Bisakah AI Agent menjadi penyelamat untuk Web3+AI?
Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan untuk 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%, tetapi pangsa pasar mereka di jalur AI mencapai 23%, menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 10 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus memperhatikan pembangunan ekosistem keseluruhan dan desain model ekonomi token untuk mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Status Munculnya Proyek dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, hanya dalam waktu dua bulan telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan yaitu 20,3 juta dolar, sementara OpenAI setelah merilis ChatGPT, 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 terdepan seperti LLM, dan mulai meluncurkan model dan aplikasi AI mereka sendiri, seperti Google yang meluncurkan model bahasa besar PaLM2, Meta yang memperkenalkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang harus diperebutkan.
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 59,3% dibandingkan tahun sebelumnya, 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 yang meledak pada kuartal kedua tahun 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 bahkan melonjak mencapai 24 miliar dolar AS, tumbuh lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dimiliki oleh Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi sebesar 24 miliar dolar AS, menjadi 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 sengit antara raksasa teknologi, hingga pertumbuhan pesat proyek-proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek terus bermunculan, jumlah investasi terus mencapai rekor baru, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada pada periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan melalui pencarian telah mencapai kemajuan signifikan dalam bidang pemrosesan bahasa. Namun, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi menghasilkan informasi yang tidak akurat, serta 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 pada komprehensivitas dalam menyelesaikan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar mampu memahami, belajar, dan menyelesaikan masalah dunia nyata. Jadi, kami melihat harapan dari perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI secara terus-menerus membentuk kembali struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan kekuatan komputasi, bergabung dengan prinsip inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan muncul serangkaian aplikasi inovatif. Di bidang persimpangan yang penuh potensi ini, kami percaya bahwa AI Agent dengan kemampuannya untuk menjalankan tugas secara mandiri, menunjukkan potensi besar untuk penerapan skala besar.
Untuk itu, kami mulai menyelidiki aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, lapisan aplikasi, hingga pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami lebih dalam tentang integrasi mendalam antara AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Kategori 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 tentang tujuan dan saran perjalanan. Teknologi penghasil konten yang ditingkatkan oleh pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS di film Iron Man, yang dapat memahami kebutuhan dan secara aktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan jadwal ke kalender.
Saat ini, definisi umum dari AI Agent di industri adalah sistem cerdas yang mampu merasakan lingkungan dan melakukan tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, mengolahnya, dan kemudian mempengaruhi 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 sederhana, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar mengeksekusinya.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah lama menyatu dengan kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan mobil otonom tingkat L5 ke atas dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah mereka dapat merasakan input pengguna dari lingkungan luar dan berdasarkan itu, memberikan dampak yang sesuai terhadap lingkungan nyata.
Sebagai contoh dengan ChatGPT untuk memperjelas konsep, kita harus jelas menunjukkan bahwa Transformer adalah arsitektur teknologi yang membentuk model AI, GPT adalah serangkaian model yang dikembangkan 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 memiliki standar klasifikasi yang seragam. Kami melakukan pelabelan terhadap 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label signifikan yang sesuai dengan setiap proyek, dibagi menjadi klasifikasi tingkat pertama dan tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, generasi konten, dan interaksi pengguna, yang kemudian dirinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini fokus pada membangun konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan berbasis aplikasi dasar.
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 menyediakan sumber untuk pelatihan.
Kelas pelatihan model: menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dll.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan kelas pembangkitan konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agent interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi seperti pemrosesan bahasa alami (NLP) untuk mewujudkan interaksi dua arah dengan pengguna.
Jenis pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Jenis GPT: Agen AI yang berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang berfokus pada pengambilan informasi yang lebih akurat.
Generasi Konten: Proyek jenis ini fokus pada penciptaan konten, memanfaatkan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori: generasi teks, generasi gambar, generasi video, dan generasi audio.
Analisis Status Pengembangan Agen AI Web2
Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan kecenderungan konsentrasi sektor yang jelas. Secara khusus, sekitar dua pertiga proyek terfokus pada infrastruktur, dengan sebagian besar adalah layanan B2B dan alat pengembangan. 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, yang menyediakan dasar yang kokoh untuk pengembangan dan penerapan Agen AI.
