¿Puede el Agente de IA convertirse en la tabla de salvación del Web3+IA?

Los proyectos de AI Agent son tipos populares y maduros en el emprendimiento Web2, principalmente en el servicio empresarial, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y plataformas integradoras se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.

Actualmente, el número de proyectos de AI Agent en Web3 es relativamente bajo, representando el 8%, pero su participación en la capitalización de mercado dentro del sector de AI alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente la aceptación del mercado, surgirán múltiples proyectos valorados en más de 1.000 millones de dólares.

Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales de AI puede convertirse en una ventaja estratégica. En cuanto a la forma de combinar proyectos de AI Agent, se debe prestar atención a la construcción de todo el ecosistema y el diseño del modelo económico de tokens, para fomentar la descentralización y el efecto de red.

Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones

Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien 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, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Ante este rápido desarrollo, las grandes tecnológicas tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar 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 las grandes empresas tecnológicas no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, según una investigación sobre la estadística de la IA de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con la IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, el número de proyectos creció un 59.3% en comparación con el año anterior, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.

El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un crecimiento sólido, experimentando un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hubo 16 inversiones relacionadas con la IA que superaron los 150 millones de dólares, el doble que en el primer trimestre. El financiamiento total de las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, propiedad de Musk, recaudó 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta después de OpenAI.

El rápido desarrollo de la tecnología de IA está reconfigurando el mapa del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre los gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen constantemente, las inversiones alcanzan récords históricos y las valoraciones 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. A pesar de ello, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información imprecisa y problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.

En este contexto, comenzamos a investigar los Agentes de IA, ya que los Agentes de IA enfatizan la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden comprender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de los Agentes de IA, ya que están cerrando poco a poco la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está transformando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y poder computacional, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de manera autónoma, han demostrado un gran potencial para lograr aplicaciones a gran escala.

Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, abarcando desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones, así como los mercados 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 la IA 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, vamos a ejemplificar con un escenario práctico: supongamos que estás planeando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. El Agente de IA es como J.A.R.V.I.S. en la película de Iron Man, puede entender las necesidades y, basándose en una de tus frases, buscar activamente vuelos y hoteles, realizar reservas y agregar el itinerario al calendario.

Actualmente, la definición común de un Agente AI en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y, a través de ejecutores, afectando al entorno (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente AI es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.

De acuerdo con esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestra vida, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 o superior de Tesla, que pueden ser considerados ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en consecuencia, influir en el entorno real.

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

Resumen de categorías

Actualmente, el mercado de Agentes de IA aún no ha establecido un estándar de clasificación unificado. Clasificamos 204 proyectos de Agentes de IA en los mercados de Web2 y Web3 mediante el etiquetado. Según las etiquetas significativas de cada proyecto, los dividimos en clasificaciones de primer y segundo nivel. La clasificación de primer nivel incluye tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdivide según sus casos de uso reales:

Infraestructura: Esta categoría se centra en construir contenido más básico en el ámbito de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo, así como servicios de tipo B para aplicaciones más maduras y básicas.

• Herramientas de desarrollo: proporcionan a los desarrolladores herramientas y marcos de asistencia para construir agentes de IA.

• Clase de procesamiento de datos: procesar y analizar datos de diferentes formatos, principalmente utilizados para ayudar en 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 B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.

• Plataforma de 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. El agente de interacción no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.

• Clase de acompañamiento emocional: Agente de IA que proporciona apoyo emocional y compañía.

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

• Tipo de búsqueda: Un agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.

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

Análisis del estado actual del desarrollo de agentes de IA Web2

Según nuestras estadísticas, el desarrollo de Agentes de IA en el Web2 tradicional presenta una clara tendencia de concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos están concentrados en la infraestructura, principalmente en servicios B2B y herramientas de desarrollo. También hemos realizado un análisis de este fenómeno.

Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es, ante todo, su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos que han sido probados con el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale a la "pala" en el campo de la IA, proporcionando 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 AI 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 de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.

Limitaciones del escenario de aplicación: Al mismo tiempo, notamos que la aplicación de la inteligencia artificial generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera constante. Esto ha llevado a que la inteligencia artificial generadora de contenido ocupe una proporción menor en la biblioteca de proyectos.

Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA continúa avanzando y la demanda del mercado se aclara aún más, 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 mercado actual 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, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1000 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. Cabe mencionar que los fundadores de la empresa, 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 mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para hacer preguntas de seguimiento 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 obtenido 62.7 millones de dólares en financiamiento, con una valoración de 1.04 mil millones de dólares, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.

Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.

Midjourney:

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