Может ли AI Agent стать спасением для Web3+AI?

Проекты AI Agent являются популярным и зрелым типом в Web2 стартапах, в основном ориентированным на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и сбору платформ становятся основными из-за их ключевой роли в построении экосистем.

В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их рыночная капитализация в сегменте AI достигает 23%, что демонстрирует их сильную конкурентоспособность на рынке. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.

Для проектов Web3 внедрение технологий ИИ в продукты, которые не являются основными для ИИ, может стать стратегическим преимуществом. В проектах AI Agent следует уделять внимание построению всей экосистемы и разработке токеномической модели для содействия децентрализации и сетевому эффекту.

Волна ИИ: текущее состояние появления проектов и повышения их оценки

С момента появления ChatGPT в ноябре 2022 года он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов США, а OpenAI быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o после запуска ChatGPT. В такой стремительной обстановке традиционные технологические гиганты осознали важность применения самых передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила большой языковой модель PaLM2, Meta представила Llama3, а китайские компании выпустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для всех.

Соревнование крупнейших технологических компаний не только способствовало развитию коммерческих приложений, но и, согласно исследованию открытого AI, результаты которого представлены в отчете AI Index 2024, количество проектов, связанных с AI, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов выросло 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, который демонстрирует сильный рост, с взрывным увеличением во втором квартале 2024 года. В мире было осуществлено 16 инвестиций в проекты, связанные с ИИ, на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также взлетела до 24 миллиардов долларов, что более чем в два раза превышает показатели прошлого года. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценочная стоимость составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ после OpenAI.

Быстрое развитие технологий ИИ в настоящее время переосмысляет ландшафт технологической области с беспрецедентной скоростью. От острого соперничества между технологическими гигантами до бурного развития проектов в open source-сообществе и горячего спроса на концепции ИИ на финансовых рынках. Проекты возникают один за другим, объемы инвестиций постоянно обновляют рекорды, а оценки соответственно растут. В целом, рынок ИИ находится в периоде золотого века быстрого роста, где крупные языковые модели и технологии генерации с поддержкой поиска достигли значительных успехов в обработке языка. Тем не менее, эти модели по-прежнему сталкиваются с трудностями при преобразовании технических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и вопросы прозрачности модели. Эти проблемы становятся особенно важными в сценариях применения, где требования к надежности очень высоки.

В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает полноту взаимодействия с реальными проблемами и окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, обучаются и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно перестраивает структуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токенизация и смарт-контракты, мы предвкушаем возникновение ряда инновационных приложений. В этой многообещающей пересеченной области мы считаем, что AI Agent с его способностью самостоятельно выполнять задачи демонстрирует огромный потенциал для реализации масштабного применения.

В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая различные аспекты, такие как инфраструктура Web3, промежуточное ПО, уровень приложений, а также рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.

Прояснение понятий: Введение в AI Agent и обзор его классификации

Основное введение

Перед тем как представить AI Agent, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционная большая языковая модель предоставляет информацию о направлениях и советы по путешествиям. Технология, основанная на извлечении и усилении генерации, может предоставить более богатый и конкретный контент о направлениях. А AI Agent похож на Джарвиса из фильма о Железном Человеке, он понимает потребности и может по вашей фразе активно искать рейсы и отели, выполнять операции по бронированию и добавлять поездку в календарь.

В настоящее время в отрасли широко принимается определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде с помощью сенсоров, обрабатывая ее и влияя на среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.

Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилоты уровня L5 и выше от Tesla, которые можно считать примерами AI Agent. Общей чертой этих систем является то, что они способны воспринимать внешние пользовательские входные данные и соответственно влиять на реальную среду.

В качестве примера для прояснения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer - это технологическая архитектура, составляющая основу AI-моделей, а GPT - это серия моделей, развивающихся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют версии моделей на разных стадиях развития. ChatGP, в свою очередь, является AI-агентом, эволюционировавшим на основе модели GPT.

Классификация

На данный момент рынок AI-агентов еще не сформировал единого классификационного стандарта. Мы классифицировали 204 проекта AI-агентов на рынках Web2 и Web3, присваивая им метки, и разделили их на первичные и вторичные категории в зависимости от значимых меток каждого проекта. Первичные категории включают инфраструктуру, генерацию контента и взаимодействие с пользователями, которые затем уточняются в зависимости от их фактических случаев использования:

Инфраструктурные решения: Этот тип сосредоточен на создании базовых элементов в области Агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для услуг B2B.

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

Обработка данных: обработка и анализ данных различных форматов, в основном используемых для поддержки принятия решений и предоставления источников для обучения.

Модельные тренировки: предоставление услуг по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т. д.

B2B услуги: в основном направлены на корпоративных пользователей, предоставляют услуги для предприятий, вертикальные и автоматизированные решения.

Платформы для агрегирования: платформа, интегрирующая различные услуги и инструменты AI Agent.

Интерактивные классы: похожи на классы генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивный агент не только принимает и понимает потребности пользователей, но и предоставляет обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.

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

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

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

Проекты по генерации контента: эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в зависимости от указаний пользователя, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.

Анализ текущего состояния развития Web2 AI Agent

Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, около двух третей проектов сосредоточены в области инфраструктуры, где преобладают услуги для бизнеса и инструменты для разработки. Мы также провели некоторый анализ этого явления.

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

Давление рыночного спроса: еще один ключевой фактор — это рыночный спрос. По сравнению с потребительским рынком, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от предприятий относительно стабильны, что способствует разработке последующих проектов.

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

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 все еще останутся надежным фундаментом для развития AI-агентов.

Анализ ведущих проектов AI-агентов Web2

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

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 могут вести диалоги на естественном языке и выполнять определенные задачи.

Анализ данных: Character.AI в мае достиг 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, из которых большинство – в возрасте от 18 до 34 лет, что свидетельствует о молодежной аудитории. Character AI показала отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, оценка компании достигла 1 миллиарда долларов, что было поддержано a16z.

Технический анализ: Character AI подписала неэксклюзивное лицензионное соглашение с материнской компанией Google Alphabet на использование своей крупной языковой модели, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке разговорной языковой модели Llama от Google.

ИИ недоумения:

Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и обеспечивая ссылки, он гарантирует надежность и точность информации, одновременно обучая и направляя пользователей на дополнительные вопросы и поисковые ключевые слова, удовлетворяя разнообразные запросы пользователей.

Анализ данных: Число активных пользователей Perplexity достигло 10 миллионов, а трафик мобильных и настольных приложений в феврале увеличился на 8,6%, привлекая около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, с оценкой в 1,04 миллиарда долларов, возглавляемой Даниэлем Гроссом, в числе участников такие как Стэн Друкенмиллер и NVIDIA.

Технический анализ: Основные модели, используемые Perplexity, это доработанный GPT-3.5, а также две крупные модели, доработанные на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, гарантируя достоверность и надежность информации.

В середине путешествия:

Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих широкий спектр творческих потребностей от реалистичных до абстрактных. Платформа также