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, sedangkan di bidang Web3, proyek pelatihan model dan pengumpulan platform menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di sektor AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar.
Untuk proyek Web3, pengenalan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem yang lengkap dan desain model ekonomi token, guna mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Status Proyek yang Muncul dan Kenaikan Valuasi
Sejak peluncuran ChatGPT pada November 2022, dalam waktu singkat hanya dua bulan, telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka luar biasa sebesar 20,3 juta dolar AS. Setelah merilis ChatGPT, OpenAI 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 canggih seperti LLM, dan mereka pun meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di Tiongkok meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat diperebutkan.
Pertarungan antar 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 dolar AS, dua kali lipat dari kuartal pertama. Total pembiayaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, tumbuh lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dimiliki Musk telah mengumpulkan 6 miliar dolar AS, dengan valuasi 24 miliar dolar AS, menjadikannya sebagai startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan pesat teknologi AI sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan ketat antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek baru bermunculan, jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan hal tersebut. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan oleh pencarian telah mencapai kemajuan signifikan dalam bidang pengolahan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi menghasilkan informasi yang 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 menyelesaikan masalah praktis 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. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian 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 konsep inti dari Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan muncul serangkaian aplikasi inovatif. Dalam 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 melakukan penelitian mendalam tentang aplikasi beragam dari AI Agent di Web3, dari infrastruktur Web3, middleware, hingga lapisan 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 antara AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, untuk membantu pembaca memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui sebuah skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional menyediakan informasi tentang tujuan dan saran perjalanan. Teknologi penghasil yang ditingkatkan 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 pemesanan, dan menambahkan itinerary ke kalender.
Saat ini, definisi umum dari AI Agent di industri adalah sistem cerdas yang dapat merasakan lingkungan dan melakukan tindakan yang sesuai, 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 memberikan 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 tingkat L5 ke atas dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri khas dari sistem-sistem ini adalah kemampuan mereka untuk merasakan input pengguna dari lingkungan eksternal dan memberikan respons yang berdampak pada 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 rangkaian 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 adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum membentuk standar klasifikasi yang seragam. Kami mengklasifikasikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberikan label masing-masing proyek berdasarkan label yang menonjol, dibagi menjadi klasifikasi tingkat pertama dan tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian disesuaikan berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Jenis ini fokus pada pembangunan konten yang lebih mendasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B-end yang lebih matang dan berbasis aplikasi yang mendasar.
Alat pengembangan: menyediakan alat dan kerangka kerja untuk membantu pengembang dalam membangun AI Agent.
Kategori pengolahan data: Memproses dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan menyediakan sumber untuk pelatihan.
Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dan lain-lain.
Layanan B: Ditujukan terutama untuk pengguna perusahaan, menyediakan solusi layanan perusahaan, vertikal, dan otomatis.
Kelas platform: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Kelas interaksi: Mirip dengan kelas pembangkitan konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen kelas interaksi 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 berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang berorientasi pada pengambilan informasi yang lebih akurat.
Kelas pembuatan konten: Proyek jenis 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 di Web2 internet tradisional menunjukkan kecenderungan konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B2B dan alat pengembangan, dan 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, menyediakan dasar yang kuat 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 mengurangi biaya. Sementara itu, bagi para 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 untuk pembuatan konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara konsisten meningkatkan produktivitas. Ini mengakibatkan proporsi AI pembuatan konten dalam basis proyek yang kecil.
Tren ini mencerminkan kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan semakin jelasnya permintaan pasar, kami memperkirakan bahwa pola ini mungkin akan disesuaikan, tetapi infrastruktur tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami menggali lebih dalam 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 pembuatan karakter virtual. Platformnya 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 pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang luar biasa di pasar modal, berhasil menyelesaikan pendanaan sebesar 150 juta USD, dengan valuasi mencapai 1 miliar USD, 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, sebelumnya terlibat dalam pengembangan model bahasa percakapan Llama milik Google.
Perplexity AI:
Deskripsi Produk: Perplexity dapat menarik dan menyediakan jawaban yang mendetail dari internet. Dengan mengutip dan memberikan tautan referensi, informasi dijamin keandalannya dan akurasinya, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi beragam kebutuhan pencarian pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan peningkatan kunjungan aplikasi mobile dan desktop 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, dengan valuasi mencapai 1,04 miliar dolar, 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 keakuratan dan keandalan informasi.
Midjourney:
Pengenalan Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari realistik 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
7
Bagikan
Komentar
0/400
OldLeekNewSickle
· 2jam yang lalu
Sebuah pola pemotongan suckers lagi, melihatnya tanpa mengatakannya.
Lihat AsliBalas0
BearMarketSurvivor
· 15jam yang lalu
Apa jerami tidak jerami, pasar memang harus melihat apakah uang besar akan masuk.
Lihat AsliBalas0
GasWrangler
· 07-25 22:23
secara teknis, kapitalisasi pasar tidak berarti apa-apa jika lapisan dasar tidak dioptimalkan...smh
Lihat AsliBalas0
NFTArchaeologis
· 07-25 22:21
Seperti titik balik setelah gelembung internet di tahun-tahun lalu, akrab namun asing.
Lihat AsliBalas0
ThreeHornBlasts
· 07-25 22:11
Meskipun porsinya sedikit, uangnya tidak sedikit.
Lihat AsliBalas0
AirdropHunterXM
· 07-25 22:08
Ayo gulung-gulung lagi, kita harus terjun ke jalur AI.
