TL;DR

• Web2のスタートアップでは、AIエージェントプロジェクトが人気で成熟しており、主に企業サービスにおいて活躍しています。Web3の領域では、モデルトレーニングとプラットフォームの集約に焦点を当てたプロジェクトが主流となり、エコシステムの構築における重要な役割を果たしています。
• 現在、AIエージェントプロジェクトはWeb3プロジェクトのわずか8%を占めていますが、その時価総額はAIセクター全体の23%にも達しています。これは強力な市場競争力を示しており、技術の成熟と市場の受容が増加するにつれて、複数のプロジェクトが10億ドルの評価を超えることが期待されています。
• Web3プロジェクトでは、非AIコアアプリケーションにAI技術を統合することが戦略的な優位性になる可能性があります。AIエージェントプロジェクトと組み合わせる際には、全体のエコシステムの構築とトークン経済モデルの設計に注意を払う必要があります。これにより、分散化とネットワーク効果を促進します。

AIウェーブ：新興プロジェクトと上昇する評価

2022年11月のChatGPTのローンチ以来、わずか2か月で1億人以上のユーザーを集めました。2024 年 5 月までに、ChatGPT の月間収益は驚異的な 2,030 万ドルに達し、OpenAI は GPT-4 や GPT-4o などの反復バージョンをすぐにリリースしました。Googleなどの企業が大規模言語モデルのPaLM2をリリースし、MetaがLlama3を発売し、中国企業がErnie BotやZhipu Qingyanなどのモデルを導入し、AIが重要な戦場として浮き彫りになりました。

テック巨大企業の競争は、商業アプリケーションの開発を加速するだけでなく、オープンソースのAI研究を促進しています。2024年のAI指数レポートによると、GitHub上のAI関連プロジェクトの数は2011年の845から2023年には約180万に急増し、2023年には59.3%の年次増加を記録し、グローバルな開発者コミュニティがAI研究に対する熱意を示しています。

このAI技術への熱狂は、投資市場に直接反映されており、2024年第2四半期に爆発的な成長を見せています。世界中で1億5000万ドルを超える16件のAI関連投資があり、それは第1四半期の2倍です。合計AIスタートアップの資金調達額は前年比2倍以上の240億ドルに急上昇しました。特に、Elon MuskのxAIは240億ドルの評価額で60億ドルを調達し、OpenAIに次ぐAIスタートアップとして2番目に高く評価されています。

2024年第2四半期のAIセクターにおけるトップ10の資金調達、出典:Yiou、https://www.iyiou.com/data/202407171072366

AIの急速な発展は、前例のないペースでテクノロジーの景色を変えています。テック巨人たちの激しい競争から急成長しているオープンソースコミュニティ、そして資本市場がAIコンセプトに熱狂している状況。プロジェクトは絶えず新たに現れ、投資額は新たな高値を記録し、評価額も順調に上昇しています。全体として、AI市場は急成長の黄金時代を迎えており、大規模言語モデルや検索増強生成技術による言語処理の主要な進展があるものの、これらの技術革新を実製品に変換する際には課題が残っています。モデルの出力不確実性、不正確な情報（幻覚）を生成するリスク、特に高信頼アプリケーションにおいて重要なモデルの透明性に関する問題などが挙げられます。

その中で、問題解決や現実世界の環境との相互作用を重視するAIエージェントの研究に着手しました。この変化は、AIが純粋な言語モデルから、現実世界の問題を真に理解し、学習し、解決できるインテリジェントなシステムへと進化したことを示しています。AIエージェントは、AIテクノロジーと実用的な問題解決の間のギャップを徐々に埋めているため、有望視されています。AIが進化して生産性の枠組みを再構築する中、Web3はデジタル経済の生産関係を再構築しています。AIの3つの柱であるデータ、モデル、コンピューティングパワーが、分散化、トークンエコノミー、スマートコントラクトというWeb3のコア原則と融合すると、一連の革新的なアプリケーションが誕生すると予測されます。この有望な交差点において、自律的にタスクを実行する能力を持つAIエージェントは、大規模なアプリケーションに大きな可能性を示しています。そこで、Web3インフラ、ミドルウェア、アプリケーションレイヤーからデータやモデルマーケットプレイスまで、Web3におけるAIエージェントの多様なアプリケーションを掘り下げ、最も有望なプロジェクトタイプとアプリケーションシナリオを特定・評価し、AIとWeb3の統合についての理解を深めることを目指しています。

コンセプトの明確化：AIエージェント分類の概要と紹介

基本的な紹介

AIエージェントを導入する前に、彼らの定義と従来のモデルの違いをより良く理解するために、現実世界のシナリオを例に挙げましょう。旅行の計画を立てているとします。従来の大規模な言語モデルは目的地の情報や旅行の提案を提供します。Retrieval-augmented generation (RAG) 技術はより豊富で具体的な目的地のコンテンツを提供することができます。一方、AIエージェントは[Gate.io](https://gate.io) からのジャービスのような役割を果たします。アイアンマンmovies—it understands your needs, actively searches for flights and hotels based on your request, makes reservations, and adds the itinerary to your calendar.

