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 dalam bidang Web3, proyek pelatihan model dan pengumpulan platform telah menjadi arus utama karena perannya yang penting dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di sektor AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek dengan valuasi di atas 1 miliar dolar.
Untuk proyek Web3, untuk produk aplikasi yang bukan inti AI, pengenalan teknologi AI mungkin menjadi keunggulan strategis. Untuk cara penggabungan proyek AI Agent harus memperhatikan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Proyek yang Muncul dan Peningkatan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu dua bulan saja telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengejutkan sebesar 20,3 juta dolar AS, sementara OpenAI setelah merilis ChatGPT, juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu pesat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terdepan seperti LLM, dan mereka pun berlomba-lomba meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi arena persaingan yang sangat ketat.
Perlombaan 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 eksponensial pada kuartal kedua tahun 2024. Secara global terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta USD, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar USD, meningkat lebih dari dua kali lipat dibanding tahun lalu. Di antara mereka, xAI yang dimiliki Musk berhasil mengumpulkan 6 miliar USD, dengan valuasi 24 miliar USD, 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 sengit di antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, dengan jumlah investasi yang terus memecahkan rekor tinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas pertumbuhan cepat, dengan model bahasa besar dan teknologi generasi yang diperkuat oleh pencarian telah 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 dalam menghasilkan informasi yang tidak akurat, serta masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan tingkat keandalan yang sangat tinggi.
Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan pada komprehensifnya pemecahan masalah praktis dan interaksi dengan lingkungan. Peralihan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar dapat memahami, belajar, dan memecahkan masalah nyata. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan pemecahan masalah praktis. Evolusi teknologi AI terus 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, digabungkan dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi akan melahirkan berbagai 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 AI Agent yang beragam di Web3, mulai dari infrastruktur Web3, middleware, tingkat aplikasi, hingga pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami dengan mendalam integrasi AI dan Web3.
Penjelasan Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, untuk membantu pembaca memahami perbedaan antara definisi dan model itu sendiri, kita akan memberikan contoh melalui sebuah skenario nyata: misalkan Anda sedang merencanakan sebuah perjalanan. Model bahasa besar tradisional menyediakan informasi tujuan dan saran perjalanan. Teknologi generasi yang ditingkatkan dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS di film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan rencana perjalanan ke kalender.
Saat ini, definisi AI Agent di industri secara umum merujuk pada sistem cerdas yang dapat merasakan lingkungan dan membuat tindakan yang sesuai, dengan mendapatkan informasi lingkungan melalui sensor, kemudian diproses dan 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 murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakan.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah meresap ke dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan mobil otonom level L5 ke atas dari Tesla yang 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.
Sebagai contoh menggunakan ChatGPT untuk menjelaskan konsep, kita harus jelas menunjukkan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, dan GPT-1, GPT-4, GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGP sebagai AI Agent yang berevolusi dari model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami mengkategorikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberi label pada masing-masing proyek berdasarkan label signifikan yang sesuai, membaginya menjadi kategori tingkat satu dan kategori tingkat dua. Kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dirinci menurut penggunaan nyata mereka:
Infrastruktur: Kategori ini berfokus pada pembangunan konten yang lebih dasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan aplikasi dasar.
Alat pengembangan: Menyediakan alat dan kerangka kerja bantuan untuk 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, dan lain-lain.
Layanan B: Ditujukan terutama untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kategori platform: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan kategori pembuatan konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknik seperti pemrosesan bahasa alami (NLP) untuk mencapai interaksi dua arah dengan pengguna.
Kelas pendamping emosi: AI Agent yang memberikan dukungan emosional dan pendampingan.
Jenis GPT: Agen AI yang berbasis model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang lebih akurat untuk pengambilan informasi.
Kelas Generasi Konten: Proyek jenis ini fokus pada penciptaan konten, menggunakan 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 Perkembangan 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 terkonsentrasi pada infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan, kami juga 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 AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, pasar perusahaan memiliki permintaan yang lebih mendesak terhadap teknologi AI, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek selanjutnya.
Pembatasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generatif konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan cenderung lebih memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Hal ini mengakibatkan proporsi AI generatif konten dalam kumpulan proyek menjadi kecil.
Tren ini mencerminkan kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan permintaan pasar yang semakin jelas, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Kami membahas secara mendalam beberapa proyek AI Agent yang ada 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 untuk membuat karakter virtual. Platform ini memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual, yang mampu melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.
Analisis data: Character.AI mencatat 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 luar biasa di pasar modal, menyelesaikan pendanaan sebesar 150 juta dolar, dengan valuasi mencapai 1 miliar dolar, dipimpin oleh a16z.
Analisis teknis: 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:
Deskripsi Produk: Perplexity dapat menangkap dan menyediakan jawaban yang detail dari internet. Dengan mengutip dan merujuk ke tautan, informasi tersebut dijamin keandalan dan akurasinya, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian pengguna yang beragam.
Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses aplikasi mobile dan desktop mengalami pertumbuhan 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 pertanyaan di bidang vertikal, memastikan keaslian dan keandalan informasi.
Midjourney:
Introduksi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari realistis hingga
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.
18 Suka
Hadiah
18
8
Bagikan
Komentar
0/400
ApyWhisperer
· 4jam yang lalu
Lagi-lagi membahas gm gn, valuasi 1 miliar dolar terlalu konservatif, bukan?
Lihat AsliBalas0
GasFeeLady
· 7jam yang lalu
kap pasar memberi tahu semuanya... 23% adalah bullish af jujur
Lihat AsliBalas0
OnchainSniper
· 08-05 06:14
Melihat data, sudah ada 23% kapitalisasi pasar! bull!
Lihat AsliBalas0
TokenAlchemist
· 08-03 19:13
lol 23% pangsa pasar hanya pada 8% protokol... vektor ketidakefisienan pasar puncak di sana
Lihat AsliBalas0
consensus_whisperer
· 08-03 19:13
kapitalisasi pasar dua puluh sampai tiga puluh miliar Dianggap Bodoh
Lihat AsliBalas0
BoredRiceBall
· 08-03 19:04
又到了Dianggap Bodoh的季节...
Lihat AsliBalas0
StablecoinArbitrageur
· 08-03 18:57
hmm... rasio kapitalisasi pasar 8% hingga 23% menunjukkan kebocoran alpha yang jelas sejujurnya
Lihat AsliBalas0
InscriptionGriller
· 08-03 18:48
Dianggap Bodoh oleh orang-orang baru, para pembeli lama sudah mengerti.
Apakah AI Agent dapat menjadi kunci integrasi Web3+AI? Analisis proyek dan prospek pengembangan.
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 dalam bidang Web3, proyek pelatihan model dan pengumpulan platform telah menjadi arus utama karena perannya yang penting dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di sektor AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek dengan valuasi di atas 1 miliar dolar.
Untuk proyek Web3, untuk produk aplikasi yang bukan inti AI, pengenalan teknologi AI mungkin menjadi keunggulan strategis. Untuk cara penggabungan proyek AI Agent harus memperhatikan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Proyek yang Muncul dan Peningkatan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu dua bulan saja telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengejutkan sebesar 20,3 juta dolar AS, sementara OpenAI setelah merilis ChatGPT, juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu pesat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terdepan seperti LLM, dan mereka pun berlomba-lomba meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi arena persaingan yang sangat ketat.
Perlombaan 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 eksponensial pada kuartal kedua tahun 2024. Secara global terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta USD, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar USD, meningkat lebih dari dua kali lipat dibanding tahun lalu. Di antara mereka, xAI yang dimiliki Musk berhasil mengumpulkan 6 miliar USD, dengan valuasi 24 miliar USD, 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 sengit di antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, dengan jumlah investasi yang terus memecahkan rekor tinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas pertumbuhan cepat, dengan model bahasa besar dan teknologi generasi yang diperkuat oleh pencarian telah 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 dalam menghasilkan informasi yang tidak akurat, serta masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan tingkat keandalan yang sangat tinggi.
Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan pada komprehensifnya pemecahan masalah praktis dan interaksi dengan lingkungan. Peralihan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar dapat memahami, belajar, dan memecahkan masalah nyata. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan pemecahan masalah praktis. Evolusi teknologi AI terus 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, digabungkan dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi akan melahirkan berbagai 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 AI Agent yang beragam di Web3, mulai dari infrastruktur Web3, middleware, tingkat aplikasi, hingga pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami dengan mendalam integrasi AI dan Web3.
Penjelasan Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, untuk membantu pembaca memahami perbedaan antara definisi dan model itu sendiri, kita akan memberikan contoh melalui sebuah skenario nyata: misalkan Anda sedang merencanakan sebuah perjalanan. Model bahasa besar tradisional menyediakan informasi tujuan dan saran perjalanan. Teknologi generasi yang ditingkatkan dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS di film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan rencana perjalanan ke kalender.
Saat ini, definisi AI Agent di industri secara umum merujuk pada sistem cerdas yang dapat merasakan lingkungan dan membuat tindakan yang sesuai, dengan mendapatkan informasi lingkungan melalui sensor, kemudian diproses dan 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 murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakan.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah meresap ke dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan mobil otonom level L5 ke atas dari Tesla yang 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.
Sebagai contoh menggunakan ChatGPT untuk menjelaskan konsep, kita harus jelas menunjukkan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, dan GPT-1, GPT-4, GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGP sebagai AI Agent yang berevolusi dari model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami mengkategorikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberi label pada masing-masing proyek berdasarkan label signifikan yang sesuai, membaginya menjadi kategori tingkat satu dan kategori tingkat dua. Kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dirinci menurut penggunaan nyata mereka:
Infrastruktur: Kategori ini berfokus pada pembangunan konten yang lebih dasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan aplikasi dasar.
Alat pengembangan: Menyediakan alat dan kerangka kerja bantuan untuk 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, dan lain-lain.
Layanan B: Ditujukan terutama untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kategori platform: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan kategori pembuatan konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknik seperti pemrosesan bahasa alami (NLP) untuk mencapai interaksi dua arah dengan pengguna.
Kelas pendamping emosi: AI Agent yang memberikan dukungan emosional dan pendampingan.
Jenis GPT: Agen AI yang berbasis model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang lebih akurat untuk pengambilan informasi.
Kelas Generasi Konten: Proyek jenis ini fokus pada penciptaan konten, menggunakan 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 Perkembangan 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 terkonsentrasi pada infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan, kami juga 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 AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, pasar perusahaan memiliki permintaan yang lebih mendesak terhadap teknologi AI, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek selanjutnya.
Pembatasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generatif konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan cenderung lebih memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Hal ini mengakibatkan proporsi AI generatif konten dalam kumpulan proyek menjadi kecil.
Tren ini mencerminkan kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan permintaan pasar yang semakin jelas, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Kami membahas secara mendalam beberapa proyek AI Agent yang ada 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 untuk membuat karakter virtual. Platform ini memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual, yang mampu melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.
Analisis data: Character.AI mencatat 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 luar biasa di pasar modal, menyelesaikan pendanaan sebesar 150 juta dolar, dengan valuasi mencapai 1 miliar dolar, dipimpin oleh a16z.
Analisis teknis: 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:
Deskripsi Produk: Perplexity dapat menangkap dan menyediakan jawaban yang detail dari internet. Dengan mengutip dan merujuk ke tautan, informasi tersebut dijamin keandalan dan akurasinya, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian pengguna yang beragam.
Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses aplikasi mobile dan desktop mengalami pertumbuhan 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 pertanyaan di bidang vertikal, memastikan keaslian dan keandalan informasi.
Midjourney:
Introduksi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari realistis hingga