Dapatkah AI Agent menjadi pelampung untuk Web3+AI?
Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan di sisi perusahaan, sementara di bidang Web3, proyek pelatihan model dan pengumpulan platform telah menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, namun pangsa nilai pasar mereka di jalur AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan matangnya teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi non-inti AI dapat menjadi keuntungan strategis. Untuk proyek AI Agent, cara penggabungannya harus menekankan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.
Gelombang AI: Situasi Proyek yang Muncul dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu hanya dua bulan telah menarik lebih dari seratus juta pengguna. Hingga Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengejutkan yaitu 20,3 juta USD. Setelah merilis ChatGPT, OpenAI juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu pesat, berbagai raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terbaru seperti LLM, dan mereka pun mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi arena yang sangat kompetitif.
Persaingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari survei statistik penelitian AI sumber terbuka, laporan AI Index 2024 menunjukkan bahwa jumlah proyek terkait AI di GitHub melonjak dari 845 pada tahun 2011 menjadi sekitar 1,8 juta pada tahun 2023, terutama setelah peluncuran GPT pada tahun 2023, jumlah proyek meningkat sebesar 59,3% dibandingkan tahun lalu, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.
Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, pasar investasi AI menunjukkan pertumbuhan yang kuat, dengan pertumbuhan eksponensial pada kuartal kedua 2024. Secara global terdapat 16 investasi terkait AI yang melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antaranya, xAI yang dimiliki oleh Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi mencapai 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan pesat teknologi AI sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan ketat antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, dan hingga pasar modal yang sangat antusias terhadap konsep AI. Proyek-proyek terus muncul, jumlah investasi mencapai rekor baru, dan valuasi pun meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas pertumbuhan yang sangat cepat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan dengan pencarian mencapai kemajuan signifikan di bidang pemrosesan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi menghasilkan informasi yang tidak akurat, dan masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan keandalan tinggi.
Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensif dalam menyelesaikan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa yang murni ke sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Oleh karena itu, kami melihat harapan dari perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI terus membentuk ulang struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, bergabung dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi akan menghasilkan serangkaian aplikasi inovatif. Di bidang silang yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk melaksanakan tugas secara mandiri, menunjukkan potensi besar untuk penerapan skala besar.
Untuk itu, kami mulai menyelidiki aplikasi AI Agent yang beragam di Web3, dari infrastruktur Web3, middleware, hingga lapisan aplikasi, serta pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami dengan lebih dalam integrasi mendalam antara AI dan Web3.
Penjelasan Konsep: Pengantar dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, untuk membantu pembaca lebih memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui sebuah skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tujuan dan saran perjalanan. Teknologi penghasil yang diperkuat dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS dalam film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan reservasi, dan menambahkan jadwal ke kalender.
Saat ini, definisi umum AI Agent dalam industri adalah sistem cerdas yang mampu merasakan lingkungan dan melakukan tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, yang kemudian diproses dan berdampak pada lingkungan melalui aktuator (Stuart Russell & Peter Norvig, 2020). Kami percaya bahwa AI Agent adalah asisten yang menggabungkan kemampuan LLM, RAG, memori, perencanaan tugas, dan penggunaan alat. Ia tidak hanya dapat memberikan informasi secara murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakannya.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah lama terintegrasi dalam hidup kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 ke atas dari Tesla, semuanya dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah bahwa mereka dapat merasakan input pengguna dari dunia luar dan berdasarkan itu membuat dampak yang sesuai terhadap lingkungan nyata.
Menggunakan ChatGPT sebagai contoh untuk klarifikasi konsep, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGP adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum membentuk standar klasifikasi yang seragam. Kami memberikan label pada 204 proyek AI Agent di pasar Web2+Web3 secara terpisah, dan berdasarkan label yang signifikan untuk masing-masing proyek, dibagi menjadi kategori tingkat satu dan tingkat dua. Di antara kategori tingkat satu, terdapat tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dirinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Jenis ini fokus pada pembangunan konten yang lebih mendasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B-end untuk aplikasi dasar yang lebih matang.
Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang dalam membangun AI Agent.
Kategori pemrosesan data: Memproses dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan memberikan sumber untuk pelatihan.
Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembuatan model, pengaturan, dll.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan solusi layanan perusahaan, vertikal, dan otomatis.
Kelas platform: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaksi: Mirip dengan jenis konten yang dihasilkan, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi seperti pemrosesan bahasa alami (NLP), mewujudkan interaksi dua arah dengan pengguna.
Kategori pendampingan emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kategori GPT: Agen AI yang didasarkan pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang lebih akurat untuk pengambilan informasi.
Kelas pembuatan konten: Proyek-proyek ini fokus pada menciptakan konten, menggunakan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori: pembuatan teks, pembuatan gambar, pembuatan video, dan pembuatan audio.
Analisis Status Pengembangan Agen AI Web2
Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembang, dan kami juga telah melakukan beberapa analisis terhadap fenomena ini.
Dampak Kematangan Teknologi: Proyek infrastruktur mendominasi karena kematangan teknologinya. Proyek-proyek ini biasanya dibangun di atas teknologi dan kerangka kerja yang telah teruji oleh waktu, sehingga mengurangi kesulitan dan risiko pengembangan. Ini setara dengan "sekop" di bidang AI, memberikan dasar yang kuat untuk pengembangan dan aplikasi AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan pasar perusahaan terhadap teknologi AI lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka dalam mengembangkan proyek-proyek selanjutnya.
Batasan tentang skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generasi konten di pasar B-end memiliki skenario aplikasi yang relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI generasi konten yang kecil dalam kumpulan proyek.
Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan semakin jelasnya permintaan pasar, kami memperkirakan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur tetap akan menjadi pijakan yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami membahas secara mendalam beberapa proyek AI Agent di pasar Web2 saat ini, dan menganalisisnya dengan mengambil tiga proyek sebagai contoh: Character AI, Perplexity AI, dan Midjourney.
Karakter AI:
Deskripsi Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat pembuatan karakter virtual. Platformnya memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang mampu melakukan percakapan dalam bahasa alami dan melaksanakan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan di bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik demografis pengguna yang lebih muda. Character AI menunjukkan kinerja yang luar biasa di pasar modal, berhasil mengumpulkan pendanaan sebesar 150 juta dolar AS, dengan valuasi mencapai 1 miliard dolar AS, dipimpin oleh a16z.
Analisis Teknikal: Character AI telah menandatangani perjanjian lisensi non-eksklusif dengan perusahaan induk Google, Alphabet, yang menunjukkan bahwa Character AI menggunakan teknologi yang dikembangkan sendiri. Perlu dicatat bahwa pendiri perusahaan, Noam Shazeer dan Daniel De Freitas, pernah terlibat dalam pengembangan model bahasa percakapan Llama milik Google.
Perplexity AI:
Perkenalan Produk: Perplexity dapat menangkap dan menyediakan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk tautan, ia memastikan keandalan dan akurasi informasi, sambil mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian beragam pengguna.
Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan kunjungan ke aplikasi mobile dan desktop mengalami pertumbuhan sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan memperoleh pendanaan sebesar 62,7 juta dolar, dengan valuasi mencapai 1,04 miliar dolar, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.
Analisis teknis: Model utama yang digunakan oleh Perplexity adalah GPT-3.5 yang telah disesuaikan, serta dua model besar yang disesuaikan berdasarkan model besar sumber terbuka: pplx-7b-online dan pplx-70b-online. Model ini cocok untuk penelitian akademis profesional dan
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
8 Suka
Hadiah
8
6
Bagikan
Komentar
0/400
OPsychology
· 19jam yang lalu
Banyak hiasan di luar, tetapi rusak di dalam.
Lihat AsliBalas0
WalletDoomsDay
· 19jam yang lalu
Keduanya adalah gelembung.