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 operasi dan mengurangi biaya. Pada saat yang sama, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek selanjutnya.
Pembatasan skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generasi konten di pasar B2B 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 perpustakaan proyek.
Tren ini mencerminkan kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Dengan kemajuan terus-menerus dalam teknologi AI dan semakin jelasnya permintaan pasar, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami mendalami beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil contoh tiga proyek yaitu Character AI, Perplexity AI, dan Midjourney.
Karakter AI:
Perkenalan Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat untuk membuat karakter virtual. Platformnya memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang dapat melakukan percakapan dalam bahasa alami dan melaksanakan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang baik di pasar modal, menyelesaikan pendanaan sebesar 150 juta dolar, dengan valuasi mencapai 1 miliar dolar, dipimpin oleh a16z.
Analisis Teknologi: 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 dialogis Llama milik Google.
Perplexity AI:
Deskripsi Produk: Perplexity dapat mengambil dan memberikan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk link, memastikan keandalan dan akurasi informasi, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lebih lanjut dan mencari kata kunci, memenuhi kebutuhan pencarian beragam pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses aplikasi mobile dan desktop meningkat sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mendapatkan pendanaan sebesar 62,7 juta dolar, dengan valuasi mencapai 1,04 miliar dolar, dipimpin oleh Daniel Gross, dengan peserta termasuk 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 vertikal.
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.
20 Suka
Hadiah
20
8
Bagikan
Komentar
0/400
BearMarketMonk
· 07-23 17:54
Tidak ada gunanya, pada dasarnya ini adalah inovasi Ponzi.
Lihat AsliBalas0
fork_in_the_road
· 07-22 00:54
dunia kripto benar-benar tidak bisa terlepas dari obat AI ini ya
Lihat AsliBalas0
governance_ghost
· 07-21 05:32
Bagus, kapitalisasi pasar sudah mencapai 23%.
Lihat AsliBalas0
DuskSurfer
· 07-21 05:29
ai+web3 gelombang ini pasti To da moon!
Lihat AsliBalas0
GasFeeSobber
· 07-21 05:28
Angka itu ada gunanya, semuanya hanya spekulasi konsep belaka.
Lihat AsliBalas0
StakeOrRegret
· 07-21 05:28
Data-data ini terlalu menggoda, To da moon
Lihat AsliBalas0
DeFi_Dad_Jokes
· 07-21 05:24
Siapa yang peduli dengan persentase, APE pasti naik
Apakah AI Agent dapat menjadi pendorong utama dalam penggabungan Web3 dan AI
Bisakah AI Agent menjadi penyelamat untuk Web3+AI?
Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan untuk 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%, tetapi pangsa pasar mereka di jalur AI mencapai 23%, menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 10 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus memperhatikan pembangunan ekosistem keseluruhan dan desain model ekonomi token untuk mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Status Munculnya Proyek dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, hanya dalam waktu dua bulan telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan yaitu 20,3 juta dolar, sementara OpenAI setelah merilis ChatGPT, 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 terdepan seperti LLM, dan mulai meluncurkan model dan aplikasi AI mereka sendiri, seperti Google yang meluncurkan model bahasa besar PaLM2, Meta yang memperkenalkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang harus diperebutkan.
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 59,3% dibandingkan tahun sebelumnya, 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 yang meledak pada kuartal kedua tahun 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 bahkan melonjak mencapai 24 miliar dolar AS, tumbuh lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dimiliki oleh Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi sebesar 24 miliar dolar AS, menjadi 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 sengit antara raksasa teknologi, hingga pertumbuhan pesat proyek-proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek terus bermunculan, jumlah investasi terus mencapai rekor baru, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada pada periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan melalui pencarian telah mencapai kemajuan signifikan dalam bidang pemrosesan bahasa. Namun, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi menghasilkan informasi yang tidak akurat, serta 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 pada komprehensivitas dalam menyelesaikan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar mampu memahami, belajar, dan menyelesaikan masalah dunia nyata. Jadi, kami melihat harapan dari perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI secara terus-menerus membentuk kembali struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan kekuatan komputasi, bergabung dengan prinsip inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan muncul serangkaian aplikasi inovatif. Di bidang persimpangan yang penuh potensi ini, kami percaya bahwa AI Agent dengan kemampuannya untuk menjalankan tugas secara mandiri, menunjukkan potensi besar untuk penerapan skala besar.
