Dapatkah Agen AI Menjadi Penyelamat untuk Web3+AI?
Proyek AI Agent menunjukkan daya saing pasar yang kuat di jalur Web3+AI. Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di jalur AI mencapai 23%. Diperkirakan, seiring dengan matangnya teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 10 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, pendekatan harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, guna mendorong desentralisasi dan efek jaringan.
Gelombang AI: Status Proyek yang Muncul dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu singkat dua bulan telah menarik lebih dari seratus juta pengguna. Hingga Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka mengesankan 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 mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas, bidang AI telah menjadi arena persaingan yang sangat ketat.
Persaingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari survei statistik penelitian AI sumber terbuka yang kami temukan, laporan AI Index 2024 menunjukkan bahwa jumlah proyek terkait AI di GitHub meningkat pesat 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 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. 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 milik Musk bahkan berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi sebesar 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan teknologi AI yang pesat sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan sengit antara raksasa teknologi, hingga perkembangan pesat proyek-proyek komunitas sumber terbuka, hingga antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring waktu. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang diperkuat oleh pencarian telah mencapai kemajuan signifikan dalam 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, dan 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 penyelesaian masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar 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 praktis. 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, bergabung dengan prinsip inti dari Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan muncul serangkaian aplikasi inovatif. Dalam bidang yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk secara mandiri melaksanakan tugas, menunjukkan potensi besar untuk aplikasi skala besar.
Untuk itu, kami mulai melakukan penelitian mendalam tentang aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, hingga lapisan aplikasi, serta pasar data dan model, dengan tujuan mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami secara mendalam integrasi AI dan 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, mari kita gunakan contoh dari situasi nyata: anggaplah Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tujuan dan saran perjalanan. Teknologi penghasil informasi yang diperkuat dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sedangkan AI Agent seperti J.A.R.V.I.S dalam film Iron Man, dapat memahami kebutuhan dan juga secara aktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan rencana perjalanan ke kalender.
Saat ini, definisi umum dari AI Agent dalam industri adalah sistem cerdas yang dapat merasakan lingkungan dan mengambil tindakan yang sesuai, dengan mendapatkan informasi lingkungan melalui sensor, kemudian mengolahnya sebelum 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 lama terintegrasi dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan kendaraan otonom tingkat L5 ke atas dari Tesla yang dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah bahwa semuanya dapat merasakan masukan pengguna dari lingkungan eksternal, dan berdasarkan itu, membuat dampak pada lingkungan nyata.
Sebagai contoh, untuk memperjelas konsep dengan ChatGPT, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknologi 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. ChatGPT adalah AI Agent yang berevolusi berdasarkan model GPT.
Gambaran Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami melakukan penandaan terhadap 204 proyek AI Agent di pasar Web2+Web3 secara terpisah, dan berdasarkan label yang signifikan untuk masing-masing proyek, kami membaginya menjadi kategori tingkat satu dan kategori tingkat dua. Di mana, kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, kemudian disempurnakan lagi berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini berfokus pada pembangunan konten yang lebih mendasar dalam bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B-end yang lebih matang dan aplikasi dasar.
Alat pengembangan: menyediakan alat dan kerangka kerja untuk membantu pengembang membangun Agen AI.
Kategori pemrosesan data: Mengolah dan menganalisis data dalam berbagai format, terutama digunakan untuk membantu pengambilan keputusan dan menyediakan sumber untuk pelatihan.
Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dll.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, layanan vertikal, dan solusi otomatis.
Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan jenis konten yang dihasilkan, 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.
Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kelas GPT: AI Agent yang didasarkan pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang utama dalam penyediaan informasi yang lebih akurat.
Kelas pembuatan konten: Proyek-proyek ini fokus 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 Web2 AI Agent
Berdasarkan statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terfokus pada infrastruktur, di mana sebagian besar adalah layanan B2B dan alat pengembangan, kami juga 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 tingkat kesulitan dan risiko pengembangan. Mirip dengan "sekop" di bidang AI, memberikan dasar yang kuat untuk pengembangan dan aplikasi AI Agent.
Dorongan Permintaan Pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan untuk teknologi AI di pasar perusahaan lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi pengembang, arus kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka dalam mengembangkan proyek-proyek berikutnya.
Batasan dalam 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 stabil meningkatkan produktivitas. Ini menyebabkan proporsi AI generasi konten dalam pustaka proyek menjadi kecil.
Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Dengan kemajuan teknologi AI yang terus menerus dan permintaan pasar yang semakin jelas, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kuat untuk pengembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Kami mendalami beberapa proyek AI Agent 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 dapat melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan platform yang memiliki lebih dari 3,5 juta pengguna aktif harian, sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang baik di pasar modal, menyelesaikan pendanaan sebesar 150 juta dolar 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 pada tautan, informasi ini dijamin dapat diandalkan dan akurat, 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, dan akses ke 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 telah mengumpulkan dana 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 pertanyaan di bidang vertikal, memastikan keakuratan dan keandalan informasi.
Midjourney:
Deskripsi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup kebutuhan kreasi yang luas dari realistik hingga abstrak. Platform ini juga menawarkan pencampuran dan pengeditan gambar, memungkinkan pengguna untuk melakukan tumpang tindih gambar dan pemindahan gaya, fitur pembuatan waktu nyata platform memastikan pengguna dalam beberapa puluh detik hingga beberapa
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.
14 Suka
Hadiah
14
6
Posting ulang
Bagikan
Komentar
0/400
AirdropHunterXM
· 16jam yang lalu
Sekali lagi muncul mesin pemanen suckers.
Lihat AsliBalas0
LayerZeroHero
· 16jam yang lalu
ai akhirnya hanya bergantung pada agen
Lihat AsliBalas0
MEVSandwichVictim
· 16jam yang lalu
Bisakah kita memahami sandwich terlebih dahulu sebelum berbicara tentang AI
Lihat AsliBalas0
GhostAddressMiner
· 16jam yang lalu
Sekali lagi melihat kapital meniup gelembung, saya sudah lelah melihat data alamat airdrop awal... Tim proyek dari putaran ini yang bermain AI, banyak dari mereka adalah orang-orang tua dari era web2
Lihat AsliBalas0
AlwaysMissingTops
· 16jam yang lalu
Lagi-lagi menggambar kue dan bermain AI untuk memompa.
Lihat AsliBalas0
NFTFreezer
· 16jam yang lalu
Sekali lagi menggunakan AI sebagai alasan, sudah kenyang tapi masih berlagak.
Potensi besar AI Agent di masa depan bisa menjadi mesin penggerak baru dalam perkembangan Web3+AI
Dapatkah Agen AI Menjadi Penyelamat untuk Web3+AI?
Proyek AI Agent menunjukkan daya saing pasar yang kuat di jalur Web3+AI. Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di jalur AI mencapai 23%. Diperkirakan, seiring dengan matangnya teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 10 miliar dolar.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, pendekatan harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, guna mendorong desentralisasi dan efek jaringan.
Gelombang AI: Status Proyek yang Muncul dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu singkat dua bulan telah menarik lebih dari seratus juta pengguna. Hingga Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka mengesankan 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 mulai meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas, bidang AI telah menjadi arena persaingan yang sangat ketat.
Persaingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari survei statistik penelitian AI sumber terbuka yang kami temukan, laporan AI Index 2024 menunjukkan bahwa jumlah proyek terkait AI di GitHub meningkat pesat 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 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. 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 milik Musk bahkan berhasil mengumpulkan 6 miliar dolar AS, dengan valuasi sebesar 24 miliar dolar AS, menjadikannya startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan teknologi AI yang pesat sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan sengit antara raksasa teknologi, hingga perkembangan pesat proyek-proyek komunitas sumber terbuka, hingga antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring waktu. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang diperkuat oleh pencarian telah mencapai kemajuan signifikan dalam 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, dan 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 penyelesaian masalah praktis dan interaksi dengan lingkungan. Perubahan ini menandai evolusi teknologi AI dari model bahasa murni menjadi sistem cerdas yang benar-benar 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 praktis. 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, bergabung dengan prinsip inti dari Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan muncul serangkaian aplikasi inovatif. Dalam bidang yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk secara mandiri melaksanakan tugas, menunjukkan potensi besar untuk aplikasi skala besar.
Untuk itu, kami mulai melakukan penelitian mendalam tentang aplikasi beragam AI Agent di Web3, dari infrastruktur Web3, middleware, hingga lapisan aplikasi, serta pasar data dan model, dengan tujuan mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami secara mendalam integrasi AI dan 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, mari kita gunakan contoh dari situasi nyata: anggaplah Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tujuan dan saran perjalanan. Teknologi penghasil informasi yang diperkuat dengan pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sedangkan AI Agent seperti J.A.R.V.I.S dalam film Iron Man, dapat memahami kebutuhan dan juga secara aktif mencari penerbangan dan hotel berdasarkan satu kalimat Anda, melakukan pemesanan, dan menambahkan rencana perjalanan ke kalender.
