TL;DR

• ในธุรกิจ Startups ระบบเว็บ 2 AI Agent โปรเจกต์ได้รับความนิยมและเป็นที่เชื่อถือมาก โดยเฉพาะในการให้บริการสู่องค์กร ในพื้นที่เว็บ 3 โปรเจกต์ที่เน้นการฝึกอบรมโมเดลและการรวมกลุ่มแพลตฟอร์มได้กลายเป็นหลักที่สำคัญเนื่องจากบทบาทสำคัญในการสร้างนิเวศ
• ในปัจจุบัน โครงการ AI Agent มีอยู่เพียง 8% ของโครงการ Web3 แต่มูลค่าตลาดของพวกเขาเท่ากับ 23% ของกลุ่มภาคภูมิประชาชน AI นี้แสดงให้เห็นถึงความแข่งขันในตลาดที่แข็งแกร่ง และเราคาดหวังว่าโครงการหลายๆ โครงการจะเกินมูลค่าการประเมินมากกว่า 1 พันล้านเหรียญเมื่อเทคโนโลยีเจริญและความยอมรับของตลาดมีการเพิ่มขึ้น
• สำหรับโครงการ Web3 การรวมเทคโนโลยี AI เข้ากับแอปพลิเคชันหลักที่ไม่ใช่ AI อาจเป็นข้อดีทางกลยุทธ์ ในการรวมกับโครงการ AI Agent ควรให้ความสำคัญกับการสร้างระบบนิเวศทั้งหมดและการออกแบบแบบจำลองเศรษฐกิจโทเค็นเพื่อส่งเสริมกระบวนการกระจายอำนาจและผลกระทบของเครือข่าย

คลื่น AI: โครงการที่เกิดขึ้นและการประเมินมูลค่าที่เพิ่มขึ้น

นับตั้งแต่เปิดตัว ChatGPT ในเดือนพฤศจิกายน 2022 ดึงดูดผู้ใช้มากกว่า 100 ล้านคนในเวลาเพียงสองเดือน ภายในเดือนพฤษภาคม 2024 รายได้รายเดือนของ ChatGPT สูงถึง 20.3 ล้านดอลลาร์อย่างน่าอัศจรรย์ และ OpenAI ได้เปิดตัวเวอร์ชันวนซ้ําอย่างรวดเร็ว เช่น GPT-4 และ GPT-4o ก้าวอย่างรวดเร็วนี้กระตุ้นให้ยักษ์ใหญ่ด้านเทคโนโลยีแบบดั้งเดิมตระหนักถึงความสําคัญของโมเดล AI ที่ทันสมัยเช่น LLMs บริษัท ต่างๆเช่น Google เปิดตัวโมเดลภาษาขนาดใหญ่ PaLM2, Meta เปิดตัว Llama3 และ บริษัท จีนแนะนําโมเดลเช่น Ernie Bot และ Zhipu Qingyan โดยเน้น AI เป็นสมรภูมิที่สําคัญ

การแข่งขันของยักษ์ใหญ่ด้านเทคโนโลยีไม่เพียงแต่เร่งความก้าวหน้าของแอปพลิเคชันทางธุรกิจ แต่ยังเร่งเคลื่อนการวิจัยด้าน AI แบบโอเพนซอร์ส รายงานดัชนี AI ปี 2024 แสดงให้เห็นว่า จำนวนโครงการที่เกี่ยวข้องกับ AI บน GitHub กระโดดขึ้นจาก 845 เมื่อปี 2011 ไปสู่ประมาณ 1.8 ล้านโครงการในปี 2023 โดยมีการเพิ่มขึ้นทั้งปีละ 59.3% ในปี 2023 ซึ่งเป็นสะท้อนถึงความกระตือรือร้นของชุมชนนักพัฒนาโลกแห่งการวิจัยด้าน AI

ความกระตุ้นนี้สำหรับเทคโนโลยี AI ได้สะท้อนตรงตามในตลาดการลงทุน ซึ่งเห็นการเติบโตอย่างระเบิดในไตรมาสที่สองของปี 2024 มีการลงทุนที่เกี่ยวข้องกับ AI 16 รายการเกิน 150 ล้านเหรียญสหรัฐโดยรวม มากกว่า 2 เท่าของไตรมาสแรก การลงทุนรวมสำหรับธุรกิจ Startup AI กระโดดขึ้นไปถึง 24 พันล้านเหรียญสหรัฐ มากกว่า 2 เท่าของปีที่ผ่านมา ที่สำคัญ xAI ของ Elon Musk ได้รับการลงทุน 6 พันล้านเหรียญสหรัฐ ด้วยมูลค่า 24 พันล้านเหรียญสหรัฐ ทำให้มันกลายเป็นธุรกิจ Startup AI ที่มีมูลค่าสูงสุดอันดับสองหลังจาก OpenAI

10 การจัดทุนในภาคอุตสาหกรรม AI สูงสุดในไตรมาสที่ 2 ปี 2024 แหล่งที่มา: Yiouhttps://www.iyiou.com/data/202407171072366

การพัฒนาอย่างรวดเร็วของ AI กําลังเปลี่ยนแปลงภูมิทัศน์เทคโนโลยีด้วยความเร็วที่ไม่เคยมีมาก่อน จากการแข่งขันที่รุนแรงระหว่างยักษ์ใหญ่ด้านเทคโนโลยีไปจนถึงชุมชนโอเพ่นซอร์สที่เฟื่องฟูและความกระตือรือร้นของตลาดทุนสําหรับแนวคิด AI โครงการต่างๆกําลังเกิดขึ้นอย่างต่อเนื่องจํานวนการลงทุนกําลังแตะระดับสูงสุดใหม่และการประเมินมูลค่ากําลังเพิ่มขึ้นเป็นขั้นเป็นตอน โดยรวมแล้วตลาด AI อยู่ในยุคทองของการเติบโตอย่างรวดเร็วโดยมีความก้าวหน้าที่สําคัญในการประมวลผลภาษาที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่และเทคโนโลยีการสร้างแบบดึงข้อมูล อย่างไรก็ตาม ความท้าทายยังคงอยู่ในการแปลความก้าวหน้าทางเทคโนโลยีเหล่านี้ให้เป็นผลิตภัณฑ์จริง เช่น ความไม่แน่นอนของผลผลิตแบบจําลอง ความเสี่ยงในการสร้างข้อมูลที่ไม่ถูกต้อง (ภาพหลอน) และปัญหาเกี่ยวกับความโปร่งใสของโมเดล โดยเฉพาะอย่างยิ่งที่สําคัญในแอปพลิเคชันที่มีความน่าเชื่อถือสูง

ในบริบทนี้เราได้เริ่มค้นคว้าตัวแทน AI ซึ่งเน้นการแก้ปัญหาและการมีปฏิสัมพันธ์กับสภาพแวดล้อมในโลกแห่งความเป็นจริง การเปลี่ยนแปลงนี้นับเป็นวิวัฒนาการของ AI จากแบบจําลองภาษาบริสุทธิ์ไปสู่ระบบอัจฉริยะที่สามารถเข้าใจเรียนรู้และแก้ปัญหาในโลกแห่งความเป็นจริงได้อย่างแท้จริง เราเห็นคํามั่นสัญญาใน AI Agents เนื่องจากพวกเขากําลังค่อยๆ เชื่อมช่องว่างระหว่างเทคโนโลยี AI และการแก้ปัญหาในทางปฏิบัติ ในขณะที่ AI พัฒนาขึ้นเพื่อปรับเปลี่ยนกรอบการผลิต Web3 กําลังสร้างความสัมพันธ์ด้านการผลิตของเศรษฐกิจดิจิทัลขึ้นใหม่ เมื่อเสาหลักสามประการของ AI ได้แก่ ข้อมูล โมเดล และพลังการประมวลผลผสานกับหลักการหลักของ Web3 ในการกระจายอํานาจ เศรษฐกิจโทเค็น และสัญญาอัจฉริยะ เราเล็งเห็นถึงการกําเนิดของชุดแอปพลิเคชันที่เป็นนวัตกรรมใหม่ ในจุดตัดที่มีแนวโน้มนี้ AI Agents ที่มีความสามารถในการทํางานโดยอัตโนมัติแสดงศักยภาพอันยิ่งใหญ่สําหรับแอปพลิเคชันขนาดใหญ่ ดังนั้นเราจึงเจาะลึกการใช้งานที่หลากหลายของ AI Agents ใน Web3 ตั้งแต่โครงสร้างพื้นฐาน Web3 มิดเดิลแวร์และเลเยอร์แอปพลิเคชันไปจนถึงตลาดข้อมูลและแบบจําลองโดยมีเป้าหมายเพื่อระบุและประเมินประเภทโครงการและสถานการณ์แอปพลิเคชันที่มีแนวโน้มมากที่สุดเพื่อให้เข้าใจการรวม AI-Web3 อย่างลึกซึ้งยิ่งขึ้น

