Dapatkah AI Agent menjadi penyelamat untuk Web3+AI?

Proyek AI Agent adalah jenis yang populer dan matang dalam kewirausahaan Web2, terutama dalam layanan sisi perusahaan, sedangkan di bidang Web3, proyek pelatihan model dan pengumpulan platform telah menjadi arus utama karena peran kunci mereka dalam membangun ekosistem.

Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa pasar mereka di jalur AI mencapai 23%, 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.

Bagi proyek Web3, penerapan teknologi AI pada produk aplikasi yang bukan inti AI dapat menjadi keunggulan strategis. Untuk proyek AI Agent, cara penggabungannya harus fokus pada pembangunan ekosistem secara keseluruhan dan desain model ekonomi token, untuk mendorong desentralisasi dan efek jaringan.

Gelombang AI: Status Proyek yang Muncul dan Peningkatan Valuasi

Sejak ChatGPT diluncurkan pada November 2022, dalam waktu hanya dua bulan telah menarik lebih dari seratus juta pengguna. Hingga Mei 2024, pendapatan bulanan ChatGPT telah mencapai angka menakjubkan 20,3 juta dolar AS. Setelah merilis ChatGPT, OpenAI 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 berlomba-lomba 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 bahwa bidang AI telah menjadi medan pertempuran yang sangat diperebutkan.

Persaingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi komersial, tetapi juga dari survei statistik penelitian AI sumber terbuka yang kami temukan, 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, mengalami pertumbuhan yang meledak pada kuartal kedua tahun 2024. Secara global ada 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 sebelumnya. Di antara mereka, xAI yang dimiliki 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 merombak peta bidang teknologi dengan kecepatan yang belum pernah terjadi sebelumnya. Dari persaingan ketat antar raksasa teknologi, hingga perkembangan pesat proyek komunitas open source, sampai dengan antusiasme pasar modal terhadap konsep AI. Proyek-proyek baru bermunculan, investasi mencapai rekor tertinggi, dan valuasi juga meningkat seiring. Secara keseluruhan, pasar AI berada di periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi peningkatan pengambilan menghasilkan 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 tidak akurat, dan 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 komprehensivitas dalam memecahkan 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 memecahkan masalah nyata. Oleh karena itu, kami melihat harapan dalam perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan pemecahan 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 kekuatan komputasi, bergabung dengan konsep inti Web3 seperti desentralisasi, ekonomi token, dan kontrak pintar, kami memperkirakan akan melahirkan serangkaian aplikasi inovatif. Di bidang persimpangan yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk menjalankan tugas secara mandiri, menunjukkan potensi besar untuk diterapkan secara luas.

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 untuk 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, untuk membantu pembaca lebih memahami perbedaan antara definisi dan model itu sendiri, mari kita ambil contoh dari situasi nyata: misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tujuan dan saran perjalanan. Teknologi peningkatan pencarian menghasilkan konten tujuan yang lebih kaya dan spesifik. Sementara itu, AI Agent seperti JARVIS dalam film Iron Man, yang dapat memahami kebutuhan dan juga secara proaktif 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 mendapatkan informasi lingkungan melalui sensor, kemudian memprosesnya 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 mampu memberikan informasi secara sederhana, tetapi juga mampu merencanakan, memecah tugas, dan benar-benar melaksanakannya.

Berdasarkan definisi dan karakteristik ini, kita dapat menemukan bahwa AI Agent telah menyatu dengan kehidupan kita, diterapkan dalam berbagai skenario, seperti AlphaGo, Siri, dan pengemudian otomatis tingkat L5 ke atas dari Tesla dapat dianggap sebagai contoh AI Agent. Ciri khas dari sistem-sistem ini adalah kemampuannya untuk merasakan masukan pengguna dari luar dan berdasarkan itu membuat dampak yang sesuai pada lingkungan nyata.

Sebagai contoh menggunakan ChatGPT untuk menjelaskan konsep, kita harus jelas menyatakan bahwa Transformer adalah arsitektur teknis 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 sebagai AI Agent yang berevolusi berdasarkan model GPT.

Ringkasan Kategori

Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami memberikan label pada 204 proyek AI Agent di pasar Web2+Web3, berdasarkan label yang mencolok untuk setiap proyek, dibagi menjadi klasifikasi tingkat satu dan tingkat dua. Di antaranya, klasifikasi tingkat satu terdiri dari tiga kategori: infrastruktur dasar, pembuatan konten, dan interaksi pengguna, kemudian diklasifikasikan lebih lanjut berdasarkan kasus penggunaannya yang sebenarnya:

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 pendukung untuk pengembang dalam membangun AI Agent.

