Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan sisi perusahaan, sedangkan di bidang Web3, proyek pelatihan model dan pengumpulan platform menjadi arus utama karena perannya yang kunci dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di jalur AI mencapai 23%, yang menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar di masa depan.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Cara penggabungan proyek AI Agent harus menekankan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token untuk mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Status Munculnya Proyek dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu singkat 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, sementara OpenAI setelah merilis ChatGPT juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu cepat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terdepan seperti LLM dan berlomba-lomba untuk meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat diperjuangkan.
Perlombaan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi komersial, 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 sebesar 59,3% dibandingkan tahun sebelumnya, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.
Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat dan mengalami pertumbuhan yang meledak 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 melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang didirikan oleh Musk berhasil mengumpulkan 6 miliar dolar AS dengan valuasi 24 miliar dolar AS, menjadi 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-proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, dengan jumlah investasi yang terus memecahkan rekor, dan valuasi pun ikut melonjak. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan 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 output model, risiko ilusi informasi yang dihasilkan secara tidak akurat, serta 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 komprehensivitas dalam menyelesaikan masalah nyata dan interaksi dengan lingkungan. Perubahan ini menandakan 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 nyata. Evolusi teknologi AI terus-menerus membentuk ulang 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 Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi bahwa ini akan melahirkan serangkaian aplikasi inovatif. Dalam bidang persilangan 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 dalam 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 skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional menyediakan informasi tujuan dan saran perjalanan. Teknologi penghasil konten berbasis pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS di 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 AI Agent yang umum di industri adalah sistem cerdas yang mampu merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, yang kemudian diproses dan 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 mampu merencanakan, memecah tugas, dan benar-benar melaksanakan.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah menyatu dengan kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 ke atas dari Tesla yang dapat dianggap sebagai contoh AI Agent. Ciri umum dari sistem-sistem ini adalah bahwa semuanya dapat merasakan masukan pengguna dari lingkungan eksternal dan berdasarkan itu membuat dampak yang sesuai terhadap lingkungan nyata.
Sebagai contoh dengan menggunakan ChatGPT, kita harus 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. ChatGPT adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami melakukan penandaan terhadap 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label yang mencolok untuk setiap proyek, yang dibagi menjadi klasifikasi tingkat satu dan tingkat dua. Klasifikasi tingkat satu terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, kemudian diperinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Jenis ini fokus pada pembangunan 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 kerja untuk membantu pengembang membangun AI Agent.
Kategori pengolahan data: Mengolah dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan menyediakan sumber untuk pelatihan.
Kategori pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dan lain-lain.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, 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) untuk mewujudkan interaksi dua arah dengan pengguna.
Kategori pendamping emosional: Agen AI yang menyediakan dukungan emosional dan pendampingan.
Kelas GPT: Agen AI yang berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang lebih akurat dalam pengambilan informasi.
Kelas pembuatan konten: 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 Agen AI Web2
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 pengembang, kami juga telah melakukan beberapa analisis tentang 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 menyediakan dasar yang kuat untuk pengembangan dan penerapan AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, pasar bisnis memiliki permintaan yang lebih mendesak terhadap teknologi AI, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, arus kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka dalam mengembangkan proyek-proyek selanjutnya.
Batasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI jenis generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI generasi konten di dalam perpustakaan proyek relatif kecil.
Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlangsung dan permintaan pasar yang semakin jelas, kami memperkirakan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kuat untuk perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami membahas secara mendalam beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil tiga proyek sebagai contoh yaitu 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 lebih dari 3,5 juta pengguna aktif harian, di mana sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang luar biasa 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 disebutkan 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 mengambil dan memberikan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk pada tautan, keandalan dan akurasi informasi terjamin, sambil mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian pengguna yang beragam.
Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan trafik aplikasi mobile dan desktop meningkat sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah memperoleh pendanaan sebesar 62,7 juta USD, dengan valuasi mencapai 1,04 miliar USD, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.