業界では、AIエージェントは一般的に、センサーを介して環境情報を収集し、それを処理し、アクチュエータを介して環境に影響を与えることで、環境を認識し適切な行動を取ることができる知能システムとして定義されています（Stuart Russell＆Peter Norvig、2020年）。私たちはAIエージェントを、LLM（Large Language Models）、RAG、メモリ、タスクプランニング、ツールの使用を統合したアシスタントと見なしています。それは情報だけでなく、計画を立て、タスクを分解し、実際に実行することも提供します。

この定義と特性に基づくと、AIエージェントは既に私たちの日常生活に統合され、様々なシナリオで適用されていることがわかります。例えば、AlphaGo、Siri、そしてテスラのレベル5以上の自律走行は、すべてAIエージェントの例と見なすことができます。これらのシステムの共通点は、外部ユーザーの入力を感知し、それに基づいて実世界に影響を与える決定を行う能力です。

ChatGPTを例に使って概念を明確にするために、重要なのは区別することです。トランスフォーマーは AI モデルの基盤を形成する技術アーキテクチャであり、GPTこのアーキテクチャに基づいて開発されたモデルシリーズを指します。GPT-1、GPT-4、およびGPT-4oは、異なる段階のモデル開発を表しています。GPTモデルに基づく進化としてのChatGPTは、AIエージェントと見なすことができます。

分類の概要

現在、市場にはAIエージェントの統一された分類基準がありません。Web2およびWeb3市場全体で204のAIエージェントプロジェクトにタグを付け、その特徴に基づいて、主要な分類と二次的な分類を作成しました。主要な分類には、インフラストラクチャ、コンテンツ生成、ユーザーインタラクションが含まれ、それらは実際のユースケースに基づいてさらに細分化されます:

• インフラストラクチャ：AIエージェント分野で基盤となるコンポーネントの構築に焦点を当て、プラットフォーム、モデル、データ、開発ツール、および企業レベルのB2Bサービスを含みます。
• 開発ツール：開発者にAIエージェントの構築に役立つ補助ツールやフレームワークを提供します。
• データ処理：さまざまな形式のデータを処理および分析し、主に意思決定を支援し、トレーニングのソースを提供するために使用されます。
• モデルトレーニング：推論、モデルの構築と設定など、AIのためのモデルトレーニングサービスを提供します。
• B2Bサービス：主に企業ユーザー向けに、企業向けサービス、垂直および自動化ソリューションを提供します。
• プラットフォームの統合: 複数のAIエージェントサービスやツールを統合するプラットフォーム。
• ユーザーインタラクション：コンテンツ生成と同様ですが、継続的な双方向のインタラクションがあります。 インタラクションエージェントはユーザーのニーズを理解し応答するだけでなく、自然言語処理（NLP）を使用してフィードバックを提供し、双方向のコミュニケーションを可能にします。
• 感情的な仲間: 感情的なサポートと仲間を提供するAIエージェント。
• GPTベース：GPT（生成プレトレーニングトランスフォーマー）モデルに基づくAIエージェント。
• 検索: 検索機能に焦点を当て、より正確な情報検索を提供するエージェント。
• コンテンツ生成：大規模モデル技術を使用して、ユーザーの指示に基づいてテキスト生成、画像生成、ビデオ生成、オーディオ生成に分類されるコンテンツ作成に焦点を当てたプロジェクト。

Web2 AIエージェント開発の分析

私たちの調査によると、従来のWeb2インターネットでのAIエージェントの開発は特定のセクターに明確に集中しています。プロジェクトの約3分の2がインフラストラクチャに焦点を当てており、特にB2Bサービスや開発者向けツールに重点を置いています。この現象を分析し、いくつかの主要な要因を特定しました。

技術の成熟度の影響: インフラプロジェクトの優位性は、基盤となる技術の成熟度に大きく起因しています。これらのプロジェクトはしばしば確立された技術やフレームワーク上に構築されており、開発の困難さやリスクが低減されています。これらはAI分野における「シャベル」として、AIエージェントの開発と適用のための堅固な基盤を提供しています。

市場需要：もう一つの重要な要素は市場の需要です。消費者市場と比較して、エンタープライズ市場は特に運用効率の向上やコスト削減を目指したソリューションに対するより緊急のニーズがあります。開発者にとって、エンタープライズ顧客からの安定したキャッシュフローは、後続のプロジェクトの開発をより容易にします。

アプリケーション制限：同時に、私たちはB2B市場でコンテンツ生成AIの適用シナリオが限定されていることに気付きました。その出力の不安定性のため、企業は生産性を確実に向上させるアプリケーションを好む傾向があり、そのためコンテンツ生成AIはプロジェクトの範囲の一部を占めることが少ないです。

このトレンドは、技術の成熟度、市場の需要、およびアプリケーションシナリオの実践的な考慮を反映しています。 AI技術が進化し、市場の需要がより明確になるにつれて、この状況が変化することが予想されますが、インフラストラクチャはおそらくAIエージェントの開発の基盤として残るでしょう。

主導的なWeb2 AIエージェントプロジェクトの分析

Web2のAIエージェント主導プロジェクトのコンパイル、ソース：ArkStreamプロジェクトデータベース

Web2市場の主要なAIエージェントプロジェクトのいくつかを、ArkStreamプロジェクトデータベースから収集して分析しました。Character AI、Perplexity AI、Midjourneyを例に挙げて、それぞれの詳細について掘り下げています。