การตีความความหมาย: การนำเสนอและภาพรวมของการจัดประเภทเอเจนต์ AI

บทนำพื้นฐาน

ก่อนที่จะแนะนํา AI Agents เพื่อช่วยให้ผู้อ่านเข้าใจความแตกต่างระหว่างคําจํากัดความและโมเดลดั้งเดิมได้ดีขึ้นลองใช้สถานการณ์ในโลกแห่งความเป็นจริงเป็นตัวอย่าง: สมมติว่าคุณกําลังวางแผนการเดินทาง รูปแบบภาษาขนาดใหญ่แบบดั้งเดิมให้ข้อมูลปลายทางและคําแนะนําการเดินทาง เทคโนโลยี Retrieval-augmented generation (RAG) สามารถนําเสนอเนื้อหาปลายทางที่สมบูรณ์และเฉพาะเจาะจงยิ่งขึ้น ในทางตรงกันข้าม AI Agent ทําหน้าที่เหมือนจาร์วิสจาก Iron Manmovies—มันเข้าใจความต้องการของคุณ ค้นหาเที่ยวบินและโรงแรมตามคำขอของคุณอย่างใ主 จองห้องพักและเพิ่มกำหนดการไปยังปฏิทินของคุณ

ในอุตสาหกรรมตัวแทน AI โดยทั่วไปหมายถึงระบบอัจฉริยะที่สามารถรับรู้สภาพแวดล้อมและดําเนินการที่เหมาะสมโดยการรวบรวมข้อมูลด้านสิ่งแวดล้อมผ่านเซ็นเซอร์ประมวลผลและส่งผลกระทบต่อสิ่งแวดล้อมผ่านแอคชูเอเตอร์ (Stuart Russell & Peter Norvig, 2020) เรามองว่า AI Agent เป็นผู้ช่วยที่รวม LLM (Large Language Models), RAG, หน่วยความจํา, การวางแผนงาน และการใช้เครื่องมือ มันไม่เพียง แต่ให้ข้อมูล แต่ยังวางแผนแบ่งงานและดําเนินการจริง

โดยดูจากความหมายและลักษณะเฉพาะ จะเห็นว่าตัวแทน AI ได้รับการผสมผสานเข้ากับชีวิตประจำวันของเราและถูกนำไปใช้ในสถานการณ์ต่าง ๆ ตัวอย่างเช่น AlphaGo, Siri และระบบขับรถอัตโนมัติระดับ 5 ของ Tesla ทั้งหมดสามารถพิจารณาได้ว่าเป็นตัวอย่างของตัวแทน AI คุณลักษณะทั่วไปที่เหมือนกันในระบบเหล่านี้คือ ความสามารถในการรับรู้ข้อมูลจากผู้ใช้ภายนอกและทำการตัดสินใจที่มีผลต่อโลกจริงโดยขึ้นอยู่กับข้อมูลเหล่านั้น

เพื่อให้ความชัดเจนในการใช้แนวความคิดโดยใช้ ChatGPT เป็นตัวอย่าง สิ่งสำคัญคือการแยกแยะว่า โทรวัสเมอร์เป็นสถาปัตยกรรมทางเทคนิคที่เป็นพื้นฐานของโมเดล AI ในขณะที่GPTอ้างถึงชุดของโมเดลที่พัฒนาขึ้นจากโครงสร้างนี้ GPT-1, GPT-4 และ GPT-4o แทนสถานะการพัฒนาโมเดลที่แตกต่างกัน ChatGPT ในฐานะการวิวัฒนาการของโมเดล GPT สามารถถือเป็น AI Agent

ภาพรวมของการจัดประเภท

ในปัจจุบันยังไม่มีมาตรฐานการจัดหมวดหมู่เชิงรวมสำหรับ AI Agents ในตลาด โดยการแท็ก 204 โครงการ AI Agent ทั้งในตลาด Web2 และ Web3 โดยอ้างอิงถึงคุณลักษณะที่โดดเด่นของพวกเขา เราสร้างการจัดหมวดหมู่ทั้งหลักและรอง การจัดหมวดหมู่ทั้งหลักรวมถึงสถาปัตยกรรม การสร้างเนื้อหา และการติดต่อกับผู้ใช้ ซึ่งจะถูกแบ่งออกต่อไปอีกตามกรณีการใช้งานจริง:

• โครงสร้างพื้นฐาน: เน้นการสร้างส่วนประกอบพื้นฐานในฟิลด์ AI Agent รวมถึงแพลตฟอร์ม แบบจำลอง ข้อมูล เครื่องมือพัฒนา และบริการระดับองค์กร B2B
• เครื่องมือการพัฒนา: ให้นักพัฒนาเครื่องมือช่วยเสริมและกรอของเฟรมเวิร์กสำหรับการสร้าง AI Agents
• การประมวลผลข้อมูล: ประมวลผลและวิเคราะห์ข้อมูลในรูปแบบต่าง ๆ โดยส่วนใหญ่ใช้เพื่อช่วยในการตัดสินใจและให้แหล่งข้อมูลสำหรับการฝึกอบรม
• การฝึกอบรมโมเดล: ให้บริการฝึกอบรมโมเดลสำหรับ AI รวมถึงการอ่านค่าจากโมเดล การกำหนดค่าและการตั้งค่าโมเดล เป็นต้น
• บริการธุรกิจต่อธุรกิจ (B2B): หลักเป็นสำหรับผู้ใช้งานระดับองค์กร ให้บริการธุรกิจองค์กร แนวโน้ม และสิ่งที่อัตโนมัติ
• การรวมรวมแพลตฟอร์ม: แพลตฟอร์มที่รวมบริการและเครื่องมือ AI Agent หลายรายการเข้าด้วยกัน
• ปฏิสัมพันธ์ของผู้ใช้: คล้ายกับการสร้างเนื้อหาแต่มีการปฏิสัมพันธ์สองทิศทางอย่างต่อเนื่อง ตัวแทนปฏิสัมพันธ์ไม่เพียงเข้าใจและตอบสนองต่อความต้องการของผู้ใช้แต่ยังให้คำตอบกลับด้วยการประมวลภาษาธรรมชาติ (NLP) เพื่อให้เกิดการสื่อสารสองทิศทาง
• ความร่วมเพศทางอารมณ์: AI Agent ที่ให้การสนับสนุนทางอารมณ์และความร่วมเพศ
• GPT-based: ตัวแทน AI ที่ใช้โมเดล GPT (generative pre-training Transformer) เป็นพื้นฐาน
• ค้นหา: เอเจนต์ที่เน้นการค้นหาและให้การเรียกคืนข้อมูลที่แม่นยำมากขึ้น
• การสร้างเนื้อหา: โครงการที่เน้นการสร้างเนื้อหาโดยใช้เทคโนโลยีโมเดลขนาดใหญ่โดยใช้คำแนะนำจากผู้ใช้ แบ่งเป็นการสร้างข้อความ, การสร้างภาพ, การสร้างวิดีโอ และการสร้างเสียง

การวิเคราะห์การพัฒนา Web2 AI Agent

ตามการวิจัยของเราพบว่าการพัฒนา AI Agents ในเว็บ2 แบบดั้งเดิมแสดงให้เห็นถึงการเกิดความเน้นที่ชัดเจนในภาคส่วนที่เฉพาะเจาะจงบางส่วน ประมาณสองในสามของโครงการเน้นไปที่พื้นฐานโครงสร้างพื้นฐานโดยเฉพาะอย่างยิ่งในบริการทางธุรกิจระหว่างองค์กรและเครื่องมือสำหรับนักพัฒนา เราวิเคราะห์ปรากฏการณ์นี้และระบุปัจจัยสำคัญหลายอย่าง:

ผลกระทบจากความสำเร็จทางเทคโนโลยี: ความเอื้อเฟื้อของโครงการพื้นฐานเกิดจากความสำเร็จของเทคโนโลยีพื้นฐาน โครงการเหล่านี้มักถูกสร้างขึ้นบนเทคโนโลยีและกรอบที่เป็นที่ยอมรับอย่างดี ลดความยากลำบากและความเสี่ยงของการพัฒนา พวกเขาทำหน้าที่เสาะแสวงในฟิลด์ AI โดยมีพื้นฐานที่แน่นอนสำหรับการพัฒนาและการประยุกต์ใช้ AI Agent

ความต้องการของตลาด: ปัจจัยอีกอย่างที่สำคัญคือความต้องการของตลาด โดยเปรียบเทียบกับตลาดผู้บริโภค ตลาดธุรกิจมีความต้องการที่เร่งด่วนกว่าสำหรับเทคโนโลยี AI โดยเฉพาะสำหรับโซลูชั่นที่มุ่งเน้นการปรับปรุงประสิทธิภาพการดำเนินงานและลดต้นทุน สำหรับนักพัฒนา กระแสเงินสดที่มั่นคงจากลูกค้าธุรกิจทำให้ง่ายต่อการพัฒนาโครงการต่อไป

ข้อจำกัดของการใช้งาน: ในขณะเดียวกัน เราสังเกตเห็นว่า AI สร้างเนื้อหามีฉากฉายการใช้งานที่จำกัดในตลาด B2B เนื่องจากความไม่แน่นอนของผลลัพธ์ ธุรกิจมักจะชอบการใช้งานแอปพลิเคชันที่ช่วยเพิ่มผลผลิตให้ดีขึ้น ซึ่งเป็นเหตุผลว่า AI สร้างเนื้อหามีบทบาทในโครงการน้อยลง

แนวโน้มนี้สะท้อนถึงความสำคัญของเหตุผลทางปฏิบัติของความเป็นผู้นำด้านเทคโนโลยี ความต้องการของตลาด และสถานการณ์การใช้งาน ซึ่งเมื่อเทคโนโลยี AI ยังคงก้าวไกลขึ้นและความต้องการของตลาดกลับเป็นชัดเจนขึ้น เราคาดว่าภูมิทัศน์นี้จะเปลี่ยนแปลง แต่โครงสร้างพื้นฐานจะยังคงเป็นเหตุการณ์สำคัญของการพัฒนาเอเจนต์ AI

