Apakah AI Agent dapat menjadi senjata ampuh di jalur Web3+AI?

Bisakah AI Agent menjadi penyelamat untuk Web3+AI?

Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah layanan di sisi perusahaan, sedangkan dalam bidang Web3, proyek pelatihan model dan pengumpulan platform telah menjadi arus utama karena peran kunci mereka 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 matangnya teknologi dan meningkatnya pengakuan pasar, akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar.

Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, metode penggabungannya harus memperhatikan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, guna mempromosikan desentralisasi dan efek jaringan.

Gelombang AI: Proyek-proyek baru dan peningkatan valuasi yang ada

Sejak ChatGPT diluncurkan pada November 2022, dalam waktu dua bulan telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan yaitu 20,3 juta USD. Setelah peluncuran ChatGPT, OpenAI dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan tren yang begitu cepat, raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terdepan seperti LLM dan mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google meluncurkan model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di Tiongkok meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi arena yang sangat kompetitif.

Kompetisi antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari survei statistik penelitian AI sumber terbuka, laporan AI Index 2024 menunjukkan 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 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, mengalami pertumbuhan yang meledak pada kuartal kedua tahun 2024. Secara global terdapat 16 investasi terkait AI yang melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antaranya, xAI yang dimiliki Musk berhasil mengumpulkan 6 miliar dolar AS dengan valuasi sebesar 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.

Bisakah AI Agent menjadi penyelamat untuk Web3+AI?

Perkembangan pesat teknologi AI sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan ketat antara raksasa teknologi, hingga perkembangan pesat proyek-proyek komunitas open-source, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, dengan jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring. Secara keseluruhan, pasar AI berada dalam periode emas pertumbuhan yang cepat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan melalui pencarian menghasilkan 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 tidak akurat, dan 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 komprehensif dalam menyelesaikan masalah nyata dan interaksi dengan lingkungan. Peralihan ini menandai evolusi teknologi AI dari model bahasa murni menuju sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah nyata. Evolusi teknologi AI terus membentuk kembali struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, bergabung dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi 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 melakukan penelitian mendalam tentang aplikasi beragam AI Agent dalam Web3, dari infrastruktur Web3, middleware, lapisan aplikasi, hingga pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami integrasi mendalam antara AI dan Web3.

Penjelasan Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent

Pengenalan Dasar

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

Saat ini, definisi umum AI Agent dalam industri adalah sistem cerdas yang dapat merasakan lingkungan dan melakukan tindakan yang sesuai, dengan mengumpulkan informasi lingkungan melalui sensor, memprosesnya, dan kemudian 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. Ia tidak hanya dapat memberikan informasi secara sederhana, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakan.

Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah mengintegrasikan diri ke dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 dan di atasnya dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri khas dari sistem-sistem ini adalah kemampuannya untuk merasakan input pengguna dari lingkungan eksternal dan membuat dampak yang sesuai terhadap lingkungan nyata.

Sebagai contoh, mari kita jelaskan konsep dengan menggunakan ChatGPT. Kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknologi yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGPT, di sisi lain, adalah AI Agent yang berevolusi berdasarkan model GPT.

Bisakah AI Agent menjadi penyelamat Web3+AI?

Ringkasan Kategori

Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami melakukan pelabelan terhadap 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label yang signifikan untuk setiap proyek, dibagi menjadi klasifikasi tingkat satu dan tingkat dua. Klasifikasi tingkat satu terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, kemudian dilakukan pemecahan lebih lanjut berdasarkan kasus penggunaan aktualnya:

Infrastruktur: Jenis ini fokus pada membangun konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan kelas B yang lebih matang dan berbasis aplikasi dasar.

  • Alat pengembangan: Menyediakan alat dan kerangka kerja untuk pengembang dalam 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, pembuatan model, pengaturan, dan lainnya.

  • Layanan B2B: Utamanya ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, kategori vertikal, dan solusi otomatis.

  • Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.