Character AI：

• 製品概要：Character.AIはAIベースの会話システムと仮想キャラクター作成ツールを提供しています。このプラットフォームでは、ユーザーは自然な言語の会話を行い、特定のタスクを実行できる仮想キャラクターを作成し、訓練し、相互作用することができます。
• データ分析：5月にCharacter.AIは2億7700万回以上の訪問と350万人以上のデイリーアクティブユーザーを有し、そのほとんどが18歳から34歳の若年ユーザーであることを示しています。Character AIは資本市場で好成績を収め、a16z率いる投資家から10億ドルの評価額で15億ドルの資金調達を行いました。
• テクニカル分析：Character AIは、Googleの親会社であるAlphabetと非独占的なライセンス契約を締結し、同社の大規模言語モデルを使用することになりました。同社の創業者であるノアム・シャジール氏とダニエル・デ・フレイタス氏は、Googleの会話型言語モデルであるLlamaの開発に関与していました。

Perplexity AI：

• 製品概要: Perplexityはインターネットをスクレイピングして詳細な回答を提供し、参照とリンクを引用することで情報の信頼性を確保します。追加の質問の提案やキーワードの検索によるユーザーの教育やガイドを行い、さまざまなクエリのニーズに応えます。
• データ解析：Perplexityは月間アクティブユーザー1000万人に達し、モバイルおよびデスクトップアプリのトラフィックは2月に8.6％増加し、約5000万人のユーザーを集めています。 Perplexity AIは最近、Daniel Grossをリードし、Stan DruckenmillerとNVIDIAが参加して、10億4000万ドルの評価額で6270万ドルの資金調達を行いました。
• テクニカル分析：Perplexityは主に調整されたGPT-3.5モデルと、オープンソースモデルから調整されたpplx-7b-onlineとpplx-70b-onlineの2つの大規模モデルを使用しています。これらのモデルは学術研究や垂直ドメインのクエリに適しており、情報の信頼性と正確性を保証しています。

Midjourney:

• 製品概要：Midjourneyでユーザーはプロンプトを通じてさまざまなスタイルとテーマのイメージを作成することができ、リアリズムから抽象まで幅広い創造的なニーズをカバーしています。また、画像のブレンドと編集も提供しており、ユーザーは画像を重ね合わせてスタイルを転送することができます。リアルタイム生成により、イメージの出力は数秒から数分で行われます。
• データ分析：プラットフォームには1500万人の登録ユーザーがおり、そのうち150〜250万人がアクティブユーザーです。一般の市場情報に基づくと、Midjourneyは投資家から資金を調達しておらず、創業者のデイビッド氏の起業家としての評判とリソースによって自己維持しています。
• テクニカル分析：Midjourneyは独自のモデルを使用しています。2022年8月にMidjourney V4がリリースされて以来、このプラットフォームは拡散ベースの生成AIモデルを使用しています。モデルのトレーニングパラメータは報告によると300億から400億までの範囲に及び、画像生成の多様性と精度のための堅固な基盤を提供しています。

商業化の課題

Web2 AIエージェントを数多く体験した後、我々は共通の製品イテレーション経路を観察しました：最初は単一の特定のタスクに焦点を当ててから、後により複雑なマルチタスクシナリオを処理する能力を拡張するものです。このトレンドは、AIエージェントの可能性を強調し、効率とイノベーションの向上に役立つことを示しており、将来的にはより重要な役割を果たすことになるでしょう。Web2における125のAIエージェントプロジェクトの予備統計に基づくと、ほとんどのプロジェクトがコンテンツ生成（Jasper AIなど）、開発者ツール（Replitなど）、およびB2Bサービス（Crestaなど）のような、最大のカテゴリに集中していることがわかりました。この結果は、当初の予想とは異なりました。つまり、AIモデル技術の成熟度が高まるにつれて、消費者市場（Cエンド）がAIエージェントの爆発的な成長を経験すると予測していました。しかし、さらなる分析の結果、消費者向けAIエージェントの商品化は予想以上に難しく複雑なものであることがわかりました。

Character.AIを例に挙げると、一方でCharacter.AIは最高のトラフィックパフォーマンスを持っています。しかし、$9.9米ドルの定期購読料に依存する単一のビジネスモデルのため、限られた定期収益と重いユーザーの推論コストに苦しんでおり、最終的にはトラフィックの収益化とキャッシュフローの維持の難しさからGoogleによる買収を迫られました。この事例は、優れたトラフィックと資金を持っていても、CエンドのAIエージェントアプリケーションは商業化の課題に直面していることを示しています。ほとんどの製品はまだ人間を代替するか、効果的に補助するための基準に達していないため、ユーザーの支払い意欲が低い結果となっています。私たちの調査では、多くのスタートアップがCharacter.AIと同様の問題に直面していることがわかりました。これは、消費者向けAIエージェントの開発が順調ではなく、技術の成熟度、製品価値、ビジネスモデルの革新を深く探求する必要があることを示しています。

