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

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

Actuellement, le nombre de projets AI Agent dans le Web3 est limité, représentant 8 %, mais leur part de capitalisation boursière 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 devraient émerger avec une valorisation supérieure à 1 milliard de dollars.

Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut devenir un avantage stratégique. Pour les projets AI Agent, la manière de les combiner devrait se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons, afin de promouvoir la décentralisation et l'effet de réseau.

La vague de l'IA : état des projets émergents et des valorisations en hausse

Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de cent 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 OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grandes entreprises technologiques traditionnelles réalisent l'importance des applications des modèles d'IA de pointe comme les LLM et lancent 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 clair que le domaine de l'IA est devenu un champ de bataille incontournable.

La course entre les géants de la technologie a non seulement stimulé le développement des applications commerciales, mais une enquête sur la recherche en IA open source révèle que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub est passé 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 dans l'IA montre une forte croissance, avec une croissance explosive prévue au deuxième trimestre de 2024. Dans le monde, il y a eu 16 investissements liés à l'IA dépassant 150 millions de dollars, soit le double du premier trimestre. Le montant total des financements des startups AI a même grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon 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 de la technologie AI redessine le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'essor des projets de la communauté open source, jusqu'à l'engouement du marché des capitaux pour le concept d'IA. Les projets affluent, les montants d'investissement atteignent des sommets inédits et les valorisations montent en flèche. Globalement, le marché de l'IA est dans une période dorée de développement rapide, avec des avancées significatives dans le traitement du langage grâce aux grands modèles linguistiques et aux technologies de génération augmentée par la recherche. Néanmoins, ces modèles font face 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 d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est cruciale.

Dans ce contexte, nous avons commencé à étudier les agents d'IA, car les agents d'IA mettent l'accent sur l'intégralité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie AI d'un modèle linguistique pur vers des systèmes intelligents capables de réellement comprendre, apprendre et résoudre des problèmes concrets. Ainsi, nous voyons de l'espoir dans le développement des agents d'IA, qui comble progressivement le fossé entre la technologie AI et la résolution de problèmes pratiques. L'évolution de la technologie AI redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments fondamentaux de l'IA : données, modèles et puissance de calcul, fusionnent avec les concepts clés de la Web3 tels que la décentralisation, l'économie des jetons et les contrats intelligents, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous croyons que les agents d'IA, avec leur capacité à exécuter des tâches de manière autonome, démontrent un énorme potentiel pour réaliser 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 plusieurs dimensions allant des infrastructures Web3, du middleware, des couches d'application, jusqu'aux 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 mieux comprendre la profonde intégration de l'IA et du Web3.

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

Introduction de base

Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons illustrer cela par un scénario pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut offrir un contenu de destination plus riche et plus spécifique. L'Agent IA est comme J.A.R.V.I.S. dans les films Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, de réaliser des réservations et d'ajouter l'itinéraire à votre calendrier.

La définition généralement acceptée d'un agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations sur l'environnement grâce à des capteurs, puis en influençant cet environnement à travers des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui intègre les capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il ne se limite pas à fournir des informations, mais peut également 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 nos vies, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà 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 externes et agir en conséquence pour influencer l'environnement réel.

Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons souligner que le Transformer est l'architecture technique qui compose les modèles d'IA, et que le GPT est une série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGPT est donc un agent IA évolué basé sur le modèle GPT.

Aperçu de la classification

Le marché des agents AI n'a pas encore formé de normes de classification uniformes. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, en fonction des étiquettes significatives de chaque projet, et les avons classés en catégories de premier et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau sont les infrastructures de base, la génération de contenu et l'interaction utilisateur, puis elles sont subdivisées en fonction de leurs cas d'utilisation réels :

Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services B2B d'applications de base plus matures.

• Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour la construction d'Agents IA.

• Catégorie de traitement des données : traitement et analyse de données de différents formats, principalement utilisé pour soutenir la prise de décision et fournir des sources pour l'entraînement.

• Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création et la configuration de modèles, etc.

• Services B2B : principalement destinés aux utilisateurs professionnels, offrant des solutions de services aux entreprises, verticales et automatisées.

• Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.

Interactivité : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. 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 IA de soutien émotionnel : Fournissent un soutien émotionnel et de la compagnie.

• GPT type : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).

• Catégorie de recherche : se concentre sur la fonction de recherche, fournissant principalement un Agent pour la récupération d'informations plus précises.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des instructions de l'utilisateur, classées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.

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 claire de concentration sectorielle. Plus précisément, environ deux tiers des projets se concentrent sur les infrastructures, principalement des services B2B et des outils de développement. Nous avons également effectué une analyse de ce phénomène.

Impact de la maturité technologique : La domination des projets d'infrastructure est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés, ce qui réduit la difficulté et le risque de développement. C'est l'équivalent de la "pelleteuse" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.

La dynamique de la demande du marché : Un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande de la technologie AI sur le marché des entreprises est plus pressante, notamment en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, le flux de trésorerie provenant des entreprises est relativement stable, ce qui leur est favorable pour le développement de projets ultérieurs.

Limites des scénarios d'application : En attendant, nous avons remarqué que l'application des IA génératrices de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent des applications capables d'améliorer de manière stable leur productivité. Cela a conduit à une proportion relativement faible d'IA génératrices de contenu dans le portefeuille de projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations réelles des cas d'utilisation. Avec l'avancement continu de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la base solide du développement des agents AI.

Analyse des projets leaders d'agents IA Web2

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

Character AI :

Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil 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 comptant 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 réalisé un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé par a16z.

Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il est à 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 est capable de récupérer et de fournir des réponses détaillées sur Internet. En citant et en référencant des liens, il garantit 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 requêtes variées des utilisateurs.

Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, et le trafic de ses applications mobiles et de bureau a connu une augmentation de 8,6 % 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, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.

Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, 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:

Présentation du produit : Les utilisateurs peuvent créer des images dans divers styles et thèmes sur Midjourney en utilisant des invites, couvrant des styles allant du réalisme à