Может ли агент ИИ стать спасательным кругом Web3+AI?

Проекты AI Agent в Web2 являются популярным и зрелым типом, главным образом в области услуг для бизнеса, в то время как в области Web3 проекты по обучению моделей и платформенные агрегаторы стали основными из-за их ключевой роли в создании экосистем.

В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, однако их доля на рынке AI достигает 23%, что демонстрирует их сильную конкурентоспособность. 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 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При объединении проектов ИИ-агентов следует уделять внимание построению всей экосистемы и проектированию токеномики для содействия децентрализации и сетевым эффектам.

ВОЛНА ИИ: Текущая ситуация с выходом проектов и ростом оценок

С момента выхода ChatGPT в ноябре 2022 года, он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг выдающихся 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила такие итеративные версии, как GPT-4 и GP4-4o. В такой стремительной ситуации крупнейшие традиционные технологические компании осознали важность применения таких передовых AI моделей, как LLM, и начали запускать свои собственные AI модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили большие модели, такие как Вэньсинь Ийян и Чжипу Циньян. Очевидно, что область AI стала полем битвы для конкуренции.

Конкуренция между крупными технологическими гигантами не только стимулирует развитие коммерческих приложений, но также из исследования открытых AI-исследований мы обнаружили, что в AI Index report 2024 года количество проектов, связанных с AI на GitHub, увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выхода GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями в области AI.

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 зарегистрировано 16 инвестиций, связанных с ИИ, каждая из которых превышает 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что более чем вдвое больше по сравнению с прошлым годом. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов, с оценкой в 24 миллиарда долларов, став второй по величине по оценке стартапом в области ИИ после OpenAI.

Стремительное развитие технологий AI меняет ландшафт технологической сферы с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытом сообществе, а также до горячего интереса со стороны капитальных рынков к концепции AI. Проекты появляются один за другим, объемы инвестиций бьют рекорды, и оценки также растут. В целом, рынок AI находится в периоде быстрого развития, крупные языковые модели и технологии генерации с улучшенной выборкой достигли значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выходных данных модели, риск генерации неточной информации и проблемы прозрачности модели. Эти вопросы становятся особенно важными в приложениях с высоким требованием к надежности.

На этом фоне мы начали исследование AI Agent, поскольку AI Agent подчеркивает целостность решения практических проблем и взаимодействия с окружающей средой. Этот переход обозначает эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением практических проблем. Эволюция технологий ИИ постоянно перестраивает структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с такими основными идеями Web3, как децентрализация, токеномика и смарт-контракты, мы предсказываем, что это приведет к ряду инновационных приложений. В этой области, полной потенциала, мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для достижения массового применения.

В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая различные аспекты, от инфраструктуры Web3, промежуточного программного обеспечения и прикладного уровня до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания тесной интеграции AI и Web3.

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

Уточнение понятий: Введение в AI-агентов и обзор их классификации

Основные сведения

Перед тем как представить AI Агент, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем пример на реальном сценарии: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о направлениях и советы по путешествиям. Технология поиска, основанная на улучшении генерации, может предоставить более богатое и конкретное содержимое о направлениях. А AI Агент подобен Джарвису из фильма о Железном человеке, он понимает потребности и может активно искать рейсы и отели на основе вашего запроса, выполнять операции по бронированию и добавлять поездку в календарь.

В настоящее время в отрасли широко распространено определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и принимать соответствующие меры, получая информацию о среде с помощью датчиков, обрабатывая ее и влияя на окружающую среду через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только предоставляет информацию, но также может планировать, разбивать задачи и действительно их выполнять.

Согласно этому определению и характеристикам, мы можем увидеть, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автоматическое вождение уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать входные данные от пользователей и, основываясь на этом, оказывать влияние на реальную среду.

Для прояснения концепции на примере ChatGPT, мы должны ясно указать, что Transformer является технологической архитектурой, составляющей основу AI моделей, а GPT - это серия моделей, развившихся на этой архитектуре, причем GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах развития. ChatGP, в свою очередь, является AI агентом, эволюционировавшим на основе модели GPT.

Обзор категории

На данный момент на рынке AI-агентов еще не сформированы единые классификационные стандарты. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на значительных тегах каждого проекта, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователями, которые далее делятся на подкатегории в зависимости от их фактических случаев использования:

Инфраструктурные проекты: этот тип сосредоточен на создании более низкоуровневого контента в области агентства, включая платформы, модели, данные, инструменты разработки, а также более зрелые и низкоуровневые приложения для B2B-сервисов.

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

• Класс обработки данных: обработка и анализ данных различных форматов, в основном используется для поддержки принятия решений и предоставления источников для обучения.

• Класс обучения модели: предоставляет услуги по обучению моделей для ИИ, включая вывод, создание моделей, настройку и т. д.

• Услуги для B-класса: в основном ориентированы на корпоративных пользователей, предоставляют услуги для предприятий, вертикальные решения и автоматизированные решения.

• Платформа сборного типа: платформа, интегрирующая различные услуги и инструменты AI Agent.

Интерактивные агенты: похожи на агенты генерации контента, однако отличаются постоянным двусторонним взаимодействием. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), обеспечивая двустороннее взаимодействие с пользователями.

• Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и компанию.

• GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).

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

Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по пользовательским указаниям, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.

Анализ текущего состояния развития Web2 AI Agent

Согласно нашей статистике, развитие AI-агентов в традиционном интернет-пространстве Web2 демонстрирует очевидную тенденцию к концентрации в определенных сегментах. В частности, около двух третей проектов сосредоточены в области инфраструктуры, в основном это услуги для B-клиентов и инструменты разработки, и мы также провели некоторый анализ этого явления.

Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение в первую очередь благодаря своей зрелости технологий. Эти проекты обычно основываются на технологиях и рамках, проверенных временем, что снижает трудности и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.

Давление рыночного спроса: еще один ключевой фактор — это рыночный спрос. В отличие от потребительского рынка, спрос на AI-технологии в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков стабильный денежный поток от бизнеса благоприятен для разработки последующих проектов.

Ограничения в области применения: В то же время мы замечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной библиотеке относительно мала.

Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся прочной основой для развития ИИ-агентов.

Анализ ведущих проектов Web2 в области AI-агентов

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

ИИ персонажа:

Описание продукта: Character.AI предлагает системы диалога на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые способны вести диалоги на естественном языке и выполнять определенные задачи.

Анализ данных: количество посещений Character.AI в мае составило 277 миллионов, на платформе более 3,5 миллиона активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что демонстрирует молодежный характер пользовательской базы. Character AI показывает отличные результаты на капиталовложениях, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.

Технический анализ: Character AI подписала лицензионное соглашение о неэксклюзивном использовании своей большой языковой модели с материнской компанией Google Alphabet, что указывает на то, что Character AI использует собственную технологию. Стоит отметить, что основатели компании Ноам Шазир и Дэниел Де Фрейтас участвовали в разработке разговорной языковой модели Llama от Google.

Перплекси AI:

Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и ссылки, одновременно обучая и направляя пользователей на дополнительные вопросы и поиск ключевых слов, 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 получении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестором выступил 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, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в специализированных областях, обеспечивая достоверность и надежность информации.

Миджорни:

Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью Prompts, охватывающих широкий спектр творческих требований от реалистичного до абстрактного. Платформа также предлагает смешивание и редактирование изображений, позволяя пользователям накладывать изображения и переносить стили, а функция реального времени платформы гарантирует, что пользователи смогут получить результаты за десятки секунд до нескольких минут.