Dapatkah AI Agent menjadi penyelamat untuk Web3+AI?
Proyek AI Agent adalah jenis yang populer dan matang dalam kewirausahaan Web2, terutama dalam layanan sisi perusahaan, sedangkan di bidang Web3, proyek pelatihan model dan platform agregasi menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa nilai pasar mereka di jalur AI mencapai 23%, sehingga 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 1 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi non-inti AI dapat menjadi keuntungan strategis. Untuk proyek AI Agent, cara penggabungannya harus memperhatikan 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 ChatGPT diluncurkan pada November 2022, dalam waktu singkat dua bulan telah menarik lebih dari 100 juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka luar biasa 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, berbagai raksasa teknologi tradisional menyadari pentingnya aplikasi model AI mutakhir seperti LLM, dan mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan Tiongkok meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat 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 secara langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat dan mengalami pertumbuhan eksponensial pada kuartal kedua tahun 2024. Di seluruh dunia, terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antaranya, xAI yang dimiliki oleh Musk berhasil mengumpulkan 6 miliar dolar AS dengan valuasi 24 miliar dolar AS, 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 berkembangnya proyek-proyek komunitas sumber terbuka, dan hingga antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan tanpa henti, investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas perkembangan cepat, dengan model bahasa besar dan teknologi generasi yang diperkuat pencarian mencapai kemajuan signifikan di bidang pemrosesan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian keluaran model, risiko ilusi informasi yang dihasilkan tidak akurat, serta 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 memecahkan masalah nyata dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menuju sistem cerdas yang benar-benar mampu memahami, belajar, dan memecahkan masalah nyata. Jadi kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan pemecahan masalah nyata. Evolusi teknologi AI terus-menerus membentuk kembali struktur produktivitas, sementara teknologi Web3 sedang merekonstruksi hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, digabungkan dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan 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 penerapan skala besar.
Untuk itu, kami mulai meneliti secara mendalam aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, tingkat aplikasi, hingga pasar data dan model, dengan tujuan mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami secara mendalam integrasi AI dengan Web3.
Penjelasan 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 Jarvis dalam film Iron Man, dapat memahami kebutuhan dan juga secara aktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan jadwal ke kalender.
Saat ini, definisi umum dari AI Agent dalam industri adalah sistem cerdas yang mampu merasakan lingkungan dan mengambil tindakan yang sesuai, mendapatkan informasi lingkungan melalui sensor, dan setelah diproses, 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 murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakannya.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah lama terintegrasi dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 ke atas dari Tesla yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri khas yang dimiliki oleh sistem-sistem ini adalah kemampuannya untuk merasakan input pengguna dari lingkungan eksternal dan membuat dampak yang sesuai pada 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, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGPT, di sisi lain, adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent 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. Kami membaginya menjadi klasifikasi tingkat pertama dan klasifikasi tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dirinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini fokus pada pembangunan konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan berbasis aplikasi mendasar.
Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang membangun AI Agent.
Kategori pemrosesan data: Mengolah 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 sebagainya.
Layanan B2B: Ditujukan terutama untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Kelas interaksi: Mirip dengan kelas pembangkitan konten, perbedaannya terletak pada interaksi timbal balik yang berkelanjutan. Agen interaksi tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi pemrosesan bahasa alami (NLP), mewujudkan interaksi dua arah dengan pengguna.
Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kategori GPT: AI Agent yang berbasis model GPT (Generative Pre-trained Transformer).
Kategori Pencarian: Fokus pada fitur pencarian, menyediakan Agent yang lebih akurat dalam pengambilan informasi.
Kelas pembuatan konten: Proyek-proyek ini berfokus pada penciptaan 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 internet tradisional Web2 menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada infrastruktur, di mana 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, memberikan dasar yang kokoh untuk pengembangan dan aplikasi 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 menurunkan biaya. Sementara itu, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang mendukung mereka untuk mengembangkan proyek-proyek selanjutnya.
Keterbatasan skenario aplikasi: Sementara itu, kami memperhatikan 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 perpustakaan proyek yang relatif kecil.
Tren ini mencerminkan tingkat 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 pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap menjadi fondasi yang kuat bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami mendalami 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：
Perkenalan 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 mampu 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, sebagian besar di antaranya 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 secara internal. 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 menyediakan jawaban yang mendetail dari internet. Dengan merujuk dan menyediakan tautan referensi, informasi dijamin keandalannya dan akurasinya, sekaligus mendidik, 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 jumlah akses aplikasi seluler dan desktop mengalami pertumbuhan 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan 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
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.
25 Suka
Hadiah
25
8
Bagikan
Komentar
0/400
DegenWhisperer
· 07-25 06:24
AI tidak selalu menjadi jerami, tergantung siapa yang mengalahkan siapa.
Lihat AsliBalas0
SelfCustodyBro
· 07-24 14:27
ai melakukan apapun selalu dianggap bodoh
Lihat AsliBalas0
BlockTalk
· 07-23 19:26
Uang bisa membuat orang menjadi sembarangan.
Lihat AsliBalas0
BearMarketSurvivor
· 07-22 12:59
8% jumlah 23% kapitalisasi pasar, medan perang ini telah diduduki oleh pasukan altcoin.
Lihat AsliBalas0
StakeHouseDirector
· 07-22 12:59
Lintasan bagus, beli beli beli!
Lihat AsliBalas0
MEV_Whisperer
· 07-22 12:59
Eh, semua berteriak minta pertolongan, sekelompok suckers akan datang.
