Чи може AI-агент стати рятівним соломкою для Web3+AI?

Проекти AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, тоді як у сфері Web3 проекти з навчання моделей та платформами, що об'єднують, стають основними через їхню ключову роль у побудові екосистем.

Наразі кількість проектів AI Agent у Web3 невелика — лише 8%, але їхня частка ринкової вартості в AI-секторі становить аж 23%, що свідчить про їхню сильну конкурентоспроможність на ринку. Ми прогнозуємо, що з розвитком технологій і підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.

Для проектів Web3 впровадження технології ШІ може стати стратегічною перевагою для продуктів на кінцевих застосунках, які не є основою AI. У поєднанні з проектами AI Agent слід зосередитися на побудові екосистеми та проектуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: Стан проектів та підвищення оцінки

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

Змагання між великими технологічними гігантами не лише сприяло розвитку комерційних застосувань, але й з наших досліджень у галузі відкритого AI виявлено, що звіт AI Index 2024 року показує, що кількість проектів, пов'язаних з AI на GitHub, збільшилася 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% в річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.

Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року відзначається вибуховий ріст. У світі відбулося 16 угод з інвестиціями, пов'язаними зі ШІ, на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ також зросла до 24 мільярдів доларів, що вдвічі більше, ніж у попередньому році. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, її оцінка становить 24 мільярди доларів, що робить її другою за величиною оцінки стартапом у сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту перетворює технологічну сферу на небаченій швидкості. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів в open-source спільнотах, до гарячого попиту на концепції ШІ на фінансових ринках. Проекти з'являються один за іншим, інвестиції встановлюють нові рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології, що підсилюють генерацію запитів, досягли значного прогресу в обробці мов. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в контексті застосувань, де вимоги до надійності є надзвичайно високими.

У цьому контексті ми починаємо дослідження AI Agent, оскільки AI Agent підкреслює повноту вирішення реальних проблем і взаємодії з середовищем. Ця зміна знаменує собою еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно здатні розуміти, навчатися та вирішувати реальні проблеми. Отже, ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно переформатовує структуру продуктивності, тоді як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність поєднуються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перехресній галузі ми вважаємо, що AI Agent завдяки своїй здатності самостійно виконувати завдання демонструє величезний потенціал для масштабного застосування.

З цією метою ми почали глибше досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня застосувань, а також ринків даних і моделей, щоб виявити та оцінити найбільш перспективні типи проектів і сценаріїв застосування, щоб глибше зрозуміти глибоке злиття AI та Web3.

Уточнення понять: Вступ до AI Agent та огляд його класифікації

Основне введення

Перед тим, як ознайомити з AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та моделлю, ми наведемо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та рекомендації щодо подорожі. Технологія генерації з підсиленням пошуку може надати більш багатий і конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільму про Залізну людину, він може зрозуміти ваші потреби, а також активно шукати рейси та готелі на основі вашої фрази, виконувати операції з бронювання та додавати поїздку до календаря.

В даний час в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка може сприймати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про навколишнє середовище через датчики, обробляючи її та впливаючи на середовище за допомогою виконавчих механізмів (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent — це помічник, який об'єднує LLM, RAG, пам'ять, планування завдань та здатність до використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та справді їх виконувати.

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

Візьмемо ChatGPT як приклад для уточнення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, що складає AI-моделі, GPT є серією моделей, що розвинулась на основі цієї архітектури, тоді як GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP є AI-агентом, що еволюціонував на основі моделі GPT.

Категорія огляд

На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації, ми позначили 204 проекти AI Agent на ринках Web2+Web3, на основі помітних тегів кожного проекту, розділивши їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачем, а також подальше уточнення на основі фактичних випадків використання:

Інфраструктурні рішення: ця категорія зосереджена на створенні більш базового вмісту в сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові застосування для B-клієнтів.

Інструменти для розробки: надають розробникам допоміжні засоби та фреймворки для створення AI Agent.

Обробка даних: обробка та аналіз даних різних форматів, головним чином використовується для підтримки прийняття рішень та надання джерел для навчання.

