TL;DR

• Trong các startup Web2, các dự án AI Agent đang trở nên phổ biến và trưởng thành, chủ yếu trong dịch vụ doanh nghiệp. Trong không gian Web3, các dự án tập trung vào việc đào tạo mô hình và tổng hợp nền tảng đã trở thành trọng tâm do vai trò quan trọng của chúng trong việc xây dựng hệ sinh thái.
• Hiện tại, các dự án AI Agent chỉ chiếm 8% tổng số dự án Web3, nhưng vốn hóa thị trường của chúng chiếm tới 23% của ngành AI. Điều này cho thấy sự cạnh tranh mạnh mẽ trên thị trường, và chúng tôi kỳ vọng nhiều dự án sẽ vượt qua mức định giá 1 tỷ đô la khi công nghệ trưởng thành và sự chấp nhận của thị trường tăng lên.
• Đối với các dự án Web3, việc tích hợp công nghệ AI vào các ứng dụng cốt lõi không phải là AI có thể trở thành một lợi thế chiến lược. Khi kết hợp với các dự án AI Agent, cần chú ý xây dựng toàn bộ hệ sinh thái và thiết kế mô hình kinh tế mã thông báo để thúc đẩy phân cấp hóa và hiệu ứng mạng.

The AI Wave: Các Dự án Nổi bật và Định giá Tăng lên

Kể từ khi ra mắt ChatGPT vào tháng 11 năm 2022, nó đã thu hút hơn 100 triệu người dùng chỉ trong hai tháng. Đến tháng 5 năm 2024, doanh thu hàng tháng của ChatGPT đã đạt con số đáng kinh ngạc là 20,3 triệu đô la, và OpenAI nhanh chóng phát hành các phiên bản lặp lại như GPT-4 và GPT-4o. Tốc độ nhanh chóng này đã thúc đẩy các ông lớn công nghệ truyền thống nhận ra sự quan trọng của các mô hình trí tuệ nhân tạo cắt cạnh như LLMs. Các công ty như Google đã phát hành mô hình ngôn ngữ lớn PaLM2, Meta tung ra Llama3, và các công ty Trung Quốc giới thiệu các mô hình như Ernie Bot và Zhipu Qingyan, nhấn mạnh trí tuệ nhân tạo là một trận chiến quan trọng.

Cuộc đua giữa các tập đoàn công nghệ không chỉ tăng tốc phát triển ứng dụng thương mại mà còn thúc đẩy nghiên cứu AI mã nguồn mở. Báo cáo AI Index năm 2024 cho thấy số lượng dự án liên quan đến AI trên GitHub đã tăng vọt từ 845 vào năm 2011 lên khoảng 1,8 triệu vào năm 2023, với tăng trưởng hàng năm 59,3% vào năm 2023, phản ánh sự nhiệt tình của cộng đồng nhà phát triển toàn cầu đối với nghiên cứu AI.

Nhiệt huyết này đối với công nghệ AI được phản ánh trực tiếp trên thị trường đầu tư, đã trải qua sự tăng trưởng mạnh mẽ trong quý II năm 2024. Có 16 khoản đầu tư liên quan đến AI vượt quá 150 triệu đô la trên toàn cầu, gấp đôi so với quý đầu tiên. Tổng vốn đầu tư cho các công ty khởi nghiệp AI đã tăng đột biến lên 24 tỷ đô la, vượt quá gấp đôi so với cùng kỳ năm trước. Đáng chú ý, xAI của Elon Musk đã huy động được 6 tỷ đô la, với giá trị 24 tỷ đô la, khiến nó trở thành công ty khởi nghiệp AI có giá trị thứ hai sau OpenAI.

Top 10 tài trợ ngành trí tuệ nhân tạo trong Q2 2024, Nguồn: Yiou, https://www.iyiou.com/data/202407171072366

Sự phát triển nhanh chóng của trí tuệ nhân tạo đang tái hình cảnh vật công nghệ với tốc độ chưa từng có. Từ sự cạnh tranh gay gắt giữa các ông lớn công nghệ đến cộng đồng mã nguồn mở đang phát triển mạnh mẽ, và sự nhiệt huyết của thị trường vốn đối với các khái niệm trí tuệ nhân tạo, các dự án liên tục nổi lên, lượng đầu tư đang đạt đỉnh mới, và các định giá đang tăng lên. Nhìn chung, thị trường trí tuệ nhân tạo đang trong thời kỳ vàng son của sự phát triển nhanh chóng, với những tiến bộ lớn trong xử lý ngôn ngữ do các mô hình ngôn ngữ lớn và công nghệ tạo ra bằng cách tăng cường truy xuất. Tuy nhiên, vẫn còn những thách thức trong việc chuyển đổi những tiến bộ công nghệ này thành các sản phẩm thực tế, như sự không chắc chắn trong đầu ra của mô hình, nguy cơ tạo ra thông tin không chính xác (ảo giác), và vấn đề về tính minh bạch của mô hình - đặc biệt quan trọng trong các ứng dụng đòi hỏi độ tin cậy cao.

