Чи може AI агент стати рятівною соломинкою для Web3+AI?

Проект AI Agent є популярним і зрілим типом у Web2 стартапах, який в основному орієнтується на корпоративні послуги, тоді як у сфері Web3 проекти з навчання моделей і платформами, що об'єднують, стають основними через їхню ключову роль у побудові екосистеми.

Наразі кількість проектів AI Agent у Web3 незначна, складає 8%, але їхня частка ринкової капіталізації в AI-секторі сягає 23%, що свідчить про їхню сильну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та зростанням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.

Для проектів Web3 впровадження технології ШІ в продуктах, які не є основою для ШІ, може стати стратегічною перевагою. При поєднанні проектів AI Agent слід акцентувати увагу на побудові повної екосистеми та проектуванні токеноміки для сприяння децентралізації та мережевим ефектам.

Хвиля ШІ: Стан зростання проектів та оцінок

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

Змагання між великими технологічними гігантами не лише сприяло розвитку комерційних застосувань, але й з нашого дослідження статистики відкритих AI-досліджень видно, що звіт AI Index за 2024 рік 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% у порівнянні з минулим роком, що відображає захоплення глобальної спільноти розробників AI-дослідженнями.

Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в AI демонструє потужний ріст, у другому кварталі 2024 року він показує вибухове зростання. У світі було зафіксовано 16 угод з інвестиціями в AI на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері AI різко зросла до 24 мільярдів доларів, що перевищує показник минулого року більш ніж удвічі. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, її оцінка становить 24 мільярди доларів, що робить її другою за величиною оцінкою серед стартапів у сфері AI після OpenAI.

Швидкий розвиток технологій штучного інтелекту перебудовує ландшафт технологічної сфери з небаченою швидкістю. Від запеклої боротьби між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, до гарячого інтересу ринку капіталу до концепції ШІ. Проекти з'являються один за одним, обсяги інвестицій б'ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в золотий період швидкого розвитку, великі мовні моделі та технології підсилення генерації на основі пошуку досягли значного прогресу в обробці мов. Проте, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у фактичні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми з прозорістю моделей. Ці питання стають особливо важливими в сценаріях застосування, де вимоги до надійності є надзвичайно високими.

У цьому контексті ми почали досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, здатних дійсно розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію у розвитку AI Agent, який поступово замикає розрив між технологією AI та вирішенням практичних проблем. Еволюція технології AI постійно перетворює структуру продуктивності, тоді як технологія Web3 перебудовує виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з ключовими 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 масштабного застосування.

Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей з кількох вимірів, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.

Уточнення понять: Вступ до AI Агентів та огляд їх класифікації

Основна інформація

Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та моделлю, ми надамо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технологія, що підсилює пошукові результати, може надати більш багатий та конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну людину: він може зрозуміти ваші потреби та за вашим запитом активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.

Зараз у галузі загальноприйнятим є визначення AI Agent як інтелектуальної системи, яка здатна сприймати навколишнє середовище та відповідно реагувати, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її та впливаючи на середовище за допомогою виконавчих пристроїв (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є асистентом, який об'єднує можливості LLM, RAG, пам'яті, планування завдань і використання інструментів. Він може не лише надавати інформацію, але й планувати, розбивати завдання та реально їх виконувати.

Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння Tesla рівня L5 і вище, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні вхідні дані від користувачів і на основі цього впливати на реальне середовище.

В якості прикладу розглянемо ChatGPT для прояснення концепцій. Ми повинні чітко зазначити, що Transformer є технічною архітектурою, що складає AI моделі, а GPT є серією моделей, що розвинулась на базі цієї архітектури, причому GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на основі моделі GPT.

Класифікаційний огляд

Наразі на ринку AI Agent ще не сформовано єдиного стандарту класифікації. Ми проставили мітки 204 проектам AI Agent на ринках Web2+Web3, відповідно до їх помітних характеристик, поділивши їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачем, а потім ми деталізували їх на основі фактичних випадків використання:

Інфраструктурні рішення: ця категорія зосереджена на побудові більш базових елементів у сфері агентів, включаючи платформи, моделі, дані, розробницькі інструменти, а також більш зрілі та базові послуги для B-клієнтів.