Lihat AsliBalas0
TokenSherpa
· 19jam yang lalu
Pasar benar-benar menarik
Lihat AsliBalas0
CoinBasedThinking
· 19jam yang lalu
Melihat baik terus naik
Lihat AsliBalas0
GasFeeCrier
· 20jam yang lalu
Dompet terbakar terlalu cepat
Lihat AsliBalas0
AllInDaddy
· 20jam yang lalu
Bekerja tidak sebanding dengan Perdagangan Mata Uang Kripto untuk menghasilkan uang.
Proyek Web3 AI Agent muncul dengan kapitalisasi pasar mencapai 23%, valuasi miliaran dolar di masa depan dapat diharapkan.
Dapatkah AI Agent menjadi pelampung untuk Web3+AI?
Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan di sisi perusahaan, sementara di bidang Web3, proyek pelatihan model dan pengumpulan platform telah menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, namun pangsa nilai pasar mereka di jalur AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan matangnya teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi non-inti AI dapat menjadi keuntungan strategis. Untuk proyek AI Agent, cara penggabungannya harus menekankan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.
Gelombang AI: Situasi Proyek yang Muncul dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu hanya dua bulan telah menarik lebih dari seratus juta pengguna. Hingga Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengejutkan yaitu 20,3 juta USD. Setelah merilis ChatGPT, OpenAI juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu pesat, berbagai raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terbaru seperti LLM, dan mereka pun mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi arena yang sangat kompetitif.
Persaingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari survei statistik penelitian AI sumber terbuka, laporan AI Index 2024 menunjukkan bahwa jumlah proyek terkait AI di GitHub melonjak dari 845 pada tahun 2011 menjadi sekitar 1,8 juta pada tahun 2023, terutama setelah peluncuran GPT pada tahun 2023, jumlah proyek meningkat sebesar 59,3% dibandingkan tahun lalu, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.
Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, pasar investasi AI menunjukkan pertumbuhan yang kuat, dengan pertumbuhan eksponensial pada kuartal kedua 2024. Secara global terdapat 16 investasi terkait AI yang melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antaranya, xAI yang dimiliki oleh Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi mencapai 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan pesat teknologi AI sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan ketat antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, dan hingga pasar modal yang sangat antusias terhadap konsep AI. Proyek-proyek terus muncul, jumlah investasi mencapai rekor baru, dan valuasi pun meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas pertumbuhan yang sangat cepat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan dengan pencarian mencapai kemajuan signifikan di bidang pemrosesan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi menghasilkan informasi yang tidak akurat, dan masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan keandalan tinggi.
Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensif dalam menyelesaikan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa yang murni ke sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Oleh karena itu, kami melihat harapan dari perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI terus membentuk ulang struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, bergabung dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi akan menghasilkan serangkaian aplikasi inovatif. Di bidang silang yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk melaksanakan tugas secara mandiri, menunjukkan potensi besar untuk penerapan skala besar.
Untuk itu, kami mulai menyelidiki aplikasi AI Agent yang beragam di Web3, dari infrastruktur Web3, middleware, hingga lapisan aplikasi, serta pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami dengan lebih dalam integrasi mendalam antara AI dan Web3.
Penjelasan Konsep: Pengantar dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, untuk membantu pembaca lebih memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui sebuah skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tujuan dan saran perjalanan. Teknologi penghasil yang diperkuat dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS dalam film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan reservasi, dan menambahkan jadwal ke kalender.
Saat ini, definisi umum AI Agent dalam industri adalah sistem cerdas yang mampu merasakan lingkungan dan melakukan tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, yang kemudian diproses dan berdampak pada lingkungan melalui aktuator (Stuart Russell & Peter Norvig, 2020). Kami percaya bahwa AI Agent adalah asisten yang menggabungkan kemampuan LLM, RAG, memori, perencanaan tugas, dan penggunaan alat. Ia tidak hanya dapat memberikan informasi secara murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakannya.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah lama terintegrasi dalam hidup kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 ke atas dari Tesla, semuanya dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah bahwa mereka dapat merasakan input pengguna dari dunia luar dan berdasarkan itu membuat dampak yang sesuai terhadap lingkungan nyata.
