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 dalam bidang Web3, proyek pelatihan model dan pengumpulan platform 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 dalam jalur AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa dengan kematangan teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek yang memiliki valuasi lebih dari 1 miliar dolar di masa depan.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi non-inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.
Gelombang AI: Situasi Proyek yang Muncul dan Kenaikan Valuasi
Sejak peluncuran ChatGPT pada November 2022, dalam waktu hanya 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 AS. Setelah merilis ChatGPT, OpenAI 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 segera meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan Tiongkok memperkenalkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang tak terhindarkan.
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. Di seluruh dunia terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta USD, dua kali lipat dari kuartal pertama. Total pembiayaan untuk startup AI bahkan melonjak menjadi 24 miliar USD, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang didirikan oleh Musk telah mengumpulkan 6 miliar USD, dengan valuasi sebesar 24 miliar USD, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan pesat teknologi AI sedang membentuk kembali lanskap 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 terus mencetak rekor baru, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi peningkatan generasi yang berhasil 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 tidak akurat, serta masalah transparansi model. 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 pada komprehensivitas dalam memecahkan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menuju 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 struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, bergabung dengan prinsip inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi akan melahirkan 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 aplikasi berskala besar.
Untuk itu, kami mulai melakukan penelitian mendalam tentang 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, guna memahami dengan lebih baik integrasi mendalam antara AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, agar pembaca dapat lebih memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui sebuah skenario nyata: anggaplah Anda sedang merencanakan perjalanan. Model bahasa besar tradisional menyediakan informasi tujuan dan saran perjalanan. Teknologi generasi yang ditingkatkan dengan pengambilan informasi dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti J.A.R.V.I.S dari 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.
Definisi umum AI Agent di industri saat ini adalah sistem cerdas yang dapat merasakan lingkungan dan melakukan tindakan yang sesuai, dengan mendapatkan informasi lingkungan melalui sensor, memprosesnya, 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 menyediakan 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 menyatu dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan pengemudian otomatis di atas level L5 dari Tesla yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah bahwa mereka dapat merasakan masukan pengguna dari lingkungan eksternal dan berdasarkan itu membuat dampak yang sesuai terhadap lingkungan nyata.
Sebagai contoh dengan ChatGPT untuk memperjelas konsep, kita harus secara jelas menunjukkan bahwa Transformer adalah arsitektur teknologi yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGP adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami menggunakan metode penandaan pada 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label mencolok yang sesuai untuk setiap proyek, yang dibagi menjadi klasifikasi tingkat pertama dan tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian disubdivisi berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Tipe ini fokus pada membangun konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B-end yang lebih matang dan aplikasi dasar.
Alat pengembangan: menyediakan alat dan kerangka bantu bagi pengembang untuk 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, pembuatan model, pengaturan, dan lain-lain
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kelas pengumpulan platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan jenis generasi 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.
Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kategori GPT: Agen AI yang berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan informasi yang lebih akurat sebagai agen utama.
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 Pengembangan Agen AI Web2
Berdasarkan statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara khusus, sekitar dua pertiga proyek terfokus pada infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan, kami juga telah melakukan 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 memberikan dasar yang kuat untuk pengembangan dan penerapan AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan pasar perusahaan terhadap teknologi AI lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek berikutnya.
Batasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI jenis generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasilnya, perusahaan cenderung lebih memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI generasi konten dalam perpustakaan proyek yang relatif kecil.
Tren ini mencerminkan tingkat kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Dengan kemajuan teknologi AI yang terus berlanjut dan permintaan pasar yang semakin jelas, kami memperkirakan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi landasan yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Kami mendalami beberapa proyek AI Agent yang ada di pasar Web2 saat ini dan menganalisisnya, dengan mengambil contoh tiga proyek: Character AI, Perplexity AI, dan 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 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 sangat 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 para 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 menyediakan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk ke tautan, memastikan keandalan dan akurasi informasi, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses ke aplikasi mobile dan desktop mengalami pertumbuhan sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mendapatkan pendanaan sebesar 62,7 juta dolar AS, dengan valuasi mencapai 1,04 miliar dolar AS, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.
Analisis teknis: Model utama yang digunakan oleh Perplexity adalah GPT-3.5 yang telah disesuaikan, serta dua model besar yang disesuaikan berdasarkan model besar sumber terbuka: pplx-7b-online dan pplx-70b-online. Model ini cocok untuk penelitian akademis profesional dan kueri di bidang vertikal, memastikan kebenaran dan keandalan informasi.
Midjourney:
Perkenalan 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.
17 Suka
Hadiah
17
2
Posting ulang
Bagikan
Komentar
0/400
JustHereForAirdrops
· 08-09 23:18
Daripada menjadi tali penyelamat, biarkan a16z melihat kkx terlebih dahulu.