Analisis Teknikal: 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:
Deskripsi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari yang 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.
18 Suka
Hadiah
18
3
Bagikan
Komentar
0/400
TaxEvader
· 16jam yang lalu
Web3 ini semua adalah penipuan, siapa yang percaya adalah bodoh.
Lihat AsliBalas0
TokenAlchemist
· 16jam yang lalu
meh... dinamika protokol menunjukkan ketidakefisienan yang jelas dalam adopsi agen. web3 membutuhkan transisi status yang lebih baik, bukan lebih banyak hype ai sejujurnya
Apakah AI Agent dapat menjadi titik terobosan dalam integrasi Web3+AI
Bisakah AI Agent menjadi penyelamat Web3+AI?
Proyek AI Agent yang populer dan matang dalam kewirausahaan Web2 terutama adalah jenis layanan sisi perusahaan, sedangkan di bidang Web3, proyek pelatihan model dan pengumpulan platform menjadi arus utama karena perannya yang kunci dalam membangun ekosistem.
Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di jalur AI mencapai 23%, yang menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan kematangan teknologi dan peningkatan pengakuan pasar, akan muncul beberapa proyek dengan valuasi lebih dari 1 miliar dolar di masa depan.
Untuk proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Cara penggabungan proyek AI Agent harus menekankan pembangunan ekosistem secara keseluruhan dan desain model ekonomi token untuk mempromosikan desentralisasi dan efek jaringan.
Gelombang AI: Status Munculnya Proyek dan Kenaikan Valuasi
Sejak ChatGPT diluncurkan pada November 2022, dalam waktu singkat 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, sementara OpenAI setelah merilis ChatGPT juga dengan cepat meluncurkan versi iterasi seperti GPT-4 dan GP4-4o. Dengan perkembangan yang begitu cepat, para raksasa teknologi tradisional menyadari pentingnya aplikasi model AI terdepan seperti LLM dan berlomba-lomba untuk meluncurkan model dan aplikasi AI mereka sendiri. Misalnya, Google merilis model bahasa besar PaLM2, Meta meluncurkan Llama3, sementara perusahaan-perusahaan China meluncurkan model besar seperti Wenxin Yiyan dan Zhipu Qingyan. Jelas bahwa bidang AI telah menjadi medan pertempuran yang sangat diperjuangkan.
Perlombaan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi komersial, 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 sebesar 59,3% dibandingkan tahun sebelumnya, mencerminkan antusiasme komunitas pengembang global terhadap penelitian AI.
Antusiasme terhadap teknologi AI tercermin langsung di pasar investasi, dengan pasar investasi AI menunjukkan pertumbuhan yang kuat dan mengalami pertumbuhan yang meledak 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 melonjak menjadi 24 miliar dolar AS, meningkat lebih dari dua kali lipat dibandingkan tahun lalu. Di antara mereka, xAI yang didirikan oleh Musk berhasil mengumpulkan 6 miliar dolar AS dengan valuasi 24 miliar dolar AS, menjadi 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-proyek komunitas sumber terbuka, serta antusiasme pasar modal terhadap konsep AI. Proyek-proyek bermunculan satu demi satu, dengan jumlah investasi yang terus memecahkan rekor, dan valuasi pun ikut melonjak. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang ditingkatkan 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 output model, risiko ilusi informasi yang dihasilkan secara tidak akurat, serta 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 komprehensivitas dalam menyelesaikan masalah nyata dan interaksi dengan lingkungan. Perubahan ini menandakan 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 nyata. Evolusi teknologi AI terus-menerus membentuk ulang 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 Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memprediksi bahwa ini akan melahirkan serangkaian aplikasi inovatif. Dalam bidang persilangan 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 dalam 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 skenario nyata: Misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional menyediakan informasi tujuan dan saran perjalanan. Teknologi penghasil konten berbasis pencarian dapat memberikan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS di 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 AI Agent yang umum di industri adalah sistem cerdas yang mampu merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh informasi lingkungan melalui sensor, yang kemudian diproses dan 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 mampu merencanakan, memecah tugas, dan benar-benar melaksanakan.
Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah menyatu dengan kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan sistem pengemudian otomatis tingkat L5 ke atas dari Tesla yang dapat dianggap sebagai contoh AI Agent. Ciri umum dari sistem-sistem ini adalah bahwa semuanya dapat merasakan masukan pengguna dari lingkungan eksternal dan berdasarkan itu membuat dampak yang sesuai terhadap lingkungan nyata.
Sebagai contoh dengan menggunakan ChatGPT, kita harus 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. ChatGPT adalah AI Agent yang berevolusi berdasarkan model GPT.
Ringkasan Kategori
Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami melakukan penandaan terhadap 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label yang mencolok untuk setiap proyek, yang dibagi menjadi klasifikasi tingkat satu dan tingkat dua. Klasifikasi tingkat satu terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, kemudian diperinci berdasarkan kasus penggunaan aktualnya:
Infrastruktur: Jenis ini fokus pada pembangunan 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 kerja untuk membantu pengembang membangun AI Agent.
Kategori pengolahan data: Mengolah dan menganalisis data dalam berbagai format, terutama digunakan untuk mendukung pengambilan keputusan dan menyediakan sumber untuk pelatihan.
Kategori pelatihan model: Menyediakan layanan pelatihan model untuk AI, termasuk inferensi, pembangunan model, pengaturan, dan lain-lain.
Layanan B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, 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) untuk mewujudkan interaksi dua arah dengan pengguna.
Kategori pendamping emosional: Agen AI yang menyediakan dukungan emosional dan pendampingan.
Kelas GPT: Agen AI yang berbasis pada model GPT (Generative Pre-trained Transformer).
Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang lebih akurat dalam pengambilan informasi.
Kelas pembuatan konten: 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 Agen AI Web2
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 pengembang, kami juga telah melakukan beberapa analisis tentang 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 menyediakan dasar yang kuat untuk pengembangan dan penerapan AI Agent.
Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, pasar bisnis memiliki permintaan yang lebih mendesak terhadap teknologi AI, terutama dalam mencari solusi untuk meningkatkan efisiensi operasional dan mengurangi biaya. Sementara itu, bagi para pengembang, arus kas dari perusahaan relatif stabil, yang menguntungkan bagi mereka dalam mengembangkan proyek-proyek selanjutnya.
Batasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI jenis generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasil yang dihasilkan, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Ini mengakibatkan proporsi AI generasi konten di dalam perpustakaan proyek relatif kecil.
Tren ini mencerminkan tingkat kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan teknologi AI yang terus berlangsung dan permintaan pasar yang semakin jelas, kami memperkirakan pola ini mungkin akan mengalami penyesuaian, tetapi infrastruktur dasar tetap akan menjadi fondasi yang kuat untuk perkembangan AI Agent.
Analisis Proyek Unggulan AI Agent Web2
Kami membahas secara mendalam beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil tiga proyek sebagai contoh yaitu 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 lebih dari 3,5 juta pengguna aktif harian, di mana sebagian besar pengguna berusia antara 18 hingga 34 tahun, menunjukkan karakteristik kelompok pengguna yang lebih muda. Character AI menunjukkan kinerja yang luar biasa 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 disebutkan 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 mengambil dan memberikan jawaban yang mendetail dari internet. Dengan mengutip dan merujuk pada tautan, keandalan dan akurasi informasi terjamin, sambil mendidik dan membimbing pengguna untuk mengajukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian pengguna yang beragam.
Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan trafik aplikasi mobile dan desktop meningkat sebesar 8,6% pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah memperoleh pendanaan sebesar 62,7 juta USD, dengan valuasi mencapai 1,04 miliar USD, dipimpin oleh Daniel Gross, dengan partisipasi dari Stan Druckenmiller dan NVIDIA.
Analisis Teknikal: 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:
Deskripsi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari yang realistis hingga