Saat ini, definisi umum dari AI Agent dalam industri adalah sistem cerdas yang dapat merasakan lingkungan dan mengambil tindakan yang sesuai, dengan mendapatkan informasi lingkungan melalui sensor, kemudian mengolahnya sebelum 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 lama terintegrasi dalam kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan kendaraan otonom tingkat L5 ke atas dari Tesla yang dapat dianggap sebagai contoh AI Agent. Ciri-ciri umum dari sistem-sistem ini adalah bahwa semuanya dapat merasakan masukan pengguna dari lingkungan eksternal, dan berdasarkan itu, membuat dampak pada lingkungan nyata.
Sebagai contoh, untuk memperjelas konsep dengan ChatGPT, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknologi 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. ChatGPT adalah AI Agent yang berevolusi berdasarkan model GPT.
Gambaran Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami melakukan penandaan terhadap 204 proyek AI Agent di pasar Web2+Web3 secara terpisah, dan berdasarkan label yang signifikan untuk masing-masing proyek, kami membaginya menjadi kategori tingkat satu dan kategori tingkat dua. Di mana, kategori tingkat satu terdiri dari tiga jenis: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, kemudian disempurnakan lagi berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Kategori ini berfokus pada pembangunan konten yang lebih mendasar dalam bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B-end yang lebih matang dan aplikasi dasar.
Alat pengembangan: menyediakan alat dan kerangka kerja untuk membantu pengembang membangun Agen AI.
Kategori pemrosesan data: Mengolah dan menganalisis data dalam berbagai format, terutama digunakan untuk membantu pengambilan keputusan dan menyediakan sumber untuk pelatihan.
Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dll.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, layanan vertikal, dan solusi otomatis.
Kelas platform: platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Interaktif: Mirip dengan jenis konten yang dihasilkan, 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.
Kategori pendamping emosional: AI Agent yang menyediakan dukungan emosional dan pendampingan.
Kelas GPT: AI Agent yang didasarkan pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang utama dalam penyediaan informasi yang lebih akurat.
Kelas pembuatan konten: Proyek-proyek ini fokus 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 Web2 AI Agent
Berdasarkan statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terfokus pada infrastruktur, di mana sebagian besar adalah layanan B2B dan alat pengembangan, kami juga 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 tingkat kesulitan dan risiko pengembangan. Mirip dengan "sekop" di bidang AI, memberikan dasar yang kuat untuk pengembangan dan aplikasi AI Agent.
Dorongan Permintaan Pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan untuk teknologi AI di pasar perusahaan lebih mendesak, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi pengembang, arus kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka dalam mengembangkan proyek-proyek berikutnya.
Batasan dalam 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 stabil meningkatkan produktivitas. Ini menyebabkan proporsi AI generasi konten dalam pustaka proyek menjadi kecil.
Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Dengan kemajuan teknologi AI yang terus menerus dan permintaan pasar yang semakin jelas, kami memperkirakan bahwa pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kuat untuk pengembangan AI Agent.
Analisis Proyek Utama AI Agent Web2
Kami mendalami beberapa proyek AI Agent 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 dapat melakukan percakapan dalam bahasa alami dan menjalankan tugas tertentu.
Analisis Data: Character.AI memiliki 277 juta kunjungan pada bulan Mei, dengan platform yang memiliki lebih dari 3,5 juta pengguna aktif harian, sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang baik di pasar modal, menyelesaikan pendanaan sebesar 150 juta dolar 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 pada tautan, informasi ini dijamin dapat diandalkan dan akurat, 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, dan akses ke 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 telah mengumpulkan dana 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 pertanyaan di bidang vertikal, memastikan keakuratan dan keandalan informasi.
Midjourney:
Deskripsi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup kebutuhan kreasi yang luas dari realistik hingga abstrak. Platform ini juga menawarkan pencampuran dan pengeditan gambar, memungkinkan pengguna untuk melakukan tumpang tindih gambar dan pemindahan gaya, fitur pembuatan waktu nyata platform memastikan pengguna dalam beberapa puluh detik hingga beberapa