ほとんどのAIエージェントプロジェクトの評価を数えると、OpenAIやxAIなどの天井プロジェクトの評価と比較して、まだ10〜50倍近くの余地があります。C側エージェントアプリケーションの天井はまだ十分に高いことは否めませんが、それはまだ良いトラックであることを証明しています。しかし、上記の分析に基づいて、C側と比較して、B側市場がAIエージェントの最終目的地になる可能性があると考えています。企業はプラットフォームを構築し、AIエージェントを業務ソフトウェア（垂直分野、CRM、オフィスOAなど）に統合することにより、企業の運用効率を向上させるだけでなく、AIエージェントにより広範な適用領域を提供します。したがって、私たちは理由があって、B側サービスがWeb2の伝統的なインターネットでのAIエージェントの短期的な発展の主な方向になると信じています。

Web3 AIエージェントの開発状況と展望

プロジェクト概要

前述の通り、最先端の資金調達とユーザートラフィックを持つAIエージェントアプリケーションでも、商業化には困難が伴います。次に、Web3のAIエージェントプロジェクトの現在の開発を分析します。代表的なプロジェクトの技術革新、市場パフォーマンス、ユーザーフィードバック、成長ポテンシャルを評価することで、洞察に富んだ提案を明らかにすることを目指しています。以下のチャートは、すでにトークンを発行し、比較的高い市場価値を持ついくつかの代表的なプロジェクトを示しています。

Web2のAIエージェントをリードするプロジェクトのコンパイル、ソース：ArkStreamプロジェクトデータベース

Web3 AIエージェント市場に関する当社の統計によると、開発されているプロジェクトの種類も、特定のセクターに明確に集中していることを示しています。ほとんどのプロジェクトはインフラストラクチャに分類され、コンテンツ生成プロジェクトは少なくなります。これらのプロジェクトの多くは、ユーザーが提供する分散データとコンピューティング能力を活用して、プロジェクト所有者のモデル トレーニングのニーズを満たすこと、またはさまざまな AI エージェント サービスとツールを統合するオールインワン プラットフォームを作成することを目的としています。開発者ツールからフロントエンドのインタラクションアプリケーションやジェネレーティブアプリケーションまで、従来のAIエージェント業界のほとんどは、現在、オープンソースのパラメーター調整や、既存のモデルを使用したアプリケーションの構築に限定されています。この方法は、企業や個々のユーザーにはまだ大きなネットワーク効果をもたらしていません。

ステータス分析

この現象は、この段階で、次の要因によってもたらされている可能性があると考えています:

市場と技術のミスマッチ：Web3とAIエージェントの組み合わせは、現在、従来の市場に比べて大きな利点を示していません。真の利点は、リソースの最適化や分散化を通じた生産関係の改善にあります。これにより、相互作用や生成アプリケーションが、技術的および財務的リソースが豊富な従来の競合他社と競争するのに苦労する可能性があります。

アプリケーション シナリオの制限: Web3 環境では、画像、ビデオ、またはテキスト コンテンツを生成する需要がそれほど多くない場合があります。代わりに、Web3の分散型および分散型機能は、新しいアプリケーションシナリオに拡張するのではなく、従来のAI分野でコストを削減し、効率を向上させるためによく使用されます。

この現象の根本原因は、AI産業の現状と将来の方向性にある可能性があります。 AI技術はまだ初期段階にあり、産業革命の初期のような状態であり、蒸気機関が電動機に置き換えられた時代と似ています。普及段階の電化にはまだ至っていません。

AIの未来も同様の道をたどる可能性が高いと考えています。一般的なモデルは徐々に標準化され、微調整されたモデルは多様化します。AIアプリケーションは、企業や個人ユーザーに広く分散し、モデル間の相互接続と相互作用に焦点が移るでしょう。Web3は、その構成可能性とパーミッションレスな性質で知られており、モデルの分散型微調整の考え方によく適合しているため、この傾向はWeb3の原則と密接に一致しています。開発者は、さまざまなモデルを組み合わせて調整する自由度が高まります。さらに、分散化は、データのプライバシー保護やモデルトレーニングのためのコンピューティングリソースの割り当てなどの分野で独自の利点を提供します。

技術の進歩、特にLoRA(Low-Rank Adaptation)などのイノベーションの出現により、モデルの微調整のためのコストと技術的な障壁が大幅に低下しました。これにより、特定のシナリオ用のパブリック モデルの開発や、ユーザーのパーソナライズされたニーズへの対応が容易になります。Web3 内の AI エージェント プロジェクトは、これらの進歩を十分に活用して、従来の中央集権型システムでは実現が困難な新しいトレーニング方法、革新的なインセンティブ メカニズム、モデル共有とコラボレーションの新しいモデルを探求できます。

さらに、Web3プロジェクトの集中は、モデルトレーニングがAIエコシステム全体での重要性を反映している戦略的な考慮を示しています。したがって、Web3 AIエージェントプロジェクトの焦点は、技術のトレンド、市場の需要、およびWeb3業界の利点の自然な収束です。次に、Web2およびWeb3業界のモデルトレーニングプロジェクトの例を提供し、比較します。

