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

Les projets d'agent IA sont principalement des services B2B dans le Web2, mais dans le domaine du Web3, les projets de formation de modèles et de plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction d'écosystèmes.

Actuellement, le nombre de projets d'agents IA dans le Web3 est limité, représentant 8 %, mais leur part de capitalisation boursière dans le domaine de l'IA atteint 23 %, montrant ainsi 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 seront évalués à plus de 10 milliards de dollars 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 pourrait constituer un avantage stratégique. Pour les projets AI Agent, la manière de les combiner devrait mettre l'accent sur la construction d'un écosystème complet et la conception d'un modèle économique basé sur les tokens, afin de favoriser la décentralisation et les effets de réseau.

La vague de l'IA : l'état 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 incroyable 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications de modèles d'IA à la 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, et des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu 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 nous avons également découvert à partir d'une enquête sur la recherche en IA en open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub est passé 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 mondiaux pour la recherche en IA.

L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI connaît une forte croissance, affichant une croissance explosive au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, ce qui est le double de celui du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième startup AI la mieux valorisée après OpenAI.

Le développement rapide de la technologie IA 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 financier pour les concepts d'IA. Les projets affluent, les investissements atteignent des sommets historiques, et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en pleine période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération améliorées par la recherche ayant réalisé des avancées significatives dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusion de génération d'informations inexactes et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application nécessitant une fiabilité extrême.

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 réels et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle de langage pur à un système intelligent capable de véritablement comprendre, apprendre et résoudre des problèmes concrets. Ainsi, nous avons vu de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes concrets. L'évolution de la technologie IA redéfinit constamment l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments fondamentaux de l'IA : données, modèles et puissance de calcul, fusionnent avec les concepts clés de la Web3 tels que la décentralisation, l'économie de jetons et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.

Pour ce faire, nous avons commencé à explorer en profondeur les applications diversifiées des agents AI dans le Web3, allant de l'infrastructure 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 la profonde intégration de l'AI et du Web3.

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

Introduction de base

Avant de présenter l'Agent IA, afin de permettre au lecteur de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers une situation concrète : 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 fournir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. 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 IA dans le secteur est un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations environnementales par le biais de capteurs, puis en influençant l'environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il est capable non seulement de fournir des informations, mais aussi de planifier, de décomposer des tâches et de les exécuter réellement.

Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans nos vies, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour avoir un impact sur 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, GPT est une série de modèles développée sur cette architecture, et GPT-1, GPT-4, GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGP est un Agent IA évoluant à partir du modèle GPT.

Aperçu de la catégorie

Le marché des agents AI n'a pas encore de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3 en fonction des étiquettes significatives de chaque projet, les divisant en classifications de premier et de deuxième niveau. Parmi celles-ci, les classifications de premier niveau comprennent trois catégories : infrastructure de base, génération de contenu, 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 les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et basés sur des applications fondamentales.

• Outils de développement : fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.

• Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisées pour soutenir la prise de décision et fournir des sources pour l'entraînement.

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

• Services B2B : principalement destiné aux utilisateurs d'entreprises, offrant des solutions de services pour entreprises, verticales et automatisées.

• Plateforme d'agrégation : plateforme intégrant divers services et outils d'agent IA.

Catégorie interactive : similaire à la catégorie de génération de contenu, avec la différence d'une interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), permettant une interaction bidirectionnelle avec les utilisateurs.

• Agents AI de soutien émotionnel : fournissent un soutien émotionnel et de la compagnie.

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

• Catégorie de recherche : Axé sur les fonctionnalités de recherche, fournissant un Agent principalement dédié à une récupération d'informations plus précise.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu en fonction des instructions de l'utilisateur, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération audio.

Analyse de l'état actuel du développement des agents AI Web2

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

Impact de la maturité technologique : Les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets reposent généralement sur des technologies et des cadres éprouvés, réduisant ainsi la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.

La poussée de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour la technologie AI 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, le flux de trésorerie provenant des entreprises est relativement stable, ce qui les aide à développer des projets ultérieurs.

Limitations des cas d'utilisation : Dans le même temps, nous avons remarqué que les cas d'utilisation de l'IA de génération de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA de génération de contenu dans le portefeuille 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 la clarification des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.

Analyse des projets phares des agents IA Web2

Nous examinons en profondeur certains projets d'agents IA actuellement sur le marché Web2 et analysons ces projets en prenant pour exemples Character AI, Perplexity AI et Midjourney.

Character AI :

Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de dialoguer en langage naturel et d'exécuter des tâches spécifiques.

Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant ainsi des caractéristiques d'un groupe d'utilisateurs plus jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars, atteignant une valorisation de 1 milliard de dollars, avec a16z comme investisseur principal.

Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour utiliser ses grands modèles de langage, 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 pour poser des questions de suivi et rechercher des mots-clés, répondant ainsi aux besoins variés des utilisateurs en matière de requêtes.

Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, et le trafic de ses applications mobiles et de bureau a connu une croissance de 8,6 % 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, avec la participation de Stan Druckenmiller et de NVIDIA.

Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : 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:

Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes sur Midjourney grâce aux Prompts, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstraction. La plateforme propose également un mélange et une édition d'images, permettant aux utilisateurs de superposer des images et de transférer des styles, la fonction de génération en temps réel de la plateforme garantit que les utilisateurs obtiennent des résultats en quelques secondes à quelques minutes.