Dapatkah AI Agent menjadi penyelamat 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 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%, menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan ada banyak proyek yang diperkirakan memiliki valuasi di atas 1 miliar dolar di masa depan.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, guna mendorong desentralisasi dan efek jaringan.
Gelombang AI: Situasi Munculnya Proyek dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, hanya dalam dua bulan telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan sebesar 20,3 juta dolar AS. Setelah merilis ChatGPT, OpenAI juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan tren yang begitu pesat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI mutakhir seperti LLM, dan masing-masing mulai 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 pertempuran yang sangat kompetitif.
Kompetisi 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 meningkat pesat dari 845 proyek 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 sebelumnya, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.
Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat, mengalami pertumbuhan eksplosif pada kuartal kedua tahun 2024. Secara global terdapat 16 investasi terkait AI yang melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Jumlah total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dimiliki Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi mencapai 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Top 10 Pendanaan Jalur AI Q2 2024, Sumber: Yiou
Perkembangan pesat teknologi AI sedang merombak peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan sengit antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek bermunculan satu demi satu, jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode keemasan yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan melalui 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 informasi yang dihasilkan tidak akurat, dan masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan keandalan yang sangat tinggi.
Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensif dalam menyelesaikan masalah nyata dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Jadi, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah nyata. Evolusi teknologi AI terus membentuk kembali arsitektur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan kekuatan komputasi, berpadu dengan desentralisasi Web3, ekonomi token, dan konsep inti kontrak pintar, kami memprediksi akan muncul serangkaian aplikasi inovatif. Di bidang silang 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 melakukan penelitian mendalam tentang aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, hingga tingkat aplikasi, serta pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, guna memahami secara mendalam integrasi AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengantar Dasar
Sebelum memperkenalkan AI Agent, agar pembaca dapat lebih memahami perbedaan antara definisi dan model itu sendiri, kita 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 yang diperkuat dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sedangkan AI Agent seperti JARVIS dalam film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan operasi pemesanan, dan menambahkan itinerary ke kalender.
Saat ini, definisi umum dari AI Agent di industri adalah sistem cerdas yang dapat merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, diproses dan kemudian mempengaruhi lingkungan melalui aktuator (Stuart Russell & Peter Norvig, 2020). Kami percaya, 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 menyatu dengan 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 umum dari sistem-sistem ini adalah kemampuannya untuk merasakan input pengguna dari lingkungan luar dan bertindak berdasarkan hal tersebut untuk mempengaruhi lingkungan nyata.
Sebagai contoh menggunakan ChatGPT untuk memperjelas konsep, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sedangkan 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
Pasar AI Agent saat ini belum memiliki standar klasifikasi yang seragam. Kami mengklasifikasikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberi label pada masing-masing proyek berdasarkan label yang signifikan. Klasifikasi dibagi menjadi kategori tingkat satu dan kategori tingkat dua. Kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, generasi konten, dan interaksi pengguna, dan kemudian dipecah lebih lanjut berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini berfokus pada pembangunan konten yang lebih mendasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan aplikasi dasar.
Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang membangun AI Agent.
Kelas 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 B2B: Ditujukan terutama untuk pengguna perusahaan, menyediakan layanan perusahaan, layanan vertikal, dan solusi otomatis.
Platform Kumpulan: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan jenis pembangkitan konten, 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.
Kelas pendamping emosional: Agen AI yang menyediakan dukungan emosional dan pendampingan.
Jenis GPT: Agen AI yang didasarkan pada model GPT (Generative Pre-trained Transformer).
Kelas pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang utamanya melakukan pengambilan informasi yang lebih akurat.
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 dalam Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terpusat pada infrastruktur, terutama 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 dalam pengembangan. Ini setara dengan "sekop" di bidang AI, menyediakan dasar yang kokoh untuk pengembangan dan penerapan AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan terhadap teknologi AI di pasar perusahaan lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, arus kas yang berasal dari perusahaan relatif stabil, yang menguntungkan mereka dalam mengembangkan proyek-proyek berikutnya.
Pembatasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa penggunaan AI generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara konsisten meningkatkan produktivitas. Hal ini menyebabkan proporsi AI generasi konten dalam pustaka proyek menjadi kecil.
Tren ini mencerminkan kematangan 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 dasar masih akan menjadi fondasi yang kuat bagi perkembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Pengorganisasian proyek unggulan AI Agent Web2, sumber: database proyek ArkStream
Kami menggali lebih dalam beberapa proyek AI Agent yang ada di pasar Web2 saat ini dan menganalisisnya, dengan mengambil tiga proyek sebagai contoh: Character AI, Perplexity AI, Midjourney.
Karakter AI：
Deskripsi Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat pembuatan karakter virtual. Platform ini memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang dapat melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, di mana sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI tampil baik di pasar modal, berhasil menyelesaikan pendanaan sebesar 150 juta dolar AS, dengan valuasi mencapai 1 miliar dolar AS, 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 mengambil dan memberikan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk ke tautan, informasi dijamin keandalannya dan akurasinya, sementara itu akan mendidik dan membimbing pengguna untuk mengajukan pertanyaan lebih lanjut dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan kunjungan aplikasi mobile dan desktop yang 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 pencarian di bidang vertikal, memastikan keakuratan dan keandalan informasi.
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
GasFeeLover
· 14jam yang lalu
Bagus sekali, kapan bisa mengoptimalkan biaya gas?
Lihat AsliBalas0
ContractFreelancer
· 14jam yang lalu
23% dari total? 🔥Saya optimis!
Lihat AsliBalas0
MEVHunter
· 14jam yang lalu
ngmi kecuali agen dapat menemukan alpha di mempool... 23% mcap tidak ada artinya jika mereka tidak dapat mengekstrak nilai jujur
Lihat AsliBalas0
YieldHunter
· 14jam yang lalu
secara teknis... 8% daya tarik tetapi 23% mcap? tercium seperti ponzi lainnya jujur saja
Lihat AsliBalas0
MEVHunterWang
· 14jam yang lalu
Mengapa sekarang semua orang berlebihan dalam mempromosikan AI?
Bisakah Agen AI menjadi tren berikutnya di Web3+AI? Analisis keadaan perkembangan saat ini dan tren masa depan.
Dapatkah AI Agent menjadi penyelamat 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 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%, menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan ada banyak proyek yang diperkirakan memiliki valuasi di atas 1 miliar dolar di masa depan.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, guna mendorong desentralisasi dan efek jaringan.
Gelombang AI: Situasi Munculnya Proyek dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, hanya dalam dua bulan telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka yang mengesankan sebesar 20,3 juta dolar AS. Setelah merilis ChatGPT, OpenAI juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan tren yang begitu pesat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI mutakhir seperti LLM, dan masing-masing mulai 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 pertempuran yang sangat kompetitif.
Kompetisi 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 meningkat pesat dari 845 proyek 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 sebelumnya, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.
Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat, mengalami pertumbuhan eksplosif pada kuartal kedua tahun 2024. Secara global terdapat 16 investasi terkait AI yang melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Jumlah total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dimiliki Musk berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi mencapai 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Top 10 Pendanaan Jalur AI Q2 2024, Sumber: Yiou
Perkembangan pesat teknologi AI sedang merombak peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan sengit antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek bermunculan satu demi satu, jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode keemasan yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan melalui 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 informasi yang dihasilkan tidak akurat, dan masalah transparansi model. Masalah-masalah ini menjadi sangat penting dalam skenario aplikasi yang memerlukan keandalan yang sangat tinggi.
Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensif dalam menyelesaikan masalah nyata dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar dapat memahami, belajar, dan menyelesaikan masalah nyata. Jadi, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah nyata. Evolusi teknologi AI terus membentuk kembali arsitektur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan kekuatan komputasi, berpadu dengan desentralisasi Web3, ekonomi token, dan konsep inti kontrak pintar, kami memprediksi akan muncul serangkaian aplikasi inovatif. Di bidang silang 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 melakukan penelitian mendalam tentang aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, hingga tingkat aplikasi, serta pasar data dan model, dengan tujuan untuk mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, guna memahami secara mendalam integrasi AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengantar Dasar
Sebelum memperkenalkan AI Agent, agar pembaca dapat lebih memahami perbedaan antara definisi dan model itu sendiri, kita 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 yang diperkuat dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sedangkan AI Agent seperti JARVIS dalam film Iron Man, dapat memahami kebutuhan dan juga secara proaktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan operasi pemesanan, dan menambahkan itinerary ke kalender.
