L'agent IA peut-il devenir la bouée de sauvetage du Web3 + IA ?

Les projets d'Agent IA sont principalement des services destinés aux entreprises dans le secteur du Web2, un type populaire et mature, tandis que dans le domaine du Web3, les projets de formation de modèles et les plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction d'écosystèmes.

Actuellement, le nombre de projets d'agents AI dans le Web3 est faible, représentant 8 %, mais leur part de capitalisation boursière dans le domaine de l'IA atteint 23 %. Cela démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergeront à l'avenir.

Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non axés sur l'IA pourrait devenir un avantage stratégique. Pour le projet AI Agent, la manière de combiner devrait se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons, afin de promouvoir la décentralisation et les effets de réseau.

La vague de l'IA : État des lieux des projets émergents et de l'augmentation des évaluations

Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, le revenu mensuel de ChatGPT a atteint un incroyable 20,3 millions de dollars, tandis qu'OpenAI a également rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette rapide évolution, les grands géants technologiques traditionnels ont reconnu l'importance des applications des modèles d'IA à la pointe tels que les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles comme Wenxin Yiyan et Zhipu Qingyan. Il est évident que le domaine de l'IA est devenu un champ de bataille incontournable.

La course entre les grandes entreprises technologiques a non seulement propulsé le développement des applications commerciales, mais nous avons également découvert à partir des statistiques d'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, ce qui reflète l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.

L'engouement pour la technologie AI se reflète directement sur le marché des investissements, avec un marché des investissements en AI affichant une forte croissance, connaissant une croissance explosive au deuxième trimestre de 2024. Il y a eu 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements des start-ups AI a également grimpé à 24 milliards de dollars, enregistrant une hausse de plus de 100 % par rapport à l'année précédente. Parmi ceux-ci, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième start-up AI la mieux valorisée après OpenAI.

Le développement rapide de la technologie AI redessine le paysage du secteur technologique à une vitesse sans précédent. De la concurrence féroce entre les géants de la technologie à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets surgissent sans cesse, les montants d'investissement atteignent de nouveaux sommets et les évaluations augmentent également. Dans l'ensemble, le marché de l'AI traverse une période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par recherche réalisant des progrès significatifs dans le traitement du langage. Néanmoins, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.

Dans ce contexte, nous avons commencé à mener des recherches sur les agents IA, car les agents IA mettent l'accent sur la globalité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de véritablement comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 redéfinit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de la décentralisation, de l'économie tokenisée et des contrats intelligents de Web3, nous prévoyons qu'une série d'applications innovantes émergeront. Dans ce domaine croisé plein de potentiel, nous croyons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour des applications à grande échelle.

Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents AI dans Web3, en examinant plusieurs dimensions allant de l'infrastructure Web3, des middleware, des niveaux d'application, aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur l'intégration de l'AI et de Web3.

Clarification des concepts : Introduction et aperçu des catégories des agents IA

Introduction de base

Avant d'introduire l'Agent AI, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent AI est comme JARVIS dans les films Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.

La définition généralement acceptée d'un Agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, en acquérant des informations sur l'environnement par des capteurs, puis en influençant cet environnement par le biais d'exécuteurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine des capacités de LLM, RAG, de mémoire, de planification de tâches et d'utilisation d'outils. Il peut non seulement fournir des informations, mais également planifier, décomposer des tâches et réellement les exécuter.

Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et réagir en conséquence pour influencer l'environnement réel.

Prenons ChatGPT comme exemple pour clarifier le concept. Nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGP, quant à lui, est un agent IA évolué à partir du modèle GPT.

Aperçu de la classification

Le marché actuel des agents AI n'a pas encore formé de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons classés en classifications de premier et de deuxième niveau. Parmi cela, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu, et interaction utilisateur, puis elles sont subdivisées en fonction de leurs cas d'utilisation réels :

Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, incluant des plateformes, des modèles, des données, des outils de développement, ainsi que des services B2B d'applications de base plus matures.

• Outils de développement : fournir aux développeurs des outils et des cadres d'assistance pour construire des agents AI.

• Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.

• Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, l'établissement et la configuration de modèles, etc.

• Services B2B : principalement destiné aux utilisateurs d'entreprise, fournissant des solutions de services aux entreprises, verticales et automatisées.

• Plateforme de type agrégateur : une plateforme intégrant divers services et outils d'Agent AI.

Interactivité : Similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.

• Agents d'IA de soutien émotionnel : fournissant un soutien émotionnel et de la compagnie.

• Catégorie GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).

• Catégorie de recherche : un agent axé sur la fonction de recherche, offrant une récupération d'informations plus précise.

Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, classées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.

Analyse de l'état actuel du développement des agents AI Web2

Selon nos statistiques, le développement des agents IA dans le Web2 traditionnel montre une tendance à la concentration des secteurs. Plus précisément, environ deux tiers des projets se concentrent dans le domaine des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.

L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et les risques de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.

La demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour les technologies d'IA est plus pressante, notamment en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. De plus, pour les développeurs, le flux de trésorerie provenant des entreprises est relativement stable, ce qui est favorable au développement de projets ultérieurs.

Limitations des cas d'utilisation : En même temps, nous avons remarqué que les cas d'utilisation de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de leur production, les entreprises préfèrent les applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une faible proportion d'IA générative de contenu dans le portefeuille de projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification des besoins du marché, nous prévoyons que ce schéma pourrait connaître des ajustements, mais les infrastructures de base resteront la pierre angulaire du développement des agents AI.

Analyse des projets phares d'agents AI Web2

Nous examinons en profondeur certains projets d'Agent IA sur le marché Web2 actuel et analysons ceux-ci en prenant pour exemples Character AI, Perplexity AI et Midjourney.

Character AI :

Présentation du produit : Character.AI offre un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des dialogues en langage naturel et d'exécuter des tâches spécifiques.

Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, la plupart des utilisateurs ayant entre 18 et 34 ans, montrant ainsi un profil d'utilisateur jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.

Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.

Perplexity AI:

Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en référant des liens, il garantit la fiabilité et l'exactitude de l'information, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins de recherche diversifiés des utilisateurs.

Analyse des données : le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % des visites de ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.

Analyse technique : Le modèle principal utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles affinés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Le modèle est adapté à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.

Midjourney:

Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux invites, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstrait. La plateforme propose également un mélange et une édition d'images, permettant aux utilisateurs de superposer des images et de transférer des styles. La fonction de génération en temps réel de la plateforme garantit que les utilisateurs peuvent obtenir des résultats en quelques secondes à quelques minutes.