Untuk itu, kami mulai menyelidiki aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, lapisan aplikasi, hingga pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami lebih dalam tentang integrasi mendalam antara AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Kategori 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 tentang tujuan dan saran perjalanan. Teknologi penghasil konten yang ditingkatkan oleh pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS di film Iron Man, yang dapat memahami kebutuhan dan secara aktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan jadwal ke kalender.
Saat ini, definisi umum dari AI Agent di industri adalah sistem cerdas yang mampu merasakan lingkungan dan melakukan tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, mengolahnya, dan kemudian mempengaruhi 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 sederhana, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar mengeksekusinya.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah lama menyatu dengan kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan mobil otonom tingkat L5 ke atas dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah mereka dapat merasakan input pengguna dari lingkungan luar dan berdasarkan itu, memberikan dampak yang sesuai terhadap lingkungan nyata.
Sebagai contoh dengan ChatGPT untuk memperjelas konsep, kita harus jelas menunjukkan bahwa Transformer adalah arsitektur teknologi yang membentuk model AI, GPT adalah serangkaian model yang dikembangkan 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 memiliki standar klasifikasi yang seragam. Kami melakukan pelabelan terhadap 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label signifikan yang sesuai dengan setiap proyek, dibagi menjadi klasifikasi tingkat pertama dan tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, generasi konten, dan interaksi pengguna, yang kemudian dirinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini fokus pada membangun konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan berbasis aplikasi dasar.
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 menyediakan sumber untuk pelatihan.
Kelas pelatihan model: menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dll.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan kelas pembangkitan konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agent interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi seperti pemrosesan bahasa alami (NLP) untuk mewujudkan interaksi dua arah dengan pengguna.
Jenis pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Jenis GPT: Agen AI yang berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang berfokus pada pengambilan informasi yang lebih akurat.
Generasi Konten: Proyek jenis ini fokus pada penciptaan konten, memanfaatkan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori: generasi teks, generasi gambar, generasi video, dan generasi audio.
Analisis Status Pengembangan Agen AI Web2
Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan kecenderungan konsentrasi sektor yang jelas. Secara khusus, sekitar dua pertiga proyek terfokus pada infrastruktur, dengan sebagian besar adalah layanan B2B dan alat pengembangan. 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, yang menyediakan dasar yang kokoh untuk pengembangan dan penerapan Agen AI.
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 operasi dan mengurangi biaya. Pada saat yang sama, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek selanjutnya.
Pembatasan skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generasi konten di pasar B2B 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 perpustakaan proyek.
Tren ini mencerminkan kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Dengan kemajuan terus-menerus dalam teknologi AI dan semakin jelasnya permintaan pasar, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami mendalami beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil contoh tiga proyek yaitu Character AI, Perplexity AI, dan Midjourney.
Karakter AI:
Perkenalan Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat untuk membuat karakter virtual. Platformnya memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang dapat melakukan percakapan dalam bahasa alami dan melaksanakan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang baik di pasar modal, menyelesaikan pendanaan sebesar 150 juta dolar, dengan valuasi mencapai 1 miliar dolar, dipimpin oleh a16z.
Analisis Teknologi: 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 dialogis Llama milik Google.
Perplexity AI:
Deskripsi Produk: Perplexity dapat mengambil dan memberikan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk link, memastikan keandalan dan akurasi informasi, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lebih lanjut dan mencari kata kunci, memenuhi kebutuhan pencarian beragam pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses aplikasi mobile dan desktop meningkat sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mendapatkan pendanaan sebesar 62,7 juta dolar, dengan valuasi mencapai 1,04 miliar dolar, dipimpin oleh Daniel Gross, dengan peserta termasuk 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 vertikal.