O Agente de IA pode ser a tábua de salvação do Web3+IA?

Os projetos de Agente de IA são um tipo popular e maduro de empreendedorismo no Web2, principalmente na área de serviços para empresas, enquanto no domínio do Web3, projetos de treinamento de modelos e de plataformas integradas se tornaram predominantes devido ao seu papel crucial na construção de ecossistemas.

Atualmente, o número de projetos de Agentes de IA no Web3 é pequeno, representando 8%, mas sua participação de mercado na faixa de IA atinge impressionantes 23%, demonstrando uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com uma avaliação superior a 1 bilhão de dólares.

Para projetos Web3, a introdução de tecnologia de IA em produtos de aplicação que não são centrais de IA pode se tornar uma vantagem estratégica. A forma de combinação para projetos de Agente de IA deve focar na construção de um ecossistema completo e no design de modelos econômicos de tokens, para promover a descentralização e o efeito de rede.

O auge da IA: a situação de surgimento de projetos e aumento das avaliações

Desde que o ChatGPT foi lançado em novembro de 2022, em apenas dois meses atraiu mais de 100 milhões de usuários. Até maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o. Com tal ritmo acelerado, as grandes empresas de tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta como os LLM e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta apresentou o Llama3, enquanto empresas chinesas lançaram modelos como o Wenxin Yiyan e o Zhipu Qingyan. É evidente que o campo da IA tornou-se um território de intensa competição.

A corrida entre os grandes gigantes da tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, como também, segundo a investigação estatística sobre pesquisa em IA de código aberto, o relatório AI Index de 2024 mostra que o número de projetos relacionados com IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhões em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos aumentou 59,3% em comparação com o ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.

O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, que apresenta um forte crescimento, com um aumento explosivo no segundo trimestre de 2024. Em todo o mundo, houve 16 investimentos relacionados à IA superiores a 150 milhões de dólares, o que é o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, com um crescimento de mais de 100% em relação ao ano anterior. Dentre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.

O rápido desenvolvimento da tecnologia de IA está remodelando o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa concorrência entre gigantes da tecnologia, passando pelo florescimento de projetos na comunidade de código aberto, até a entusiástica busca do mercado de capitais pelo conceito de IA. Projetos surgem aos montes, os investimentos alcançam novos recordes e as avaliações também sobem. De maneira geral, o mercado de IA está em um período de ouro de rápido crescimento, com grandes modelos de linguagem e tecnologias de geração aumentada por recuperação alcançando avanços significativos no campo do processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios ao transformar vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de alucinações gerando informações imprecisas e questões de transparência do modelo. Esses problemas tornam-se especialmente importantes em cenários de aplicação que exigem alta confiabilidade.

Neste contexto, começamos a investigar os Agentes de IA, pois os Agentes de IA enfatizam a abrangência na resolução de problemas práticos e na interação com o ambiente. Essa mudança marca a evolução da tecnologia de IA de modelos puramente linguísticos para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento dos Agentes de IA, que estão gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA está constantemente reestruturando a arquitetura da produtividade, enquanto a tecnologia Web3 está reconfigurando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional, se fundem com os princípios centrais da Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que isso dará origem a uma série de aplicações inovadoras. Neste campo de intersecção cheio de potencial, acreditamos que os Agentes de IA, com sua capacidade de executar tarefas de forma autônoma, demonstram um enorme potencial para a implementação em larga escala.

Para isso, começamos a investigar profundamente as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, camada de aplicações, até o mercado de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender profundamente a fusão do AI com o Web3.

Esclarecimento de conceitos: Introdução e visão geral das classificações de Agentes de IA

Introdução básica

Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada pela pesquisa pode fornecer conteúdo de destino mais rico e específico. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender suas necessidades e, com base em uma frase sua, procurar voos e hotéis ativamente, realizar reservas e adicionar o itinerário ao calendário.

Atualmente, a definição amplamente aceita de AI Agent na indústria é a de um sistema inteligente que pode perceber o ambiente e agir de acordo, obtendo informações do ambiente através de sensores, processando essas informações e, em seguida, impactando o ambiente por meio de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que o AI Agent é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas fornece informações de forma simples, mas também é capaz de planejar, dividir tarefas e realmente executá-las.

Com base nessa definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri, e a condução autónoma de nível L5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do mundo externo e, a partir disso, interagir de forma a impactar o ambiente real.