การวิเคราะห์โครงการตัวแทน AI ชั้นนำของ Web2

สรุปของโครงการผู้นำของ AI Agent ของ Web2 แห่งอินเตอร์เน็ต แหล่งที่มา: ฐานข้อมูลโครงการ ArkStream

เราวิเคราะห์โครงการ AI Agent ชั้นนำบางส่วนในตลาด Web2 ที่มาจากฐานข้อมูลโครงการ ArkStream โดยใช้ Character AI, Perplexity AI และ Midjourney เป็นตัวอย่าง เราศึกษาลึกเกี่ยวกับรายละเอียดของพวกเขา

Character AI:

• ภาพรวมผลิตภัณฑ์: Character.AI предлагает системыสนทนาที่ใช้ AI และเครื่องมือสร้างตัวละครเสมือน แพลตฟอร์มช่วยให้ผู้ใช้สามารถสร้าง ฝึกฝน และโต้ตอบกับตัวละครเสมือนที่สามารถทำสนทนาแบบภาษาธรรมชาติและดำเนินการงานที่เฉพาะเจาะจง
• การวิเคราะห์ข้อมูล: ในเดือนพฤษภาคม แอป Character.AI มีการเข้าชมรวมกันถึง 277 ล้านครั้ง และมีผู้ใช้กิจกรรมประจำวันมากกว่า 3.5 ล้านคน ซึ่งส่วนใหญ่ตั้งแต่อายุ 18-34 ปี แสดงให้เห็นถึงผู้ใช้ที่มีอายุน้อยกว่านั้น แอป Character AI มีผลการดำเนินงานที่ดีในตลาดหุ้นโดยได้รับเงินลงทุนมูลค่า 150 ล้านดอลลาร์พร้อมกับมูลค่าตลาดอยู่ที่ 1 พันล้านดอลลาร์ โดยมี a16z เป็นผู้นำกลุ่มนักลงทุน
• การวิเคราะห์ทางเทคนิค: บริษัท Character AI ได้ทำข้อตกลงในการอนุญาตที่ไม่ใช่แบบพิเศษกับบริษัท Alphabet บริษัทใหญ่ของ Google เพื่อใช้โมเดลภาษาขนาดใหญ่ของตน ผู้ก่อตั้งของบริษัท Noam Shazeer และ Daniel De Freitas มีส่วนร่วมในการพัฒนาโมเดลภาษาสนทนาของ Google ชื่อ Llama

Perplexity AI:

• ภาพรวมของผลิตภัณฑ์: Perplexity สกัดข้อมูลจากอินเทอร์เน็ตเพื่อให้ได้คำตอบที่ละเอียด โดยให้ข้อมูลอ้างอิงและลิงก์เพื่อให้มั่นใจในความเชื่อถือของข้อมูล มันสอนและคำแนะนำผู้ใช้ในการถามคำถามตามมาและการค้นหาคำสำคัญ เพื่อตอบสนองความต้องการในการสอบถามที่หลากหลาย
• การวิเคราะห์ข้อมูล: ความสับสนได้มีผู้ใช้เดือนละ 10 ล้านคน โดยมีการเพิ่มปริมาณการเข้าชมแอปพลิเคชันบนโทรศัพท์มือถือและคอมพิวเตอร์เพิ่มขึ้น 8.6% เมื่อเดือนกุมภาพันธ์ โดยมีผู้ใช้ประมาณ 50 ล้านคน บริษัท Perplexity AI ได้รับเงินทุนจากการลงทุนในปีนี้มูลค่า 62.7 ล้านเหรียญสหรัฐ และมีการประเมินมูลค่าทางการเงินทั้งหมดได้รับการนำโดย Daniel Gross และมีการร่วมลงทุนจาก Stan Druckenmiller และ NVIDIA
• การวิเคราะห์ทางเทคนิค: ความงุนงงส่วนใหญ่ใช้โมเดล GPT-3.5 ที่ปรับแต่งมาอย่างดีและโมเดลขนาดใหญ่สองรุ่นที่ปรับแต่งอย่างละเอียดจากโมเดลโอเพ่นซอร์ส: pplx-7b-online และ pplx-70b-online โมเดลเหล่านี้เหมาะสําหรับการวิจัยทางวิชาการและการสืบค้นโดเมนแนวตั้งเพื่อให้มั่นใจถึงความถูกต้องและความน่าเชื่อถือของข้อมูล

Midjourney:

• ภาพรวมผลิตภัณฑ์: ผู้ใช้สามารถสร้างภาพในสไตล์และธีมต่าง ๆ บน Midjourney ผ่านข้อความชักชวน ซึ่งครอบคลุมความต้องการทางสร้างสรรค์ที่หลากหลายตั้งแต่ความเป็นจริงถึงการนานาของ แพลตฟอร์มยังมีการผสมภาพและการแก้ไขภาพเพื่อให้ผู้ใช้สามารถทับซ้อนภาพและโอนสไตล์ โดยที่การสร้างภาพเป็นเรียลไทม์ทำให้สามารถสร้างภาพได้ภายในไม่กี่วินาทีถึงไม่กี่นาที
• การวิเคราะห์ข้อมูล: แพลตฟอร์มมีผู้ใช้ที่ลงทะเบียน 15 ล้านคน โดยมีผู้ใช้ที่ใช้งานอยู่ 1.5 ถึง 2.5 ล้านคน โดยอ้างอิงจากข้อมูลตลาดสาธารณะ มิดเจอร์นีย์ยังไม่ได้ระดมทุนจากนักลงทุน และยังคงรักษาตัวด้วยชื่อเสียงและทรัพยากรของผู้ก่อตั้ง ดาวิด
• การวิเคราะห์ทางเทคนิค: Midjourney ใช้โมเดลที่เป็นกรรมสิทธิ์ของตัวเอง นับตั้งแต่เปิดตัว Midjourney V4 ในเดือนสิงหาคม 2022 แพลตฟอร์มนี้ใช้โมเดล AI เชิงกําเนิดที่ใช้การแพร่กระจาย มีรายงานว่าพารามิเตอร์การฝึกอบรมของโมเดลมีตั้งแต่ 30 ถึง 40 พันล้านซึ่งเป็นรากฐานที่มั่นคงสําหรับความหลากหลายและความแม่นยําของการสร้างภาพ

ความท้าทายในการพาณิชย์

หลังจากประสบกับ Web2 AI Agents หลายตัวเราสังเกตเห็นเส้นทางการทําซ้ําผลิตภัณฑ์ทั่วไป: ตั้งแต่เริ่มมุ่งเน้นไปที่งานเดียวที่เฉพาะเจาะจงไปจนถึงการขยายขีดความสามารถในภายหลังเพื่อจัดการกับสถานการณ์ที่ซับซ้อนและทํางานหลายอย่าง แนวโน้มนี้เน้นย้ําถึงศักยภาพของตัวแทน AI ในการปรับปรุงประสิทธิภาพและนวัตกรรมซึ่งบ่งชี้ว่าพวกเขาจะมีบทบาทสําคัญมากขึ้นในอนาคต จากสถิติเบื้องต้นของโครงการ AI Agent 125 โครงการใน Web2 เราพบว่าโครงการส่วนใหญ่กระจุกตัวอยู่ในการสร้างเนื้อหา (เช่น Jasper AI) เครื่องมือสําหรับนักพัฒนา (เช่น Replit) และบริการ B2B (เช่น Cresta) ซึ่งเป็นหมวดหมู่ที่ใหญ่ที่สุด การค้นพบนี้ขัดกับความคาดหวังของเราเนื่องจากเราคาดการณ์ไว้ในตอนแรกว่าด้วยวุฒิภาวะที่เพิ่มขึ้นของเทคโนโลยีแบบจําลอง AI ตลาดผู้บริโภค (C-end) จะประสบกับการเติบโตอย่างรวดเร็วของตัวแทน AI อย่างไรก็ตามหลังจากการวิเคราะห์เพิ่มเติมเราตระหนักว่าการค้าของตัวแทน AI ของผู้บริโภคนั้นท้าทายและซับซ้อนกว่าที่คาดไว้มาก

ยกตัวอย่าง Character.AI ในอีกด้านหนึ่ง Character.AI มีประสิทธิภาพการจราจรที่ดีที่สุด อย่างไรก็ตามเนื่องจากรูปแบบธุรกิจเดียวซึ่งอาศัยค่าธรรมเนียมการสมัครสมาชิก $ 9.9 USD จึงต่อสู้กับรายได้จากการสมัครสมาชิกที่ จํากัด และค่าใช้จ่ายในการอนุมานที่สูงสําหรับผู้ใช้จํานวนมากในที่สุดก็นําไปสู่การเข้าซื้อกิจการโดย Google เนื่องจากความยากลําบากในการสร้างรายได้จากการเข้าชมและรักษากระแสเงินสด กรณีนี้แสดงให้เห็นว่าแม้จะมีการรับส่งข้อมูลและเงินทุนที่ยอดเยี่ยม แต่แอปพลิเคชัน C-end AI Agent ก็ต้องเผชิญกับความท้าทายทางการค้าที่สําคัญ ผลิตภัณฑ์ส่วนใหญ่ยังไม่ถึงมาตรฐานที่สามารถทดแทนหรือช่วยเหลือมนุษย์ได้อย่างมีประสิทธิภาพส่งผลให้ผู้ใช้ไม่เต็มใจที่จะจ่าย ในการวิจัยของเราเราพบว่าสตาร์ทอัพจํานวนมากประสบปัญหาคล้ายกับ Character.AI ซึ่งบ่งชี้ว่าการพัฒนาตัวแทน AI ของผู้บริโภคนั้นไม่ราบรื่นและต้องการการสํารวจวุฒิภาวะทางเทคนิคมูลค่าผลิตภัณฑ์และนวัตกรรมรูปแบบธุรกิจอย่างลึกซึ้งยิ่งขึ้นเพื่อปลดล็อกศักยภาพในตลาด C-end