モデルトレーニングプロジェクト

Humans.ai

• プロジェクトの概要：Humans.aiは、画像、動画、音声、テキストなど、さまざまな分野をカバーする多様なAIアルゴリズムライブラリとトレーニングデプロイメント環境です。プラットフォームは、開発者がモデルをさらにトレーニングおよび最適化し、モデルを共有および取引することをサポートしています。注目すべき革新点は、Humans.aiがNFTを使用してAIモデルとユーザーの生体認証データを保存することで、AIコンテンツ作成プロセスをより個人化し、セキュリティを確保していることです。
• データ分析：Humans.aiのトークンであるHeartの時価総額は約6,800万ドルです。Twitterのフォロワーは5.6万人ですが、ユーザーデータは開示されていません。
• テクニカル分析：Humans.aiは独自のモデルを開発せず、モジュラーなアプローチを採用し、すべての利用可能なモデルをNFTにパッケージ化し、ユーザーに柔軟でスケーラブルなAIソリューションを提供しています。

FLock.io

• プロジェクト概要：FLock.ioは、フェデレーテッドラーニング技術（データプライバシーを重視する分散型機械学習手法）に基づくAI共創プラットフォームです。これは、AI分野での課題である一般の関与の低さ、プライバシー保護の不十分さ、大手企業によるAI技術の独占などに対処することを目指しています。このプラットフォームは、ユーザーがデータを提供する一方でプライバシーを保護し、AI技術の民主化と分散化を促進します。
• データ解析：FLock.ioは、2024年初頭にLightspeed FactionとTagus Capitalを中心に、DCG、OKX Venturesなどが追加で参加した600万ドルのシードラウンドを完了しました。
• テクニカル分析：FLock.ioのアーキテクチャは、プライバシー保護を促進する分散型の手法である連邦学習に基づいています。さらに、zkFL、同型暗号化、安全なマルチパーティ計算（SMPC）を使用して、追加のプライバシー保護を提供しています。

これらはWeb3 AIエージェントスペース内のモデルトレーニングプロジェクトの例ですが、Predibaseなどの類似したプラットフォームはWeb2にも存在します。

プレディベース

• プロジェクト概要：PredibaseはAIと大規模言語モデルの最適化に焦点を当て、ユーザーがLlama、CodeLlama、Phiなどのオープンソースの大規模言語モデルを微調整して展開できるようにします。このプラットフォームは、量子化、低ランク適応、効率的なメモリ分散トレーニングなどのさまざまな最適化技術をサポートしています。
• データ分析：Predibaseは、Uber、Apple、Metaなどの大手企業や、ParadigmやKoble.aiなどのスタートアップがプラットフォームのユーザーとして参加した、Felicisをリードとする1,220万ドルのシリーズAラウンドの完了を発表しました。
• テクニカル分析： Predibaseのユーザーは250以上のモデルを訓練しています。プラットフォームはLoRAXアーキテクチャとLudwigフレームワークを利用しています：LoRAXは1つのGPU上で数千の微調整されたLLMを実行し、スループットやレイテンシに影響を与えることなく、コストを大幅に削減します。 Ludwigは、Predibaseが最先端の深層学習および大規模言語モデルを開発、訓練、微調整、展開するために使用する宣言的なフレームワークです。
• プロジェクト分析：Predibaseは、さまざまなレベルのユーザーに対してカスタマイズされたAIアプリケーション構築サービスを提供するユーザーフレンドリーな機能を提供しています。CエンドまたはBエンドのユーザー、初心者または経験豊富なAIプロフェッショナル向けに、Predibaseは幅広いニーズに対応しています。

初心者向けには、プラットフォームのワンクリック自動化により、モデルの構築とトレーニングのプロセスが簡素化され、複雑なタスクが自動的に処理されます。経験豊富なユーザー向けには、より高度なパラメータへのアクセスや調整など、より深いカスタマイズオプションを提供します。従来のAIモデルトレーニングプラットフォームとWeb3 AIプロジェクトを比較すると、全体的なフレームワークとロジックは似ているかもしれませんが、技術的なアーキテクチャとビジネスモデルに大きな違いがあることがわかりました。

• 技術の深さとイノベーション：従来のAIモデルトレーニングプラットフォームは、しばしばLoRAXアーキテクチャやLudwigフレームワークといった独自の技術を使用するなど、より深い技術的な壁があります。これらのフレームワークは堅牢な機能を提供し、複雑なAIモデルトレーニングタスクを処理するプラットフォームに適しています。ただし、Web3プロジェクトは分散化とオープン性に重点を置く場合があり、深い技術的イノベーションにはあまり重点を置いていません。
• ビジネスモデルの柔軟性: 伝統的なAIモデルトレーニングの一般的なボトルネックは、ビジネスモデルの柔軟性の不足です。プラットフォームは通常、ユーザーにモデルトレーニングのための支払いを求め、広範なユーザー参加とデータ収集が必要な初期段階では、プロジェクトの持続可能性が制限されます。一方、Web3プロジェクトは、コミュニティによって駆動されるトークノミクスなど、より柔軟なビジネスモデルを持つことが多いです。
• プライバシー保護の課題: プライバシー保護も重要な問題です。たとえば、PredibaseはAWS上で仮想プライベートクラウドサービスを提供していますが、サードパーティのアーキテクチャに依存すると、常にデータ漏洩の潜在的なリスクが伴います。

