Может ли AI Agent стать спасательным кругом для Web3+AI?

Проекты AI Agent являются популярным и зрелым типом стартапов в Web2, в основном ориентированных на корпоративные услуги, тогда как в области Web3 проекты по обучению моделей и сбору платформ стали основными из-за их ключевой роли в построении экосистемы.

В данный момент количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля в рыночной капитализации на сегменте AI достигает 23%, что демонстрирует их значительную конкурентоспособность на рынке. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.

Для проектов Web3 использование технологий ИИ в приложениях, не связанных с ИИ, может стать стратегическим преимуществом. При разработке проектов AI Agent следует уделить внимание построению всей экосистемы и дизайну токеномики, чтобы способствовать децентрализации и сетевым эффектам.

Волна ИИ: текущее состояние появления проектов и роста оценок

С момента появления ChatGPT в ноябре 2022 года, он привлек более ста миллионов пользователей всего за два месяца, а к маю 2024 года месячный доход ChatGPT достиг потрясающих 20,3 миллиона долларов. После выпуска ChatGPT OpenAI также быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o. В условиях такого стремительного роста ведущие традиционные технологические гиганты осознали важность применения самых современных AI моделей, таких как LLM, и начали выпускать свои собственные AI модели и приложения. Например, Google представила большой языковой модель PaLM2, Meta выпустила Llama3, а китайские компании представили такие большие модели, как Вэньсинь Иянь и Чжипу Циньянь. Очевидно, что область AI стала ареной жесткой конкуренции.

Соревнование между крупнейшими технологическими гигантами не только способствовало развитию коммерческих приложений, но и, согласно статистике опросов по открытому AI-исследованию, отчет AI Index за 2024 год показывает, что количество AI-проектов на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлечение глобального сообщества разработчиков AI-исследованиями.

Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост и в втором квартале 2024 года показывает взрывной рост. В мире было зафиксировано 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первом квартале. Объем финансирования стартапов в области ИИ также стремительно возрос до 24 миллиардов долларов, что более чем вдвое превышает уровень прошлого года. Среди них xAI, принадлежащее Маску, привлекло 6 миллиардов долларов, его оценка составила 24 миллиарда долларов, что делает его вторым по величине стартапом в области ИИ после OpenAI.

! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)

Быстрые темпы развития технологий ИИ кардинально меняют ландшафт технологической сферы, как никогда ранее. От жесткой конкуренции среди технологических гигантов до бурного роста проектов в сообществе открытого исходного кода и горячего интереса со стороны капитального рынка к концепции ИИ. Проекты появляются один за другим, объемы инвестиций бьют рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, крупные языковые модели и технологии генерации с поддержкой поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технических преимуществ в реальные продукты, такими как неопределенность выхода модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы становятся особенно важными в сценариях применения, где требования к надежности максимально высоки.

В этом контексте мы начали исследовать AI Agent, так как AI Agent подчеркивает комплексность решения реальных проблем и взаимодействия с окружающей средой. Этот переход обозначает эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, обучаться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно переосмысливает архитектуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвосхищаем появление целого ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.

В этой связи мы начали углубленное изучение разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного программного обеспечения, прикладного уровня до рынков данных и моделей, чтобы выявить и оценить наиболее перспективные типы проектов и сценариев применения, с целью глубокого понимания глубокой интеграции AI и Web3.

Пояснение понятий: Введение в AI Agent и обзор классификации

Основное введение

Перед тем как представить AI Agent, чтобы читатели могли лучше понять различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете путешествие. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на улучшении поиска и генерации, может предложить более богатое и конкретное содержание о местах назначения. AI Agent подобен Джарвису из фильма о Железном Человеке: он может понять ваши потребности и, основываясь на одной вашей фразе, активно искать рейсы и отели, выполнять бронирование и добавлять поездку в календарь.

В настоящее время в отрасли широко распространено определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая ее и воздействуя на окружающую среду через исполнительные механизмы (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он может не только предоставлять информацию, но также планировать, разбивать задачи и действительно выполнять их.

Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автономное вождение уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они способны воспринимать внешние пользовательские вводы и, основываясь на этом, оказывать влияние на реальную среду.

Например, используя ChatGPT для пояснения концепций, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI модели, а GPT представляет собой серию моделей, развившихся на основе этой архитектуры, где GPT-1, GPT-4 и GPT-4o представляют собой версии модели на различных этапах развития. ChatGPT, в свою очередь, является AI агентом, эволюционировавшим на основе модели GPT.

! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)

Обзор категории

На данный момент рынок AI-агентов еще не сформировал единого классификационного стандарта. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их значительных тегах, и разделили их на первичную и вторичную классификации. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователями, а затем они были дополнительно подразделены в зависимости от их фактических случаев использования:

Инфраструктурные решения: эта категория сосредоточена на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для B2B-сервисов.

• Инструменты разработки: предоставляют разработчикам вспомогательные инструменты и фреймворки для создания AI-агентов.

• Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.

• Модели обучения: предоставление услуг по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т. д.

• Услуги для B-класса: в основном ориентированы на корпоративных пользователей, предоставляют решения для корпоративных услуг, вертикальных решений и автоматизации.

• Платформы-агрегаторы: платформы, интегрирующие различные услуги и инструменты AI Agent.

Интерактивные агенты: похожи на агенты по генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), осуществляя двустороннее взаимодействие с пользователями.

• Эмоциональные помощники: AI-агенты, предоставляющие эмоциональную поддержку и сопровождение.

• GPT-класс: ИИ-агент, основанный на модели GPT (генеративный предобученный трансформер).

• Поисковые агенты: сосредоточены на функции поиска, предоставляя более точный поиск информации.

Генерация контента: такие проекты ориентированы на создание контента, используя технологии больших моделей для генерации различных форм контента в соответствии с указаниями пользователя, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.

Анализ текущего состояния развития Web2 AI Agent

Согласно нашей статистике, в традиционном интернет-пространстве Web2 наблюдается явная тенденция концентрации разработки AI-агентов. В частности, около двух третей проектов сосредоточены в области инфраструктуры, где преобладают услуги для бизнеса и инструменты для разработчиков. Мы также провели некоторый анализ этого явления.

Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующую позицию прежде всего благодаря своей зрелости технологий. Эти проекты обычно основаны на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, предоставляя прочную основу для разработки и применения ИИ-агентов.

Движение рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поисках решений, направленных на повышение операционной эффективности и снижение затрат. В то же время для разработчиков поток наличности от бизнеса относительно стабилен, что способствует разработке последующих проектов.

Ограничения в сценариях применения: В то же время, мы отмечаем, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это привело к тому, что доля AI для генерации контента в проектной базе остается небольшой.

Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С непрерывным развитием технологий ИИ и дальнейшим уточнением рыночного спроса мы ожидаем, что эта структура может измениться, но инфраструктурные решения все равно останутся прочным основанием для развития AI Agent.

! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-49cf0e8d4d349bd2b508f001968098f2.webp)

Анализ ведущих проектов Web2 с AI-агентами

Мы глубоко исследуем некоторые проекты AI Agent на текущем рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI, Midjourney.

ИИ персонажа:

Описание продукта: Character.AI предлагает основанную на искусственном интеллекте систему диалогов и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.

Анализ данных: Character.AI за май показал 277 миллионов посещений, платформа имеет более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодежную аудиторию. Character AI продемонстрировала отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, при этом ведущим инвестором выступил a16z.

Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас участвовали в разработке диалоговой языковой модели Google Llama.

Перплексити ИИ:

Описание продукта: Perplexity может извлекать и предоставлять исчерпывающие ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, одновременно обучая и направляя пользователей на дополнительные вопросы и поисковые ключевые слова, удовлетворяя разнообразные запросы пользователей.

Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, ее оценка достигла 1,04 миллиарда долларов, инвестиции возглавил Дэниел Гросс, среди участников — Стэн Друкенмиллер и NVIDIA.

Технический анализ: Основная модель, используемая Perplexity, это доработанная версия GPT-3.5, а также две крупные модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и узкой специализации.