Чи може AI-агент стати рятівною соломинкою для Web3+AI?

Проекти AI Agent є популярними та зрілими типами в підприємницькому середовищі Web2, в той час як в області Web3 проекти з навчання моделей та агрегування платформ стали основними через їхню ключову роль у побудові екосистеми.

Наразі кількість проектів AI Agent у Web3 невелика - лише 8%, але їхня частка у ринковій капіталізації в AI-секторі досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку у майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.

Для проектів Web3 впровадження технології AI може стати стратегічною перевагою для продуктів кінцевого застосування, які не є основою AI. При розробці проектів AI Agent слід звернути увагу на побудову повної екосистеми та дизайну токеноміки для сприяння децентралізації та мережевим ефектам.

Хвиля ШІ: Стан проектів та підвищення оцінки

Відтоді, як ChatGPT був випущений у листопаді 2022 року, він за короткий час привернув понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів США. Після випуску ChatGPT OpenAI також швидко представила ітераційні версії, такі як GPT-4 та GP4-4o. У такій динамічній ситуації традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати свої власні AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії представили моделі, такі як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI стала полем битви для багатьох.

Змагання великих технологічних гігантів не тільки сприяло розвитку комерційних застосувань, але й із дослідження відкритого AI ми виявили, що звіт AI Index за 2024 рік показує, що кількість AI-проектів на GitHub зросла 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% у річному обчисленні, 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 спостерігається вибухове зростання. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ різко зросла до 24 мільярдів доларів, що на понад 100% більше в порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною за оцінкою компанією-стартапом у сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту радикально змінює ландшафт технологічної сфери з небаченою раніше швидкістю. Від жорсткої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого захоплення капіталів концепцією ШІ. Проекти виникають один за одним, обсяги інвестицій досягають нових рекордів, а оцінки також зростають. Загалом, ринок ШІ перебуває в періоді швидкого розвитку - «золотий етап», де великі мовні моделі та технології генерації, підкріплені пошуком, досягли значного прогресу в обробці мови. Проте ці моделі все ще стикаються з викликами у перетворенні технічних 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, що вимагають високої надійності.

У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця трансформація знаменує еволюцію технологій штучного інтелекту від чисто мовних моделей до інтелектуальних систем, здатних дійсно розуміти, навчатися та вирішувати реальні проблеми. Таким чином, ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між технологіями штучного інтелекту та вирішенням практичних проблем. Еволюція технологій штучного інтелекту постійно перебудовує структуру продуктивності, тоді як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для реалізації масового застосування.

Для цього ми почали детально вивчати різноманітні застосування AI Agent у Web3, починаючи від інфраструктури Web3, проміжного програмного забезпечення, рівня додатків до ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів та сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.

Уточнення концепцій: Введення в AI Agent та огляд його класифікації

Основна інформація

Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самою моделлю, ми наведемо приклад з реального життя: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що покращують пошук і генерацію, можуть запропонувати більш багатий і конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну Людину, може зрозуміти ваші потреби, а також за вашим запитом активно шукати рейси та готелі, виконувати бронювання і додавати маршрут до календаря.

В даний час в галузі загальноприйнято визначення AI Agent як інтелектуальної системи, яка здатна сприймати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її та впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатен не лише надавати інформацію, а також планувати, розкладати завдання та справді їх виконувати.

Згідно з цим визначенням та характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, що можуть вважатися прикладами AI Agent. Спільна риса цих систем полягає в тому, що вони можуть сприймати зовнішні введення користувача і відповідно впливати на реальне середовище.

Візьмемо ChatGPT як приклад для роз'яснення концепцій, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає AI-моделі, GPT є серією моделей, що розвинулися на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделі на різних етапах розвитку. ChatGP є AI Agent, який еволюціонував на основі моделі GPT.