เมื่อนับการประเมินมูลค่าของโครงการ AI Agent ส่วนใหญ่เมื่อเทียบกับการประเมินมูลค่าของโครงการเพดานเช่น OpenAI และ xAI ยังคงมีที่ว่างเกือบ 10-50 เท่า ปฏิเสธไม่ได้ว่าเพดานของแอปพลิเคชัน C-side Agent ยังคงสูงพอพิสูจน์ว่ายังคงเป็นเส้นทางที่ดี อย่างไรก็ตามจากการวิเคราะห์ข้างต้นเราเชื่อว่าเมื่อเทียบกับด้าน C ตลาด B-side อาจเป็นปลายทางสุดท้ายของ AI Agent ด้วยการสร้างแพลตฟอร์มองค์กรจะรวม AI Agent เข้ากับซอฟต์แวร์การจัดการเช่นฟิลด์แนวตั้ง CRM และ OA ของสํานักงาน สิ่งนี้ไม่เพียง แต่ปรับปรุงประสิทธิภาพการดําเนินงานสําหรับองค์กร แต่ยังช่วยให้ AI Agent มีพื้นที่แอปพลิเคชันที่กว้างขึ้น ดังนั้นเราจึงมีเหตุผลที่จะเชื่อว่าบริการ B-side จะเป็นทิศทางหลักของการพัฒนาระยะสั้นของ AI Agents ในอินเทอร์เน็ตแบบดั้งเดิมของ Web2

สถานะและแนวโน้มในการพัฒนา Web3 AI Agent

ภาพรวมโครงการ

ตามการวิเคราะห์ก่อนหน้านี้ แม้แอปพลิเคชัน AI Agent ที่มีงบประมาณระดับบนและการจราจรผู้ใช้ที่ดีก็พบความยากลำบากในการทำกำไร ต่อไปเราจะวิเคราะห์การพัฒนาปัจจุบันของโครงการ AI Agent ใน Web3 โดยการประเมินชุดของโครงการที่เป็นตัวแทน ซึ่งประกอบด้วยนวัตกรรมทางเทคนิค ประสิทธิภาพทางตลาด ข้อเสนอแนะจากผู้ใช้ และศักยภาพในการเติบโต เรามีเป้าหมายที่จะค้นพบข้อเสนอแนะที่เป็นแรงบันดาลใจ แผนภูมิด้านล่างแสดงโครงการที่เป็นตัวแทนหลายโครงการที่ออกโทเค็นและถือหุ้นค่าตลาดสูงสัมพันธ์

คอมพิวเลชันของโครงการอุปกรณ์ AI ชั้นนำของ Web2 แห่งที่มา: ฐานข้อมูลโครงการ ArkStream

ตามสถิติของเราในตลาด Web3 AI Agent ประเภทของโครงการที่กําลังพัฒนายังแสดงให้เห็นถึงความเข้มข้นที่ชัดเจนในบางภาคส่วน โครงการส่วนใหญ่อยู่ภายใต้โครงสร้างพื้นฐานโดยมีโครงการสร้างเนื้อหาน้อยลง หลายโครงการเหล่านี้มีจุดมุ่งหมายเพื่อใช้ประโยชน์จากข้อมูลแบบกระจายที่ผู้ใช้จัดหาให้และพลังการประมวลผลเพื่อตอบสนองความต้องการการฝึกอบรมแบบจําลองของเจ้าของโครงการหรือเพื่อสร้างแพลตฟอร์มแบบครบวงจรที่รวมบริการและเครื่องมือ AI Agent ต่างๆ เข้าด้วยกัน ตั้งแต่เครื่องมือสําหรับนักพัฒนาไปจนถึงแอปพลิเคชันการโต้ตอบส่วนหน้าและแอปพลิเคชันเชิงกําเนิดอุตสาหกรรม AI Agent แบบดั้งเดิมส่วนใหญ่ในปัจจุบันถูก จํากัด ไว้ที่การปรับพารามิเตอร์โอเพนซอร์สหรือการสร้างแอปพลิเคชันโดยใช้โมเดลที่มีอยู่ วิธีนี้ยังไม่สร้างผลกระทบเครือข่ายที่สําคัญสําหรับองค์กรหรือผู้ใช้รายบุคคล

วิเคราะห์สถานะ

เราเชื่อว่าปรากฏการณ์นี้ในขั้นตอนนี้อาจเกิดจากปัจจัยต่อไปนี้:

ปัญหาความไม่สอดคล้องของตลาดและเทคโนโลยี: การผสมผสานระหว่างเว็บ 3 และตัวแทน AI ในปัจจุบันยังไม่แสดงข้อได้เปรียบที่สำคัญต่อตลาดที่เป็นแบบดั้งเดิม ความได้เปรียบที่แท้จริงอยู่ในการปรับปรุงความสัมพันธ์ในการผลิตโดยการปรับทรัพยากรและการทำงานร่วมกันผ่านการกระจายอำนาจ สิ่งนี้อาจทำให้แอปพลิเคชันที่เกิดขึ้นและมีศักยภาพที่ต้องพยายามที่จะแข่งขันกับคู่แข่งที่เป็นแบบดั้งเดิมที่มีทรัพยากรทางเทคนิคและการเงินที่แข็งแรงกว่า

ข้อ จำกัด ของ สถานการณ์ ในการประยุกต์ ใช้: ในสภาพแวดล้อม Web3 อาจจะไม่มีความต้องการสูงเท่าไรสำหรับการสร้างภาพถ่าย วิดีโอ หรือเนื้อหาข้อความ แต่คุณลักษณะที่กระจายและกระจายของ Web3 ถูกใช้มากขึ้นเพื่อลดต้นทุนและเพิ่มประสิทธิภาพในภาคเรียนรู้ AI แบบดั้งเดิม มากกว่าการขยายไปสู่สถานการณ์การประยุกต์ใหม่

สาเหตุของปรากฏการณ์นี้อาจอยู่ในสถานะการพัฒนาในปัจจุบันของอุตสาหกรรม AI และทิศทางในอนาคต เทคโนโลยี AI ยังอยู่ในช่วงเริ่มต้น คล้ายกับช่วงแรกของการปฏิวัติอุตสาหกรรมเมื่อเครื่องยนต์ไอน้ําถูกแทนที่ด้วยมอเตอร์ไฟฟ้า ยังไม่ถึงขั้นตอนการใช้พลังงานไฟฟ้าอย่างแพร่หลาย

เราเชื่อว่าอนาคตของ AI จะเดินหน้าตามแนวทางที่เหมือนกัน โมเดลทั่วไปจะเริ่มมีมาตรฐานชัดเจนขึ้นเรื่อย ๆ ในขณะที่โมเดลที่ปรับแต่งอย่างละเอียดจะเห็นการพัฒนาที่หลากหลาย การใช้ประโยชน์จาก AI จะกระจายอย่างแพร่หลายทั้งในองค์กรและผู้ใช้รายบุคคล โดยมุมมองจะเปลี่ยนไปสู่การเชื่อมต่อและปฏิสัมพันธ์ระหว่างโมเดล แนวโน้มนี้เข้ากันอย่างใกล้ชิดกับหลักการของ Web3 เนื่องจาก Web3 โดดเด่นด้วยความสามารถในการประกอบกันและลักษณะที่ไม่จำกัดการเข้าถึง ซึ่งเข้ากันได้ดีกับความคิดเกี่ยวกับการปรับแต่งโมเดลอย่างแบ่งแยกเอาท์ Decentralization ยังทำให้นักพัฒนามีข้อได้เปรียบมากขึ้นในด้านต่าง ๆ เช่น ความเป็นส่วนตัวของข้อมูล และการจัดสรรทรัพยากรคอมพิวเตอร์สำหรับการฝึกโมเดล

ด้วยความก้าวหน้าทางเทคโนโลยี, โดยเฉพาะอย่างยิ่งการเกิดขึ้นของนวัตกรรมเช่น LoRA (Low-Rank Adaptation), ต้นทุนและอุปสรรคทางเทคนิคสําหรับการปรับแต่งโมเดลลดลงอย่างมาก. สิ่งนี้ทําให้ง่ายต่อการพัฒนาโมเดลสาธารณะสําหรับสถานการณ์เฉพาะหรือเพื่อตอบสนองความต้องการส่วนบุคคลของผู้ใช้ โครงการ AI Agent ภายใน Web3 สามารถใช้ประโยชน์จากความก้าวหน้าเหล่านี้ได้อย่างเต็มที่เพื่อสํารวจวิธีการฝึกอบรมแบบใหม่กลไกแรงจูงใจที่เป็นนวัตกรรมและรูปแบบใหม่ของการแบ่งปันโมเดลและการทํางานร่วมกันซึ่งมักจะทําได้ยากในระบบรวมศูนย์แบบดั้งเดิม