Apakah AI Agent dapat menjadi pendorong utama dalam penggabungan Web3 dan 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, sedangkan di bidang Web3, proyek pelatihan model dan pengumpulan platform menjadi arus utama karena perannya yang krusial dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di sektor AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, di masa depan akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar.
Untuk proyek Web3, pengenalan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem yang lengkap dan desain model ekonomi token, guna mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Status Proyek yang Muncul dan Kenaikan Valuasi
Sejak peluncuran ChatGPT pada November 2022, dalam waktu singkat hanya dua bulan, telah menarik lebih dari seratus juta pengguna. Pada Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka luar biasa sebesar 20,3 juta dolar AS. Setelah merilis ChatGPT, OpenAI 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 canggih seperti LLM, dan mereka pun meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan di Tiongkok meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat diperebutkan.
Pertarungan antar 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 dolar AS, dua kali lipat dari kuartal pertama. Total pembiayaan untuk startup AI bahkan melonjak menjadi 24 miliar dolar AS, tumbuh lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang dimiliki Musk telah mengumpulkan 6 miliar dolar AS, dengan valuasi 24 miliar dolar AS, menjadikannya sebagai startup AI dengan valuasi tertinggi kedua setelah OpenAI.
Perkembangan pesat teknologi AI sedang membentuk kembali peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan ketat antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek baru bermunculan, jumlah investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan hal tersebut. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan oleh pencarian telah mencapai kemajuan signifikan dalam bidang pengolahan bahasa. Meskipun demikian, model-model ini masih menghadapi tantangan dalam mengubah keunggulan teknologi menjadi produk nyata, seperti ketidakpastian output model, risiko ilusi menghasilkan informasi yang 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 menyelesaikan masalah praktis 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. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian 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 konsep inti dari Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan muncul serangkaian aplikasi inovatif. Dalam 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 melakukan penelitian mendalam tentang aplikasi beragam dari AI Agent di Web3, dari infrastruktur Web3, middleware, hingga lapisan 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 antara AI dan Web3.
Klarifikasi Konsep: Pengenalan dan Tinjauan Klasifikasi AI Agent
Pengenalan Dasar
Sebelum memperkenalkan AI Agent, untuk membantu pembaca memahami perbedaan antara definisi dan model itu sendiri, kami akan memberikan contoh melalui sebuah skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional menyediakan informasi tentang tujuan dan saran perjalanan. Teknologi penghasil yang ditingkatkan 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 pemesanan, dan menambahkan itinerary ke kalender.
Saat ini, definisi umum dari AI Agent di industri adalah sistem cerdas yang dapat merasakan lingkungan dan melakukan tindakan yang sesuai, 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 memberikan 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 tingkat L5 ke atas dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri khas dari sistem-sistem ini adalah kemampuan mereka untuk merasakan input pengguna dari lingkungan eksternal dan memberikan respons yang berdampak pada 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 rangkaian 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 adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum membentuk standar klasifikasi yang seragam. Kami mengklasifikasikan 204 proyek AI Agent di pasar Web2+Web3 dengan memberikan label masing-masing proyek berdasarkan label yang menonjol, dibagi menjadi klasifikasi tingkat pertama dan tingkat kedua. Klasifikasi tingkat pertama terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, yang kemudian disesuaikan berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Jenis ini fokus pada pembangunan konten yang lebih mendasar di bidang Agen, termasuk platform, model, data, alat pengembangan, serta layanan B-end yang lebih matang dan berbasis aplikasi yang mendasar.
Alat pengembangan: menyediakan alat dan kerangka kerja untuk membantu pengembang dalam membangun AI Agent.
Kategori pengolahan data: Memproses dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan menyediakan sumber untuk pelatihan.
Kelas pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dan lain-lain.
Layanan B: Ditujukan terutama untuk pengguna perusahaan, menyediakan solusi layanan perusahaan, vertikal, dan otomatis.
Kelas platform: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.
Kelas interaksi: Mirip dengan kelas pembangkitan konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agen kelas interaksi 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 berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang berorientasi pada pengambilan informasi yang lebih akurat.
Kelas pembuatan konten: Proyek jenis 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 di Web2 internet tradisional menunjukkan kecenderungan konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B2B dan alat pengembangan, dan 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, menyediakan dasar yang kuat 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 mengurangi biaya. Sementara itu, bagi para 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 untuk pembuatan konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara konsisten meningkatkan produktivitas. Ini mengakibatkan proporsi AI pembuatan konten dalam basis proyek yang kecil.
Tren ini mencerminkan kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlanjut dan semakin jelasnya permintaan pasar, kami memperkirakan bahwa pola ini mungkin akan disesuaikan, tetapi infrastruktur tetap akan menjadi fondasi yang kokoh bagi perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami menggali lebih dalam 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 pembuatan karakter virtual. Platformnya 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 pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang luar biasa di pasar modal, berhasil menyelesaikan pendanaan sebesar 150 juta USD, dengan valuasi mencapai 1 miliar USD, 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, sebelumnya terlibat dalam pengembangan model bahasa percakapan Llama milik Google.
Perplexity AI:
Deskripsi Produk: Perplexity dapat menarik dan menyediakan jawaban yang mendetail dari internet. Dengan mengutip dan memberikan tautan referensi, informasi dijamin keandalannya dan akurasinya, sekaligus mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi beragam kebutuhan pencarian pengguna.
Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan peningkatan kunjungan aplikasi mobile dan desktop 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, dengan valuasi mencapai 1,04 miliar dolar, 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 keakuratan dan keandalan informasi.
Midjourney:
Pengenalan Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari realistik hingga