¿Puede el agente de IA convertirse en el salvavidas de Web3+AI?

Los proyectos de agentes de IA son principalmente tipos de servicios empresariales populares y maduros en el emprendimiento Web2, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.

Actualmente, la cantidad de proyectos de Agentes de IA en Web3 es baja, representando un 8%, pero su participación en el valor de mercado en el sector de IA es de hasta el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que con la madurez de la tecnología y el aumento del reconocimiento en el mercado, en el futuro aparecerán varios proyectos valorados en más de 1.000 millones de dólares.

Para los proyectos de Web3, la incorporación de tecnología AI en productos de aplicación no centrales a la AI puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de AI Agent debe centrarse en la construcción de todo el ecosistema y el diseño del modelo económico de tokens para promover la descentralización y los efectos de red.

Ola de IA: La situación actual de la aparición de proyectos y el aumento de la valoración

Desde que ChatGPT fue lanzado en noviembre de 2022, ha atraído a más de 100 millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, después del lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con un ritmo tan acelerado, los grandes gigantes tecnológicos tradicionales se han dado cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y han lanzado 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 modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de intensa competencia.

La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de una investigación de estadísticas sobre la investigación de IA de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub aumentó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% interanualmente, reflejando el entusiasmo de la comunidad global de desarrolladores por la investigación en IA.

La pasión por la tecnología AI se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en AI muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, se realizaron 16 inversiones relacionadas con AI que superan los 150 millones de dólares, lo que es el doble que en el primer trimestre. El total de financiamiento para startups de AI ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI de Musk ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de AI con la valoración más alta, solo detrás de OpenAI.

El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, con inversiones que alcanzan nuevos máximos y valoraciones que también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, 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 la ventaja tecnológica en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.

En este contexto, comenzamos a investigar 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 a sistemas inteligentes que realmente pueden entender, 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 reconstruyendo las relaciones de producción en la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, predecimos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que los Agentes de IA, con su capacidad de ejecutar tareas de manera autónoma, muestran un enorme potencial para lograr aplicaciones a gran escala.

Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del AI Agent en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en 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 a fondo la profunda integración de AI y Web3.

Aclaración de conceptos: Introducción y clasificación de los agentes de IA

Introducción básica

Antes de presentar el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario real como ejemplo: supongamos que estás planeando un viaje. Un modelo de lenguaje grande tradicional proporciona información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente de IA es como J.A.R.V.I.S. en la película de Iron Man, puede entender las necesidades y también puede buscar proactivamente vuelos y hoteles basándose en una de tus frases, realizar reservas y agregar el itinerario al calendario.

Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y realizar acciones en consecuencia, obteniendo información ambiental 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 capacidades de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.

Según esta definición y características, podemos descubrir 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 en adelante de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del exterior y, en función de ello, hacer que su entorno real se vea afectado.

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

Resumen de clasificación

Actualmente, el mercado de Agentes AI 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 categorías de primer y segundo nivel. Entre ellas, la categoría de primer nivel incluye tres tipos: 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 la construcción de contenido más básico en el ámbito de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo, así como servicios B2B más maduros y aplicaciones en la capa inferior.

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

• Clase de procesamiento de datos: manejar 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 de modelos, configuración, etc.

• Servicios para el sector B: dirigidos principalmente a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.

• Plataforma de tipo colección: una plataforma que integra varios servicios y herramientas de Agentes de IA.

Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.

• Agente AI de acompañamiento emocional: proporciona apoyo emocional y compañía.

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

• Clase de búsqueda: un agente centrado en la función de búsqueda, que ofrece una recuperación de información más precisa.

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

Análisis del estado actual del desarrollo del agente de IA Web2

Según nuestras estadísticas, el desarrollo de agentes de IA en el Internet tradicional Web2 muestra una clara tendencia de concentración de bloques. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más numerosos. También hemos realizado un análisis sobre este fenómeno.

Impacto de la madurez tecnológica: la razón por la cual los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivalente a la "pala" en el campo de la IA, proporciona una base sólida para el desarrollo y la aplicación de Agentes de IA.

Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología 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 de los escenarios de aplicación: Al mismo tiempo, notamos que las aplicaciones de IA generadora de contenido en el mercado B2B son relativamente limitadas. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden mejorar la productividad de manera constante. Esto ha llevado a que la IA generadora de contenido represente una proporción menor en el repositorio 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, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.

Análisis del proyecto líder de agentes de IA en Web2

Profundizamos en algunos proyectos de agentes de IA en el actual mercado de Web2 y los analizamos, tomando como ejemplos tres proyectos: 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 conversaciones 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, mostrando características de un grupo de usuarios más joven. Character AI ha tenido un desempeño sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 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, lo que indica que Character AI utiliza tecnología desarrollada internamente. Vale la pena mencionar que los fundadores de la compañía, 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 extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información a través de citas y enlaces de referencia, mientras educa y guía a los usuarios para realizar preguntas adicionales 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 experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha recaudado 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross como inversor principal, y participantes que incluyen a Stan Druckenmiller y NVIDIA.

Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos basados en modelos de código abierto ajustados: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para la investigación académica profesional y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.

Midjourney:

Introducción del producto: Los usuarios pueden crear imágenes de diversos estilos y temas en Midjourney a través de Prompts, abarcando desde el realismo hasta