L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?

Les projets d'Agent IA sont principalement des services pour entreprises, un type populaire et mature dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de regroupement de plateformes deviennent dominants en raison de leur rôle clé dans la construction d'écosystèmes.

Actuellement, le nombre de projets d'agent IA dans le Web3 est limité, représentant 8 %, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets valorisés à plus de 1 milliard de dollars émergeront à l'avenir.

Pour les projets Web3, l'introduction de la technologie AI dans des produits d'application non centraux à l'IA peut devenir un avantage stratégique. Pour les projets AI Agent, la manière de combiner devrait mettre l'accent sur la construction d'un écosystème complet et la conception de modèles économiques de tokens, afin de favoriser la décentralisation et les effets de réseau.

Vague d'IA : état des lieux des projets émergents et de la hausse des évaluations

Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications de modèles d'IA de pointe comme les LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont présenté des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident que le domaine de l'IA est devenu un champ de bataille incontournable.

La course entre les grandes entreprises technologiques a non seulement stimulé le développement d'applications commerciales, mais nous avons également découvert grâce aux statistiques d'une enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, en 2023, après la publication de GPT, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.

L'engouement pour la technologie AI se reflète directement sur le marché des investissements, avec un marché des investissements AI affichant une forte croissance, enregistrant une croissance explosive au deuxième trimestre 2024. Au niveau mondial, il y a eu 16 investissements liés à l'AI dépassant 150 millions de dollars, soit le double du premier trimestre. Le montant total des financements pour les start-ups AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, appartenant à Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième start-up AI la mieux valorisée après OpenAI.

Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. Des batailles féroces entre les géants de la technologie, à l'épanouissement des projets de la communauté open-source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets affluent, les investissements atteignent des sommets inédits et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est à une période dorée de développement rapide, avec des modèles de langage de grande taille et des technologies génératives augmentées par la recherche ayant réalisé des avancées significatives dans le traitement du langage. Cela dit, ces modèles continuent de faire face à des défis pour transformer l'avantage technologique en produits concrets, tels que l'incertitude des sorties des modèles, le risque d'illusion d'informations générées de manière inexacte, ainsi que les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est primordiale.

Dans ce contexte, nous avons commencé à étudier l'Agent IA, car l'Agent IA met l'accent sur l'intégralité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de véritablement comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement de l'Agent IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments essentiels de l'IA : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de Web3, tels que la décentralisation, l'économie des jetons et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine intersectionnel plein de potentiel, nous pensons que l'Agent IA, avec sa capacité à exécuter des tâches de manière autonome, démontre un immense potentiel pour une application à grande échelle.

Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des niveaux d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et le Web3.

Clarification des concepts : Introduction et aperçu des classifications des agents IA

Introduction de base

Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la récupération peut offrir un contenu de destination plus riche et spécifique. Et l'Agent IA est comme JARVIS dans le film Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.

La définition généralement acceptée d'un agent AI dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations sur l'environnement via des capteurs, puis en les traitant pour influencer l'environnement par le biais d'exécuteurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent AI est un assistant qui combine des capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il est capable non seulement de fournir des informations simples, mais également de planifier, décomposer des tâches et de les exécuter réellement.

Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans nos vies, appliqués dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.

Prenons ChatGPT comme exemple pour clarifier les concepts, nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, GPT est une série de modèles développés sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP est donc un agent d'IA évolué à partir du modèle GPT.

Aperçu des catégories

Le marché des agents AI n'a pas encore de norme de classification uniforme. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, en les classant en fonction des étiquettes significatives de chaque projet, en les répartissant en classifications de premier et de deuxième niveau. Les classifications de premier niveau sont l'infrastructure de base, la génération de contenu et l'interaction utilisateur, puis nous avons affiné en fonction de leurs cas d'utilisation réels :

Infrastructure : Cette catégorie se concentre sur la construction de contenus plutôt fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B d'applications de base plus matures.

• Outils de développement : fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
• Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisé pour aider à la prise de décision et fournir des sources pour la formation.
• Catégorie d'entraînement de modèles : Fournit des services d'entraînement de modèles pour l'IA, y compris l'inférence, la création de modèles, les réglages, etc.
• Services pour les entreprises : principalement destinés aux utilisateurs professionnels, offrant des solutions de services aux entreprises, verticales et automatisées.
• Plateformes de type agrégateur : plateformes qui intègrent divers services et outils d'Agent AI.

Interactif : Semblable à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. L'agent interactif non seulement accepte et comprend les besoins de l'utilisateur, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec l'utilisateur.

• Agents AI d'accompagnement émotionnel : fournissent un soutien émotionnel et de la companionship.
• Type GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
• Catégorie de recherche : Agent axé sur la fonctionnalité de recherche, fournissant une récupération d'informations plus précise.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer divers types de contenu selon les instructions des utilisateurs, divisés en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.

Analyse de l'état actuel du développement des agents d'IA Web2

Selon nos statistiques, le développement des agents d'IA dans le Web2 traditionnel présente une tendance de concentration manifeste. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, avec principalement des services B2B et des outils de développement. Nous avons également mené une certaine analyse sur ce phénomène.

L'impact de la maturité technologique : Les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, réduisant ainsi la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.

La pression de la demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande du marché des entreprises pour les technologies d'IA est plus pressante, en particulier dans la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour développer des projets futurs.

Limitations des cas d'utilisation : En même temps, nous avons remarqué que l'application des IA de génération de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible des IA de génération de contenu dans la bibliothèque de projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des scénarios d'application. Avec les progrès continus de la technologie AI et la clarification de la demande du marché, nous prévoyons que ce schéma pourrait subir des ajustements, mais les infrastructures resteront une pierre angulaire solide du développement des agents AI.

Analyse des projets leaders des agents IA Web2

Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et analysons ces projets, en prenant comme exemples Character AI, Perplexity AI et Midjourney.

Character AI :

Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de mener des dialogues en langage naturel et d'exécuter des tâches spécifiques.

Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme comptant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une évaluation atteignant 1 milliard de dollars, dirigée par a16z.

Analyse technique : Character AI a signé un accord de licence non exclusif avec la maison mère de Google, Alphabet, pour utiliser ses modèles de langage à grande échelle, ce qui indique que Character AI utilise une technologie développée en interne. Il est à noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.

Perplexity AI :

Présentation du produit : Perplexity peut extraire et fournir des réponses détaillées à partir d'Internet. En citant et en référencant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins de recherche variés des utilisateurs.

Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic de ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.

Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Ces modèles sont adaptés à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.

Midjourney:

Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, couvrant tout, du réalisme à