• Інструменти для розробників: надання допоміжних інструментів та фреймворків для розробників, що створюють AI Agent.

• Класи обробки даних: обробка та аналіз даних різних форматів, головним чином для підтримки прийняття рішень та надання джерел для навчання.

• Моделі навчання: надає послуги навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо

• Послуги для B-端: переважно орієнтовані на корпоративних користувачів, пропонуючи послуги для підприємств, вертикальні рішення та автоматизовані рішення.

• Платформа збору: платформа, що інтегрує різноманітні послуги та інструменти AI Agent.

Інтерактивні: подібно до класу генерації контенту, але з відмінністю у постійній двосторонній взаємодії. Інтерактивні агенти не лише приймають і розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачами.

• Емоційна підтримка: AI агент, який надає емоційну підтримку та компанію.

• GPT-тип: AI-агент на базі моделі GPT (генеративний попередньо навчений трансформер).

• Пошукові агенти: зосереджені на функції пошуку, надають більш точний інформаційний пошук.

Генерація контенту: Ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

! [Чи може AI Agent стати порятунком для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)

Аналіз сучасного стану розвитку Web2 AI Agent

Згідно з нашою статистикою, розробка AI Agent у традиційному інтернеті Web2 демонструє помітну тенденцію до концентрації в певних секторах. Конкретно, приблизно дві третини проектів зосереджені в інфраструктурному сегменті, головним чином це послуги для B-сторони та інструменти для розробки, ми також провели деякий аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію перш за все завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в галузі штучного інтелекту, забезпечуючи надійну основу для розробки та застосування AI Agent.

Рух ринковим попитом: ще одним ключовим фактором є ринковий попит. У порівнянні з споживчим ринком, попит на технології ШІ з боку корпоративного сектора є більш нагальним, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з корпоративного сектора є відносно стабільними, що сприяє їхній розробці наступних проектів.

Обмеження сценаріїв застосування: Водночас ми зауважили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його продукції компанії більше схиляються до тих застосувань, які можуть стабільно підвищити 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 міркування щодо сценаріїв використання. З розвитком технологій ШІ та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні проекти, як і раніше, залишатимуться міцною основою розвитку AI Agent.

Аналіз провідних проектів AI агентів Web2

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

Штучний інтелект персонажа:

Опис продукту: Character.AI надає системи 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 діалоги та виконувати певні завдання.

Аналіз даних: Кількість відвідувачів Character.AI у травні склала 277 мільйонів, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну аудиторію. Character AI показала чудові результати на ринку капіталу, залучивши 150 мільйонів доларів фінансування, її оцінка досягла 1 мільярда доларів, а лідером інвестицій стала a16z.

Технічний аналіз: Character AI підписала ліцензійну угоду з компанією-матір'ю Google Alphabet про невиключне використання своєї великої мовної моделі, 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 Google Llama.

Перплексити ШІ:

Опис продукту: Perplexity може збирати та надавати докладні відповіді з Інтернету. Завдяки посиланням та референсним лінкам забезпечується надійність та точність інформації, при цьому він навчає, керує користувачами для подальших запитів та пошуку ключових слів, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність її мобільного та настільного додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, оцінка компанії досягла 1,04 мільярда доларів, лідером інвестицій виступив Деніел Грос, а учасниками стали Стен Друкенміллер та NVIDIA.

Технічний аналіз: Основна модель, що використовується Perplexity, є доопрацьованою GPT-3.5, а також двома великими моделями, доопрацьованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних сферах, забезпечуючи правдивість та надійність інформації.

Середина подорожі:

Опис продукту: Користувачі можуть створювати зображення різних стилів і тем за допомогою Prompts у Midjourney, покриваючи широкий спектр творчих потреб від реалістичного до абстрактного. Платформа також пропонує змішування та редагування зображень, дозволяючи користувачам накладати зображення та здійснювати перенесення стилю, а функція реального часу платформи забезпечує користувачів можливістю отримати результати протягом кількох десятків секунд до кількох хвилин.