Чи може AI Agent стати рятівною соломкою для Web3+AI?

Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з моделювання та платформами для збору стали основними через їхню ключову роль у формуванні екосистеми.

На сьогоднішній день кількість проектів AI Agent у Web3 не велика і складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що демонструє їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та зростанням визнання ринку в майбутньому з'являться кілька проектів з оцінкою понад 1 мільярд доларів.

Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів на прикладі застосунків, які не є основою ШІ. Під час інтеграції проектів AI Agent слід зосередитися на побудові повної екосистеми та проектуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: сучасний стан появи проєктів та підвищення їх оцінки

Від моменту появи ChatGPT у листопаді 2022 року, за короткий проміжок часу в два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI після запуску ChatGPT швидко випустила такі ітераційні версії, як GPT-4, GP4-4o та інші. У такій стрімкій ситуації великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати власні AI-моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили моделі, такі як Wenxin Yiyan та Zhipu Qingyan, очевидно, що сфера AI стала полем битви для конкурентів.

Змагання між великими технологічними гігантами не лише сприяло розвитку комерційних застосувань, але й з нашого дослідження з 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, коли 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 сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. 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 зросла до 24 мільярдів доларів, що на понад 100% більше в річному обчисленні. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінкою стартапом у сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту кардинально змінює ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів в відкритих спільнотах і до гарячого попиту на концепцію штучного інтелекту з боку ринків капіталу. Проекти з'являються один за одним, обсяги інвестицій постійно б'ють рекорди, а оцінки також зростають. В цілому, ринок штучного інтелекту перебуває в періоді стрімкого розвитку, великі мовні моделі та технології, що покращують генерацію на основі пошуку, досягли значних успіхів у сфері обробки мови. Проте, ці моделі все ще стикаються з викликами при 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 сценаріях застосування, де вимоги до надійності є надзвичайно високими.

На цьому фоні ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію AI технологій від чисто мовних моделей до інтелектуальних систем, які дійсно можуть розуміти, навчатися і вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово замикає розрив між AI технологіями та вирішенням практичних проблем. Еволюція AI технологій постійно перетворює структуру продуктивності, в той час 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 і смарт-контракти, ми прогнозуємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності до автономного виконання завдань, демонструє величезний потенціал для реалізації масштабних застосувань.

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

Пояснення понять: Вступ до AI Agent та огляд його класифікації

Основи

Перед представленням AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і моделлю, ми навели приклад на основі реальної ситуації: уявімо, що ви плануєте поїздку. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що підсилюють пошук, можуть надати більш багатий та конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну людину: він може зрозуміти потреби, а також активно шукати рейси та готелі за вашим запитом, виконувати бронювання та додавати маршрут до календаря.

На сьогодні у галузі загальноприйняте визначення AI Agent - це інтелектуальна система, яка здатна сприймати навколишнє середовище та вчиняти відповідні дії, отримуючи інформацію про навколишнє середовище за допомогою датчиків, обробляючи її та впливаючи на середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та справді їх виконувати.

Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent давно інтегровано в наше життя, застосовуючи його в різних сценаріях, таких як AlphaGo, Siri, автопілот Tesla рівня L5 і вище, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні користувацькі введення та відповідно впливати на реальне середовище.

Візьмемо ChatGPT як приклад для прояснення концепцій, слід чітко вказати, що Transformer є технологічною архітектурою, яка складає основу AI-моделей, GPT є серією моделей, що розвинулися на цій архітектурі, а GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP ж T є AI агентом, що еволюціонував на основі моделі GPT.

Категорія огляд

На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 і Web3, і відповідно до помітних тегів кожного проекту, розділили їх на перший і другий рівень класифікації. Перший рівень класифікації складається з трьох категорій: базова інфраструктура, генерація контенту, взаємодія з користувачем, а далі вони деталізуються відповідно до їх фактичних випадків використання:

Інфраструктурні проекти: ця категорія зосереджена на побудові більш базових елементів у сфері агентів, зокрема платформ, моделей, даних, розробницьких інструментів, а також більш зрілих і базових застосунків для послуг типу B.

• Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
• Клас обробки даних: обробка та аналіз даних у різних форматах, головним чином для підтримки прийняття рішень та надання джерел для навчання.
• Класифікація навчання моделей: надання послуг навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
• Послуги для B-класу: в основному спрямовані на підприємства, пропонують рішення для підприємств, вертикальні рішення, автоматизовані рішення.
• Платформи-об'єднувачі: платформи, що інтегрують різноманітні сервіси та інструменти AI Agent.

Інтерактивні агенти: подібно до агентів, що генерують контент, 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 користувачами.

• Емоційний супровід: AI агент, що надає емоційну підтримку та супровід.
• GPT-тип: AI агент на основі моделі GPT (генеративний попередньо навченний трансформер).
• Пошуковий клас: зосереджений на функції пошуку, пропонує більш точний агент для інформаційного пошуку.

Проекти генерації контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяються на чотири категорії: генерація тексту, 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. Зокрема, близько двох третин проектів зосереджені на інфраструктурі, переважно це послуги для бізнесу та інструменти для розробки, ми також провели певний аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях та рамках, які пройшли перевірку часом, що знижує складність розробки та ризики. Це можна порівняти з "лопатою" в сфері ШІ, яка забезпечує надійну основу для розробки та застосування AI Agent.

Стимулювання ринкового попиту: ще одним ключовим фактором є ринковий попит. У порівнянні з споживчим ринком, попит на технології ШІ з боку підприємств є більш терміновим, особливо у пошуку рішень для підвищення ефективності роботи та зниження витрат. Водночас для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їх розвитку подальших проектів.

Обмеження сценаріїв застосування: водночас ми відзначаємо, що застосування AI для генерації контенту на B-стороні ринку є відносно обмеженим. Через нестабільність його виходу, підприємства більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.

Ця тенденція відображає реальні міркування щодо зрілості технологій, попиту на ринку та сценаріїв застосування. З постійним розвитком технологій ШІ та подальшим уточненням потреб ринку ми очікуємо, що ця структура може зазнати певних змін, але інфраструктурні рішення все ще залишаться міцним фундаментом для розвитку агентів ШІ.

Аналіз провідних проектів AI агентів Web2

Ми глибоко досліджуємо деякі поточні проекти AI Agent на ринку Web2 і аналізуємо їх, беручи за приклад три проекти: Character AI, Perplexity AI, Midjourney.

Штучний інтелект персонажа:

Опис продукту: Character.AI пропонує систему діалогів на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природний мовний діалог і виконувати конкретні завдання.

Аналіз даних: Кількість відвідувань Character.AI у травні становила 277 мільйонів, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну аудиторію. Character AI показала відмінні результати на фінансових ринках, залучивши 150 мільйонів доларів фінансування, а її оцінка досягла 1 мільярда доларів, з лідируючою участю a16z.

Технічний аналіз: Character AI підписала угоду про неп-exclusive ліцензування свого великого мовного моделі з материнською компанією Google Alphabet, 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.

Штучний інтелект Perplexity:

Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням і довідковим лінкам забезпечується надійність і 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 трафік їх мобільного та десктопного додатків у лютому зріс на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання 62,7 мільйона доларів фінансування, а її оцінка досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а учасниками стали Stan Druckenmiller та NVIDIA.

Технічний аналіз: Основна модель, яку використовує Perplexity, є налаштованою версією GPT-3.5, а також двома великими моделями, налаштованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та вертикал