Menggunakan ChatGPT sebagai contoh untuk klarifikasi konsep, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGP adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum membentuk standar klasifikasi yang seragam. Kami memberikan label pada 204 proyek AI Agent di pasar Web2+Web3 secara terpisah, dan berdasarkan label yang signifikan untuk masing-masing proyek, dibagi menjadi kategori tingkat satu dan tingkat dua. Di antara kategori tingkat satu, terdapat tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dirinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Jenis ini fokus pada pembangunan konten yang lebih mendasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B-end untuk aplikasi dasar yang lebih matang.
Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang dalam membangun AI Agent.
Kategori pemrosesan data: Memproses dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan memberikan sumber untuk pelatihan.
Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembuatan model, pengaturan, dll.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan solusi layanan perusahaan, vertikal, dan otomatis.
Kelas platform: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaksi: Mirip dengan jenis konten yang dihasilkan, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi seperti pemrosesan bahasa alami (NLP), mewujudkan interaksi dua arah dengan pengguna.
Kategori pendampingan emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kategori GPT: Agen AI yang didasarkan pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang lebih akurat untuk pengambilan informasi.
Kelas pembuatan konten: Proyek-proyek ini fokus pada menciptakan konten, menggunakan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori: pembuatan teks, pembuatan gambar, pembuatan video, dan pembuatan audio.
Analisis Status Pengembangan Agen AI Web2
Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembang, dan kami juga telah melakukan beberapa analisis terhadap fenomena ini.
Dampak Kematangan Teknologi: Proyek infrastruktur mendominasi karena kematangan teknologinya. Proyek-proyek ini biasanya dibangun di atas teknologi dan kerangka kerja yang telah teruji oleh waktu, sehingga mengurangi kesulitan dan risiko pengembangan. Ini setara dengan "sekop" di bidang AI, memberikan dasar yang kuat untuk pengembangan dan aplikasi AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan pasar perusahaan terhadap teknologi AI lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka dalam mengembangkan proyek-proyek selanjutnya.
Batasan tentang skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generasi konten di pasar B-end memiliki skenario aplikasi yang relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI generasi konten yang kecil dalam kumpulan proyek.
Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan semakin jelasnya permintaan pasar, kami memperkirakan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur tetap akan menjadi pijakan yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami membahas secara mendalam beberapa proyek AI Agent di pasar Web2 saat ini, dan menganalisisnya dengan mengambil tiga proyek sebagai contoh: Character AI, Perplexity AI, dan Midjourney.
Karakter AI:
Deskripsi Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat pembuatan karakter virtual. Platformnya memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang mampu melakukan percakapan dalam bahasa alami dan melaksanakan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan di bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik demografis pengguna yang lebih muda. Character AI menunjukkan kinerja yang luar biasa di pasar modal, berhasil mengumpulkan pendanaan sebesar 150 juta dolar AS, dengan valuasi mencapai 1 miliard dolar AS, dipimpin oleh a16z.
Analisis Teknikal: Character AI telah menandatangani perjanjian lisensi non-eksklusif dengan perusahaan induk Google, Alphabet, yang menunjukkan bahwa Character AI menggunakan teknologi yang dikembangkan sendiri. Perlu dicatat bahwa pendiri perusahaan, Noam Shazeer dan Daniel De Freitas, pernah terlibat dalam pengembangan model bahasa percakapan Llama milik Google.
Perplexity AI:
Perkenalan Produk: Perplexity dapat menangkap dan menyediakan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk tautan, ia memastikan keandalan dan akurasi informasi, sambil mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian beragam pengguna.
Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan kunjungan ke aplikasi mobile dan desktop mengalami pertumbuhan sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan memperoleh pendanaan sebesar 62,7 juta dolar, dengan valuasi mencapai 1,04 miliar dolar, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.
Analisis teknis: Model utama yang digunakan oleh Perplexity adalah GPT-3.5 yang telah disesuaikan, serta dua model besar yang disesuaikan berdasarkan model besar sumber terbuka: pplx-7b-online dan pplx-70b-online. Model ini cocok untuk penelitian akademis profesional dan