Категорійний огляд

На даний момент ринок AI Agent ще не сформував єдині стандарти класифікації, ми провели маркування 204 проектів AI Agent на ринках Web2 + Web3, відповідно до значних міток кожного проекту, розділивши їх на перший і другий рівні класифікації. При цьому перший рівень класифікації включає три категорії: інфраструктура, генерація контенту, взаємодія з користувачем, а далі поділяється в залежності від реальних випадків використання:

Інфраструктурні рішення: ця категорія зосереджена на побудові більш базового контенту в сфері Agent, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі B2B сервіси базового рівня.

• Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI агентів.

• Клас обробки даних: обробка та аналіз даних різних форматів, в основному використовується для підтримки прийняття рішень, надання джерел для навчання.

• Клас тренування моделей: надання послуг з тренування моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.

• Послуги для B-端: в основному спрямовані на підприємства, пропонуючи послуги для підприємств, вертикальні рішення та автоматизовані рішення.

• Платформи класу об'єднання: платформи, що інтегрують різні послуги та інструменти AI Agent.

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

• Емоційне супроводження: AI агент, що надає емоційну підтримку та супровід.

• GPT-тип: AI-агент, заснований на моделі GPT (генеративний попередньо навчений трансформер).

• Пошуковий клас: агент, що фокусується на функції пошуку, забезпечуючи більш точний інформаційний пошук.

Генерація контенту: Цей тип проектів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, поділяється на чотири категорії: текстова генерація, генерація зображень, генерація відео та генерація аудіо.

Аналіз сучасного стану розвитку Web2 AI Agent

Згідно з нашою статистикою, розробка AI Agent у традиційному Інтернеті Web2 демонструє помітну тенденцію до концентрації в певних секторах. Конкретно, приблизно дві третини проектів зосереджені в галузі інфраструктури, серед яких переважають послуги для бізнесу та інструменти для розробників, ми також провели певний аналіз цього явища.

Вплив зрілості технологій: проекти з інфраструктури займають домінуючу позицію, перш за все завдяки своїй зрілості технологій. Ці проекти зазвичай ґрунтуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері AI, що 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 AI-технології з боку підприємств є більш терміновим, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошові потоки з боку підприємств є відносно стабільними, що сприяє розвитку їхніх наступних проектів.

Обмеження застосування: водночас ми звернули увагу на те, що застосування AI для генерації контенту на ринку B-класу є відносно обмеженим. Через нестабільність його продукції, підприємства більше схильні до використання тих додатків, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному каталозі є досить маленькою.

Ця тенденція відображає зрілість технологій, ринковий попит та реальні обставини застосування. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення залишаться міцною основою для розвитку агентів ШІ.

Аналіз провідних проектів AI-агентів Web2

Ми детально розглянемо деякі проекти AI Agent на нинішньому ринку Web2 та проведемо їх аналіз, взявши за приклад три проекти: Character AI, Perplexity AI, Midjourney.

Штучний інтелект персонажа:

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

Аналітика даних: Character.AI у травні мала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів щодня, більшість з яких у віці від 18 до 34 років, що свідчить про молодіжну аудиторію. Character AI показала хороші результати на капітальному ринку, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, лідером якого стало a16z.

Технічний аналіз: Character AI підписала ліцензійну угоду на неексклюзивне 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 Шазер і Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.

Перплексити АІ:

Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референтним лінкам забезпечується надійність та точність інформації, а також він буде навчати, направляти користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а кількість відвідувань його мобільних та настільних додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На ринках капіталу Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінка компанії досягла 1,04 мільярда доларів, інвестором виступив Daniel Gross, а також брали участь Stan Druckenmiller і NVIDIA.

Технічний аналіз: Основна модель, яку використовує Perplexity, є налаштованою версією GPT-3.5, а також двома великими моделями, які 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.

Середина подорожі:

Опис продукту: Користувачі можуть створювати зображення різних стилів і тем у Midjourney за допомогою Prompts, охоплюючи від реалістичного до