¿Puede el Agente AI convertirse en la tabla de salvación del Web3+AI?

Los proyectos de agentes de IA son un tipo popular y maduro en el emprendimiento Web2, principalmente en servicios para empresas, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y plataformas de agregación se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.

Actualmente, hay pocos proyectos de AI Agent en Web3, representando el 8%, pero su capitalización de mercado en la pista de AI alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y la aceptación del mercado aumente, aparecerán múltiples proyectos con valoraciones superiores a mil millones de dólares.

Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son el núcleo de la IA puede convertirse en una ventaja estratégica. La forma en que se combine el proyecto de Agente de IA debe centrarse en la construcción de un ecosistema completo y el diseño de modelos económicos de tokens, para promover la descentralización y los efectos de red.

Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones

Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Está claro que el campo de la IA se ha convertido en un lugar de intensa competencia.

La competencia de los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de una encuesta de investigación de AI de código abierto, encontramos que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con AI en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023, especialmente después del lanzamiento de GPT en 2023, donde la cantidad de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en AI.

El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, experimentando un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hubo 16 inversiones relacionadas con la IA que superaron los 150 millones de dólares, el doble de las del primer trimestre. El total de financiamiento para startups de IA se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, propiedad de Musk, recaudó 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.

El rápido desarrollo de la tecnología de IA está reconfigurando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el fervor del mercado de capitales por los conceptos de IA. Los proyectos surgen constantemente, las inversiones alcanzan niveles récord, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido crecimiento, con modelos de lenguaje grandes y tecnologías de generación aumentada por recuperación logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y los problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.

En este contexto, comenzamos a investigar sobre los Agentes de IA, ya que estos enfatizan la integralidad en la resolución de problemas prácticos y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente teóricos hacia sistemas inteligentes capaces de comprender verdaderamente, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo de los Agentes de IA, que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que darán lugar a una serie de aplicaciones innovadoras. En este prometedor campo de intersección, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de manera autónoma, muestran un enorme potencial para la aplicación a gran escala.

Para ello, comenzamos a investigar a fondo las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones, así como en múltiples dimensiones como el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de la IA y Web3.

Clarificación de conceptos: Introducción y visión general de las categorías de Agentes de IA

Introducción básica

Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, usaremos un escenario práctico como ejemplo: Supongamos que estás planeando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. El Agente AI es como JARVIS en las películas de Iron Man, que puede entender tus necesidades y también buscar proactivamente vuelos y hoteles en función de una frase tuya, realizar reservas y agregar el itinerario al calendario.

Actualmente, la definición general de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y luego afectando el entorno a través de actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y habilidades de uso de herramientas. No solo puede proporcionar información pura, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.

Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas del usuario del entorno externo y, en consecuencia, hacer impacto en el entorno real.

Tomando ChatGPT como ejemplo para aclarar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se ha desarrollado a partir de esta arquitectura, y GPT-1, GPT-4, GPT-4o representan versiones del modelo en diferentes etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.

Resumen de categorías

Actualmente, el mercado de Agentes AI aún no ha formado un estándar de clasificación unificado. Hemos etiquetado 204 proyectos de Agentes AI en los mercados de Web2 y Web3, y según las etiquetas significativas de cada proyecto, los hemos dividido en clasificaciones de primer y segundo nivel. La clasificación de primer nivel consta de tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y se subdivide según sus casos de uso reales:

Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo, así como servicios B2B de aplicaciones más maduras y de base.

Herramientas de desarrollo: proporcionar a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.

Clase de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.

Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento y configuración del modelo, entre otros.

Servicios B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.

Clase de plataforma: una plataforma que integra varios servicios y herramientas de AI Agent.

Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. El agente de interacción no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.

Agentes de IA de acompañamiento emocional: proporcionan apoyo emocional y compañía.

Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).

Clase de búsqueda: Agente enfocado en la función de búsqueda, que ofrece una recuperación de información más precisa.

Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, dividiéndose en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.

Análisis del estado actual del desarrollo de agentes de IA Web2

Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional muestra una clara tendencia de concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, donde predominan los servicios para el sector B y las herramientas de desarrollo. También hemos realizado un análisis de este fenómeno.

Impacto de la madurez técnica: la razón por la cual los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez técnica. Estos proyectos generalmente se basan en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de agentes de IA.

Impulsado por la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnologías de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.

Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera estable. Esto ha llevado a que la IA generativa de contenido ocupe una proporción menor en el inventario de proyectos.

Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación de la demanda del mercado, esperamos que este patrón pueda ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de Agentes de IA.

Análisis de proyectos líderes en AI Agent de Web2

Exploramos en profundidad algunos proyectos de agentes de IA en el mercado actual de Web2 y analizamos estos proyectos, tomando como ejemplo Character AI, Perplexity AI y Midjourney.

Character AI:

Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener diálogos en lenguaje natural y realizar tareas específicas.

Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un gran rendimiento en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderada por a16z.

Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, para utilizar su modelo de lenguaje de gran tamaño, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.

Perplexity AI:

Introducción del producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde Internet. Asegura la fiabilidad y precisión de la información a través de citas y enlaces de referencia, y al mismo tiempo educa y guía a los usuarios para realizar preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.

Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, con una valoración de 1.04 mil millones de dólares, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.

Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, junto con dos grandes modelos ajustados basados en un modelo grande de código abierto: pplx-7b-online y pplx-70b-online. Estos modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, garantizando la veracidad y fiabilidad de la información.

Midjourney:

Introducción del producto: los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, cubriendo una amplia gama de necesidades creativas que van desde lo realista hasta lo abstracto. La plataforma también