Trong bối cảnh này, chúng tôi đã bắt đầu nghiên cứu các tác nhân AI, nhấn mạnh việc giải quyết vấn đề và tương tác với môi trường trong thế giới thực. Sự thay đổi này đánh dấu sự phát triển của AI từ các mô hình ngôn ngữ thuần túy sang các hệ thống thông minh có khả năng thực sự hiểu, học và giải quyết các vấn đề trong thế giới thực. Chúng tôi thấy hứa hẹn trong các Đại lý AI, vì họ đang dần thu hẹp khoảng cách giữa công nghệ AI và giải quyết vấn đề thực tế. Khi AI phát triển để định hình lại các khuôn khổ năng suất, Web3 đang xây dựng lại các mối quan hệ sản xuất của nền kinh tế kỹ thuật số. Khi ba trụ cột của AI — dữ liệu, mô hình và sức mạnh tính toán — hợp nhất với các nguyên tắc cốt lõi của Web3 về phân cấp, nền kinh tế mã thông báo và hợp đồng thông minh, chúng ta thấy trước sự ra đời của một loạt các ứng dụng sáng tạo. Trong giao điểm đầy hứa hẹn này, các tác nhân AI, với khả năng tự động thực hiện các tác vụ, cho thấy tiềm năng to lớn cho các ứng dụng quy mô lớn. Do đó, chúng tôi đang đi sâu vào các ứng dụng đa dạng của AI Agents trong Web3, từ cơ sở hạ tầng Web3, phần mềm trung gian và các lớp ứng dụng đến thị trường dữ liệu và mô hình, nhằm xác định và đánh giá các loại dự án và kịch bản ứng dụng hứa hẹn nhất để hiểu sâu hơn về tích hợp AI-Web3.

Giải thích khái niệm: Giới thiệu và Tổng quan về Phân loại AI Agent

Giới thiệu cơ bản

Trước khi giới thiệu các AI Agents, để giúp độc giả hiểu rõ sự khác biệt giữa định nghĩa của chúng và các mô hình truyền thống, hãy sử dụng một kịch bản thực tế như một ví dụ: Giả sử bạn đang lên kế hoạch cho một chuyến du lịch. Một mô hình ngôn ngữ lớn truyền thống cung cấp thông tin điểm đến và gợi ý du lịch. Công nghệ RAG (Retrieval-augmented generation) có thể cung cấp nội dung điểm đến phong phú hơn và cụ thể hơn. Ngược lại, một AI Agent hoạt động giống như Jarvis từ...Iron Manphim - nó hiểu nhu cầu của bạn, tìm kiếm chuyến bay và khách sạn theo yêu cầu của bạn, đặt chỗ và thêm lịch trình vào lịch của bạn.

Trong ngành công nghiệp, AI Agents được định nghĩa chung là các hệ thống thông minh có khả năng nhận thức môi trường và thực hiện các hành động phù hợp bằng cách thu thập thông tin môi trường thông qua cảm biến, xử lý nó và ảnh hưởng đến môi trường thông qua các bộ điều khiển (Stuart Russell & Peter Norvig, 2020). Chúng tôi xem xét một AI Agent như một trợ lý tích hợp LLM (Large Language Models), RAG, bộ nhớ, kế hoạch nhiệm vụ và việc sử dụng công cụ. Nó không chỉ cung cấp thông tin mà còn lập kế hoạch, phân rã nhiệm vụ và thực sự thực hiện chúng.

Dựa trên định nghĩa và đặc điểm này, chúng ta có thể thấy rằng các AI Agents đã tích hợp vào cuộc sống hàng ngày của chúng ta và được áp dụng trong các kịch bản khác nhau. Ví dụ, AlphaGo, Siri và khả năng lái tự động cấp 5 và cao hơn của Tesla đều có thể được coi là các ví dụ về AI Agents. Đặc điểm chung giữa những hệ thống này là khả năng cảm nhận đầu vào người dùng bên ngoài và ra quyết định ảnh hưởng đến thế giới thực dựa trên những đầu vào đó.

Để làm rõ các khái niệm bằng cách sử dụng ChatGPT làm ví dụ, quan trọng để phân biệt rằng Transformerlà kiến ​​trúc kỹ thuật tạo nên nền tảng của các mô hình AI, trong khi GPTđề cập đến loạt các mô hình được phát triển dựa trên kiến trúc này. GPT-1, GPT-4 và GPT-4o đại diện cho các giai đoạn khác nhau của quá trình phát triển mô hình. ChatGPT, như một sự tiến hóa dựa trên mô hình GPT, có thể được coi là một AI Agent.

Tổng quan phân loại

Hiện tại, không có tiêu chuẩn phân loại thống nhất nào cho các Đại lý Trí tuệ nhân tạo trên thị trường. Bằng cách gắn thẻ 204 dự án Đại lý Trí tuệ nhân tạo trên thị trường Web2 và Web3 dựa trên các tính năng nổi bật của họ, chúng tôi đã tạo ra cả phân loại chính và phụ. Các phân loại chính bao gồm cơ sở hạ tầng, tạo nội dung và tương tác người dùng, sau đó được chia nhỏ dựa trên các trường hợp sử dụng thực tế:

