¿Puede el Agente de IA convertirse en la salvación de Web3+IA?

Los proyectos de AI Agent son un tipo popular y maduro en el emprendimiento Web2, principalmente en servicios para empresas, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y de plataformas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.

Actualmente, la cantidad de proyectos de AI Agent en Web3 es escasa, representando el 8%, pero su participación en el valor de mercado en el sector de AI alcanza el 23%, lo que demuestra una gran competitividad en el mercado. Esperamos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, en el futuro aparecerán múltiples proyectos con valoraciones superiores a los 1.000 millones de dólares.

Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicaciones que no son centrales de IA puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agentes de IA debe centrarse en la construcción de un ecosistema completo y en el diseño de modelos económicos de tokens para promover la descentralización y los efectos de red.

Ola de IA: La situación actual de los proyectos emergentes y el aumento de las valoraciones

Desde el lanzamiento de ChatGPT en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20,3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Ante este rápido desarrollo, los grandes gigantes tecnológicos tradicionales se han dado cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y han lanzado sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia feroz.

La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, según la investigación de código abierto en inteligencia artificial, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.

La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, experimentando un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con IA que superan los 150 millones de dólares, el doble que en el primer trimestre. La cantidad total de financiamiento para startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon Musk, ha recaudado 6 mil millones de dólares, alcanzando una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.

El rápido desarrollo de la tecnología de IA está reconfigurando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos de comunidades de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, los montos de inversión alcanzan nuevos máximos y las valoraciones también aumentan en consecuencia. En términos generales, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje de gran tamaño y tecnologías de generación aumentada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y los problemas de transparencia del modelo. Estos problemas se vuelven especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.

En este contexto, comenzamos a investigar los Agentes de IA, ya que los Agentes de IA enfatizan la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente teóricos a sistemas inteligentes que realmente comprenden, aprenden y resuelven problemas del mundo real. Así que, al observar el desarrollo de los Agentes de IA, vemos esperanza, ya que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reconstruyendo las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos fundamentales de descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de forma autónoma, muestran un enorme potencial para lograr aplicaciones a gran escala.

Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del AI Agent en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de AI y Web3.

Aclaración de conceptos: Introducción y clasificación de agentes de IA

Introducción básica

Antes de introducir el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, usamos un escenario práctico como ejemplo: supongamos que estás planeando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, que puede entender las necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario al calendario.

Actualmente, la definición comúnmente aceptada de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y afectando el entorno mediante ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que reúne capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información pura, sino que también puede planificar, descomponer tareas y ejecutarlas verdaderamente.

Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri, y la conducción autónoma de nivel L5 de Tesla y superiores, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del exterior y, en función de ello, hacer respuestas que impacten el entorno real.

Tomando como ejemplo a ChatGPT para clarificar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es una serie de modelos desarrollados sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan respectivamente las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.

Resumen de categorías

El mercado actual de Agentes de IA aún no ha formado un estándar de clasificación unificado. Clasificamos 204 proyectos de Agentes de IA en el mercado de Web2+Web3 mediante la etiquetación de cada proyecto según sus etiquetas significativas, dividiéndolos en clasificaciones de primer y segundo nivel. La clasificación de primer nivel incluye tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, que se subdividen según sus casos de uso reales:

Infraestructura: Esta categoría se centra en construir contenido más básico en el ámbito de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo, así como servicios B2B más maduros y aplicaciones de nivel inferior.

• Herramientas de desarrollo: proporcionan a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.

• Clase de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente para ayudar en la toma de decisiones y proporcionar fuentes para el entrenamiento.

• Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.

• Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.

• Plataforma de agregación: una plataforma que integra diversos servicios y herramientas de agentes de IA.

Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.

• Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.

• Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).

• Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.

Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de video y generación de audio.

Análisis del estado de desarrollo de los Agentes de IA Web2

Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional de Internet muestra una clara tendencia de concentración en sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, donde predominan los servicios B2B y las herramientas de desarrollo, y también hemos realizado algunos análisis sobre este fenómeno.

Impacto de la madurez tecnológica: La razón por la que los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad de desarrollo y el riesgo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.

Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.

Limitaciones de los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera estable. Esto ha llevado a que la IA generativa de contenido represente una proporción menor en la biblioteca de proyectos.

Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación de la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.

Análisis del proyecto líder de AI Agent en Web2

Profundizamos en algunos proyectos de agentes de IA en el mercado actual de Web2 y analizamos estos proyectos, tomando como ejemplo Character AI, Perplexity AI y Midjourney.

Character AI:

Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para crear personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales, que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.

Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, con más de 3.5 millones de usuarios activos diarios en la plataforma, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un buen desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.

Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.

Perplexity AI:

Introducción del producto: Perplexity puede rastrear y proporcionar respuestas detalladas de Internet. Asegura la confiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para hacer preguntas adicionales y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.

Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha recaudado 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.

Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en un modelo grande de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para la investigación académica profesional y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.

Midjourney:

Introducción del producto: Los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, cubriendo una amplia gama de necesidades creativas que van desde lo realista hasta lo abstracto. La plataforma también ofrece mezcla y edición de imágenes, permitiendo a los usuarios superponer imágenes y realizar transferencia de estilo. La función de generación en tiempo real de la plataforma asegura que los usuarios obtengan resultados en cuestión de decenas de segundos a minutos.