これらの違いは、従来のAI産業においてボトルネックとなっています。インターネットの性質上、これらの問題を効率的に解決することは難しいです。同時に、これはWeb3にとって機会と挑戦の両方を提供しており、これらの問題を最初に解決できるプロジェクトがおそらく産業の先駆者となるでしょう。

Web3 AIエージェントプロジェクトのその他のカテゴリー

AIエージェントプロジェクトについて議論した後、モデルトレーニングに焦点を当てたプロジェクトから、Web3業界の他のタイプのAIエージェントプロジェクトに視野を広げています。これらのプロジェクトは、モデルトレーニングに限定されていないものの、資金調達、トークン評価、市場での存在感など、独自のパフォーマンスを示しています。以下に、それぞれの分野で代表的で影響力のあるAIエージェントプロジェクトのいくつかを紹介します。

マイシェル

• 製品概要: Myshell は、ユーザーが AI エージェントを作成、共有、パーソナライズできる包括的な AI エージェント プラットフォームを提供します。これらのエージェントは、コンパニオンを提供し、作業効率を支援することができます。このプラットフォームには、アニメから従来のものまで、多様なAIエージェントスタイルが含まれており、オーディオ、ビデオ、テキストを介したインタラクションをサポートしています。傑出した機能は、GPT-4o、GPT-4、Claudeなどの複数の既存モデルを統合し、プレミアムな体験を提供することです。さらに、MyshellはFTボンディングカーブに似た取引システムを導入し、クリエイターが価値の高いAIモデルを開発するインセンティブを与えると同時に、ユーザーに投資して利益を共有する機会を提供します。
• データ分析：Myshellの最後の資金調達ラウンドでは、Dragonflyが主導し、Binance、Hashkey、Foliusが参加し、会社の価値は約8000万ドルと評価されました。Twitterのフォロワーは約18万人で、Discordの参加者はフォロワーベースの1/10未満ですが、ユーザーや開発者のための熱心なコミュニティが存在しています。
• テクニカル分析: Myshell は AI モデルを独自に開発するのではなく、Claude や GPT-4 などのモデルを組み合わせた統合プラットフォームとして機能します。この戦略により、統一された高度なAIエクスペリエンスをユーザーに提供できます。
• 主観的な体験:MyShellでは、ユーザーが自分のニーズに応じてAIエージェントを自由に作成し、カスタマイズすることができます。個人的なコンパニオンとしてもプロのアシスタントとしても、オーディオやビデオなどのさまざまなシナリオに適応できます。MyShellのプロキシを使用しないユーザーでも、統合されたWeb2有料モデルを低コストで楽しむことができます。さらに、このプラットフォームはFTの経済的概念を組み合わせたもので、ユーザーはAIサービスを利用するだけでなく、楽観的なAIエージェントに投資することができ、ボンディングカーブメカニズムを通じて資産効果を高めることができます。

デリシウム

• 製品概要：Delysiumは意図に基づいたAIエージェントネットワークを提供し、エージェントが協力してユーザーに友好的なWeb3体験を提供します。現在、Delysiumは2つのAIエージェント、LucyとJerryを展開しています。Lucyはネットワーク接続されたAIエージェントです。トップ10の通貨保有アドレスのクエリなど、ツールのサポートを提供することをビジョンとしていますが、現時点ではオンチェーンの意図を実行するエージェントの機能はまだ開放されておらず、エコシステム内でのAGIのステーキングやUSDTへの交換など、一部の基本的な命令のみを実行することができます。JerryはDelysiumエコシステム内のGPTに似ており、主にトークンの配布などエコシステム内の質問に答える役割を担当しています。
• データ分析：初回の資金調達は2022年に400万ドルであり、同年に1,000万ドルの戦略的資金調達を完了したことが発表されました。現在、そのトークンAGIのFDVは約1.3億ドルです。最新のユーザーデータはありません。Delysiumの公式統計によると、Lucyは2023年6月時点で独立したウォレット接続数が140万を超えています。

スリープレスAI

• 製品概要：Web3およびAIエージェント技術を組み合わせた感情的な仲間ゲームプラットフォームで、AIGCとLLMを使用して仮想コンパニオンゲームHIMとHERを提供し、ユーザーを仮想キャラクターとのインタラクションに没入させます。ユーザーは、進行中の会話中にキャラクターの属性、衣類などを変更できます。その互換性のある大規模言語モデルにより、キャラクターはそれ自体で会話ごとに反復し、ユーザーに対する理解を深めていきます。
• データ分析：このプロジェクトは、Binance Labs、Foresight Ventures、Folius Venturesを含む投資家から合計370万ドルを調達しました。トークンの現在の総時価総額は約4億ドルに達しています。公式統計によると、Twitterのフォロワーは11.6万人、登録予約者は19万人、アクティブユーザーは4.3万人です。そのユーザーの固定度は非常に強いと言えます。
• テクニカル分析:当局は、製品が市場の主要な言語モデルに基づいていることを明らかにしていませんが、Sleepless AIは、ユーザーがチャットプロセス中にキャラクターがますます理解していると感じることを保証します。したがって、LLMトレーニングを設計する際には、各キャラクタが個別にモデルをトレーニングし、ベクトルデータベースとパーソナリティパラメータシステムを組み合わせて、キャラクタが記憶を持てるようにします。
• 主観的な体験:Sleepless AIは、無料プレイの観点からAIボーイフレンドとAIガールフレンドにアプローチし、会話型ロボットのチャットボックスに統合されているだけではありません。このプロジェクトは、高コストのアート、継続的に反復する言語モデル、高品質で完全なダビング、目覚まし時計、睡眠補助剤、月経期間の記録、研究の交際などの一連の機能を通じて、バーチャルヒューマンの信憑性を大幅に高めます。このような感情的な価値は、市場に出回っている他のアプリケーションでは感じられません。さらに、Sleepless AIは、長期的でバランスの取れたコンテンツ支払いメカニズムを構築します。ユーザーは、P2Eやポンジのジレンマに陥ることなく、NFTを販売することを選択できます。このモデルでは、プレイヤーの収入とゲーム体験の両方が考慮されます。