• Cơ sở hạ tầng: Tập trung vào xây dựng các thành phần nền tảng trong lĩnh vực AI Agent, bao gồm các nền tảng, mô hình, dữ liệu, công cụ phát triển và các dịch vụ B2B cấp doanh nghiệp.
• Công cụ phát triển: Cung cấp cho các nhà phát triển các công cụ phụ trợ và khung công việc để xây dựng các Đại lý Trí tuệ Nhân tạo.
• Xử lý dữ liệu: Xử lý và phân tích dữ liệu ở các định dạng khác nhau, chủ yếu được sử dụng để hỗ trợ việc ra quyết định và cung cấp nguồn tài nguyên cho việc đào tạo.
• Huấn luyện mô hình: Cung cấp dịch vụ huấn luyện mô hình cho trí tuệ nhân tạo, bao gồm suy luận, thiết lập và cài đặt mô hình, v.v.
• Dịch vụ B2B: chủ yếu dành cho người dùng doanh nghiệp, cung cấp dịch vụ doanh nghiệp, giải pháp theo ngành và tự động hóa.
• Tích hợp nền tảng: một nền tảng tích hợp nhiều dịch vụ và công cụ của AI Agent.
• Tương tác người dùng: Tương tự như việc tạo nội dung, nhưng với tương tác hai chiều liên tục. Các Đại lý Tương tác không chỉ hiểu và đáp ứng nhu cầu người dùng mà còn cung cấp phản hồi bằng việc sử dụng xử lý ngôn ngữ tự nhiên (NLP), cho phép giao tiếp hai chiều.
• Emotional companionship: Đối tác trí tuệ nhân tạo cung cấp hỗ trợ cảm xúc và tình bạn.
• Dựa trên GPT: Đại lý trí tuệ nhân tạo dựa trên mô hình GPT (generative pre-training Transformer).
• Tìm kiếm: Đại lý tập trung vào chức năng tìm kiếm và cung cấp thông tin truy xuất chính xác hơn.
• Nội dung Tạo ra: Các dự án tập trung vào việc tạo ra nội dung bằng cách sử dụng các công nghệ mô hình lớn dựa trên hướng dẫn của người dùng, được phân loại thành việc tạo ra văn bản, tạo ra hình ảnh, tạo ra video và tạo ra âm thanh.

Phân tích về Phát triển Web2 AI Agent

Theo nghiên cứu của chúng tôi, sự phát triển của AI Agents trong Internet truyền thống Web2 cho thấy sự tập trung rõ rệt vào các ngành kinh doanh cụ thể. Khoảng hai phần ba dự án tập trung vào cơ sở hạ tầng, đặc biệt là các dịch vụ B2B và công cụ phát triển. Chúng tôi đã phân tích hiện tượng này và xác định một số yếu tố quan trọng:

Tác động của sự trưởng thành về công nghệ: Sự thống trị của các dự án cơ sở hạ tầng phần lớn là do sự trưởng thành của các công nghệ cơ bản. Các dự án này thường được xây dựng trên các công nghệ và khuôn khổ được thiết lập tốt, giảm khó khăn và rủi ro phát triển. Chúng đóng vai trò là "xẻng" trong lĩnh vực AI, cung cấp nền tảng vững chắc cho việc phát triển và ứng dụng AI Agent.

Nhu cầu thị trường: Một yếu tố quan trọng khác là nhu cầu thị trường. So với thị trường tiêu dùng, thị trường doanh nghiệp có nhu cầu cấp bách hơn đối với Công nghệ AI, đặc biệt là đối với các giải pháp nhằm cải thiện hiệu quả hoạt động và giảm chi phí. Đối với các nhà phát triển, dòng tiền ổn định từ khách hàng doanh nghiệp giúp việc phát triển các dự án tiếp theo dễ dàng hơn.

Giới Hạn Ứng Dụng: Đồng thời, chúng tôi nhận thấy rằng trí tuệ nhân tạo tạo nội dung có giới hạn trong các kịch bản ứng dụng trong thị trường B2B. Do sự không ổn định của sản lượng, các doanh nghiệp thường ưa chuộng các ứng dụng tăng năng suất đáng tin cậy, đó là lý do tại sao trí tuệ nhân tạo tạo nội dung chiếm một phần nhỏ trong cảnh quan dự án.

Xu hướng này phản ánh những yếu tố thực tiễn của sự chín muồi công nghệ, nhu cầu thị trường và kịch bản ứng dụng. Khi công nghệ AI tiếp tục tiến bộ và nhu cầu thị trường trở nên rõ ràng hơn, chúng tôi kỳ vọng cảnh quan này sẽ thay đổi, nhưng cơ sở hạ tầng có thể vẫn là một nền tảng quan trọng trong việc phát triển AI Agent.

Phân tích các Dự án Đại lý Trí tuệ Nhân tạo hàng đầu của Web2

Tổng hợp các dự án tiên phong của AI Agent của Web2, nguồn: cơ sở dữ liệu dự án ArkStream

Chúng tôi đã phân tích một số dự án AI Agent hàng đầu trên thị trường Web2, được lấy từ cơ sở dữ liệu dự án ArkStream. Sử dụng Character AI, Perplexity AI và Midjourney làm ví dụ, chúng tôi đi sâu vào chi tiết của họ.

Trí tuệ nhân tạo của nhân vật:

• Tổng quan về Sản phẩm: Character.AI cung cấp hệ thống trò chuyện dựa trên trí tuệ nhân tạo và công cụ tạo nhân vật ảo. Nền tảng cho phép người dùng tạo, huấn luyện và tương tác với nhân vật ảo có thể tham gia vào cuộc trò chuyện bằng ngôn ngữ tự nhiên và thực hiện các nhiệm vụ cụ thể.
• Phân tích dữ liệu: Vào tháng 5, Character.AI có 277 triệu lượt truy cập và hơn 3,5 triệu người dùng hoạt động hàng ngày, hầu hết trong số họ ở độ tuổi từ 18 đến 34, cho thấy một cơ sở người dùng trẻ. Character AI đã hoạt động tốt trên thị trường vốn, gọi vốn 150 triệu đô la với một định giá 1 tỷ đô la, do a16z dẫn đầu.
• Phân tích kỹ thuật: Character AI đã ký một hợp đồng cấp phép không độc quyền với Alphabet, công ty mẹ của Google, để sử dụng mô hình ngôn ngữ lớn của họ. Các nhà sáng lập của công ty, Noam Shazeer và Daniel De Freitas, đã tham gia vào việc phát triển mô hình ngôn ngữ trò chuyện của Google, Llama.

