O Agente de IA pode se tornar a tábua de salvação do Web3+IA?

O projeto AI Agent é um tipo popular e maduro de serviço voltado para empresas no empreendedorismo Web2, enquanto no campo Web3, projetos de treinamento de modelos e de plataformas de agregação tornaram-se mainstream devido ao seu papel crucial na construção de ecossistemas.

Atualmente, o número de projetos de Agentes de IA no Web3 é baixo, representando 8%, mas sua participação de mercado na pista de IA é de impressionantes 23%, demonstrando assim uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com avaliação superior a 1 bilhão de dólares.

Para projetos Web3, a introdução de tecnologias de IA em produtos de aplicação que não são centrais para a IA pode se tornar uma vantagem estratégica. A forma como os projetos de Agentes de IA são combinados deve enfatizar a construção de um ecossistema completo e o design de modelos econômicos de tokens para promover a descentralização e os efeitos de rede.

A Onda da IA: A Realidade de Novos Projetos e Valorização em Alta

Desde que o ChatGPT foi lançado em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Em maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como GPT-4 e GP4-4o. Com tal ritmo acelerado, os grandes gigantes da tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas apresentaram modelos como Wenxin Yiyan e Zhipu Qingyan. É evidente que o campo da IA se tornou um campo de batalha crucial.

A competição entre as grandes empresas de tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, como também descobrimos através de uma pesquisa sobre projetos de IA de código aberto que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub aumentou de 845 em 2011 para cerca de 1,8 milhão em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.

O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um crescimento robusto, mostrando um crescimento explosivo no segundo trimestre de 2024. Globalmente, houve 16 investimentos relacionados à IA que ultrapassaram os 150 milhões de dólares, o que é o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, mais do que o dobro em relação ao ano anterior. Entre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.

O rápido desenvolvimento da tecnologia de IA está a remodelar o panorama tecnológico a uma velocidade sem precedentes. Desde a intensa competição entre gigantes da tecnologia, passando pelo florescimento de projetos em comunidades de código aberto, até o entusiasmo do mercado de capitais em relação ao conceito de IA. Projetos surgem continuamente, os investimentos atingem novos máximos e as avaliações aumentam de acordo. De modo geral, o mercado de IA está numa fase de ouro de rápido desenvolvimento, com grandes modelos de linguagem e tecnologias de geração aumentada por busca realizando avanços significativos no processamento de linguagem. Apesar disso, esses modelos ainda enfrentam desafios na conversão de vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de alucinações que geram informações imprecisas e questões de transparência dos modelos. Esses problemas tornam-se especialmente importantes em cenários de aplicação onde a fiabilidade é extremamente exigida.

Neste contexto, começamos a pesquisar sobre o AI Agent, pois o AI Agent enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos puramente linguísticos para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do AI Agent, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA está constantemente remodelando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional, se fundem com os conceitos centrais da Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos o surgimento de uma série de aplicações inovadoras. Neste campo de interseção cheio de potencial, acreditamos que o AI Agent, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para a implementação em larga escala.

Para isso, começamos a investigar a diversidade de aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até o nível de aplicação, passando por mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender profundamente a fusão do AI com o Web3.

Esclarecimento de Conceitos: Introdução e Visão Geral das Classificações dos Agentes de IA

Introdução Básica

Antes de apresentar o Agente AI, para que os leitores entendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você esteja planejando uma viagem. Os modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o Agente AI é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma única frase sua, pesquisar proativamente voos e hotéis, executar reservas e adicionar o itinerário ao calendário.

Atualmente, a definição comum de um Agente de IA na indústria é um sistema inteligente capaz de perceber o ambiente e agir de acordo, obtendo informações do ambiente através de sensores, processando-as e influenciando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não é apenas um fornecedor de informações, mas também é capaz de planejar, decompor tarefas e realmente executá-las.

De acordo com essa definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 ou superior da Tesla, que podem ser considerados exemplos de Agentes de IA. A característica comum desses sistemas é que todos podem perceber as entradas dos usuários no mundo exterior e, com base nisso, fazer alterações que impactam o ambiente real.

Usando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos desenvolvidos com base nessa arquitetura, e GPT-1, GPT-4 e GPT-4o representam diferentes versões do modelo em diferentes estágios de desenvolvimento. O ChatGPT, por sua vez, é um agente de IA que evoluiu a partir do modelo GPT.

