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

Les projets d'agent IA sont principalement des services aux entreprises, un type populaire et mature dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent dominants en raison de leur rôle clé dans la construction des écosystèmes.

Actuellement, le nombre de projets d'agents AI dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, ce qui démontre 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 ayant une valorisation dépassant 1 milliard de dollars apparaîtront à l'avenir.

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 constituer un avantage stratégique. Pour les projets d'Agent AI, il est important de se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons afin de favoriser la décentralisation et les effets de réseau.

La vague de l'IA : État actuel des projets émergents et de l'augmentation des valorisations

Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT avaient atteint un impressionnant 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la publication de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont réalisé l'importance des applications des modèles d'IA de pointe comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA, par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que les entreprises chinoises ont introduit des grands modèles tels que Wenxin Yiyan et Zhiyu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.

La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais également, selon une enquête sur la recherche en IA open source, le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant 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 mondiale pour la recherche en IA.

L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, où le marché de l'investissement dans l'IA connaît une forte croissance, avec une explosion de la croissance au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'IA dépassant 150 millions de dollars, soit le double du premier trimestre. Le montant total des financements pour les start-ups d'IA a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi ceux-ci, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la start-up d'IA ayant la deuxième valorisation la plus élevée après OpenAI.

Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets affluent, les investissements atteignent des sommets historiques et les évaluations montent en flèche. Dans l'ensemble, le marché de l'IA traverse une période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par la recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties du modèle, le risque d'illusions générant des informations inexactes et des problèmes de transparence du modèle. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.

Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la globalité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle de langage pur vers des systèmes intelligents capables de comprendre réellement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA 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 clés de l'IA : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de la décentralisation, de l'économie des jetons et des contrats intelligents de Web3, nous prévoyons qu'une série d'applications innovantes émergeront. Dans ce domaine transversal plein de potentiel, nous pensons que les agents IA, grâce à leur capacité d'exécution autonome des tâches, montrent un immense potentiel pour réaliser des applications à grande échelle.

Pour cela, nous avons commencé à explorer en profondeur les applications diversifiées des agents AI dans le Web3, allant des infrastructures Web3, des 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 comprendre en profondeur l'intégration étroite de l'AI et du Web3.

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

Introduction de base

Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers 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 augmentée par la recherche peut offrir un contenu de destination plus riche et plus spécifique. L'Agent IA est comme Jarvis dans les films Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.

La définition généralement acceptée d'un agent AI dans l'industrie est un système intelligent capable de percevoir l'environnement et d'agir en conséquence, en obtenant des informations sur l'environnement par le biais de capteurs, puis en traitant ces informations pour influencer l'environnement via des actionneurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent AI est un assistant qui combine des 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 notre vie quotidienne et appliqués dans différents scénarios, tels qu'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 réagir en conséquence pour influencer l'environnement réel.

Prenons l'exemple de ChatGPT pour clarifier le concept, nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, que GPT est une série de modèles développés sur la base de cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est donc un agent IA évolué basé sur le modèle GPT.

Aperçu de la catégorie

Le marché actuel des agents AI n'a pas encore de norme de classification uniforme. 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 l'infrastructure, la génération de contenu et l'interaction utilisateur, puis nous les avons 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 de type B destinés à des applications plus matures et fondamentales.

• Outils de développement : Fournir aux développeurs des outils et des cadres pour construire des agents IA.

• Traitement des données : Traiter et analyser des données dans différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.

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

• Services B : principalement destinés aux utilisateurs professionnels, offrant des solutions de services d'entreprise, verticales et automatisées.

• Plateformes de type agrégateur : des plateformes intégrant divers services et outils d'AI Agent.

Classe interactive : similaire à la classe de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs ne se contentent pas d'accepter et de comprendre 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 AI de soutien émotionnel : fournissent un soutien émotionnel et de la compagnie.

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

• Catégorie de recherche : Axé sur la fonction de recherche, fournissant un Agent principalement dédié à la récupération d'informations plus précises.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, en utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, 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 AI Web2

Selon nos statistiques, le développement des agents IA dans le Web2 traditionnel présente une tendance claire de concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également effectué certaines analyses sur ce phénomène.

L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est l'équivalent de la "bêche" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.

La demande du marché comme moteur : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour les technologies d'IA est plus pressante, en particulier en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets ultérieurs.

Limitations des scénarios d'application : En même temps, nous avons constaté que les AI de génération de contenu ont des scénarios d'application relativement limités sur le marché B2B. En raison de l'instabilité de leurs productions, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une petite proportion d'AI de génération de contenu dans la bibliothèque de projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et une clarification accrue des demandes du marché, nous prévoyons que ce schéma pourrait subir des ajustements, mais les infrastructures demeureront la pierre angulaire du développement des Agents AI.

Analyse des projets leaders d'agents IA Web2

Nous explorons en profondeur quelques projets d'agents AI sur le marché Web2 actuel et les analysons, en prenant pour exemple les trois projets 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 dialogues 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 majorité des utilisateurs ont entre 18 et 34 ans, montrant ainsi des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a excellé sur le marché du capital, 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 des réponses détaillées sur Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions et à rechercher des mots-clés, répondant ainsi aux divers besoins de recherche des utilisateurs.

Analyse des données : le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau 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, et des participants comprenant Stan Druckenmiller et NVIDIA.

Analyse technique : Le modèle principal utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles basés sur un grand modèle open source affiné : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant l'authenticité et la fiabilité des informations.

Midjourney:

Introduction du produit : les utilisateurs peuvent créer des images de différents styles et thèmes dans Midjourney via des invites, couvrant du réalisme à