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

Проект AI Agent є популярним і зрілим типом у Web2-стартапах, переважно в сегменті послуг для підприємств, тоді як у Web3 домінують проекти з навчання моделей та платформ, оскільки вони відіграють ключову роль у побудові екосистем.

На сьогоднішній день кількість проектів AI Agent у Web3 не велика і становить 8%, але їхня частка ринкової капіталізації в AI сегменті досягає 23%, що демонструє їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технології та зростанням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.

Для проектів Web3 впровадження технології штучного інтелекту в продукти, які не є ядром AI, може стати стратегічною перевагою. Щодо проектів AI Agent важливо зосередитися на побудові повної екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: сучасний стан появи проектів та зростання оцінок

Від моменту виходу ChatGPT у листопаді 2022 року, за короткі два місяці він залучив понад сто мільйонів користувачів, а до травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів США. Після випуску ChatGPT OpenAI також швидко представила ітераційні версії, такі як GPT-4, GP4-4o та інші. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати свої власні AI-моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили Wenxin Yiyan, Zhipu Qingyan та інші великі моделі. Очевидно, що сфера AI стала полем битви, за яке борються всі.

Змагання великих технологічних гігантів не лише сприяло розвитку комерційних застосувань, але й з наших досліджень відкритого AI виявлено, що AI Index report 2024 року показує, що кількість AI-проектів на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% в порівнянні з минулим роком, що відображає захоплення глобальної спільноти розробників дослідженнями AI.

Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в штучний інтелект демонструє сильний ріст, а в другому кварталі 2024 року показує вибуховий ріст. У світі було здійснено 16 угод з інвестиціями в штучний інтелект на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері штучного інтелекту зросла до 24 мільярдів доларів, що на понад 100% більше в порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, а її оцінка склала 24 мільярди доларів, що робить її другою за величиною оцінки компанією-стартапом в сфері штучного інтелекту після OpenAI.

Швидкий розвиток технологій штучного інтелекту кардинально змінює ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів відкритого коду, а також до гарячого попиту на концепцію штучного інтелекту на ринку капіталу. Проекти з'являються один за одним, обсяги інвестицій постійно б'ють рекорди, а оцінки також зростають. В цілому, ринок штучного інтелекту перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підвищенням пошуку досягли значного прогресу в обробці мови. Проте ці моделі все ще стикаються з викликами при перетворенні технічних переваг на реальні продукти, такими як невизначеність виходу моделі, ризик генерації неточної інформації та проблеми з прозорістю моделі. Ці питання стають особливо важливими у сценах застосування, де вимоги до надійності є надзвичайно високими.

У цьому контексті ми почали дослідження AI Agent, оскільки AI Agent підкреслює комплексність вирішення реальних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до розумних систем, які здатні справді розуміти, вчитися та вирішувати реальні проблеми. Таким чином, ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно переосмислює структуру продуктивності, тоді як технологія Web3 реконструює 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 появи ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.

Для цього ми почали глибоко вивчати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, прикладного рівня до ринків даних і моделей, з метою виявлення та оцінки найперспективніших типів проектів та сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.

Пояснення концепцій: Вступ до AI Agent та огляд класифікації

Основна інформація

Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самим моделлю, ми наведемо приклад з реального життя: уявімо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технологія, що покращує генерування пошуку, може надати більш багатий та конкретний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину, він може зрозуміти ваші потреби, а також активноздійснювати пошук рейсів і готелів, виконувати бронювання та додавати розклад до календаря.

В даний час в галузі загальноприйнято визначення AI Agent як інтелектуальної системи, яка може сприймати навколишнє середовище та діяти відповідно, отримуючи інформацію про навколишнє середовище за допомогою датчиків, обробляючи її і впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який поєднує в собі можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розкладати завдання та дійсно виконувати їх.

Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегровано в наше життя, застосовуючи його в різних сценах, таких як AlphaGo, Siri, автопілот рівня L5 і вище в Tesla тощо, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішній ввід від користувачів і відповідно впливати на реальне середовище.