Lihat AsliBalas0
LightningClicker
· 07-22 12:49
Beli sekarang! 23% dari kapitalisasi pasar bukanlah main-main.
Lihat AsliBalas0
FromMinerToFarmer
· 07-22 12:46
dunia kripto juga mulai bermain AI siapa yang memberi nilai tinggi?
Kebangkitan Proyek AI Agent: Analisis Valuasi dan Prospek Aplikasi di Jalur Web3
Dapatkah AI Agent menjadi penyelamat untuk Web3+AI?
Proyek AI Agent adalah jenis yang populer dan matang dalam kewirausahaan Web2, terutama dalam layanan sisi perusahaan, sedangkan di bidang Web3, proyek pelatihan model dan platform agregasi menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa nilai pasar mereka di jalur AI mencapai 23%, sehingga 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 1 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi non-inti AI dapat menjadi keuntungan strategis. Untuk proyek AI Agent, cara penggabungannya harus memperhatikan 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 ChatGPT diluncurkan pada November 2022, dalam waktu singkat dua bulan telah menarik lebih dari 100 juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka luar biasa 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, berbagai raksasa teknologi tradisional menyadari pentingnya aplikasi model AI mutakhir seperti LLM, dan mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan Tiongkok meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat 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 secara langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat dan mengalami pertumbuhan eksponensial pada kuartal kedua tahun 2024. Di seluruh dunia, terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta dolar AS, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antaranya, xAI yang dimiliki oleh Musk berhasil mengumpulkan 6 miliar dolar AS dengan valuasi 24 miliar dolar AS, 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 berkembangnya proyek-proyek komunitas sumber terbuka, dan hingga antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan tanpa henti, investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas perkembangan cepat, dengan model bahasa besar dan teknologi generasi yang diperkuat pencarian mencapai kemajuan signifikan di bidang pemrosesan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian keluaran model, risiko ilusi informasi yang dihasilkan tidak akurat, serta 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 memecahkan masalah nyata dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menuju sistem cerdas yang benar-benar mampu memahami, belajar, dan memecahkan masalah nyata. Jadi kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan pemecahan masalah nyata. Evolusi teknologi AI terus-menerus membentuk kembali struktur produktivitas, sementara teknologi Web3 sedang merekonstruksi hubungan produksi dalam ekonomi digital. Ketika tiga elemen utama AI: data, model, dan daya komputasi, digabungkan dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan 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 penerapan skala besar.
Untuk itu, kami mulai meneliti secara mendalam aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, tingkat aplikasi, hingga pasar data dan model, dengan tujuan mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami secara mendalam integrasi AI dengan Web3.
Penjelasan 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 Jarvis dalam film Iron Man, dapat memahami kebutuhan dan juga secara aktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan jadwal ke kalender.
Saat ini, definisi umum dari AI Agent dalam industri adalah sistem cerdas yang mampu merasakan lingkungan dan mengambil tindakan yang sesuai, mendapatkan informasi lingkungan melalui sensor, dan setelah diproses, 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 murni, tetapi juga dapat merencanakan, memecah tugas, dan benar-benar melaksanakannya.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah lama terintegrasi dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 ke atas dari Tesla yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri khas yang dimiliki oleh sistem-sistem ini adalah kemampuannya untuk merasakan input pengguna dari lingkungan eksternal dan membuat dampak yang sesuai pada 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, sementara GPT-1, GPT-4, dan GPT-4o masing-masing mewakili versi model pada tahap perkembangan yang berbeda. ChatGPT, di sisi lain, adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent 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. Kami membaginya menjadi klasifikasi tingkat pertama dan klasifikasi tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian dirinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini fokus pada pembangunan konten yang lebih mendasar di bidang Agent, termasuk platform, model, data, alat pengembangan, serta layanan B2B yang lebih matang dan berbasis aplikasi mendasar.
Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang membangun AI Agent.
Kategori pemrosesan data: Mengolah 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 sebagainya.
Layanan B2B: Ditujukan terutama untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.
Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Kelas interaksi: Mirip dengan kelas pembangkitan konten, perbedaannya terletak pada interaksi timbal balik yang berkelanjutan. Agen interaksi tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi pemrosesan bahasa alami (NLP), mewujudkan interaksi dua arah dengan pengguna.
Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kategori GPT: AI Agent yang berbasis model GPT (Generative Pre-trained Transformer).
Kategori Pencarian: Fokus pada fitur pencarian, menyediakan Agent yang lebih akurat dalam pengambilan informasi.
Kelas pembuatan konten: Proyek-proyek ini berfokus pada penciptaan 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 internet tradisional Web2 menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada infrastruktur, di mana 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, memberikan dasar yang kokoh untuk pengembangan dan aplikasi 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 menurunkan biaya. Sementara itu, bagi para pengembang, aliran kas dari perusahaan relatif stabil, yang mendukung mereka untuk mengembangkan proyek-proyek selanjutnya.
Keterbatasan skenario aplikasi: Sementara itu, kami memperhatikan 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 perpustakaan proyek yang relatif kecil.
Tren ini mencerminkan tingkat 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 pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap menjadi fondasi yang kuat bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami mendalami 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：
Perkenalan 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 mampu 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, sebagian besar di antaranya 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 secara internal. 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 menyediakan jawaban yang mendetail dari internet. Dengan merujuk dan menyediakan tautan referensi, informasi dijamin keandalannya dan akurasinya, sekaligus mendidik, 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 jumlah akses aplikasi seluler dan desktop mengalami pertumbuhan 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan 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