Apakah AI Agent dapat menjadi penyelamat untuk Web3+AI?

Proyek AI Agent adalah jenis yang populer dan matang dalam kewirausahaan Web2, terutama dalam layanan di sisi perusahaan, sedangkan di bidang Web3, proyek pelatihan model dan pengumpulan platform menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.

Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka dalam sektor AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar.

Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang tidak berfokus pada AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus memperhatikan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.

Gelombang AI: Proyek yang Muncul dan Kenaikan Valuasi Saat Ini

Sejak ChatGPT diluncurkan pada November 2022, dalam waktu dua bulan saja telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan yaitu 20,3 juta dolar AS. Setelah peluncuran ChatGPT, OpenAI juga dengan cepat merilis versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu pesat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terbaru seperti LLM, dan mereka semua meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi area persaingan yang sangat ketat.

Kompetisi antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari survei dan statistik penelitian AI sumber terbuka, laporan AI Index 2024 menunjukkan bahwa jumlah proyek terkait AI di GitHub melonjak dari 845 pada tahun 2011 menjadi sekitar 1,8 juta pada tahun 2023, terutama setelah peluncuran GPT pada tahun 2023, jumlah proyek meningkat 59,3% dibandingkan tahun sebelumnya, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.

Antusiasme terhadap teknologi AI tercermin secara langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat, mengalami pertumbuhan eksplosif pada kuartal kedua 2024. Di seluruh dunia, terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun sebelumnya. Di antara mereka, xAI yang didirikan oleh Musk berhasil mengumpulkan 6 miliar dolar AS dengan valuasi mencapai 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.

Perkembangan pesat teknologi AI sedang merombak peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan sengit antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek terus bermunculan, investasi mencapai rekor tertinggi, dan valuasi juga meningkat pesat. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan dengan pencarian mencapai kemajuan signifikan dalam bidang pemrosesan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian keluaran model, risiko ilusi informasi yang dihasilkan secara tidak akurat, serta masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam konteks aplikasi yang memerlukan keandalan yang sangat tinggi.

Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensif dalam menyelesaikan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI terus membentuk kembali arsitektur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan kekuatan komputasi, bergabung dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan memunculkan serangkaian aplikasi inovatif. Dalam bidang silang yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk melaksanakan tugas secara mandiri, menunjukkan potensi besar untuk aplikasi skala besar.

Untuk itu, kami mulai menyelidiki aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, aspek aplikasi, hingga pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami secara mendalam integrasi AI dan Web3.

Penjelasan Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent

Pengenalan Dasar

Sebelum memperkenalkan AI Agent, untuk membantu pembaca memahami perbedaan antara definisi dan model itu sendiri, kita akan memberikan contoh melalui sebuah skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tujuan dan saran perjalanan. Teknologi penguatan generasi pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sedangkan AI Agent seperti JARVIS dalam film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan operasi pemesanan, dan menambahkan jadwal ke kalender.

Saat ini, definisi AI Agent yang umum di industri adalah sistem cerdas yang mampu merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, memprosesnya, dan kemudian mempengaruhi lingkungan melalui eksekutor (Stuart Russell & Peter Norvig, 2020). Kami percaya bahwa AI Agent adalah asisten yang menggabungkan kemampuan LLM, RAG, memori, perencanaan tugas, dan penggunaan alat. Ia tidak hanya dapat menyediakan informasi secara sederhana, tetapi juga dapat merencanakan, membagi tugas, dan benar-benar melaksanakannya.

Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah menyatu dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis level L5 ke atas dari Tesla yang dapat dianggap sebagai contoh AI Agent. Ciri khas dari sistem-sistem ini adalah semuanya dapat merasakan input pengguna dari lingkungan luar dan meresponsnya sehingga memberikan dampak pada lingkungan nyata.

Sebagai contoh dengan ChatGPT, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sedangkan GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGPT adalah AI Agent yang berevolusi berdasarkan model GPT.

Ringkasan Klasifikasi

Saat ini, pasar AI Agent belum membentuk standar klasifikasi yang seragam. Kami menggunakan metode penandaan pada 204 proyek AI Agent di pasar Web2+Web3 secara terpisah. Berdasarkan label signifikan yang sesuai dengan setiap proyek, kami membagi menjadi kategori tingkat satu dan kategori tingkat dua. Kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang selanjutnya disegmentasi berdasarkan kasus penggunaan aktual.