Моделі навчання: надає послуги з навчання моделей для ШІ, включаючи інференцію, створення та налаштування моделей тощо.

B-термінал послуги: в основному націлені на корпоративних користувачів, надають послуги для підприємств, вертикальні рішення та автоматизовані рішення.

Платформи для збору: платформи, що інтегрують різні сервіси та інструменти AI Agent.

Інтерактивні агенти: подібно до агентів, що генерують контент, але відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають і розуміють потреби користувача, але й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.

Емоційний супровід: AI-агент, який надає емоційну підтримку та супровід.

GPT клас: AI агент на основі моделі GPT (генеративний попередньо навчений трансформер).

Тип пошуку: агент, зосереджений на функціях пошуку, що забезпечує більш точний інформаційний пошук.

Контентні генераційні проекти: цей тип проектів зосереджений на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

Аналіз стану розвитку Web2 AI Agent

Згідно з нашою статистикою, у Web2 традиційному Інтернеті розробка AI Agent виявляє помітну тенденцію до концентрації в певних секторах. Конкретно, приблизно дві третини проєктів зосереджені на інфраструктурі, серед яких переважають послуги для бізнесу та інструменти для розробки. Ми також провели певний аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все завдяки своїй зрілості технологій. Ці проекти зазвичай ґрунтуються на технологіях і рамках, перевірених часом, що знижує труднощі та ризики розробки. Це еквівалентно "лопаті" в галузі ШІ, яка забезпечує міцну основу для розробки та застосування AI Agent.

Розвиток попиту на ринку: ще один ключовий фактор – це попит на ринку. У порівнянні з споживчим ринком, попит на технології ШІ в бізнес-ринку є більш терміновим, особливо в пошуку рішень для підвищення ефективності операцій та зниження витрат. Водночас для розробників грошові потоки з боку бізнесу є відносно стабільними, що сприяє їхньому розвитку наступних проектів.

Обмеження застосування: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його результатів компанії більше схиляються до тих додатків, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проектів є невеликою.

Ця тенденція відображає фактичні міркування щодо зрілості технологій, попиту на ринку та сценаріїв застосування. У міру постійного прогресу технологій штучного інтелекту та подальшого уточнення попиту на ринку, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишаться міцним підґрунтям для розвитку AI Agent.

Аналіз провідних проектів AI агентів Web2

Ми детально розглядаємо деякі проекти AI Agent на поточному ринку Web2 та аналізуємо їх на прикладі трьох проектів: Character AI, Perplexity AI, Midjourney.

Штучний інтелект персонажа:

Опис продукту: Character.AI пропонує систему діалогів на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести діалоги природною мовою та виконувати певні завдання.

Аналіз даних: Character.AI у травні мала 277 мільйонів візитів, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких у віці від 18 до 34 років, що свідчить про молодіжну характеристику користувацької бази. Character AI показала відмінні результати на капітальних ринках, залучивши 150 мільйонів доларів інвестицій, оцінка досягла 1 мільярда доларів, лідером інвестицій стала a16z.

Технічний аналіз: Character AI підписала неексклюзивну угоду про ліцензування на використання своїх великих мовних моделей з материнською компанією Google Alphabet, 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 Llama від Google.

Штучний інтелект Perplexity:

Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням і посиланням на джерела забезпечується надійність і точність інформації, одночасно він навчає, направляє користувачів на додаткові запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а обсяги доступу до його мобільних та настільних додатків у лютому зросли на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінка компанії досягла 1,04 мільярда доларів, інвестиції очолив Daniel Gross, учасниками стали Stan Druckenmiller та NVIDIA.

Технічний аналіз: Основна модель, яку використовує Perplexity, є налаштованою версією GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних сферах, забезпечуючи достовірність та надійність інформації.

Міджорні:

Опис продукту: Користувачі можуть створювати зображення різних стилів та тем в Midjourney за допомогою Prompts, охоплюючи широкий спектр творчих потреб від реалістичних до абстрактних. Платформа також