Чи може AI Agent стати рятівним солом'ям для Web3+AI?

Проект AI Agent є популярним і зрілим типом, що надає послуги підприємствам у Web2, тоді як у сфері Web3 проекти з моделювання навчання та платформ для збору стали основними через їхню ключову роль у побудові екосистем.

Наразі кількість проектів AI Agent у Web3 не велика і складає 8%, але їхня частка в ринковій капіталізації в сегменті AI становить аж 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми прогнозуємо, що з розвитком технологій та зростанням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.

Для проектів Web3 впровадження технологій ШІ в продуктах, що не є ядром ШІ, може стати стратегічною перевагою. Щодо проектів AI Agent слід зосередитися на побудові екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: Стан проектів і підвищення оцінок

З моменту появи ChatGPT у листопаді 2022 року, всього за два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів США, а OpenAI швидко випустила нові версії, такі як GPT-4, GP4-4o після запуску ChatGPT. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і почали випускати свої власні AI моделі та програми. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили великі моделі, такі як Wenxin Yiyan, Zhipu Qingyan. Очевидно, що сфера AI стала полем битви для конкурентів.

Змагання між великими технологічними гігантами не тільки сприяло розвитку комерційних застосувань, але й з нашого дослідження статистики відкритого AI виявлено, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI 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% в 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 потужне зростання, у другому кварталі 2024 року відзначається вибухове зростання. У світі відбулося 16 угод з інвестиціями в ШІ, які перевищують 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. Зокрема, xAI під керівництвом Маска залучила 6 мільярдів доларів, оцінка компанії склала 24 мільярди доларів, що робить її другою за величиною оцінки стартапом у сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту перебудовує ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції серед технологічних гігантів до бурхливого розвитку проектів в open-source спільноті, а також до жвавого інтересу ринків капіталу до концепції AI. Проекти з'являються один за одним, обсяги інвестицій б'ють рекорди, а оцінки також зростають. Загалом, ринок AI перебуває в періоді швидкого розвитку, великим мовним моделям та технологіям генерації, покращених пошуком, вдалося досягти значного прогресу в обробці мов. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виводу 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 реальних проблем і взаємодії з навколишнім середовищем. Ця зміна позначає еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, здатних дійсно розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово замикає прірву між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно перетворює структуру продуктивності, тоді як технологія Web3 перебудовує 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 низки інноваційних застосувань. У цій потенційно багатій перехресній області ми вважаємо, що AI Agent завдяки своїй здатності самостійно виконувати завдання демонструє величезний потенціал для досягнення масштабних застосувань.

Для цього ми почали глибше досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня застосувань, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і застосунків, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.

Уточнення понять: Вступ до AI Agent та огляд його класифікації

Основні відомості

Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самою моделлю, ми наводимо приклад з реального життя: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технологія, що підсилює пошук, може надати більш багатий та конкретний вміст про напрямки. А AI Agent подібний до Джарвіса з фільму «Залізна людина», він може зрозуміти ваші потреби і за вашим запитом активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.

Наразі в індустрії широко вживається визначення AI Agent як інтелектуальної системи, яка може сприймати навколишнє середовище та відповідно діяти, отримуючи інформацію про середовище через датчики, обробляючи її та впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який поєднує в собі LLM, RAG, пам'ять, планування завдань і здатність до використання інструментів. Він не тільки може надавати інформацію, а й планувати, розкладати завдання та дійсно виконувати їх.

Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, використовується в різних сценаріях, таких як AlphaGo, Siri, автопілоти рівня L5 та вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення від користувачів і на їх основі впливати на реальне середовище.

Розглядаючи ChatGPT як приклад для прояснення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає AI моделі, GPT - це серія моделей, що розвинулася на базі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP, отже, є AI агентом, що еволюціонував на основі моделі GPT.