Perplexity AI:

• Tổng quan về Sản phẩm: Perplexity lượm thông tin trên internet để cung cấp câu trả lời chi tiết, đảm bảo tính đáng tin cậy của thông tin bằng cách trích dẫn các nguồn tham khảo và liên kết. Nó giáo dục và hướng dẫn người dùng trong việc đặt câu hỏi tiếp theo và tìm kiếm từ khóa, đáp ứng nhu cầu truy vấn đa dạng.
• Phân tích dữ liệu: Perplexity đã đạt 10 triệu người dùng hoạt động hàng tháng, với lưu lượng truy cập ứng dụng dành cho thiết bị di động và máy tính để bàn tăng 8,6% trong tháng Hai, thu hút khoảng 50 triệu người dùng. Perplexity AI gần đây đã huy động được 62,7 triệu đô la tài trợ, với mức định giá 1,04 tỷ đô la, dẫn đầu bởi Daniel Gross, với sự tham gia của Stan Druckenmiller và NVIDIA.
• Phân tích kỹ thuật: Perplexity chủ yếu sử dụng các mô hình GPT-3.5 được điều chỉnh tinh vi và hai mô hình lớn được điều chỉnh từ các mô hình mã nguồn mở: pplx-7b-online và pplx-70b-online. Các mô hình này phù hợp cho nghiên cứu học thuật và các truy vấn lĩnh vực cụ thể, đảm bảo tính xác thực và đáng tin cậy của thông tin.

Trong hành trình:

• Tổng quan về Sản phẩm: Người dùng có thể tạo hình ảnh theo nhiều phong cách và chủ đề trên Midjourney thông qua các gợi ý, bao gồm nhiều nhu cầu sáng tạo từ hiện thực đến trừu tượng. Nền tảng cũng cung cấp việc kết hợp và chỉnh sửa hình ảnh, cho phép người dùng chồng lên hình ảnh và chuyển đổi phong cách, với việc tạo ra hình ảnh trong thời gian thực cho phép đầu ra hình ảnh trong vài giây đến vài phút.
• Phân tích dữ liệu: Nền tảng có 15 triệu người dùng đăng ký, với 1,5 đến 2,5 triệu người dùng hoạt động. Dựa trên thông tin thị trường công cộng, Midjourney chưa huy động vốn từ các nhà đầu tư và đã duy trì bằng uy tín và tài nguyên doanh nhân của người sáng lập David.
• Phân tích kỹ thuật: Midjourney sử dụng mô hình độc quyền của riêng mình. Kể từ khi phát hành Midjourney V4 vào tháng 8 năm 2022, nền tảng đã sử dụng mô hình trí tuệ nhân tạo sinh học dựa trên sự lan truyền. Các tham số đào tạo của mô hình được cho là dao động từ 30 đến 40 tỷ, tạo nền tảng vững chắc cho đa dạng và độ chính xác trong việc tạo ra hình ảnh.

Thách thức trong việc thương mại hóa

Sau khi trải nghiệm một số Tác nhân AI Web2, chúng tôi đã quan sát thấy một lộ trình lặp lại sản phẩm phổ biến: từ ban đầu tập trung vào các tác vụ cụ thể, đơn lẻ đến sau đó mở rộng khả năng của chúng để xử lý các tình huống đa tác vụ, phức tạp hơn. Xu hướng này làm nổi bật tiềm năng của AI Agents trong việc cải thiện hiệu quả và đổi mới, cho thấy rằng họ sẽ đóng một vai trò quan trọng hơn trong tương lai. Dựa trên số liệu thống kê sơ bộ của 125 dự án AI Agent trong Web2, chúng tôi nhận thấy rằng hầu hết các dự án đều tập trung vào việc tạo nội dung (ví dụ: Jasper AI), các công cụ dành cho nhà phát triển (ví dụ: Replit) và dịch vụ B2B (ví dụ: Cresta), danh mục lớn nhất. Phát hiện này trái ngược với mong đợi của chúng tôi, vì ban đầu chúng tôi dự đoán rằng với sự trưởng thành ngày càng tăng của công nghệ mô hình AI, thị trường tiêu dùng (C-end) sẽ trải qua sự tăng trưởng bùng nổ của các Đại lý AI. Tuy nhiên, sau khi phân tích sâu hơn, chúng tôi nhận ra rằng việc thương mại hóa các Đại lý AI của người tiêu dùng khó khăn và phức tạp hơn nhiều so với dự kiến.