Usando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que constitui os modelos de IA, o GPT é uma série de modelos desenvolvidos com base nesta arquitetura, enquanto GPT-1, GPT-4 e GPT-4o representam versões do modelo em diferentes estágios de desenvolvimento. O ChatGP, por sua vez, é um agente de IA que evoluiu a partir do modelo GPT.

Classificação Geral

Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Nós rotulamos 204 projetos de Agentes de IA nos mercados Web2 e Web3. Com base nos rótulos significativos correspondentes a cada projeto, dividimos em categorias primárias e secundárias. As categorias primárias são Infraestrutura, Geração de Conteúdo e Interação do Usuário, que são então subdivididas com base em seus casos de uso reais:

Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais no campo dos Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, bem como serviços B2B de aplicações mais maduras e básicas.

• Ferramentas de desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir Agentes de IA.

• Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.

• Classe de treinamento de modelos: oferece serviços de treinamento de modelos para IA, incluindo inferência, construção e configuração de modelos, etc.

• Serviços B2B: direcionados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.

• Plataforma de agregação: uma plataforma que integra vários serviços e ferramentas de Agentes de IA.

Interativo: Semelhante à geração de conteúdo, a diferença está na interação bidirecional contínua. Agentes interativos não apenas aceitam e compreendem as necessidades dos usuários, mas também fornecem feedback por meio de tecnologias como o processamento de linguagem natural (NLP), realizando uma interação bidirecional com os usuários.

• Categoria de acompanhamento emocional: Agente de IA que oferece apoio emocional e companhia.

• Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).

• Classe de Pesquisa: Foca na funcionalidade de pesquisa, oferecendo um agente orientado para a recuperação de informações mais precisas.

Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de grandes modelos para gerar várias formas de conteúdo com base nas instruções do usuário, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.

Análise do estado atual do desenvolvimento de Agentes de IA Web2

De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na internet tradicional Web2 apresenta uma clara tendência de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, com destaque para serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre esse fenômeno.

Impacto da maturidade tecnológica: a razão pela qual os projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Estes projetos geralmente se baseiam em tecnologias e estruturas comprovadas pelo tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivale à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.

Impulsionado pela demanda do mercado: Outro fator chave é a demanda do mercado. Comparado ao mercado de consumidores, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é benéfico para o desenvolvimento de projetos subsequentes.

Limitações dos casos de uso: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aquelas que podem aumentar a produtividade de forma estável. Isso resulta em uma proporção relativamente pequena de IA de geração de conteúdo no portfólio de projetos.

Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. À medida que a tecnologia de IA continua a avançar e a demanda do mercado se torna mais clara, antecipamos que este padrão possa sofrer ajustes, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.

Análise do projeto líder em AI Agent do Web2

Exploramos em profundidade alguns projetos de Agentes de IA no atual mercado Web2 e realizamos uma análise deles, usando como exemplos os projetos Character AI, Perplexity AI e Midjourney.

Character AI:

Descrição do produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para criação de personagens virtuais. A sua plataforma permite que os usuários criem, treinem e interajam com personagens virtuais, que podem conduzir diálogos em linguagem natural e executar tarefas específicas.

Análise de dados: O Character.AI teve 277 milhões de visitas em maio, com mais de 3,5 milhões de usuários ativos diários, sendo a maioria dos usuários com idades entre 18 e 34 anos, mostrando características de um grupo de usuários mais jovem. O Character AI teve um desempenho excepcional no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.

Análise técnica: A Character AI assinou um contrato de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI utiliza tecnologia desenvolvida internamente. Vale mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.

Perplexity AI:

Introdução ao produto: Perplexity é capaz de buscar e fornecer respostas detalhadas da internet. Através de citações e links de referência, garante a confiabilidade e a precisão da informação, ao mesmo tempo que educa e orienta os usuários a fazerem perguntas adicionais e a pesquisarem palavras-chave, atendendo às diversas necessidades de consulta dos usuários.

Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um crescimento de 8,6% nas visitas aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que levantou 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderado por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.

Análise técnica: O principal modelo utilizado pela Perplexity é o GPT-3.5 ajustado, além de dois grandes modelos ajustados com base em modelos de grande porte de código aberto: pplx-7b-online e pplx-70b-online. Os modelos são adequados para pesquisa acadêmica profissional e consultas em áreas verticais, garantindo a veracidade e a fiabilidade da informação.

Midjourney:

Apresentação do produto: Os usuários podem criar imagens de vários estilos e temas no Midjourney através de Prompts, abrangendo desde o realismo até