Bisakah AI Agent menjadi penyelamat bagi Web3+AI?

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

Saat ini, jumlah proyek AI Agent di Web3 tidak banyak, hanya 8%, tetapi pangsa nilai pasar mereka di jalur AI mencapai 23%, sehingga menunjukkan daya saing pasar yang kuat. Kami memperkirakan bahwa seiring dengan matangnya teknologi dan meningkatnya pengakuan pasar, akan muncul beberapa proyek yang memiliki valuasi lebih dari 1 miliar dolar.

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

Gelombang AI: Proyek Muncul dan Kenaikan Valuasi yang Sedang Terjadi

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 yang menakjubkan sebesar 20,3 juta dolar AS, sementara OpenAI setelah merilis ChatGPT, 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 terbaru seperti LLM, dan semuanya meluncurkan model dan aplikasi AI mereka sendiri, seperti Google yang merilis model bahasa besar PaLM2, Meta yang 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 harus diperjuangkan.

Pertandingan antara raksasa teknologi tidak hanya mendorong perkembangan aplikasi bisnis, tetapi juga dari statistik survei 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 lalu, 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 eksponensial pada kuartal kedua tahun 2024. Di seluruh dunia terdapat 16 investasi terkait AI yang masing-masing melebihi 150 juta USD, dua kali lipat dari kuartal pertama. Total pendanaan untuk startup AI bahkan melonjak menjadi 24 miliar USD, meningkat lebih dari dua kali lipat dibandingkan tahun sebelumnya. Di antara mereka, xAI yang dimiliki Musk berhasil mengumpulkan 6 miliar USD, dengan valuasi mencapai 24 miliar USD, 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 sengit antara raksasa teknologi, hingga perkembangan pesat proyek komunitas sumber terbuka, sampai dengan antusiasme pasar modal terhadap konsep AI. Proyek bermunculan satu demi satu, jumlah investasi terus mencapai rekor tertinggi, dan valuasi juga meningkat seiring dengan itu. Secara keseluruhan, pasar AI berada dalam periode emas yang berkembang pesat, dengan model bahasa besar dan teknologi generasi yang diperkuat pencarian 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 semakin penting dalam skenario aplikasi yang membutuhkan keandalan yang sangat tinggi.

Dalam konteks ini, kami mulai melakukan penelitian tentang AI Agent, karena AI Agent menekankan komprehensifnya 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 dari perkembangan AI Agent, yang secara bertahap menjembatani kesenjangan antara teknologi AI dan penyelesaian masalah praktis. Evolusi teknologi AI terus membentuk kembali 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 memprediksi akan muncul serangkaian aplikasi inovatif. Di bidang persimpangan yang penuh potensi ini, kami percaya bahwa AI Agent, dengan kemampuannya untuk mengeksekusi tugas secara mandiri, menunjukkan potensi besar untuk aplikasi skala besar.

Untuk itu, kami mulai melakukan penelitian mendalam tentang berbagai aplikasi AI Agent di Web3, dari infrastruktur Web3, middleware, lapisan aplikasi, hingga pasar data dan model, dengan tujuan mengidentifikasi dan mengevaluasi jenis proyek dan skenario aplikasi yang paling menjanjikan, untuk memahami lebih dalam tentang integrasi mendalam antara AI dan Web3.

Klarifikasi 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: misalkan Anda sedang merencanakan perjalanan. Model bahasa besar tradisional memberikan informasi tentang tujuan dan saran perjalanan. Teknologi generasi yang diperkuat pencarian dapat memberikan 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 umum AI Agent di industri mengacu pada sistem cerdas yang dapat merasakan lingkungan dan mengambil tindakan yang sesuai, dengan memperoleh 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 menyediakan informasi secara sederhana, tetapi juga dapat merencanakan, membongkar tugas, dan benar-benar melaksanakannya.

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 sistem mengemudi otomatis tingkat L5 ke atas dari Tesla, yang semuanya dapat dianggap sebagai contoh AI Agent. Ciri khas bersama dari sistem-sistem ini adalah mereka dapat merasakan input pengguna dari lingkungan eksternal dan membuat dampak yang sesuai terhadap lingkungan nyata.

Sebagai contoh dengan ChatGPT untuk memperjelas konsep, kita harus jelas menunjukkan 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 adalah AI Agent yang berevolusi berdasarkan model GPT.

Ringkasan Kategori

Saat ini, pasar AI Agent belum memiliki standar klasifikasi yang seragam. Kami menandai 204 proyek AI Agent di pasar Web2+Web3 secara terpisah, dan berdasarkan label signifikan yang sesuai dengan setiap proyek, kami membaginya menjadi kategori tingkat satu dan tingkat dua. Di antara kategori tingkat satu, terdapat tiga jenis: infrastruktur dasar, generasi konten, dan interaksi pengguna, yang kemudian dirinci 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 B2B yang lebih matang dan berbasis aplikasi.

• Alat pengembangan: Menyediakan alat dan kerangka kerja untuk membantu pengembang 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 lainnya.

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

• Platform pengumpulan: 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: Agen AI yang menyediakan dukungan emosional dan pendampingan.

• Jenis GPT: Agen AI berbasis model GPT (Generative Pre-trained Transformer).

• Kategori pencarian: Fokus pada fungsi pencarian, menyediakan agen yang terutama berfokus pada pengambilan informasi yang lebih akurat.

Jenis Pembuatan Konten: Proyek jenis 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

Menurut statistik kami, pengembangan AI Agent di Web2 internet tradisional menunjukkan kecenderungan konsentrasi yang jelas. Secara spesifik, sekitar dua pertiga proyek terpusat pada infrastruktur, di mana sebagian besar adalah layanan B-end dan alat pengembang, 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 kesulitan dan risiko pengembangan. Ini setara 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, pasar bisnis memiliki permintaan yang lebih mendesak untuk 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 lanjutan.

Pembatasan pada skenario aplikasi: Sementara itu, kami mencatat bahwa aplikasi AI generasi konten di pasar B2B relatif terbatas. Karena ketidakstabilan hasilnya, perusahaan lebih cenderung memilih aplikasi yang dapat secara stabil meningkatkan produktivitas. Hal ini menyebabkan proporsi AI generasi konten dalam kumpulan proyek relatif kecil.

Tren ini mencerminkan kematangan teknologi, permintaan pasar, dan pertimbangan nyata dari skenario aplikasi. Seiring dengan kemajuan terus-menerus teknologi AI dan semakin jelasnya permintaan pasar, 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 membahas secara mendalam beberapa proyek AI Agent yang ada 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 dapat melakukan percakapan dalam bahasa alami dan melaksanakan tugas tertentu.

Analisis Data: Character.AI memiliki jumlah kunjungan sebesar 277 juta 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, dengan valuasi mencapai 1 miliar dolar, 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 Google, Llama.

Perplexity AI:

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

Analisis data: Jumlah pengguna aktif bulanan Perplexity telah mencapai 10 juta, dengan kunjungan ke aplikasi mobile dan desktop meningkat 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:

Deskripsi Produk: Pengguna dapat membuat berbagai gaya dan tema gambar di Midjourney melalui Prompts, mencakup dari realistis hingga