Lấy Character.AI làm ví dụ. Một mặt, Character.AI có một số hiệu suất giao thông tốt nhất. Tuy nhiên, do mô hình kinh doanh đơn lẻ của nó — dựa vào phí đăng ký 9,9 USD — nó phải vật lộn với doanh thu đăng ký hạn chế và chi phí suy luận cao cho người dùng nặng, cuối cùng dẫn đến việc Google mua lại do khó khăn trong việc kiếm tiền từ lưu lượng truy cập và duy trì dòng tiền. Trường hợp này cho thấy ngay cả với lưu lượng truy cập và kinh phí tuyệt vời, các ứng dụng C-end AI Agent phải đối mặt với những thách thức thương mại hóa đáng kể. Hầu hết các sản phẩm vẫn chưa đạt đến tiêu chuẩn nơi chúng có thể thay thế hoặc hỗ trợ hiệu quả cho con người, dẫn đến mức độ sẵn sàng trả tiền của người dùng thấp. Trong nghiên cứu của chúng tôi, chúng tôi thấy rằng nhiều công ty khởi nghiệp gặp phải vấn đề tương tự như Character.AI, cho thấy sự phát triển của Đại lý AI tiêu dùng không suôn sẻ và đòi hỏi phải khám phá sâu hơn về sự trưởng thành kỹ thuật, giá trị sản phẩm và đổi mới mô hình kinh doanh để mở khóa tiềm năng của họ trong thị trường C-end.

Bằng cách tính giá trị của hầu hết các dự án AI Agent, so với định giá của các dự án trần như OpenAI và xAI, vẫn còn chỗ cho gần 10-50 lần. Không thể phủ nhận rằng mức trần của ứng dụng C-side Agent vẫn đủ cao, chứng tỏ đó vẫn là một đường đua tốt. Tuy nhiên, dựa trên những phân tích trên, chúng tôi tin rằng so với mặt C, thị trường B-side có thể là điểm đến cuối cùng của AI Agent. Bằng cách xây dựng nền tảng, doanh nghiệp tích hợp AI Agent vào các phần mềm quản lý như trường dọc, CRM và OA văn phòng. Điều này không chỉ nâng cao hiệu quả hoạt động cho doanh nghiệp mà còn cung cấp cho AI Agent không gian ứng dụng rộng hơn. Do đó, chúng tôi có lý do để tin rằng các dịch vụ B-side sẽ là hướng chính cho sự phát triển ngắn hạn của AI Agents trong Internet truyền thống Web2.

Tình hình phát triển và triển vọng của Đại lý AI Web3

Tổng quan dự án

Như đã phân tích trước đó, ngay cả các ứng dụng AI Agent có vốn đầu tư hàng đầu và lưu lượng người dùng tốt cũng đối mặt với khó khăn trong việc thương mại hóa. Tiếp theo, chúng tôi sẽ phân tích sự phát triển hiện tại của các dự án AI Agent trong Web3. Bằng cách đánh giá một loạt các dự án đại diện - sự đổi mới kỹ thuật của họ, hiệu suất thị trường, phản hồi từ người dùng và tiềm năng phát triển - chúng tôi nhằm mục tiêu khám phá những đề xuất có ý nghĩa. Biểu đồ dưới đây cho thấy một số dự án đại diện đã phát hành mã thông báo và giữ giá trị thị trường tương đối cao:

Tổng hợp các dự án tiên phong của đại lý trí tuệ nhân tạo Web2, nguồn: cơ sở dữ liệu dự án ArkStream

Theo thống kê của chúng tôi về thị trường Web3 AI Agent, các loại dự án đang được phát triển cũng cho thấy sự tập trung rõ ràng vào các ngành cụ thể. Hầu hết các dự án thuộc cơ sở hạ tầng, với ít dự án tạo nội dung hơn. Nhiều dự án này nhằm tận dụng dữ liệu phân tán do người dùng cung cấp và sức mạnh tính toán để đáp ứng nhu cầu huấn luyện mô hình của chủ sở hữu dự án hoặc tạo ra các nền tảng tất cả trong một tích hợp các dịch vụ và công cụ AI Agent khác nhau. Từ các công cụ phát triển đến các ứng dụng tương tác phía trước và các ứng dụng tạo ra, hầu hết các ngành công nghiệp AI Agent truyền thống hiện đang bị hạn chế trong việc điều chỉnh tham số mã nguồn mở hoặc xây dựng ứng dụng bằng cách sử dụng các mô hình hiện có. Phương pháp này chưa tạo ra hiệu ứng mạng đáng kể cho các doanh nghiệp hoặc người dùng cá nhân.

Phân tích tình trạng

Chúng tôi tin rằng hiện tượng này ở giai đoạn này có thể được thúc đẩy bởi những yếu tố sau:

Không phù hợp giữa thị trường và công nghệ: Kết hợp giữa Web3 và AI Agents hiện tại chưa cho thấy lợi thế đáng kể so với thị trường truyền thống. Lợi thế thực sự nằm trong việc cải thiện mối quan hệ sản xuất bằng cách tối ưu hóa tài nguyên và hợp tác thông qua phân cấp. Điều này có thể làm cho các ứng dụng tương tác và tạo năng lượng gặp khó khăn trong việc cạnh tranh với các đối thủ truyền thống có tài nguyên kỹ thuật và tài chính mạnh hơn.

Hạn chế kịch bản ứng dụng: Trong môi trường Web3, có thể không có nhiều nhu cầu tạo hình ảnh, video hoặc nội dung văn bản. Thay vào đó, các tính năng phi tập trung và phân tán của Web3 thường được sử dụng để giảm chi phí và nâng cao hiệu quả trong lĩnh vực AI truyền thống, thay vì mở rộng sang các kịch bản ứng dụng mới.

Nguyên nhân gốc rễ của hiện tượng này có thể nằm ở trạng thái phát triển hiện tại của ngành công nghiệp AI và hướng phát triển tương lai. Công nghệ AI vẫn đang ở giai đoạn đầu, tương tự như những ngày đầu của cách mạng công nghiệp khi động cơ hơi được thay thế bằng động cơ điện. Nó chưa đạt được giai đoạn điện hóa của ứng dụng rộng rãi.

