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

Проект AI Agent є популярним і зрілим типом стартапів у Web2, головним чином у сфері послуг для бізнесу, тоді як у Web3 домінують проекти з навчання моделей та платформ, які відіграють ключову роль у побудові екосистеми.

На даний момент кількість проектів AI Agent у Web3 не велика і становить 8%, але їхня частка в ринковій капіталізації у секторі AI досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій і зростанням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.

Для проектів Web3 впровадження технології штучного інтелекту може стати стратегічною перевагою для продуктів на прикладному рівні, які не є ядром ШІ. У проєкті AI Agent слід зосередитися на побудові повної екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: Стан наявності проектів та підвищення оцінок

З моменту виходу ChatGPT у листопаді 2022 року, він за короткий проміжок часу привабив більше ста мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI швидко випустила такі ітераційні версії, як GPT-4, GP4-4o після запуску ChatGPT. Таке стрімке зростання змусило традиційних технологічних гігантів усвідомити важливість застосування передових AI моделей, таких як LLM, і вони почали випускати власні AI моделі та застосунки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили великі моделі, такі як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI стала полем бою для багатьох.

Змагання серед великих технологічних гігантів не тільки сприяло розвитку комерційних застосувань, але й з нашого дослідження статистики відкритого AI виявлено, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI на GitHub, різко зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, коли кількість проектів зросла на 59,3% у річному вираженні, що відображає захоплення глобальної спільноти розробників дослідженням AI.

Пристрасть до технологій штучного інтелекту прямо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ, що перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ злетіла до 24 мільярдів доларів, що на більше ніж удвічі більше в річному обчисленні. Зокрема, xAI, що належить Маску, зібрав 6 мільярдів доларів, оцінюється в 24 мільярди доларів, ставши другим за величиною стартапом у сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту змінює ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ на фондовому ринку. Проекти з'являються один за іншим, інвестиції досягають нових рекордів, а оцінки також зростають. В цілому, ринок ШІ переживає період бурхливого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в обробці мов. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделі, ризик генерації неточної інформації та проблеми прозорості моделі. Ці питання стають особливо важливими в сценаріях застосування, що вимагають високої надійності.

У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з оточенням. Ця зміна знаменує собою еволюцію технології AI від чисто мовної моделі до інтелектуальних систем, які дійсно розуміють, навчаються та вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно перебудовує структуру продуктивності, тоді як технології Web3 перебудовують виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності автономно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.

Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і застосувань для глибшого розуміння глибокої інтеграції AI та Web3.

Уточнення понять: Вступ та огляд класифікації AI Agent

Основна інформація

Перед тим, як представити AI Agent, для кращого розуміння різниці між його визначенням і самим моделлю, ми наведемо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що покращують генерацію запитів, можуть надати більш багатий та конкретний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну Людину, здатний зрозуміти потреби та, спираючись на ваше речення, активно шукати рейси та готелі, виконувати операції з бронювання та додавати розклад до календаря.

В даний час у галузі загальноприйнято визначення AI Agent як інтелектуальної системи, здатної сприймати навколишнє середовище та відповідно реагувати, отримуючи інформацію про середовище за допомогою сенсорів, обробляючи її та впливаючи на середовище через виконавчі механізми (Стюарт Рассел & Петер Норвіг, 2020). Ми вважаємо, що AI Agent - це асистент, який об'єднує LLM, RAG, пам'ять, планування завдань та здатність використовувати інструменти. Він може не лише надавати інформацію, але й планувати, розподіляти завдання та реально їх виконувати.

Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent давно інтегрований у наше життя, застосовуючи його в різних сценаріях, таких як AlphaGo, Siri, автомобілі Tesla з рівнем автономності L5 і вище, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення від користувачів і відповідно впливати на реальне середовище.

Візьмемо ChatGPT як приклад для роз'яснення концепцій, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає AI-моделі, GPT є серією моделей, що розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделі на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на основі моделі GPT.