Категорія огляд

На даний момент на ринку AI Agent ще не сформовано єдиного стандарту класифікації. Ми розподілили 204 проекти AI Agent на ринках Web2 і Web3, наносячи їм мітки відповідно до їх помітних характеристик, розділивши їх на перший і другий рівні класифікації. При цьому перший рівень класифікації складається з трьох категорій: інфраструктура, генерація контенту та взаємодія з користувачем, а також поділено на підкатегорії відповідно до їх фактичних випадків використання:

Інфраструктура: ця категорія зосереджена на створенні базових елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові послуги для B-кінець.

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

• Клас обробки даних: обробка та аналіз даних різних форматів, головним чином для підтримки ухвалення рішень та надання джерел для навчання.

• Класи моделювання: надання послуг з навчання моделей для ШІ, включаючи висновки, побудову моделей, налаштування тощо.

• Послуги для бізнесу: в основному орієнтовані на корпоративних користувачів, пропонуючи корпоративні послуги, вертикальні рішення та автоматизовані рішення.

• Платформи для збору: платформи, які інтегрують різноманітні послуги та інструменти AI Agent.

Інтерактивні: подібно до класу генерації контенту, але відрізняються постійною двосторонньою взаємодією. Інтерактивний агент не тільки приймає та розуміє потреби користувача, але й надає зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.

• Емоційна підтримка: AI-агент, який надає емоційну підтримку та супровід.

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

• Пошуковий клас: зосереджений на функції пошуку, пропонує агентів, які забезпечують більш точне отримання інформації.

Проекти, що займаються генерацією контенту: ця категорія проектів зосереджена на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

Аналіз сучасного стану розвитку веб2 AI агентів

Згідно з нашою статистикою, у Web2 традиційному Інтернеті розробка AI Agent демонструє помітну тенденцію до концентрації в певних секторах. Зокрема, близько двох третин проектів зосереджено на інфраструктурі, серед яких переважають послуги для бізнесу та інструменти для розробників. Ми також провели деякий аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все завдяки своїй зрілості технологій. Ці проекти зазвичай ґрунтуються на перевірених часом технологіях і рамках, що знижує складність розробки та ризики. Це еквівалентно «лопаті» в галузі ШІ, що забезпечує міцну основу для розробки та застосування агентів ШІ.

Розвиток попиту на ринку: ще один ключовий фактор - це попит на ринку. На відміну від споживчого ринку, попит на AI-технології в бізнес-секторі є більш терміновим, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє розвитку наступних проектів.

Обмеження в сценаріях застосування: водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його output, підприємства більше схильні до застосувань, які можуть стабільно підвищити продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному портфелі є досить невеликою.

Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди застосування. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишаться міцним фундаментом для розвитку AI Agent.

Аналіз провідних проектів AI-агентів Web2

Ми детально розглянемо деякі поточні проекти AI Agent на ринку Web2 та проведемо їхній аналіз, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.

Характер AI：

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 здатні вести діалог природною мовою та виконувати певні завдання.

Аналіз даних: Кількість відвідувань Character.AI у травні склала 277 мільйонів, платформа має понад 3,5 мільйона активних щоденних користувачів, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну характеристику користувацької аудиторії. Character AI показала відмінні результати на капітальному ринку, залучивши 150 мільйонів доларів фінансування, з оцінкою у 1 мільярд доларів, під керівництвом a16z.

Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet на використання своєї великої мовної моделі на неналежних умовах, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазір та Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.

Перплексити ШІ:

Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референсним лінкам забезпечується надійність та точність інформації, а також він навчає, направляє користувачів на подальші запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а кількість відвідувань мобільних та настільних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На ринках капіталу Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, оцінка досягла 1,04 мільярда доларів, інвестором став Деніел Грос, учасниками стали Стен Друкенміллер та NVIDIA.

Технічний аналіз: Основною моделлю, яку використовує Perplexity, є тонко налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online і pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних областях, що забезпечує достовірність та надійність інформації.

Середина подорожі:

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