นอกจากนี้ ความเข้มข้นของโครงการ Web3 ในการฝึกอบรมโมเดลยังสะท้อนให้เห็นถึงการพิจารณาเชิงกลยุทธ์ถึงความสําคัญภายในระบบนิเวศ AI ทั้งหมด ดังนั้นจุดเน้นของโครงการ Web3 AI Agent ในการฝึกอบรมโมเดลจึงเป็นการบรรจบกันตามธรรมชาติของแนวโน้มเทคโนโลยีความต้องการของตลาดและข้อได้เปรียบของอุตสาหกรรม Web3 ต่อไปเราจะให้ตัวอย่างของโครงการฝึกอบรมแบบจําลองทั้งในอุตสาหกรรม Web2 และ Web3 และทําการเปรียบเทียบ

โครงการฝึกอบรมโมเดล

Humans.ai

• ภาพรวมของโครงการ: Humans.ai เป็นไลบรารีอัลกอริทึม AI ที่หลากหลายและสภาพแวดล้อมการปรับใช้การฝึกอบรมที่ครอบคลุมสาขาต่างๆเช่นรูปภาพวิดีโอเสียงและข้อความ แพลตฟอร์มนี้สนับสนุนนักพัฒนาในการฝึกอบรมเพิ่มเติมและเพิ่มประสิทธิภาพโมเดลและอนุญาตให้พวกเขาแบ่งปันและแลกเปลี่ยนโมเดลของพวกเขา นวัตกรรมที่โดดเด่นคือ Humans.ai ใช้ NFT เพื่อจัดเก็บโมเดล AI และข้อมูลไบโอเมตริกซ์ของผู้ใช้ ทําให้กระบวนการสร้างเนื้อหา AI เป็นส่วนตัวและปลอดภัยยิ่งขึ้น
• การวิเคราะห์ข้อมูล: มูลค่าตลาดของโทเค็น Heart ของ Humans.ai ประมาณ 68 ล้านเหรียญ พวกเขามีผู้ติดตามบนทวิตเตอร์ 56,000 คน แม้ว่าข้อมูลผู้ใช้จะไม่ได้รับการเปิดเผย
• การวิเคราะห์เทคนิค: Humans.ai ไม่ได้พัฒนาโมเดลของตัวเอง แต่ใช้วิธีการแบ่งส่วนโมเดลทั้งหมดอยู่ในรูปแบบ NFTs ซึ่งจะให้ผู้ใช้ได้รับการแก้ไข AI ที่ยืดหยุ่นและมีประสิทธิภาพ

FLock.io

• ภาพรวมของโครงการ: FLock.io เป็นแพลตฟอร์มการสร้างร่วม AI ที่ใช้เทคโนโลยีการเรียนรู้แบบรวมศูนย์ (วิธีการเรียนรู้ของเครื่องแบบกระจายอํานาจที่เน้นความเป็นส่วนตัวของข้อมูล) มีจุดมุ่งหมายเพื่อแก้ไขจุดปวดในสาขา AI เช่นการมีส่วนร่วมของประชาชนต่ําการปกป้องความเป็นส่วนตัวไม่เพียงพอและการผูกขาดเทคโนโลยี AI โดย บริษัท ขนาดใหญ่ แพลตฟอร์มนี้ช่วยให้ผู้ใช้สามารถให้ข้อมูลในขณะที่ปกป้องความเป็นส่วนตัวส่งเสริมการทําให้เป็นประชาธิปไตยและการกระจายอํานาจของเทคโนโลยี AI
• การวิเคราะห์ข้อมูล: FLock.io ได้ทำการระดมทุนรอบเมล็ดพันธุ์ 6 ล้านเหรียญในต้นปี 2024 โดยมี Lightspeed Faction และ Tagus Capital เป็นผู้นำ พร้อมด้วยการเข้าร่วมเพิ่มเติมจาก DCG, OKX Ventures และผู้อื่น ๆ
• การวิเคราะห์เทคนิค: โครงสร้างของ FLock.io ขึ้นอยู่กับการเรียนรู้แบบแฟเดอเรทที่เป็นแบบกระจายซึ่งสนับสนุนการป้องกันความเป็นส่วนตัว นอกจากนี้ยังใช้ zkFL, การเข้ารหัสโฮโมมอร์ฟิก, และการคำนวณหลายอีกเครื่องมือ (SMPC) เพื่อให้มีการป้องกันความเป็นส่วนตัวเพิ่มเติม

นี่คือตัวอย่างของโครงการฝึกอบรมโมเดลภายในพื้นที่ Web3 AI Agent แต่แพลตฟอร์มที่คล้ายกันยังมีอยู่ใน Web2 เช่น Predibase

Predibase

• ภาพรวมโครงการ: Predibase มุ่งเน้นไปที่ AI และการเพิ่มประสิทธิภาพโมเดลภาษาขนาดใหญ่ทําให้ผู้ใช้สามารถปรับแต่งและปรับใช้โมเดลภาษาขนาดใหญ่แบบโอเพนซอร์สเช่น Llama, CodeLlama และ Phi แพลตฟอร์มนี้รองรับเทคนิคการเพิ่มประสิทธิภาพต่างๆเช่นการหาปริมาณการปรับตัวในระดับต่ําและการฝึกอบรมแบบกระจายที่มีประสิทธิภาพด้านหน่วยความจํา
• การวิเคราะห์ข้อมูล: Predibase ประกาศเสร็จสิ้นการระดมทุนรอบ A รวม 12.2 ล้านเหรียญสหรัฐโดยมี Felicis เป็นผู้นำ โดยมีบริษัทชั้นนำอย่าง Uber, Apple, Meta และ บริษัทริเริ่มอย่าง Paradigm และ Koble.ai เป็นผู้ใช้แพลตฟอร์ม
• การวิเคราะห์ทางเทคนิค: ผู้ใช้ Predibase ได้ฝึกอบรมมากกว่า 250 รุ่น แพลตฟอร์มนี้ใช้สถาปัตยกรรม LoRAX และเฟรมเวิร์ก Ludwig: LoRAX ช่วยให้ LLM ที่ปรับแต่งมาอย่างดีหลายพันตัวทํางานบน GPU ตัวเดียว, ลดต้นทุนได้อย่างมากโดยไม่ส่งผลกระทบต่อปริมาณงานหรือเวลาแฝง. ลุดวิกเป็นกรอบการประกาศ Predibase ใช้ในการพัฒนาฝึกอบรมปรับแต่งและปรับใช้การเรียนรู้เชิงลึกที่ทันสมัยและโมเดลภาษาขนาดใหญ่
• การวิเคราะห์โครงการ: Predibase มีคุณสมบัติที่ใช้ง่ายสำหรับการบริการการสร้างแอปพลิเคชัน AI ที่ปรับเปลี่ยนตามความต้องการของผู้ใช้ระดับต่าง ๆ ไม่ว่าจะเป็นผู้ใช้ C-end หรือ B-end, ผู้เริ่มต้นหรือมืออาชีพที่มีประสบการณ์ในด้าน AI Predibase สามารถตอบสนองที่ต้องการที่หลากหลาย

สำหรับผู้เริ่มต้น การอัตโนมัติด้วยคลิกเดียวบนแพลตฟอร์มทำให้กระบวนการสร้างและฝึกโมเดลเป็นเรื่องที่ง่าย ๆ โดยการจัดการงานที่ซับซ้อนโดยอัตโนมัติ สำหรับผู้ใช้ที่มีประสบการณ์ มันให้คุณลักษณะการปรับแต่งที่ลึกซึ้งมากขึ้น รวมถึงการเข้าถึงและการปรับการตั้งค่าของพารามิเตอร์ที่ขั้นสูงมากขึ้น เมื่อเปรียบเทียบแพลตฟอร์มการฝึกโมเดล AI แบบดั้งเดิมกับโปรเจกต์ AI Web3 ในขณะที่โครงสร้างโดยรวมและตรรกะอาจเหมือนกัน แต่เราพบความแตกต่างที่สำคัญในสถาปัตยกรรมทางเทคนิคและแบบจัดการทางธุรกิจของพวกเขา

• ความลึกทางเทคนิคและนวัตกรรม: แพลตฟอร์มการฝึกอบรมโมเดล AI แบบดั้งเดิมมักมีอุปสรรคทางเทคนิคที่ลึกกว่า เช่นการใช้เทคโนโลยีเฉพาะเช่นสถาปัตยกรรม LoRAX และกรอบงาน Ludwig กรอบงานเหล่านี้มีคุณสมบัติที่มั่นคงที่ช่วยให้แพลตฟอร์มสามารถจัดการงานฝึกอบรมโมเดล AI ที่ซับซ้อนได้ อย่างไรก็ตามโครงการ Web3 อาจเน้นไปที่การกระจายอำนาจและความเปิดเผยมากกว่าการนวัตกรรมทางเทคนิคที่ลึก
• ความยืดหยุ่นของแบบจำลองธุรกิจ: จุดจำกัดที่พบบ่อยในการฝึกโมเดล AI แบบดั้งเดิมคือความขาดความยืดหยุ่นในโครงสร้างธุรกิจ แพลตฟอร์มทั่วไปมักต้องการผู้ใช้จ่ายค่าฝึกโมเดล จำกัดความยั่งยืนของโครงการโดยเฉพาะในช่วงต้นเมื่อต้องการผู้เข้าร่วมและการรวบรวมข้อมูลที่แพร่หลาย ในทวิตรางวัล โครงการ Web3 มักมีโมเดลธุรกิจที่ยืดหยุ่นมากขึ้น เช่น โทโคเนอมิกส์ที่ขับเคลื่อนโดยชุมชน
• ความท้าทายในการป้องกันความเป็นส่วนตัว: การป้องกันความเป็นส่วนตัวเป็นปัจจัยอีกอย่างสำคัญ ตัวอย่างเช่น ถึงแม้ว่า Predibase จะให้บริการเว็บคลาวด์ส่วนตัวเสมือนจริงบน AWS การพึ่งพาสถาปัตยกรรมของบุคคลที่สามเสมอมีความเสี่ยงที่จะเกิดการรั่วไหลของข้อมูล