Lihat AsliBalas0
ClassicDumpster
· 08-09 23:10
kapitalisasi pasar tinggi ada gunanya apa jika tidak ada skenario implementasi
Apakah AI Agent dapat memimpin masa depan baru Web3+AI
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 dalam bidang Web3, proyek pelatihan model dan pengumpulan platform 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 dalam jalur AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa dengan kematangan teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek yang memiliki valuasi lebih dari 1 miliar dolar di masa depan.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi non-inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.
Gelombang AI: Situasi Proyek yang Muncul dan Kenaikan Valuasi
Sejak peluncuran ChatGPT pada November 2022, dalam waktu hanya 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 AS. Setelah merilis ChatGPT, OpenAI 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 segera meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan Tiongkok memperkenalkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang tak terhindarkan.
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. Di seluruh dunia terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta USD, dua kali lipat dari kuartal pertama. Total pembiayaan untuk startup AI bahkan melonjak menjadi 24 miliar USD, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang didirikan oleh Musk telah mengumpulkan 6 miliar USD, dengan valuasi sebesar 24 miliar USD, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan pesat teknologi AI sedang membentuk kembali lanskap 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 terus mencetak rekor baru, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi peningkatan generasi yang berhasil 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 tidak akurat, serta masalah transparansi model. 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 pada komprehensivitas dalam memecahkan masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menuju 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 struktur produktivitas, sementara teknologi Web3 sedang membangun kembali hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, bergabung dengan prinsip inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi akan melahirkan 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 aplikasi berskala besar.
Untuk itu, kami mulai melakukan penelitian mendalam tentang 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, guna memahami dengan lebih baik integrasi mendalam antara AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, agar pembaca dapat lebih memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui sebuah skenario nyata: anggaplah Anda sedang merencanakan perjalanan. Model bahasa besar tradisional menyediakan informasi tujuan dan saran perjalanan. Teknologi generasi yang ditingkatkan dengan pengambilan informasi dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti J.A.R.V.I.S dari 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.
Definisi umum AI Agent di industri saat ini adalah sistem cerdas yang dapat merasakan lingkungan dan melakukan tindakan yang sesuai, dengan mendapatkan informasi lingkungan melalui sensor, memprosesnya, 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 menyediakan 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 menyatu dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan pengemudian otomatis di atas level L5 dari Tesla yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah bahwa mereka dapat merasakan masukan pengguna dari lingkungan eksternal dan berdasarkan itu membuat dampak yang sesuai terhadap lingkungan nyata.
Sebagai contoh dengan ChatGPT untuk memperjelas konsep, kita harus secara jelas menunjukkan bahwa Transformer adalah arsitektur teknologi yang membentuk model AI, GPT adalah serangkaian model yang berkembang berdasarkan arsitektur ini, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGP adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami menggunakan metode penandaan pada 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label mencolok yang sesuai untuk setiap proyek, yang dibagi menjadi klasifikasi tingkat pertama dan tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian disubdivisi berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Tipe ini fokus pada membangun konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B-end yang lebih matang dan aplikasi dasar.
Alat pengembangan: menyediakan alat dan kerangka bantu bagi pengembang untuk 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, pembuatan model, pengaturan, dan lain-lain
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kelas pengumpulan platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan jenis generasi 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.
Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kategori GPT: Agen AI yang berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan informasi yang lebih akurat sebagai agen utama.
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 Pengembangan Agen AI Web2
Berdasarkan statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara khusus, sekitar dua pertiga proyek terfokus pada infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan, kami juga telah melakukan 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 memberikan dasar yang kuat untuk pengembangan dan penerapan AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan pasar perusahaan terhadap teknologi AI lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi pengembang, aliran kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka untuk mengembangkan proyek-proyek berikutnya.
Batasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI jenis generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasilnya, perusahaan cenderung lebih memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI generasi konten dalam perpustakaan proyek yang relatif kecil.
Tren ini mencerminkan tingkat kedewasaan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Dengan kemajuan teknologi AI yang terus berlanjut dan permintaan pasar yang semakin jelas, kami memperkirakan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi landasan yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Kami mendalami beberapa proyek AI Agent yang ada di pasar Web2 saat ini dan menganalisisnya, dengan mengambil contoh tiga proyek: Character AI, Perplexity AI, dan 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 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 sangat 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 para 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 menyediakan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk ke tautan, memastikan keandalan dan akurasi informasi, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan akses ke aplikasi mobile dan desktop mengalami pertumbuhan sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mendapatkan pendanaan sebesar 62,7 juta dolar AS, dengan valuasi mencapai 1,04 miliar dolar AS, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.
Analisis teknis: Model utama yang digunakan oleh Perplexity adalah GPT-3.5 yang telah disesuaikan, serta dua model besar yang disesuaikan berdasarkan model besar sumber terbuka: pplx-7b-online dan pplx-70b-online. Model ini cocok untuk penelitian akademis profesional dan kueri di bidang vertikal, memastikan kebenaran dan keandalan informasi.
Midjourney:
Perkenalan Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari realistis hingga