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

Огляд категорій

На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми провели маркування 204 проектів AI Agent на ринках Web2+Web3, відповідно до помітних тегів кожного проекту, поділивши їх на основну та вторинну класифікації. Основна класифікація складається з трьох категорій: інфраструктура, генерація контенту, взаємодія з користувачами, а потім деталізується відповідно до їх фактичних випадків використання:

Інфраструктурні проекти: ця категорія зосереджується на створенні базових компонентів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі прикладні послуги для B-клієнтів.

• Інструменти для розробників: надання допоміжних інструментів та рамок для розробників для створення AI Agent.
• Клас обробки даних: обробка та аналіз даних різних форматів, які в основному використовуються для підтримки прийняття рішень та надання джерел для навчання.
• Класифікація навчання моделей: надає послуги з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
• Послуги для B-ін端: в основному орієнтовані на корпоративних користувачів, пропонуючи послуги для підприємств, вертикальні рішення та автоматизовані рішення.
• Платформи для збору: платформи, що інтегрують різноманітні послуги та інструменти AI Agent.

Інтерактивний клас: подібно до класу генерації контенту, різниця полягає в постійній двосторонній взаємодії. Інтерактивний агент не лише приймає та розуміє потреби користувача, але й надає зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.

• Емоційна підтримка: AI агент, який надає емоційну підтримку та супровід.
• GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навчений трансформер).
• Пошукові: зосереджені на функції пошуку, надають агента, що забезпечує більш точний пошук інформації.

Генерація контенту: Ця категорія проектів зосереджена на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, які діляться на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

Аналіз сучасного стану розвитку Web2 AI Agent

Згідно з нашою статистикою, розробка AI Agent у традиційному інтернеті Web2 демонструє помітну тенденцію до концентрації в певних сегментах. Конкретно, приблизно дві третини проектів зосереджені на інфраструктурних рішеннях, зокрема, переважно це послуги для бізнесу та інструменти для розробки, ми також провели певний аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають провідні позиції, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях та рамках, які пройшли перевірку часом, що знижує складність і ризики розробки. Це можна порівняти з "лопатою" в сфері штучного інтелекту, яка забезпечує міцну основу для розробки та застосування AI Agent.

Рушій ринку: ще один ключовий фактор – це попит на ринку. Порівняно з споживчим ринком, попит бізнес-ринку на технології ШІ є більш терміновим, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє розробці подальших проєктів.

Обмеження застосування: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його продукції підприємства більше схильні до застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проєктів є невеликою.

Ця тенденція відображає зрілість технологій, ринковий попит та реальні потреби в застосуванні. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може зазнати змін, але інфраструктурні рішення все ще залишатимуться міцним фундаментом для розвитку AI Agent.

Аналіз провідного проекту AI-агента Web2

Ми детально розглянемо деякі з поточних проектів AI Agent на ринку Web2 і проведемо їх аналіз, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.

Штучний інтелект персонажа:

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

Аналіз даних: у травні Character.AI відвідали 277 мільйонів разів, платформа має понад 3,5 мільйона активних користувачів щодня, 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 розмірі 150 мільйонів доларів, з оцінкою в 1 мільярд доларів, під керівництвом a16z.

Технічний аналіз: Character AI підписала ліцензійну угоду про ненexclusive використання своєї великої мовної моделі з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.

Штучний інтелект Perplexity:

Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та реферальним лінкам забезпечується надійність та точність інформації, при цьому 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 відвідуваність її мобільного та десктопного додатків у лютому зросла на 8,6%, залучивши приблизно 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів США, оцінка досягла 1,04 мільярда доларів США, лідером інвестицій став Daniel Gross, а серед учасників були Stan Druckenmiller та NVIDIA.

Технічний аналіз: Основна модель, яка використовується Perplexity, є доопрацьованою GPT-3.5, а також двома великими моделями, доопрацьованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Модель підходить для професійних академічних досліджень та