ความแตกต่างเหล่านี้เป็นข้อจำกัดในอุตสาหกรรม AI แบบดั้งเดิม ด้วยลักษณะของอินเทอร์เน็ต ปัญหาเหล่านี้ยากต่อการแก้ไขอย่างมีประสิทธิภาพ ในเวลาเดียวกัน นี่เป็นโอกาสและความท้าทายสำหรับ Web3 โครงการที่สามารถแก้ไขปัญหาเหล่านี้ได้ก่อนจะเป็นผู้นำในอุตสาหกรรมอาจกลายเป็นผู้บุกเบิก

หมวดหมู่อื่น ๆ ของโครงการ Web3 AI Agent

หลังจากหารือเกี่ยวกับโครงการ AI Agent ที่เน้นการฝึกอบรมโมเดลตอนนี้เราขยายมุมมองของเราไปยังโครงการ AI Agent ประเภทอื่น ๆ ในอุตสาหกรรม Web3 โครงการเหล่านี้แม้ว่าจะไม่ได้เน้นเฉพาะการฝึกอบรมแบบจําลอง แต่แสดงให้เห็นถึงประสิทธิภาพที่โดดเด่นในแง่ของการระดมทุนการประเมินมูลค่าโทเค็นและสถานะทางการตลาด ด้านล่างนี้คือโครงการ AI Agent ที่เป็นตัวแทนและมีอิทธิพลในสาขาของตน:

Myshell

• ภาพรวมผลิตภัณฑ์: Myshell มีแพลตฟอร์ม AI Agent ที่ครอบคลุมซึ่งผู้ใช้สามารถสร้างแชร์และปรับแต่งตัวแทน AI ได้ ตัวแทนเหล่านี้สามารถเสนอความเป็นเพื่อนและช่วยเหลือในการทํางานได้อย่างมีประสิทธิภาพ แพลตฟอร์มนี้มีรูปแบบตัวแทน AI ที่หลากหลายตั้งแต่อนิเมะไปจนถึงแบบดั้งเดิมและรองรับการโต้ตอบผ่านเสียงวิดีโอและข้อความ คุณสมบัติที่โดดเด่นคือการรวมรุ่นที่มีอยู่หลายรุ่นรวมถึง GPT-4o, GPT-4 และ Claude มอบประสบการณ์ระดับพรีเมียม นอกจากนี้ Myshell ยังแนะนําระบบการซื้อขายที่คล้ายกับเส้นโค้งพันธะ FT ซึ่งจูงใจให้ผู้สร้างพัฒนาโมเดล AI ที่มีมูลค่าสูงในขณะที่ให้โอกาสผู้ใช้ในการลงทุนและแบ่งปันผลกําไร
• การวิเคราะห์ข้อมูล: รอบทุนล่าสุดของ Myshell ประมาณมูลค่าของบริษัทที่ประมาณ 80 ล้านเหรียญสหรัฐ เป็นผู้นำโดย Dragonfly โดยมีการเข้าร่วมจาก Binance, Hashkey และ Folius ด้วย มีผู้ติดตามทวิตเตอร์จำนวนเกือบ 180,000 คน มีชุมชนผู้ใช้และนักพัฒนาที่มุ่งมั่น แม้ว่าความสนใจใน Discord จะน้อยกว่าหนึ่งในสิบของผู้ติดตามของมัน
• การวิเคราะห์ทางเทคนิค: Myshell ไม่ได้พัฒนาโมเดล AI อิสระแต่เป็นแพลตฟอร์มการรวมกัน โดยรวมโมเดลเช่น Claude และ GPT-4 เพื่อให้ผู้ใช้ได้สัมผัสประสบการณ์ AI ที่เป็นมาตรฐานและทันสมัย
• ประสบการณ์ส่วนตัว: MyShell ช่วยให้ผู้ใช้สามารถสร้างและปรับแต่งตัวแทน AI ได้อย่างอิสระตามความต้องการของตนเอง ไม่ว่าจะเป็นเพื่อนส่วนตัวหรือผู้ช่วยมืออาชีพก็สามารถปรับให้เข้ากับสถานการณ์ต่างๆเช่นเสียงและวิดีโอ แม้ว่าผู้ใช้จะไม่ใช้พร็อกซีของ MyShell พวกเขาสามารถเพลิดเพลินกับรูปแบบการชําระเงิน Web2 ในตัวด้วยต้นทุนที่ต่ํากว่า นอกจากนี้แพลตฟอร์มยังรวมแนวคิดทางเศรษฐกิจของ FT ทําให้ผู้ใช้ไม่เพียง แต่ใช้บริการ AI เท่านั้น แต่ยังลงทุนในตัวแทน AI ที่พวกเขามองโลกในแง่ดีเพิ่มผลกระทบด้านความมั่งคั่งผ่านกลไกเส้นโค้งพันธะ

Delysium

• ภาพรวมผลิตภัณฑ์: Delysium มีเครือข่าย AI Agent ที่มุ่งเน้นการตั้งใจ ทำให้เอเจนต์สามารถทำงานร่วมกันได้ดียิ่งขึ้นเพื่อนำเสนอประสบการณ์ Web3 ที่เป็นมิตรต่อผู้ใช้ ในปัจจุบัน Delysium ได้เปิดตัว AI Agent 2 ตัวคือ Lucy และ Jerry Lucy เป็น AI Agent ที่เชื่อมโยงเครือข่าย วิสัยทัศน์คือการให้การช่วยเหลือด้านเครื่องมือ เช่น การสอบถามที่อยู่อันดับ 10 ของสกุลเงิน แต่อย่างไรก็ตาม ฟังก์ชันของเอเจนต์ที่จะดำเนินการตามประสงค์บนโซนยังไม่ได้เปิดเผย และมีไว้จำกัดทำเพียงคำสั่งพื้นฐานบางอย่างเช่นการจับคู่ AGI ภายในระบบ หรือแลกเป็น USDT Jerry คล้ายกับ GPT ในระบบ Delysium และรับผิดชอบหลักในการตอบคำถามภายในระบบ เช่นการกระจายโทเค็น
• การวิเคราะห์ข้อมูล: การจัดหาเงินทุนรอบแรกอยู่ที่ 4 ล้านเหรียญสหรัฐในปี 2022 และในปีเดียวกันมีการประกาศว่าได้เสร็จสิ้นการจัดหาเงินทุนเชิงกลยุทธ์จํานวน 10 ล้านเหรียญสหรัฐ ปัจจุบัน AGI โทเค็นมี FDV ประมาณ 130 ล้านดอลลาร์ ไม่มีข้อมูลผู้ใช้ล่าสุด ตามสถิติอย่างเป็นทางการจาก Delysium ลูซี่ได้สะสมการเชื่อมต่อกระเป๋าเงินอิสระมากกว่า 1.4 ล้านรายการ ณ เดือนมิถุนายน 2023

Sleepless AI

• ภาพรวมของผลิตภัณฑ์: เป็นแพลตฟอร์มเกมสำหรับเพื่อนร่วมทางอารมณ์ที่รวมเทคโนโลยี Web3 และ AI Agent เพื่อให้บริการเกมเพื่อนร่วมทางเสมือนจริง HIM และ HER โดยใช้ AIGC และ LLM เพื่อจำลองประสบการณ์การสื่อสารกับตัวละครเสมือนจริง ผู้ใช้สามารถปรับเปลี่ยนคุณสมบัติของตัวละคร เสื้อผ้า เป็นต้น ระหว่างการสนทนาที่กำลังเกิดขึ้น โมเดลภาษาขนาดใหญ่ที่เข้ากันได้ของมันช่วยให้ตัวละครพัฒนาตนเองในแต่ละการสนทนาและเข้าใจผู้ใช้มากขึ้น
• การวิเคราะห์ข้อมูล: โครงการได้รับเงินทุนรวมทั้งสิ้น 3.7 ล้านดอลลาร์สหรัฐ โดยมีนักลงทุนรวมถึง Binance Labs, Foresight Ventures และ Folius Ventures มูลค่าตลาดรวมของโทเค็นในปัจจุบันได้ถึงประมาณ 400 ล้านดอลลาร์สหรัฐ มีผู้ติดตามทวิตเตอร์ 116K, จองทะเบียนลงทะเบียน 190K ตามสถิติอย่างเป็นทางการและผู้ใช้งานที่ใช้งานอยู่ 43K ก็สามารถพูดได้ว่าความยึดมั่นของผู้ใช้งานมีความแข็งแกร่ง
• การวิเคราะห์ทางเทคนิค: แม้ว่าเจ้าหน้าที่จะไม่เปิดเผยว่าผลิตภัณฑ์ของพวกเขาใช้รูปแบบภาษาหลักใดในตลาด แต่ Sleepless AI ช่วยให้มั่นใจได้ว่าผู้ใช้จะรู้สึกว่าตัวละครเข้าใจพวกเขามากขึ้นเรื่อย ๆ ในระหว่างกระบวนการแชท ดังนั้นเมื่อออกแบบการฝึกอบรม LLM พวกเขาแต่ละตัวละครจะฝึกแบบจําลองแยกกันและรวมฐานข้อมูลเวกเตอร์และระบบพารามิเตอร์บุคลิกภาพเพื่อให้ตัวละครมีหน่วยความจํา
• ประสบการณ์ส่วนตัว: Sleepless AI เข้าหา AI Boyfriend และ AI Girlfriend จากมุมมอง Free-to-Play และไม่เพียง แต่รวมเข้ากับกล่องแชทของหุ่นยนต์สนทนาเท่านั้น โครงการนี้ช่วยเพิ่มความถูกต้องของมนุษย์เสมือนจริงอย่างมากผ่านศิลปะที่มีต้นทุนสูงแบบจําลองภาษาซ้ําอย่างต่อเนื่องการพากย์คุณภาพสูงและสมบูรณ์และชุดฟังก์ชั่นต่างๆเช่นนาฬิกาปลุกเครื่องช่วยนอนหลับการบันทึกประจําเดือนเพื่อนเรียนเป็นต้น คุณค่าทางอารมณ์ประเภทนี้ไม่สามารถรู้สึกได้จากแอปพลิเคชันอื่นในตลาด นอกจากนี้ Sleepless AI ยังสร้างกลไกการชําระเงินเนื้อหาที่สมดุลในระยะยาว ผู้ใช้สามารถเลือกที่จะขาย NFT โดยไม่ตกอยู่ในภาวะที่กลืนไม่เข้าคายไม่ออกของ P2E หรือ Ponzi โมเดลนี้คํานึงถึงทั้งรายได้ของผู้เล่นและประสบการณ์การเล่นเกม