見込み分析

Web3業界では、AIエージェントプロジェクトは、パブリックチェーン、データ管理、プライバシー保護、ソーシャルネットワーク、プラットフォームサービス、コンピューティングパワーなど、複数の方向性をカバーしています。トークン市場価値に関しては、AIエージェントプロジェクトのトークン市場価値の合計は38億ドル近くに達し、AIトラック全体の市場価値は162億ドル近くに達しています。AI エージェント プロジェクトは、AI トラックの市場価値の約 23% を占めています。

AIエージェントプロジェクトはわずか12程度しかないが、AI全体に比べれば少ないように思えるが、その市場評価はほぼ4分の1を占めています。AIトラック全体の市場価値の割合が再び、このサブトラックには大きな成長ポテンシャルがあるという私たちの信念を裏付けています。

私たちの分析の結果、私たちは核心的な問いを提起しました: エージェントプロジェクトが優れた資金調達を引き寄せ、トップの取引所に上場するためにはどのような特徴が必要ですか？ この問いに答えるために、Fetch.ai、Olas Network、SingularityNET、Myshellなど、エージェント業界で成功したプロジェクトを探求しました。

これらのプロジェクトはいくつかの重要な特徴を共有していることがわかりました: すべてのプロジェクトはインフラクラス内のプラットフォーム集約カテゴリに属しています。彼らはユーザーと開発者やモデルのデバッグやトレーニングに責任を持つ検証者を結ぶ橋を構築します（B2BおよびB2Cの両方のエージェントを必要とするユーザー）。アプリケーションレベルに関係なく、彼らはすべて完全な生態系のクローズドループを確立しています。

私たちは、彼らの製品がオンチェーンかオフチェーンに関連しているかどうかは、最も重要な要素ではないようです。これにより、私たちは仮説を立てることができます。Web3の領域では、Web2の実用的なアプリケーションに焦点を当てるロジックが完全に適用されない可能性があります。Web3の主要なAIエージェント製品にとって、完成したエコシステムの構築と多様な機能の提供が、単一の製品の品質やパフォーマンスよりも重要であるかもしれません。言い換えると、プロジェクトの成功は、提供するものだけでなく、リソースの統合、協力の促進、そしてエコシステム内でのネットワーク効果の創造によってもたらされます。これらのエコシステムを構築する能力が、AIエージェントプロジェクトがWeb3の領域で目立つ要因である可能性があります。

Web3のAIエージェントプロジェクトにおける正しい統合方法は、単一のアプリケーションの深い開発に焦点を当てるのではなく、包括的なモデルを採用することです。このアプローチでは、Web2の時代からさまざまな製品フレームワークやタイプをWeb3の環境に移行・統合し、自己循環型のエコシステムを構築します。このポイントは、OpenAIの戦略的な転換でも見ることができます。彼らは今年、単にモデルの更新ではなく、アプリケーションプラットフォームを立ち上げることを選択しました。

要約すると、AI エージェント プロジェクトは次の側面に焦点を当てる必要があると考えています。

• エコシステム構築：単一のアプリケーションを超えて、複数のサービスと機能を含むエコシステムを構築し、異なるコンポーネント間での相互作用と付加価値を促進します。
• トークン経済モデル：ユーザーがネットワーク構築に参加し、データとコンピューティングパワーを提供するようにインセンティブを与える合理的なトークン経済モデルを設計します。
• クロスドメイン統合: さまざまな分野での AI エージェントの潜在的なアプリケーションを探り、クロスドメイン統合を通じて新しい使用シナリオと価値を創造します。

これら 3 つの側面をまとめた後、AI 以外のコア アプリケーション製品と AI エージェント トラックに焦点を当てたネイティブ プロジェクトなど、さまざまな焦点の方向性を持つプロジェクト チームに対して、将来を見据えた提案もいくつか提供します。

AI 以外のコア アプリケーション製品の場合:

長期的な視点を持ち、AI技術を統合しながら自社製品に注力し、時代に沿った適切な機会を待つことが重要です。現在の技術と市場のトレンドでは、AIをトラフィックの媒体として使用してユーザーを引きつけ、製品競争力を向上させることが競争力の重要な手段となっていると考えています。AI技術の実際の長期的なプロジェクト開発への貢献は疑問符がついていますが、これはAI技術の早期採用者にとって貴重なチャンスを提供すると考えています。もちろん、前提条件は非常に堅実な製品を既に持っていることです。

