT.

Ringkasan Kategori

Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami mengklasifikasikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberi label masing-masing proyek berdasarkan label yang signifikan. Kami membagi menjadi klasifikasi tingkat satu dan tingkat dua. Klasifikasi tingkat satu terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dipecah lebih lanjut berdasarkan kasus penggunaan aktualnya.

Infrastruktur: Kategori ini fokus pada pembangunan konten yang lebih dasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan aplikasi dasar.

• Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang membangun AI Agent.
• Kategori pemrosesan data: Memproses dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan menyediakan sumber untuk pelatihan.
• Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dan lain-lain.
• Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
• Kelas pengumpulan platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.

Interaktif: Mirip dengan jenis pembuatan konten, perbedaannya terletak pada interaksi timbal balik yang berkelanjutan. Agen interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknik seperti pemrosesan bahasa alami (NLP), untuk mewujudkan interaksi timbal balik dengan pengguna.

• Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
• Jenis GPT: AI Agent yang didasarkan pada model GPT (Generative Pre-trained Transformer).
• Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen utama untuk pengambilan informasi yang lebih akurat.

Jenis Pembangkitan Konten: Proyek-proyek ini fokus pada penciptaan konten, menggunakan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori: pembangkitan teks, pembangkitan gambar, pembangkitan video, dan pembangkitan audio.

Analisis Status Pengembangan Agen AI Web2

Menurut statistik kami, pengembangan AI Agent di Web2 tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terfokus pada infrastruktur, dengan sebagian besar merupakan layanan B2B dan alat pengembangan. Kami juga telah melakukan analisis terhadap fenomena ini.

Dampak Kematangan Teknologi: Proyek infrastruktur mendominasi karena kematangan teknologinya. Proyek-proyek ini biasanya dibangun di atas teknologi dan kerangka kerja yang telah teruji oleh waktu, sehingga mengurangi kesulitan dan risiko pengembangan. Ini setara dengan "sekop" di bidang AI, menyediakan dasar yang kokoh untuk pengembangan dan penerapan AI Agent.

Dorongan Permintaan Pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, pasar bisnis memiliki permintaan yang lebih mendesak terhadap teknologi AI, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, aliran kas yang berasal dari perusahaan relatif stabil, yang menguntungkan mereka dalam mengembangkan proyek-proyek selanjutnya.

Batasan pada skenario aplikasi: Sementara itu, kami memperhatikan bahwa AI generasi konten memiliki skenario aplikasi yang relatif terbatas di pasar B2B. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini menyebabkan proporsi AI generasi konten di dalam perpustakaan proyek menjadi kecil.

Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berkembang dan permintaan pasar yang semakin jelas, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kokoh untuk pengembangan AI Agent.

Analisis Proyek Utama AI Agent Web2

Kami menggali lebih dalam beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil tiga proyek yaitu Character AI, Perplexity AI, dan Midjourney sebagai contoh.

Karakter AI:

Pengenalan Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat pembuatan karakter virtual. Platformnya memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang mampu melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.

Analisis Data: Character.AI mencatat 277 juta kunjungan pada bulan Mei, dengan platform memiliki lebih dari 3,5 juta pengguna aktif harian, di mana sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang muda. Character AI menunjukkan kinerja yang luar biasa di pasar modal, berhasil menyelesaikan pendanaan sebesar 150 juta USD, dengan valuasi mencapai 1 miliar USD, dipimpin oleh a16z.

Analisis teknis: Character AI telah menandatangani perjanjian lisensi non-eksklusif dengan perusahaan induk Google, Alphabet, yang menunjukkan bahwa Character AI mengadopsi teknologi yang dikembangkan sendiri. Perlu dicatat bahwa pendiri perusahaan, Noam Shazeer dan Daniel De Freitas, pernah terlibat dalam pengembangan model bahasa percakapan Llama milik Google.

Perplexity AI:

Perkenalan Produk: Perplexity dapat mengambil dan memberikan jawaban yang rinci dari internet. Dengan mengutip dan merujuk pada tautan, ia memastikan keandalan dan akurasi informasi, sekaligus mendidik dan membimbing pengguna untuk melakukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.

Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan peningkatan kunjungan aplikasi mobile dan desktop sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan mendapatkan pendanaan sebesar 62,7 juta dolar AS, dengan valuasi mencapai 1,04 miliar dolar AS, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.

Analisis teknis: Model utama yang digunakan oleh Perplexity adalah GPT-3.5 yang telah disesuaikan, serta dua model besar yang disesuaikan berdasarkan model besar sumber terbuka: pplx-7b-online dan pplx-70b-online. Model ini cocok untuk penelitian akademis profesional dan