การวิเคราะห์โอกาสทางการขาย

ในอุตสาหกรรม Web3 โครงการ AI Agent ครอบคลุมทิศทางหลายรูปแบบรวมถึง public chains, data management, privacy protection, social networks, platform services และการคำนวณพลังงาน จากมุมมองของมูลค่าตลาดโทเค็น มูลค่าตลาดโทเค็นรวมของโครงการ AI Agent ได้ถึงเกือบ 3.8 พันล้านเหรียญดอลลาร์ ในขณะที่มูลค่าตลาดรวมของ AI track ทั้งหมดเกือบ 16.2 พันล้านเหรียญดอลลาร์ โครงการ AI Agent มีส่วนแบ่งประมาณ 23% ของมูลค่าตลาดใน AI track

แม้ว่าจะมีโครงการ AI Agent เพียงประมาณหนึ่งโครงการเท่านั้น ซึ่งดูเหมือนจะน้อยเมื่อเปรียบเทียบกับทั้งทางเทรนด์ AI แต่มูลค่าตลาดของพวกเขาเป็นส่วนใหญ่ เป็นสัดส่วนเทียบเท่ากับหนึ่งในสี่ของทางเทรนด์ AI นี้ ส่วนสูงความเชื่อมั่นของเราในว่าทางเทรนด์ย่อยนี้มีศักยภาพในการเติบโตอย่างมาก

หลังจากการวิเคราะห์ของเรา เรายกขึ้นเป็นคำถามหลัก: โครงการ Agent ต้องมีลักษณะอะไรเพื่อดึงดูดการเงินที่ดีและรับลงทะเบียนในแลกเชฟชั้นนำ? เพื่อตอบคำถามนี้ เราได้สำรวจโครงการที่ประสบความสำเร็จในอุตสาหกรรม Agent เช่น Fetch.ai, Olas Network, SingularityNET และ Myshell

เราพบว่าโครงการเหล่านี้มีคุณลักษณะที่สำคัญบางประการ: พวกเขาทั้งหมดอยู่ในหมวดหมู่การรวมรวมแพลตฟอร์มภายในหมวดหมู่โครงสร้างพื้นฐาน พวกเขากำลังสร้างสะพานเชื่อมต่อผู้ใช้ที่ต้องการตัวแทนด้านหนึ่ง (ทั้ง B2B และ B2C) และนักพัฒนาและผู้ตรวจสอบที่รับผิดชอบในการแก้บั๊กและการฝึกอบรมโมเดลด้านอีกด้านหนึ่ง ไม่ว่าจะเป็นระดับแอปพลิเคชันใด พวกเขาก็ได้สร้างวงจรปิดทางนิเวศที่สมบูรณ์ทั้งหมด

เราสังเกตเห็นว่าไม่ว่าผลิตภัณฑ์ของพวกเขาจะเกี่ยวข้องกับ on-chain หรือ off-chain ดูเหมือนจะไม่ใช่ปัจจัยที่สําคัญที่สุด สิ่งนี้นําเราไปสู่ข้อสรุปเบื้องต้น: ในโดเมน Web3 ตรรกะของการมุ่งเน้นไปที่แอปพลิเคชันที่ใช้งานได้จริงใน Web2 อาจใช้ไม่ได้อย่างสมบูรณ์ สําหรับผลิตภัณฑ์ AI Agent ชั้นนําใน Web3 การสร้างระบบนิเวศที่สมบูรณ์และการจัดหาฟังก์ชันการทํางานที่หลากหลายอาจมีความสําคัญมากกว่าคุณภาพและประสิทธิภาพของผลิตภัณฑ์เดียว กล่าวอีกนัยหนึ่งความสําเร็จของโครงการไม่เพียง แต่ขึ้นอยู่กับสิ่งที่นําเสนอ แต่ยังขึ้นอยู่กับวิธีการรวมทรัพยากรส่งเสริมการทํางานร่วมกันและสร้างผลกระทบเครือข่ายภายในระบบนิเวศ ความสามารถในการสร้างระบบนิเวศนี้อาจเป็นปัจจัยสําคัญสําหรับโครงการ AI Agent ให้โดดเด่นในการติดตาม Web3

วิธีการบูรณาการที่ถูกต้องสำหรับโครงการ AI Agent ใน Web3 คือ ไม่ใช่การให้ความสำคัญกับการพัฒนาลึกลับของแอปพลิเคชันเดียว แต่คือการนำแบบแผนรวมอยู่ในตัว วิธีการนี้เกี่ยวข้องกับการย้ายถ่ายรูปและบูรณาการเฟรมเวิร์กผลิตภัณฑ์ที่หลากหลายและประเภทจากยุค Web2 เข้าสู่สภาพแวดล้อม Web3 เพื่อสร้างระบบนิเวศที่วงจรเอง จุดนี้ยังสามารถมองเห็นได้ในการเปลี่ยนโครงการยอดเยี่ยมของ OpenAI เมื่อพวกเขาเลือกที่จะเปิดตัวแพลตฟอร์มแอปพลิเคชันในปีนี้แทนที่จะอัพเดตโมเดลของพวกเขาเท่านั้น

สรุปมากขึ้น เราเชื่อว่าโปรเจกต์ AI Agent ควรเน้นที่ด้านต่อไปนี้:

• การสร้างระบบนิเวศ: เลิกจากการใช้แอปพลิเคชั่นเดี่ยว และเริ่มสร้างระบบนิเวศที่รวมบริการและฟังก์ชันหลายรายการ เพื่อส่งเสริมการโต้ตอบและการเพิ่มมูลค่าระหว่างส่วนประกอบที่แตกต่างกัน
• โมเดลโทเค็นอมิค: ออกแบบโมเดลเศรษฐศาสตร์โทเค็นที่สมเหตุสมผลเพื่อให้กำลังแรงงานที่จะเข้าร่วมในการสร้างเครือข่ายและส่งเสริมข้อมูลและพลังการคำนวณ
• การผสมผสานโดเมนแบบก้าวไกล: สำรวจและสร้างแนวคิดการใช้งานใหม่ ๆ และมูลค่าในสถานการณ์ที่ต่างกันของตัวแทน AI ในหลายๆ สาขาอุตสาหกรรม

หลังจากสรุปสิ่งที่กล่าวมาทั้งสามด้านเรายังได้ให้ข้อเสนอที่เป็นการมองไปข้างหน้าสำหรับทีมโครงการที่มีการใช้เน้นที่ต่างกัน: หนึ่งสำหรับผลิตภัณฑ์แอปพลิเคชันที่ไม่ใช่ AI และอีกอันสำหรับโครงการธรรมชาติที่มุ่งเน้นไปทางติดตามเอเจนต์ AI

สำหรับผลิตภัณฑ์ที่ไม่ใช่ AI core application:

รักษามุมมองระยะยาวมุ่งเน้นไปที่ผลิตภัณฑ์หลักของพวกเขาในขณะที่รวมเทคโนโลยี AI และรอโอกาสที่เหมาะสมสอดคล้องกับเวลา ในแนวโน้มทางเทคโนโลยีและตลาดในปัจจุบันเราเชื่อว่าการใช้ AI เป็นสื่อกลางในการดึงดูดผู้ใช้และเพิ่มความสามารถในการแข่งขันของผลิตภัณฑ์ได้กลายเป็นวิธีการแข่งขันที่สําคัญ แม้ว่าการมีส่วนร่วมในระยะยาวของเทคโนโลยี AI ในการพัฒนาโครงการยังคงเป็นเครื่องหมายคําถาม แต่เราเชื่อว่านี่เป็นหน้าต่างที่มีค่าสําหรับผู้เริ่มใช้เทคโนโลยี AI แน่นอนว่าหลักฐานคือพวกเขามีผลิตภัณฑ์ที่มั่นคงมากอยู่แล้ว