• Kategori pemrosesan 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 B2B: terutama ditujukan untuk pengguna perusahaan, menyediakan layanan perusahaan, vertikal, dan solusi otomatis.

• Kelas platform pengumpulan: Platform yang mengintegrasikan berbagai layanan dan alat AI Agent.

Interaktif: Mirip dengan jenis konten, perbedaannya terletak pada interaksi dua arah yang berkelanjutan. Agent interaktif tidak hanya menerima dan memahami kebutuhan pengguna, tetapi juga memberikan umpan balik melalui teknologi pemrosesan bahasa alami (NLP), mewujudkan interaksi dua arah dengan pengguna.

• Kategori pendamping emosional: AI Agent yang memberikan dukungan emosional dan pendampingan.

• Jenis GPT: AI Agent yang didasarkan pada model GPT (Generative Pre-trained Transformer).

• Kategori pencarian: Fokus pada fungsi pencarian, menyediakan Agen yang lebih akurat untuk pengambilan informasi.

Kelas pembuatan konten: Proyek ini berfokus pada penciptaan konten, menggunakan teknologi model besar untuk menghasilkan berbagai bentuk konten berdasarkan instruksi pengguna, dibagi menjadi empat kategori yaitu pembuatan teks, pembuatan gambar, pembuatan video, dan pembuatan audio.

Analisis Status Perkembangan Agen AI Web2

Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan tren konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terkonsentrasi pada kategori infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembangan, dan 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 dalam pengembangan. Ini setara dengan "sekop" di bidang AI, yang memberikan dasar yang kuat untuk pengembangan dan penerapan AI Agent.

Dorongan permintaan pasar: Faktor kunci lainnya adalah permintaan pasar. Dibandingkan dengan pasar konsumen, permintaan pasar bisnis terhadap teknologi AI lebih mendesak, 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 selanjutnya.

Batasan pada skenario aplikasi: Sementara itu, kami memperhatikan bahwa aplikasi AI generasi konten di pasar B-end relatif terbatas. Karena ketidakstabilan hasilnya, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Hal ini mengakibatkan proporsi AI generasi konten di dalam perpustakaan proyek menjadi kecil.

Tren ini mencerminkan 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 pola ini mungkin akan disesuaikan, tetapi infrastruktur dasar akan tetap menjadi fondasi yang kuat bagi pengembangan AI Agent.

Analisis Proyek Pemimpin AI Agent Web2

Kami mendalami beberapa proyek AI Agent di pasar Web2 saat ini dan menganalisisnya, dengan mengambil contoh tiga proyek yaitu 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 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, 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 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 para pendiri perusahaan, Noam Shazeer dan Daniel De Freitas, pernah terlibat dalam pengembangan model bahasa percakapan Llama milik Google.

Perplexity AI:

Deskripsi Produk: Perplexity dapat menarik informasi dari internet dan memberikan jawaban yang mendetail. Dengan mengutip dan merujuk tautan, hal ini memastikan keandalan dan akurasi informasi, sambil mendidik dan membimbing pengguna untuk melakukan pertanyaan lanjutan dan mencari kata kunci, memenuhi kebutuhan pencarian yang beragam dari pengguna.

Analisis Data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan peningkatan 8,6% dalam jumlah kunjungan aplikasi seluler dan desktop pada bulan Februari, menarik sekitar 50 juta pengguna. Di pasar modal, Perplexity AI baru-baru ini mengumumkan telah mengumpulkan pendanaan sebesar 62,7 juta dolar, dengan valuasi mencapai 1,04 miliar dolar, dipimpin oleh Daniel Gross, dengan peserta termasuk 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:

Deskripsi Produk: Pengguna dapat membuat berbagai gambar dengan gaya dan tema melalui Prompts di Midjourney, mencakup kebutuhan kreasi yang luas dari realistis hingga abstrak. Platform ini juga menyediakan penggabungan dan pengeditan gambar, memungkinkan pengguna untuk melakukan tumpang tindih gambar dan pemindahan gaya, fitur generasi waktu nyata platform memastikan pengguna dapat dalam beberapa puluh detik hingga beberapa menit.