Saat ini, definisi umum dari AI Agent di industri adalah sistem cerdas yang dapat merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, diproses dan kemudian mempengaruhi lingkungan melalui aktuator (Stuart Russell & Peter Norvig, 2020). Kami percaya, 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 menyatu dengan 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 umum dari sistem-sistem ini adalah kemampuannya untuk merasakan input pengguna dari lingkungan luar dan bertindak berdasarkan hal tersebut untuk mempengaruhi lingkungan nyata.
Sebagai contoh menggunakan ChatGPT untuk memperjelas konsep, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknis yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sedangkan 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
Pasar AI Agent saat ini belum memiliki standar klasifikasi yang seragam. Kami mengklasifikasikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberi label pada masing-masing proyek berdasarkan label yang signifikan. Klasifikasi dibagi menjadi kategori tingkat satu dan kategori tingkat dua. Kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, generasi konten, dan interaksi pengguna, dan kemudian dipecah lebih lanjut berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini berfokus pada pembangunan konten yang lebih mendasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan aplikasi dasar.
Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang membangun AI Agent.
Kelas 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 B2B: Ditujukan terutama untuk pengguna perusahaan, menyediakan layanan perusahaan, layanan vertikal, dan solusi otomatis.
Platform Kumpulan: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan jenis pembangkitan konten, 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.
Kelas pendamping emosional: Agen AI yang menyediakan dukungan emosional dan pendampingan.
Jenis GPT: Agen AI yang didasarkan pada model GPT (Generative Pre-trained Transformer).
Kelas pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang utamanya melakukan pengambilan informasi yang lebih akurat.
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 dalam Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terpusat pada infrastruktur, terutama 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 dalam pengembangan. Ini setara dengan "sekop" di bidang AI, menyediakan dasar yang kokoh untuk pengembangan dan penerapan AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan terhadap teknologi AI di pasar perusahaan lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, arus kas yang berasal dari perusahaan relatif stabil, yang menguntungkan mereka dalam mengembangkan proyek-proyek berikutnya.
Pembatasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa penggunaan AI generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara konsisten meningkatkan produktivitas. Hal ini menyebabkan proporsi AI generasi konten dalam pustaka proyek menjadi kecil.
Tren ini mencerminkan kematangan 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 dasar masih akan menjadi fondasi yang kuat bagi perkembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Pengorganisasian proyek unggulan AI Agent Web2, sumber: database proyek ArkStream
Kami menggali lebih dalam beberapa proyek AI Agent yang ada di pasar Web2 saat ini dan menganalisisnya, dengan mengambil tiga proyek sebagai contoh: Character AI, Perplexity AI, Midjourney.
Karakter AI：
Deskripsi Produk: Character.AI menyediakan sistem percakapan berbasis kecerdasan buatan dan alat pembuatan karakter virtual. Platform ini memungkinkan pengguna untuk membuat, melatih, dan berinteraksi dengan karakter virtual yang dapat melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan lebih dari 3,5 juta pengguna aktif harian, di mana sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI tampil baik di pasar modal, berhasil menyelesaikan pendanaan sebesar 150 juta dolar AS, dengan valuasi mencapai 1 miliar dolar AS, 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 mengambil dan memberikan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk ke tautan, informasi dijamin keandalannya dan akurasinya, sementara itu akan mendidik dan membimbing pengguna untuk mengajukan pertanyaan lebih lanjut dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan kunjungan aplikasi mobile dan desktop yang 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 pencarian di bidang vertikal, memastikan keakuratan dan keandalan informasi.
Midjourney:
Deskripsi Produk: Pengguna