Classificação geral

Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Classificamos 204 projetos de Agentes de IA nos mercados Web2+Web3 através da rotulagem, de acordo com os rótulos distintos correspondentes a cada projeto, dividindo-os em categorias primárias e secundárias. As categorias primárias incluem infraestrutura, geração de conteúdo e interação do usuário, que são então subdivididas com base em seus casos de uso reais.

Infraestrutura: Esta categoria foca na construção de conteúdos mais básicos na área de Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento e serviços B2B mais maduros e de aplicação básica.

• Ferramentas de desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir Agentes de IA.

• Classe de processamento de dados: processar e analisar diferentes formatos de dados, principalmente para auxiliar na tomada de decisões e fornecer fontes para treinamento.

• Classe de treino de modelo: fornece serviços de treino de modelo para IA, incluindo inferência, criação e configuração de modelos.

• Serviços B2B: destinados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.

• Plataforma de classe agregadora: uma plataforma que integra vários serviços e ferramentas de AI Agent.

Interativos: Semelhante ao tipo de geração de conteúdo, a diferença está na interação bidirecional contínua. Agentes interativos não apenas aceitam e compreendem as necessidades dos usuários, mas também oferecem feedback por meio de tecnologias como o processamento de linguagem natural (NLP), realizando uma interação bidirecional com os usuários.

• Classe de acompanhamento emocional: Agente de IA que fornece apoio emocional e companhia.

• Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).

• Tipo de pesquisa: Agente focado na funcionalidade de pesquisa, proporcionando uma recuperação de informações mais precisa.

Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de grandes modelos para gerar várias formas de conteúdo de acordo com as instruções do usuário, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.

Análise do estado atual do desenvolvimento do Agente de IA Web2

De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na internet tradicional Web2 apresenta uma clara tendência de concentração setorial. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, sendo que a maioria se refere a serviços B2B e ferramentas de desenvolvimento, e também fizemos algumas análises sobre esse fenômeno.

Impacto da maturidade tecnológica: os projetos de infraestrutura dominam principalmente devido à sua maturidade tecnológica. Esses projetos geralmente são baseados em tecnologias e estruturas que foram testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivale à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e a aplicação de Agentes de IA.

Impulso da demanda do mercado: outro fator chave é a demanda do mercado. Comparado ao mercado de consumidores, o mercado empresarial tem uma demanda mais urgente por tecnologias de IA, especialmente na busca por soluções que aumentem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é benéfico para o desenvolvimento de projetos subsequentes.

Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção relativamente pequena de IA de geração de conteúdo no portfólio de projetos.

Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com o contínuo avanço da tecnologia de IA e a maior clareza nas demandas do mercado, prevemos que este padrão possa ser ajustado, mas as infraestruturas continuarão a ser a base sólida para o desenvolvimento de Agentes de IA.

Análise de projetos líderes de agentes de IA Web2

Analisamos em profundidade alguns projetos de agentes de IA no atual mercado Web2, tomando como exemplo três projetos: Character AI, Perplexity AI e Midjourney.

Character AI:

Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite que os usuários criem, treinem e interajam com personagens virtuais que podem manter diálogos em linguagem natural e executar tarefas específicas.

Análise de Dados: O Character.AI teve 277 milhões de acessos em maio, com mais de 3,5 milhões de utilizadores ativos diários, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um grupo de utilizadores mais jovem. O Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderada pela a16z.

Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI está a usar tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.

Perplexity AI:

Introdução ao produto: A Perplexity é capaz de buscar e fornecer respostas detalhadas da internet. Através de citações e links de referência, assegura a fiabilidade e precisão da informação, ao mesmo tempo que educa e orienta os usuários a fazer perguntas de acompanhamento e pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos usuários.

Análise de dados: O número de utilizadores ativos mensais da Perplexity atingiu 10 milhões, com um aumento de 8,6% no tráfego de suas aplicações móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de utilizadores. Nos mercados de capitais, a Perplexity AI anunciou recentemente que obteve 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.

Análise técnica: O principal modelo utilizado pela Perplexity é o GPT-3.5 ajustado, além de duas grandes modelos ajustados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e vertical.