Візьмемо ChatGPT як приклад для уточнення понять, ми повинні чітко вказати, що Transformer є технічною архітектурою, яка складає основу AI моделей, GPT є серією моделей, що розвиваються на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGPT 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)

Категорійний огляд

На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми здійснили маркування 204 проектів AI Agent на ринках Web2+Web3, відповідно до їхніх значущих тегів, розділивши їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: інфраструктура, генерація контенту, взаємодія з користувачем, а далі вони деталізуються відповідно до їхніх фактичних випадків використання:

Інфраструктурні проекти: ця категорія зосереджена на створенні базових елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові послуги для сектора B.

• Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.

• Класи обробки даних: обробка та аналіз даних різних форматів, які в основному використовуються для підтримки прийняття рішень та надання джерел для навчання.

• Класи тренування моделей: надає послуги з тренування моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.

• B-клас послуги: в основному спрямовані на підприємств, пропонують послуги для підприємств, вертикальні рішення, автоматизовані рішення.

• Платформа типу об'єднання: платформа, що інтегрує різноманітні служби та інструменти AI Agent.

Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувачів, але й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.

• Емоційне супроводження: AI-агент, що надає емоційну підтримку та супровід.

• GPT-клас: AI Agent на базі моделі GPT (генеративний попередньо навчений трансформер).

• Пошуковий тип: зосереджений на функції пошуку, пропонує більш точний агент для інформаційного запиту.

Проекти генерації контенту: ця категорія проектів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, що поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

Аналіз стану розвитку Web2 AI агентів

Згідно з нашою статистикою, у традиційному Інтернеті Web2 розробка AI Agent демонструє помітну тенденцію до концентрації в окремих секторах. Зокрема, близько двох третин проектів зосереджені на інфраструктурі, причому переважають послуги для бізнесу та інструменти для розробки. Ми також провели деякий аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають провідні позиції, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на перевірених часом технологіях і рамках, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує міцну основу для розробки та застосування ШІ-агентів.

Розвиток попиту на ринку: ще один ключовий фактор - це попит на ринку. У порівнянні з споживчим ринком, попит на AI-технології на підприємницькому ринку є більш терміновим, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. У той же час для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє розробці наступних проектів.

Обмеження застосування: Водночас ми помічаємо, що застосування AI для генерації контенту на ринку B-сторони є відносно обмеженим. Через його нестабільність підприємства більше схильні до застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.

Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З розвитком технологій штучного інтелекту та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може змінитися, але інфраструктурні рішення залишаться міцним фундаментом для розвитку AI Agent.

Аналіз провідних проектів AI агентів Web2

Ми детально розглянемо деякі поточні проекти AI Agent на ринку Web2 та проаналізуємо їх, взявши за приклад три проекти: Character AI, Perplexity AI, Midjourney.

Штучний інтелект персонажа:

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

Аналіз даних: Кількість відвідувачів Character.AI у травні становила 277 мільйонів, платформа має понад 3,5 мільйона активних користувачів на день, з яких більшість перебуває у віковій категорії від 18 до 34 років, що демонструє молодіжні характеристики користувацької бази. Character AI показала відмінні результати на ринку капіталу, залучивши 150 мільйонів доларів інвестицій, з оцінкою в 1 мільярд доларів, під керівництвом a16z.

Технічний аналіз: Character AI підписала угоду про ліцензування на невиключне використання своїх великих мовних моделей з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Llama від Google.

Перплексити ШІ:

Опис продукту: Perplexity може витягувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та джерелам, що підтверджують, інформація є надійною та точною, а також він навчає, направляє користувачів до подальших запитань та пошуку ключових слів, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а трафік їхніх мобільних і настільних додатків у лютому зріс на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання 62,7 мільйона доларів фінансування, з оцінкою в 1,04 мільярда доларів, під керівництвом Деніела Гроса, з участю Стена Друкенміллера та NVIDIA.

Технічний аналіз: Основною моделлю, що використовується в Perplexity, є модифікована GPT-3.5, а також дві великі моделі, що базуються на налаштуванні відкритої великої моделі: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та ніш.