長い目で見れば、AI技術が将来新たなブレークスルーを達成した場合、すでにAIを統合しているプロジェクトは、より迅速に製品を反復できるようになり、チャンスをつかみ、業界のリーダーになることができます。これは、近年、ライブストリーミングのeコマースが、ソーシャルメディアプラットフォーム上の新しいトラフィックアウトレットとして、オフライン販売に徐々に取って代わったのと似ています。当時、新しいトレンドを追ってライブストリーミングeコマースを試すことを選択した堅実な製品を持つマーチャントは、ライブストリーミングeコマースが本当に爆発的に普及したときに、早期参入の利点ですぐに際立っていました。

市場の不確実性の中で、非AIコアアプリケーション製品においては、AIエージェントの迅速な導入を検討することが戦略的な決断であると考えています。これにより、製品の市場露出を現在増やすだけでなく、AI技術の持続的な発展において製品の新たな成長ポイントをもたらすことができます。

AIエージェントに焦点を当てたネイティブプロジェクトのため:

技術革新と市場の需要のバランスを取ることが成功の鍵です。ネイティブAIエージェントプロジェクトでは、プロジェクトチームは技術開発だけでなく、市場のトレンドにも目を向ける必要があります。現在、市場にある一部のWeb3統合エージェントプロジェクトは、単一の技術的方向での開発に過度に焦点を当てているか、壮大なビジョンを構築していますが、製品開発が追いついていません。これらの極端な両方は、プロジェクトの長期的な発展には好ましくありません。

そのため、製品の品質を確保しつつ、プロジェクトチームが市場動向にも注意を払い、従来のインターネット産業におけるAIアプリケーションロジックがWeb3には適用されないことを認識することを提案します。代わりに、Web3市場で既に成果を上げているプロジェクトから学ぶ必要があります。記事で言及されているモデルトレーニングやプラットフォーム集約のコア機能などのラベルに焦点を当てるとともに、AIのモジュール化やマルチエージェントの協力など、彼らが作り出すストーリーにも注目する必要があります。魅力的なストーリーを探求することが、プロジェクトが市場での突破口を実現するためのカギとなるかもしれません。

結論

非AIコア製品であっても、ネイティブAIエージェントプロジェクトであっても、最も重要なことは、常に変化する市場で競争力を維持し、革新的であるための適切なタイミングと技術的な道筋を見つけることです。製品の品質を維持する基盤の上で、プロジェクト関係者は市場動向を観察し、成功事例から学び、同時に革新して市場での持続的な発展を実現するべきです。

サマリー

記事の最後では、Web3 AIエージェントトラックを複数の角度から分析します:

• 設備投資と市場の注目:AIエージェントプロジェクトは、現在、Web3業界での上場数では優位に立っていませんが、市場評価額の50%近くを占めており、資本市場がこのトラックを高く評価していることを示しています。設備投資が増加し、市場の注目度が高まるにつれて、より価値の高いプロジェクトがAIエージェントトラックに登場することは間違いありません。
• AIエージェントトラックの競争環境とイノベーション能力：Web3業界におけるAIエージェントトラックの競争環境はまだ完全に形成されていません。現在のアプリケーションレベルでは、ChatGPTのような驚くべきリーディングプロダクトはありません。これは新しいプロジェクトに多くの成長とイノベーションの余地を与えています。技術が成熟し、以前のプロジェクトがイノベーションされるにつれて、トラックはより競争力のある製品を開発し、全体の評価額を引き上げることが期待されています。
• トークノミクスとユーザーインセンティブに注意してください：Web3の意義は、生産関係を再構築し、元々集中化されていたAIモデルの展開とトレーニングプロセスをより分散化することです。適切なトークノミクスの設計とユーザーインセンティブプログラムにより、アイドルの計算能力や個人のデータセットを再配分することができます。また、ZKMLなどのソリューションを使用することで、データのプライバシーを保護し、さらに計算能力とデータコストを削減し、より多くの個人ユーザーがAI産業の構築に参加できるようになります。

要約すると、私たちはAIエージェントのトラックについて楽観的です。評価額が10億ドルを超える複数のプロジェクトが、この軌道で出現すると信じるに足る理由があります。水平比較を通じて、AI エージェントの物語は十分に説得力があり、市場スペースは十分に大きいです。現在の市場のバリュエーションは一般的に低いです。AI技術の急速な発展、市場需要の伸び、設備投資、企業のイノベーションの可能性を考慮すると、将来的には、技術が成熟し、市場での受容性が高まるにつれて、このトラックでは評価額が10億ドルを超える複数のプロジェクトが出現すると予想されます。

ステートメント:

1. この記事は[から転載されましたアークストリーム・キャピタル原題は「ArkStream Capital Track Research Report: Can AI Agent be a life-saving straw for Web3+AI?」転載に異議がある場合は、Gate Learn チーム、チームは関連手続きに従ってできるだけ早く対応します。

2. 免責事項: この記事に表明された見解および意見は、著者の個人的な見解を表しており、投資アドバイスを構成するものではありません。

3. 他の言語版の記事はGate Learnチームによって翻訳されており、言及されていませんGate.io翻訳された記事の転載、配布、盗作は禁止されています。