Chúng tôi tin rằng tương lai của AI có thể sẽ đi theo một con đường tương tự. Các mô hình chung sẽ dần trở thành tiêu chuẩn hóa, trong khi các mô hình tinh chỉnh sẽ thấy sự phát triển đa dạng. Các ứng dụng AI sẽ được phân tán rộng rãi trên các doanh nghiệp và người dùng cá nhân, với trọng tâm chuyển sang kết nối và tương tác giữa các mô hình. Xu hướng này phù hợp chặt chẽ với các nguyên tắc của Web3, vì Web3 được biết đến với khả năng kết hợp và tính chất không cần sự cho phép, rất phù hợp với ý tưởng tinh chỉnh các mô hình phi tập trung. Các nhà phát triển sẽ có quyền tự do hơn để kết hợp và điều chỉnh các mô hình khác nhau. Ngoài ra, phân cấp cung cấp những lợi thế độc đáo trong các lĩnh vực như bảo vệ quyền riêng tư dữ liệu và phân bổ tài nguyên máy tính để đào tạo mô hình.

Với sự tiến bộ công nghệ, đặc biệt là sự xuất hiện của những đổi mới như LoRA (Low-Rank Adaptation), chi phí và rào cản kỹ thuật cho việc điều chỉnh mô hình đã được giảm đáng kể. Điều này làm cho việc phát triển các mô hình công cộng cho các tình huống cụ thể hoặc để đáp ứng nhu cầu cá nhân hóa của người dùng dễ dàng hơn. Các dự án AI Agent trong Web3 có thể hoàn toàn tận dụng những tiến bộ này để khám phá những phương pháp đào tạo mới, cơ chế khích lệ sáng tạo và các mô hình mới của việc chia sẻ và hợp tác mô hình, đây thường là khó khả thi trong các hệ thống tập trung truyền thống.

Hơn nữa, sự tập trung của các dự án Web3 vào việc đào tạo mô hình phản ánh những xem xét chiến lược về sự quan trọng của nó trong toàn bộ hệ sinh thái AI. Do đó, sự tập trung của các dự án Web3 AI Agent vào việc đào tạo mô hình là sự hội tụ tự nhiên của các xu hướng công nghệ, nhu cầu thị trường và lợi thế ngành công nghiệp Web3. Tiếp theo, chúng tôi sẽ cung cấp các ví dụ về các dự án đào tạo mô hình trong cả ngành công nghiệp Web2 và Web3 và thực hiện so sánh.

Dự án Huấn luyện Mô hình

Humans.ai

• Tổng quan dự án: Humans.ai là một thư viện thuật toán AI đa dạng và môi trường triển khai đào tạo bao gồm nhiều lĩnh vực khác nhau như hình ảnh, video, âm thanh và văn bản. Nền tảng này hỗ trợ các nhà phát triển đào tạo thêm và tối ưu hóa các mô hình, đồng thời cho phép họ chia sẻ và giao dịch các mô hình của họ. Một đổi mới đáng chú ý là Humans.ai sử dụng NFT để lưu trữ các mô hình AI và dữ liệu sinh trắc học của người dùng, giúp quá trình tạo nội dung AI được cá nhân hóa và an toàn hơn.
• Phân tích dữ liệu: Giá trị thị trường của token Heart của Humans.ai là khoảng 68 triệu đô la. Họ có 56k người theo dõi trên Twitter, mặc dù dữ liệu người dùng chưa được tiết lộ.
• Phân tích kỹ thuật: Humans.ai không phát triển các mô hình riêng của mình mà sử dụng phương pháp đóng gói modul, đóng gói tất cả các mô hình có sẵn thành NFT, cung cấp cho người dùng một giải pháp trí tuệ nhân tạo linh hoạt và có khả năng mở rộng.

FLock.io

• Tổng quan dự án: FLock.io là một nền tảng cộng tác trí tuệ nhân tạo dựa trên công nghệ học máy liên minh (một phương pháp học máy phi tập trung nhấn mạnh vào quyền riêng tư dữ liệu). Nó nhằm mục tiêu giải quyết những điểm đau trong lĩnh vực trí tuệ nhân tạo, như sự tham gia công cộng thấp, bảo vệ quyền riêng tư không đủ, và sự độc quyền về công nghệ trí tuệ nhân tạo từ các tập đoàn lớn. Nền tảng này cho phép người dùng đóng góp dữ liệu trong khi bảo vệ quyền riêng tư, thúc đẩy dân chủ hóa và phi tập trung hóa công nghệ trí tuệ nhân tạo.
• Phân tích dữ liệu: FLock.io đã hoàn thành vòng gốc $6 triệu vào đầu năm 2024, do Lightspeed Faction và Tagus Capital dẫn dắt, với sự tham gia bổ sung từ DCG, OKX Ventures và những người khác.
• Phân tích kỹ thuật: Kiến trúc của FLock.io dựa trên học liên minh, một phương pháp phi tập trung thúc đẩy bảo vệ quyền riêng tư. Nó cũng sử dụng zkFL, mã hóa đồng nhất và tính toán đa bên an toàn (SMPC) để cung cấp thêm bảo vệ quyền riêng tư.

Đây là các ví dụ về dự án đào tạo mô hình trong không gian Web3 AI Agent, nhưng cũng có các nền tảng tương tự trong Web2, như Predibase.