ในระยะยาวหากเทคโนโลยี AI ประสบความสําเร็จในการพัฒนาใหม่ในอนาคตโครงการเหล่านั้นที่รวม AI ไว้แล้วจะสามารถทําซ้ําผลิตภัณฑ์ของตนได้เร็วขึ้นซึ่งจะคว้าโอกาสและกลายเป็นผู้นําในอุตสาหกรรม สิ่งนี้คล้ายกับวิธีที่อีคอมเมิร์ซสตรีมมิงแบบสดค่อยๆแทนที่ยอดขายออฟไลน์ในฐานะช่องทางการเข้าชมใหม่บนแพลตฟอร์มโซเชียลมีเดียในช่วงไม่กี่ปีที่ผ่านมา ในเวลานั้นผู้ค้าที่มีผลิตภัณฑ์ที่มั่นคงซึ่งเลือกที่จะติดตามเทรนด์ใหม่และลองสตรีมมิงแบบสดอีคอมเมิร์ซโดดเด่นทันทีด้วยข้อได้เปรียบของการเข้าสู่ช่วงแรกเมื่ออีคอมเมิร์ซสตรีมมิงแบบสดระเบิดอย่างแท้จริง

เราเชื่อว่าท่ามกลางความไม่แน่นอนของตลาดสําหรับผลิตภัณฑ์แอปพลิเคชันหลักที่ไม่ใช่ AI การพิจารณาการแนะนําตัวแทน AI ในเวลาที่เหมาะสมอาจเป็นการตัดสินใจเชิงกลยุทธ์ ไม่เพียง แต่สามารถเพิ่มการเปิดรับตลาดของผลิตภัณฑ์ในปัจจุบัน แต่ยังนําจุดเติบโตใหม่สําหรับผลิตภัณฑ์ในการพัฒนาเทคโนโลยี AI อย่างต่อเนื่อง

สำหรับโครงการท้องถิ่นที่เน้นตัวแทน AI:

การสมดุลระหว่างนวัตกรรมเทคโนโลยีและความต้องการของตลาดเป็นสิ่งสำคัญในการประสบความสำเร็จ ในโครงการ AI Agent ภาษาต้นบนตลาด ทีมโครงการต้องมองหาแนวโน้มของตลาดไม่เพียงแต่การพัฒนาเทคโนโลยี เรื่อง โครงการที่เชื่อม Web3-integrated Agent บางโครงการบนตลาดอาจมุ่งมั่นเกินไปในการพัฒนาในทิศทางทางเทคนิคเดียวหรือมีวิสัยทัศน์ที่ยิ่งใหญ่ แต่การพัฒนาผลิตภัณฑ์ไม่ได้ตามเข้าไป ทั้งสองทางโดยสิ้นเชิงไม่เป็นประโยชน์ต่อการพัฒนาในระยะยาวของโครงการ

ดังนั้นเราจึงแนะนําว่าทีมโครงการในขณะที่มั่นใจในคุณภาพของผลิตภัณฑ์ควรให้ความสนใจกับการเปลี่ยนแปลงของตลาดและตระหนักว่าตรรกะแอปพลิเคชัน AI ในอุตสาหกรรมอินเทอร์เน็ตแบบดั้งเดิมอาจใช้ไม่ได้กับ Web3 พวกเขาจําเป็นต้องเรียนรู้จากโครงการเหล่านั้นที่บรรลุผลลัพธ์ในตลาด Web3 แล้ว มุ่งเน้นไปที่ป้ายกํากับที่พวกเขามีเช่นการฝึกอบรมโมเดลและฟังก์ชันหลักของการรวมแพลตฟอร์มที่กล่าวถึงในบทความรวมถึงการเล่าเรื่องที่พวกเขาสร้างขึ้นเช่น AI modularization และการทํางานร่วมกันแบบหลายตัวแทน การสํารวจการเล่าเรื่องที่น่าสนใจอาจกลายเป็นกุญแจสําคัญสําหรับโครงการเพื่อให้บรรลุความก้าวหน้าในตลาด

บทสรุป

ไม่ว่าจะเป็นผลิตภัณฑ์ที่ไม่ใช่ AI core หรือโครงการ Native AI Agent สิ่งที่สำคัญที่สุดคือการค้นหาเวลาและเส้นทางทางเทคนิคที่เหมาะสมเพื่อให้สามารถที่จะประสบความสำเร็จและนำเสนอนวัตกรรมในตลาดที่เปลี่ยนแปลงอย่างต่อเนื่อง โดยฐานะการรักษาคุณภาพของผลิตภัณฑ์โครงการควรสังเกตการณ์แนวโน้มของตลาดเรียนรู้จากกรณีที่ประสบความสำเร็จ และในเวลาเดียวกันสร้างนวัตกรรมเพื่อบรรลุการพัฒนาที่ยั่งยืนในตลาด

สรุป

ตอนท้ายของบทความ เราได้วิเคราะห์เรื่องของบริเวณล่างของเส้นทาง Web3 AI จากมุมมองหลายมุม:

• การลงทุนและความสนใจของตลาด: แม้ว่าโครงการ AI Agent ในปัจจุบันจะไม่มีข้อได้เปรียบในจํานวนรายชื่อในอุตสาหกรรม Web3 แต่ก็มีสัดส่วนเกือบ 50% ของการประเมินมูลค่าตลาดซึ่งแสดงให้เห็นว่าตลาดทุนรับรู้เส้นทางนี้อย่างมาก ด้วยการลงทุนที่มากขึ้นและความสนใจของตลาดที่เพิ่มขึ้นจึงมั่นใจได้ว่าโครงการที่มีมูลค่าสูงจะปรากฏในการติดตาม AI Agent
• ภูมิประเทศและความสามารถในการนวัตกรรม: ภูมิประเทศทางการแข่งขันของ AI Agent ในอุตสาหกรรม Web3 ยังไม่เต็มที่ ในระดับการใช้งานปัจจุบันยังไม่มีผลิตภัณฑ์ที่เป็นที่นิยมและเป็นผู้นำที่คล้ายกับ ChatGPT สิ่งนี้ทำให้ฝ่ายโครงการใหม่มีโอกาสสำหรับการเติบโตและนวัตกรรมมากมาย โดยที่เทคโนโลยีเจริญเติบโตและโครงการที่ผ่านมานั้นมีนวัตกรรม คาดว่า track นี้จะพัฒนาผลิตภัณฑ์ที่มีความแข่งขันมากขึ้น ซึ่งเป็นการขับเคลื่อนการประเมินมูลค่าของ track ทั้งหมด
• ให้ความสนใจกับโทเค็นและแรงจูงใจของผู้ใช้: ความสําคัญของ Web3 คือการปรับเปลี่ยนความสัมพันธ์ด้านการผลิตและทําให้กระบวนการปรับใช้และฝึกอบรมโมเดล AI แบบรวมศูนย์เดิมมีการกระจายอํานาจมากขึ้น ด้วยการออกแบบโทเค็นที่เหมาะสมและโปรแกรมจูงใจผู้ใช้พลังการประมวลผลที่ไม่ได้ใช้งานหรือชุดข้อมูลส่วนบุคคลสามารถแจกจ่ายซ้ําได้ นอกจากนี้โซลูชันเช่น ZKML ยังสามารถปกป้องความเป็นส่วนตัวของข้อมูลลดพลังการประมวลผลและต้นทุนข้อมูลและช่วยให้ผู้ใช้แต่ละรายมีส่วนร่วมในการสร้างอุตสาหกรรม AI ได้มากขึ้น

สรุปกันด้วยกัน เรามีความคิดเห็นที่เต็มไปด้วยความหวังในเรื่องติดตาม AI Agent โดยเรามีเหตุผลที่จะเชื่อว่าจะเกิดโครงการที่มีมูลค่าเกิน 1 พันล้านดอลลาร์ในตำแหน่งนี้ ผ่านการเปรียบเทียบแนวตั้ง การเล่าเรื่องของ AI Agent เพียงพอและพื้นที่ตลาดกว้างขวาง มูลค่าตลาดปัจจุบันทั่วไปอยู่ในระดับต่ำ โดยพิจารณาถึงการพัฒนาของเทคโนโลยี AI ที่เร็วขึ้น เติบโตของความต้องการในตลาด การลงทุนทางทุนและศักยภาพในการนวัตกรรมของ บริษัทในตำแหน่งนี้ ในอนาคต จะมีโครงการหลายๆ โครงการที่มีมูลค่าเกิน 1 พันล้านดอลลาร์เกิดขึ้น

คำแถลง:

1. บทความนี้ถูกเผยแพร่จาก [ ArkStream Capital], ชื่อเรื่องเดิมคือ “ArkStream Capital Track รายงานวิจัย: AI Agent สามารถเป็นท่อช่วยชีวิตสำหรับ Web3+AI ได้หรือไม่?” หากคุณมีข้อปัญหาในการนำเสนอซ้ำ โปรดติดต่อทีม Gate Learnทีมงานจะดำเนินการให้เร็วที่สุดตามขั้นตอนที่เกี่ยวข้อง

2. คำประกาศ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงมุมมองส่วนบุคคลของผู้เขียนเท่านั้นและไม่เป็นการให้คำแนะนำใด ๆ เกี่ยวกับการลงทุนใด ๆ

3. บทความฉบับภาษาอื่นแปลโดยทีม Gate Learn ซึ่งไม่ได้กล่าวถึงใน เกต์.io, บทความที่ถูกแปลอาจไม่สามารถทำสำเนา แจกจ่าย หรือลอกเลียน