Чи може AI Agent стати рятівним кругом для Web3+AI?

Проект AI Agent у Web2 є популярним і зрілим типом, головним чином у сфері послуг для бізнесу, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні проекти, стали основними через їх ключову роль у побудові екосистеми.

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

Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів на кінцевому застосуванні, які не є основними для ШІ. Для проектів AI Agent слід зосередитися на розвитку повної екосистеми та проектуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.

Хвиля ШІ: Сучасний стан появи нових проєктів та зростання оцінок

Від часу появи ChatGPT у листопаді 2022 року він за короткий проміжок часу привернув понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o тощо. У такій стрімкій ситуації традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і почали випускати свої власні AI моделі та додатки, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили такі великі моделі, як Wenxin Yiyan та Zhicheng Qingyan. Очевидно, що сфера AI стала полем битви для багатьох.

Змагання між великими технологічними компаніями не лише сприяє розвитку комерційних застосувань, але й з опитування досліджень у сфері відкритого штучного інтелекту ми дізналися, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних із ШІ 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% у порівнянні з попереднім роком, що відображає захопленість світової спільноти розробників дослідженнями в галузі ШІ.

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 зафіксовано 16 угод з інвестиціями 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 більше ніж удвічі в річному обчисленні. Зокрема, xAI, що належить Маску, залучила 6 мільярдів доларів, її оцінка становить 24 мільярди доларів, що робить її другою за величиною оцінки компанією-стартапом в сфері ШІ після OpenAI.

Швидкий розвиток технологій штучного інтелекту стрімко перетворює ландшафт технологічної сфери небаченими темпами. Від жорсткої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ на фондовому ринку. Проекти виникають один за одним, обсяги інвестицій б'ють рекорди, а оцінки також зростають. Загалом, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації, підкріплені пошуком, досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделі, ризик появи неправильної інформації та проблеми прозорості моделі. Ці проблеми стають особливо важливими в сценаріях застосування, що вимагають високої надійності.

У цьому контексті ми починаємо дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технологій ШІ від чисто мовних моделей до розумних систем, які дійсно можуть розуміти, навчатися і вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між технологіями ШІ та вирішенням практичних проблем. Еволюція технологій ШІ постійно перетворює структуру продуктивності, тоді як технології Web3 переструктуровують виробничі відносини цифрової економіки. Коли три основні елементи ШІ: дані, моделі та обчислювальна потужність, поєднуються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи низки інноваційних застосувань. У цій перспективній перехідній області ми вважаємо, що AI Agent, з його здатністю самостійно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.

Для цього ми почали детально вивчати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня додатків та ринків даних і моделей тощо, з метою виявлення та оцінки найбільш перспективних типів проєктів і сценаріїв використання, щоб глибше зрозуміти глибоку інтеграцію AI і Web3.

Уточнення понять: Вступ до AI Agent та огляд класифікації

Основна інформація

Перед тим як представити AI агент, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми наведемо приклад на реальному сценарії: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та рекомендації для подорожей. Технологія, що підсилює пошук і генерацію, може надати більш багатий і конкретний контент про місця призначення. А AI агент подібний до Джарвіса з фільмів про Залізну людину, розуміє потреби і може на основі вашої фрази активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.

У сучасній індустрії загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та відповідно реагувати, отримуючи інформацію про навколишнє середовище за допомогою датчиків, обробляючи її та впливаючи на середовище через виконавчі механізми (Stuart Russell \u0026 Peter Norvig, 2020). Ми вважаємо, що AI Agent є асистентом, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він може не лише надавати інформацію, а й планувати, розбивати завдання та дійсно їх виконувати.

Згідно з цим визначенням і характеристиками, ми можемо помітити, що AI Agent вже давно інтегрований у наше життя, його застосування можна знайти 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 і відповідно впливати на реальне середовище.

Візьмемо ChatGPT як приклад для уточнення понять, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає AI моделі, GPT є серією моделей, що розвинулася на базі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделі на різних етапах розвитку. ChatGP, отже, є AI агентом, що еволюціонував на основі моделі GPT.