Predibase

• Tổng quan dự án: Predibase tập trung vào tối ưu hóa trí tuệ nhân tạo và mô hình ngôn ngữ lớn, cho phép người dùng điều chỉnh và triển khai các mô hình ngôn ngữ lớn mã nguồn mở, như Llama, CodeLlama và Phi. Nền tảng hỗ trợ các kỹ thuật tối ưu hóa khác nhau như số hóa, thích ứng hạng thấp và huấn luyện phân tán hiệu quả bộ nhớ.
• Phân tích dữ liệu: Predibase thông báo hoàn thành vòng gọi vốn Series A trị giá 12,2 triệu đô la dẫn đầu bởi Felicis, với các công ty lớn như Uber, Apple, Meta và các startup như Paradigm và Koble.ai là người dùng nền tảng.
• Phân tích kỹ thuật: Người dùng Predibase đã huấn luyện hơn 250 mô hình. Nền tảng sử dụng kiến trúc LoRAX và khung Ludwig: LoRAX cho phép hàng ngàn LLM được điều chỉnh tinh chỉnh chạy trên một GPU duy nhất, giảm chi phí đáng kể mà không ảnh hưởng đến thời gian xử lý hoặc độ trễ. Ludwig là một khung khai báo mà Predibase sử dụng để phát triển, huấn luyện, điều chỉnh tinh chỉnh và triển khai các mô hình học sâu và các mô hình ngôn ngữ lớn tiên tiến.
• Phân tích dự án: Predibase cung cấp các tính năng thân thiện với người dùng, cung cấp dịch vụ xây dựng ứng dụng trí tuệ nhân tạo tùy chỉnh cho các cấp độ người dùng khác nhau. Cho dù là người dùng cuối C-end hay B-end, người mới bắt đầu hoặc chuyên gia chuyên nghiệp về trí tuệ nhân tạo, Predibase đáp ứng một loạt các nhu cầu.

Đối với người mới bắt đầu, quy trình tự động một cú nhấp chuột của nền tảng đơn giản hóa quá trình xây dựng và đào tạo mô hình, tự động xử lý các nhiệm vụ phức tạp. Đối với người dùng có kinh nghiệm, nó cung cấp các tùy chọn tùy chỉnh sâu hơn, bao gồm truy cập và điều chỉnh các thông số nâng cao hơn. Khi so sánh các nền tảng đào tạo mô hình trí tuệ nhân tạo truyền thống với các dự án trí tuệ nhân tạo Web3, mặc dù khung tổng thể và logic của chúng có thể tương tự, chúng tôi đã tìm thấy những khác biệt đáng kể về kiến ​​trúc kỹ thuật và mô hình kinh doanh của chúng.

• Độ sâu kỹ thuật và đổi mới: Các nền tảng đào tạo mô hình trí tuệ nhân tạo truyền thống thường có các rào cản kỹ thuật sâu hơn, chẳng hạn như sử dụng các công nghệ độc quyền như kiến trúc LoRAX và khung Ludwig. Những khung này cung cấp các tính năng mạnh mẽ, cho phép nền tảng xử lý các nhiệm vụ đào tạo mô hình trí tuệ nhân tạo phức tạp. Tuy nhiên, các dự án Web3 có thể tập trung nhiều hơn vào phân tán và sự mở cửa, với ít sự tập trung vào đổi mới kỹ thuật sâu.
• Tính linh hoạt của mô hình kinh doanh: Một rào cản phổ biến trong việc đào tạo mô hình trí tuệ nhân tạo theo cách truyền thống là thiếu tính linh hoạt trong mô hình kinh doanh. Các nền tảng thường yêu cầu người dùng trả phí để đào tạo mô hình, hạn chế tính bền vững của dự án, đặc biệt là trong những giai đoạn đầu khi cần sự tham gia rộng rãi của người dùng và việc thu thập dữ liệu. Ngược lại, các dự án Web3 thường có mô hình kinh doanh linh hoạt hơn, chẳng hạn như tokenomics được thúc đẩy bởi cộng đồng.
• Thách thức bảo vệ quyền riêng tư: Bảo vệ quyền riêng tư là một vấn đề quan trọng khác. Ví dụ: mặc dù Predibase cung cấp dịch vụ đám mây riêng ảo trên AWS, nhưng việc dựa vào kiến trúc của bên thứ ba luôn tiềm ẩn nguy cơ rò rỉ dữ liệu.

Những khác biệt này đã trở thành những chướng ngại đối với ngành công nghiệp AI truyền thống. Do tính chất của internet, những vấn đề này khó để giải quyết một cách hiệu quả. Đồng thời, điều này đồng nghĩa với cơ hội và thách thức đối với Web3, nơi các dự án có thể giải quyết những vấn đề này trước có thể trở thành những nhà tiên phong trong ngành.