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

  • Kategori pendamping emosional: Agen AI yang menyediakan dukungan emosional dan pendampingan.

  • Jenis GPT: AI Agent yang berbasis model GPT (Generative Pre-trained Transformer).

  • Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang utama untuk pengambilan informasi yang lebih akurat.

Kelas penghasil konten: Proyek-proyek ini fokus pada penciptaan konten, menggunakan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori yaitu penghasilan teks, penghasilan gambar, penghasilan video, dan penghasilan audio.

Bisakah AI Agent menjadi penyelamat untuk Web3+AI?

Analisis Status Pengembangan Agen AI Web2

Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan kecenderungan konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan, kami juga telah melakukan beberapa analisis terhadap fenomena ini.

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

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

Pembatasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI jenis pembuatan konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI jenis pembuatan konten dalam basis proyek yang relatif kecil.

Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan permintaan pasar yang semakin jelas, kami mengharapkan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur tetap akan menjadi landasan yang kokoh bagi perkembangan Agen AI.

Bisakah AI Agent menjadi penyelamat untuk Web3+AI?

Analisis Proyek Utama AI Agent Web2

Kami mendalami beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil tiga proyek sebagai contoh: Character AI, Perplexity AI, dan Midjourney.

Karakter AI:

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

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

Analisis teknis: Character AI telah menandatangani perjanjian lisensi non-eksklusif dengan perusahaan induk Google, Alphabet, yang menunjukkan bahwa Character AI menggunakan 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 menyediakan jawaban yang detail dari internet. Dengan merujuk dan menyediakan tautan referensi, ia memastikan keandalan dan akurasi informasi, sambil mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian pengguna yang beragam.

Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses ke aplikasi mobile dan desktop mengalami pertumbuhan sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mendapatkan pendanaan sebesar 62,7 juta dolar, dengan valuasi mencapai 1,04 miliar dolar, 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 vertikal.

AGENT9.57%
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • 9
  • Bagikan
Komentar
0/400
GasBankruptervip
· 07-14 06:00
Apakah ini benar-benar berguna? Jerami tidak lebih baik daripada buy the dip
Lihat AsliBalas0
tokenomics_truthervip
· 07-13 14:37
8% porsi kapitalisasi pasar 23% benar-benar luar biasa
Lihat AsliBalas0
StakeTillRetirevip
· 07-13 07:29
Data cukup bagus, layak untuk dipertaruhkan.
Lihat AsliBalas0
SleepyValidatorvip
· 07-13 01:55
Ada sedikit gulungan 23% kapitalisasi pasar hanya 8% jumlah
Lihat AsliBalas0
GasFeeWhisperervip
· 07-13 01:55
Ekspektasi bull run sudah siap, tinggal melihat apakah agent bisa berlari cepat atau tidak.
Lihat AsliBalas0
0xLostKeyvip
· 07-13 01:52
Dianggap Bodoh new jebakan来了
Lihat AsliBalas0
AltcoinAnalystvip
· 07-13 01:52
Dari data, proporsi kapitalisasi pasar jalur Agent telah mencapai 23%, kurva pertumbuhan TVL sesuai harapan, tetapi perlu diperhatikan struktur distribusi token dan risiko konsentrasi bobot entitas tunggal, disarankan untuk berpartisipasi secara moderat untuk menjaga likuiditas, saya tidak menyarankan posisi berat masuk.
Lihat AsliBalas0
HorizonHuntervip
· 07-13 01:52
Reputasi turun ke nol, ini adalah... pasar bull berikutnya bergantung pada ini.
Lihat AsliBalas0
Web3Educatorvip
· 07-13 01:27
*mengatur kacamata* data menarik tentang agen ai... tapi mari kita tidak berbohong tentang tokenomik yang menjadi saus ajaib di sini
Lihat AsliBalas0
Lihat Lebih Banyak
  • Sematkan
Perdagangkan Kripto Di Mana Saja Kapan Saja
qrCode
Pindai untuk mengunduh aplikasi Gate
Komunitas
Bahasa Indonesia
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)