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

Les projets d'agent IA sont principalement des services destinés aux entreprises dans le domaine de l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus mainstream en raison de leur rôle clé dans la construction d'écosystèmes.

Actuellement, le nombre de projets d'agents IA dans le Web3 est peu élevé, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars apparaîtront à l'avenir.

Pour les projets Web3, l'introduction de technologies AI dans les produits d'application qui ne sont pas au cœur de l'IA peut constituer un avantage stratégique. Pour les projets d'Agent AI, il est essentiel de se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de jetons afin de favoriser la décentralisation et les effets de réseau.

Vague d'IA : État des lieux des projets émergents et des valorisations en hausse

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 après la sortie de ChatGPT, OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o. Face à cette dynamique rapide, les grands noms de la technologie traditionnelle ont pris conscience de l'importance des applications de modèles d'IA à la pointe comme 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 introduit des 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 compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais également, d'après une enquête sur la recherche en IA open source, 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, après la publication de GPT en 2023, 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'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, où le marché des investissements en AI connaît une forte croissance, avec une croissance explosive prévue au deuxième trimestre 2024. Il y a eu 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi ceux-ci, xAI, appartenant à Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième startup AI la mieux valorisée après OpenAI.

Le développement rapide des technologies de l'IA redéfinit le paysage du domaine technologique à une vitesse sans précédent. De la concurrence intense 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'IA. Les projets fleurissent, les montants investis atteignent des sommets historiques, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'IA se trouve dans une période dorée de développement rapide, avec des modèles de langage à grande échelle et des technologies de génération améliorée par recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque de génération d'informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.

Dans ce contexte, nous avons commencé à étudier les Agents IA, car les Agents IA mettent l'accent sur la résolution de problèmes pratiques et 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 réellement comprendre, apprendre et résoudre des problèmes du monde réel. Ainsi, nous voyons de l'espoir dans le développement des Agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit constamment l'architecture de la productivité, tandis que la technologie Web3 recompose les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux du Web3 comme la décentralisation, l'économie de jetons et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine d'intersection plein de potentiel, nous pensons que les Agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, démontrent un immense potentiel pour des applications à grande échelle.

Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans le Web3, en examinant les infrastructures, les middleware, les niveaux d'application, ainsi que les 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 de l'IA et du Web3.

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

Introduction de base

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

La définition actuellement répandue de l'AI Agent dans l'industrie fait référence à un système intelligent capable de percevoir l'environnement et d'agir en conséquence, en obtenant des informations environnementales via des capteurs, puis en influençant l'environnement par le biais d'actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous pensons que l'AI Agent est un assistant qui combine des capacités LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations pures, mais aussi planifier, décomposer des tâches et les exécuter réellement.

Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur 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 de l'environnement extérieur et agir en conséquence pour influencer le monde réel.

Prenons ChatGPT comme exemple pour clarifier le concept. Nous devons clairement indiquer 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 différentes étapes de développement. ChatGPT est donc un agent IA évolué à partir du modèle GPT.

aperçu des catégories

Le marché actuel des agents AI n'a pas encore formé de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 + Web3 de manière distincte, en fonction des étiquettes significatives associées à chaque projet, en les classant en catégories de premier et de deuxième niveau. Les catégories de premier niveau sont l'infrastructure de base, la génération de contenu et l'interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :

Infrastructure : Cette catégorie se concentre sur la construction de contenus relativement fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B relativement matures et basés sur des applications fondamentales.

Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents AI.

Traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.

Catégorie d'entraînement de modèles : fournit des services d'entraînement de modèles pour l'IA, y compris l'inférence, la création de modèles, les paramètres, etc.

Services B2B : principalement destiné aux utilisateurs d'entreprise, offrant des solutions de services aux entreprises, verticales et automatisées.

Plateforme d'agrégation : une plateforme intégrant divers services et outils d'agents AI.

Interactivité : semblable à la génération de contenu, la différence réside dans l'interaction continue et bidirectionnelle. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.

Agents AI de soutien émotionnel : Fournissent un soutien émotionnel et de la compagnie.

Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).

Agent de recherche : axé sur les fonctionnalités de recherche, fournissant des récupérations d'informations plus précises.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu en fonction des instructions des utilisateurs, répartis en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.

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

Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration des segments clairement définie. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué une certaine analyse de ce phénomène.

Impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit 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 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 la technologie AI est plus pressante, en particulier dans la recherche de solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. De plus, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.

Limitations des cas d'application : Parallèlement, nous avons remarqué que l'application des IA génératrices de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leurs productions, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une faible part des IA génératrices de contenu dans le portefeuille de projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les avancées continues de la technologie AI et la clarification croissante de la demande du marché, nous prévoyons que cette configuration pourrait être ajustée, mais les infrastructures resteront la pierre angulaire du développement des agents AI.

Analyse des projets leaders d'agents AI Web2

Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et analysons ces derniers, en prenant pour exemple trois projets : Character AI, Perplexity AI et Midjourney.

Character AI :

Présentation du produit : Character.AI propose un système de conversation basé sur l'intelligence artificielle et des outils 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 conversations en langage naturel et d'exécuter des tâches spécifiques.

Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte 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 excellé sur le marché des capitaux, ayant levé 150 millions de dollars, atteignant une valorisation de 1 milliard de dollars, avec a16z en tant que principal investisseur.

Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage à grande échelle, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de 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 référant des liens, il assure 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 diversifiés 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 sur 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, atteignant une valorisation de 1,04 milliard de dollars, avec Daniel Gross en tête de file, et des participants incluant 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 conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.

Midjourney:

Introduction du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes sur Midjourney grâce à des invites, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstrait. La plateforme propose également