Загальний огляд категорії

На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми провели маркування 204 проектів AI Agent на ринку Web2+Web3, розділивши їх на основі видатних тегів, на один рівень класифікації та два рівні класифікації. При цьому, перший рівень класифікації складається з трьох категорій: базова інфраструктура, генерація контенту, взаємодія з користувачами, а потім деталізовано на основі їх фактичних випадків використання.

Інфраструктурні рішення: цей тип зосереджений на створенні більш базових компонентів у сфері Agent, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі B2B послуги для базових застосувань.

• Інструменти для розробників: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.

• Класи обробки даних: обробка та аналіз даних у різних форматах, основною метою яких є допомога у прийнятті рішень і надання джерел для навчання.

• Класи моделювання: надає послуги з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.

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

• Платформний клас: платформа, що інтегрує різні служби та інструменти AI Agent.

Інтерактивні: подібно до класу контенту, 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), забезпечуючи двосторонню взаємодію з користувачами.

• Емоційні супутники: AI-агенти, які надають емоційну підтримку та супровід.

• GPT-клас: AI-агент на базі моделі GPT (генеративний попередньо навчений трансформер).

• Пошукові: агент, що зосереджується на функції пошуку, забезпечуючи більш точний пошук інформації.

Проекти з генерації контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.

Аналіз стану розвитку Web2 AI Agent

Згідно з нашою статистикою, у традиційному інтернеті Web2 розробка AI Agent демонструє помітну тенденцію до концентрації в окремих сегментах. Конкретно, приблизно дві третини проектів зосереджені на інфраструктурних рішеннях, зокрема, переважно це послуги для бізнесу та інструменти для розробки, ми також провели деякий аналіз цього явища.

Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, передусім завдяки своїй технологічній зрілості. Ці проекти зазвичай базуються на технологіях та рамках, які пройшли випробування часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері штучного інтелекту, яка забезпечує надійну основу для розробки та застосування AI Agent.

Підтягування ринку: ще один ключовий фактор — це попит на ринку. У порівнянні з споживчим ринком, попит на технології ШІ в корпоративному секторі є більш гострим, особливо у пошуках рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошові потоки з корпоративного сектору є відносно стабільними, що сприяє розвитку наступних проектів.

Обмеження застосування: водночас ми зауважили, що застосування AI для генерації контенту на B-ринку відносно обмежене. Через нестабільність його продукції підприємства більше схиляються до застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту в проектному портфелі є досить малою.

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

Аналіз провідного проекту AI агентів Web2

Ми детально розглянемо деякі з поточних проектів AI Agent на ринку Web2 та проведемо їх аналіз, використовуючи проекти Character AI, Perplexity AI і Midjourney як приклади.

Штучний інтелект персонажа:

Опис продукту: Character.AI надає систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, тренувати і взаємодіяти з віртуальними персонажами, які здатні вести природну мовленнєву бесіду та виконувати певні завдання.

Аналіз даних: Character.AI у травні зареєстрував 277 мільйонів відвідувачів, платформа має понад 3,5 мільйона активних користувачів щоденно, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну характеристику користувацької бази. Character AI показав відмінні результати на капіталізаційному ринку, залучивши 150 мільйонів доларів фінансування, а його оцінка досягла 1 мільярда доларів, за лідерства a16z.

Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання її великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. 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 і веде користувачів до подальших запитань і пошуку ключових слів, задовольняючи різноманітні запити користувачів.

Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а кількість відвідувань його мобільних і десктопних програм у лютому зросла на 8,6%, залучаючи близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, а її оцінка досягла 1,04 мільярда доларів, головним інвестором став Деніел Грос, а серед учасників - Стен Друкенміллер і NVIDIA.

Технічний аналіз: Основною моделлю, яку використовує Perplexity, є доопрацьована GPT-3.5, а також дві великі моделі, що базуються на доопрацьованих відкритих великих моделях: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та