Infrastruktur: Jenis ini fokus pada pembangunan konten yang lebih dasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan kelas B yang lebih matang dan aplikasi dasar.

• Alat pengembangan: menyediakan alat dan kerangka kerja untuk membantu pengembang membangun AI Agent.

• Kategori pengolahan data: Mengolah dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan menyediakan sumber untuk pelatihan.

• Jenis pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dan lain-lain.

• Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.

• Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.

Interaktif: Mirip dengan jenis konten yang dihasilkan, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi seperti pemrosesan bahasa alami (NLP), mewujudkan interaksi dua arah dengan pengguna.

• Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.

• Kategori GPT: Agen AI yang didasarkan pada model GPT (Generative Pre-trained Transformer).

• Kategori pencarian: Berfokus pada fungsi pencarian, menyediakan agen yang lebih akurat untuk pengambilan informasi.

Kelas Generasi Konten: Proyek jenis ini fokus pada penciptaan konten, menggunakan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori: generasi teks, generasi gambar, generasi video, dan generasi audio.

Analisis Status Pengembangan Agen AI Web2

Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara khusus, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan. Kami juga telah melakukan beberapa analisis terhadap fenomena ini.

Dampak kematangan teknologi: Proyek infrastruktur mendominasi karena kematangan teknologinya. Proyek-proyek ini biasanya dibangun di atas teknologi dan kerangka kerja yang telah teruji oleh waktu, sehingga mengurangi kesulitan dan risiko pengembangan. Seperti "Sekop" di bidang AI, ini memberikan dasar yang kuat untuk pengembangan dan penerapan AI Agent.

Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan pasar perusahaan terhadap teknologi AI jauh lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek selanjutnya.

Batasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa AI jenis pembuatan konten memiliki skenario aplikasi yang relatif terbatas di pasar B2B. Karena ketidakstabilan hasil yang dihasilkan, perusahaan cenderung lebih memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI jenis pembuatan konten yang kecil dalam perpustakaan proyek.

Tren ini mencerminkan kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus menerus dan semakin jelasnya permintaan pasar, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.

Analisis Proyek Utama AI Agent Web2

Kami mendalami beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil contoh tiga proyek yaitu Character AI, Perplexity AI, dan Midjourney.

Karakter AI:

Deskripsi produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat pembuatan karakter virtual. Platformnya memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang dapat melakukan percakapan dalam bahasa alami dan melaksanakan tugas tertentu.

Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, di mana sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI tampil luar biasa di pasar modal, berhasil menyelesaikan pendanaan sebesar 150 juta dolar, dengan valuasi mencapai 1 miliar dolar, dipimpin oleh a16z.

Analisis teknis: Character AI telah menandatangani perjanjian lisensi non-eksklusif dengan perusahaan induk Google, Alphabet, yang menunjukkan bahwa Character AI menggunakan teknologi yang dikembangkan sendiri. Perlu dicatat bahwa pendiri perusahaan, Noam Shazeer dan Daniel De Freitas, pernah terlibat dalam pengembangan model bahasa percakapan Llama milik Google.

Perplexity AI:

Deskripsi Produk: Perplexity dapat mengambil data dari internet dan memberikan jawaban yang rinci. Dengan mengutip dan merujuk ke tautan, ia memastikan keandalan dan akurasi informasi, sekaligus mendidik dan membimbing pengguna untuk bertanya lebih lanjut dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.

Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan jumlah kunjungan aplikasi mobile dan desktop meningkat sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mendapatkan pendanaan sebesar 62,7 juta dolar AS, dengan valuasi mencapai 1,04 miliar dolar AS, dipimpin oleh Daniel Gross, dengan peserta termasuk Stan Druckenmiller dan NVIDIA.

Analisis teknis: Model utama yang digunakan oleh Perplexity adalah GPT-3.5 yang telah disesuaikan, serta dua model besar yang disesuaikan berdasarkan model besar sumber terbuka: pplx-7b-online dan pplx-70b-online. Model ini cocok untuk penelitian akademis profesional dan pencarian di bidang vertikal, memastikan keakuratan dan keandalan informasi.

Midjourney:

Deskripsi produk: Pengguna dapat membuat berbagai gambar dengan gaya dan tema di Midjourney melalui Prompts, mencakup dari realistis hingga