Các loại dự án Web3 AI Agent khác

Sau khi thảo luận về các dự án AI Agent tập trung vào việc đào tạo mô hình, chúng ta giờ mở rộng tầm nhìn đến các loại dự án AI Agent khác trong ngành công nghiệp Web3. Các dự án này, mặc dù không tập trung độc quyền vào việc đào tạo mô hình, nhưng cho thấy sự hiệu suất đặc biệt về nguồn vốn, định giá token và hiện diện trên thị trường. Dưới đây là một số dự án AI Agent đại diện và có ảnh hưởng trong các lĩnh vực tương ứng của họ:

Myshell

• Tổng quan về sản phẩm: Myshell cung cấp nền tảng AI Agent toàn diện, nơi người dùng có thể tạo, chia sẻ và cá nhân hóa các tác nhân AI. Các đại lý này có thể cung cấp sự đồng hành và hỗ trợ hiệu quả công việc. Nền tảng này bao gồm các phong cách tác nhân AI đa dạng, từ anime đến truyền thống và hỗ trợ tương tác qua âm thanh, video và văn bản. Một tính năng nổi bật là tích hợp nhiều mô hình hiện có, bao gồm GPT-4o, GPT-4 và Claude, mang lại trải nghiệm cao cấp. Ngoài ra, Myshell giới thiệu một hệ thống giao dịch tương tự như đường cong liên kết FT, khuyến khích người sáng tạo phát triển các mô hình AI có giá trị cao đồng thời mang đến cho người dùng cơ hội đầu tư và chia sẻ lợi nhuận.
• Phân tích dữ liệu: Vòng gọi vốn gần nhất của Myshell định giá công ty khoảng 80 triệu đô la, do Dragonfly dẫn đầu, với sự tham gia của Binance, Hashkey và Folius. Với gần 180K người theo dõi trên Twitter, nó có một cộng đồng người dùng và nhà phát triển tận tụy, mặc dù tương tác trên Discord chỉ chiếm không đến một phần mười số người theo dõi.
• Phân tích kỹ thuật: Myshell không phát triển các mô hình AI một cách độc lập mà đóng vai trò là nền tảng tích hợp, kết hợp các mô hình như Claude và GPT-4. Chiến lược này cho phép nó cung cấp cho người dùng trải nghiệm AI thống nhất và tiên tiến.
• Kinh nghiệm chủ quan: MyShell cho phép người dùng tự do tạo và tùy chỉnh các tác nhân trí tuệ nhân tạo theo nhu cầu riêng của họ. Cho dù là làm bạn cá nhân hay trợ lý chuyên nghiệp, nó có thể thích ứng với các kịch bản khác nhau như âm thanh và video. Ngay cả khi người dùng không sử dụng dịch vụ proxy của MyShell, họ cũng có thể tận hưởng mô hình trả phí Web2 tích hợp với chi phí thấp hơn. Ngoài ra, nền tảng kết hợp khái niệm kinh tế của FT, cho phép người dùng không chỉ sử dụng dịch vụ trí tuệ nhân tạo mà còn đầu tư vào các tác nhân trí tuệ nhân tạo mà họ lạc quan, tăng hiệu ứng giàu có thông qua cơ chế đường cong kết nối.

Delysium

• Tổng quan sản phẩm: Delysium cung cấp một mạng lưới AI Agent tập trung vào ý định, cho phép các Agent cộng tác tốt hơn để mang đến cho người dùng trải nghiệm Web3 thân thiện. Hiện tại, Delysium đã ra mắt hai AI Agent: Lucy và Jerry. Lucy là một AI Agent mạng. Tầm nhìn là cung cấp hỗ trợ công cụ, như truy vấn địa chỉ nắm giữ 10 đồng tiền hàng đầu, v.v. Tuy nhiên, hiện tại chức năng của Agent để thực hiện ý định on-chain vẫn chưa được mở ra, và chỉ có thể thực hiện một số hướng dẫn cơ bản, như staking AGI trong hệ sinh thái hoặc đổi nó thành USDT. Jerry tương tự như GPT trong hệ sinh thái Delysium, và chịu trách nhiệm chủ yếu trong việc trả lời câu hỏi trong hệ sinh thái, như phân phối token.
• Phân tích dữ liệu: Vòng tài trợ đầu tiên là 4 triệu đô la Mỹ vào năm 2022 và trong cùng năm đó, có thông báo rằng họ đã hoàn thành tài trợ chiến lược trị giá 10 triệu đô la Mỹ. Mã thông báo AGI của nó hiện có FDV khoảng 130 triệu đô la. Không có dữ liệu người dùng mới nhất. Theo thống kê chính thức từ Delysium, Lucy đã tích lũy được hơn 1,4 triệu kết nối ví độc lập tính đến tháng 6/2023.

Sleepless AI

• Tổng quan sản phẩm: Một nền tảng trò chơi tình cảm đồng hành kết hợp công nghệ Web3 và AI Agent để cung cấp các trò chơi bạn đồng hành ảo HIM và HER, sử dụng AIGC và LLM để người dùng đắm chìm trong tương tác với các nhân vật ảo. Người dùng có thể sửa đổi các thuộc tính, trang phục, v.v. của nhân vật trong quá trình trò chuyện. Mô hình ngôn ngữ lớn tương thích đảm bảo rằng nhân vật sẽ lặp lại chính nó trong mỗi cuộc trò chuyện và trở nên hiểu biết hơn về người dùng.
• Phân tích dữ liệu: Dự án đã gây quỹ tổng cộng 3,7 triệu đô la Mỹ, với các nhà đầu tư bao gồm Binance Labs, Foresight Ventures và Folius Ventures. Tổng giá trị thị trường hiện tại của các token đã đạt khoảng 400 triệu đô la Mỹ. Nó có 116.000 người theo dõi trên Twitter, 190.000 đăng ký đặt chỗ theo thống kê chính thức và 43.000 người dùng hoạt động. Có thể nói rằng độ bám dính của người dùng của nó khá mạnh.
• Phân tích Kỹ thuật: Mặc dù không tiết lộ rõ ràng mô hình ngôn ngữ chính trên thị trường mà sản phẩm của họ dựa trên, Sleepless AI đảm bảo rằng người dùng sẽ cảm thấy nhân vật hiểu họ hơn và hơn trong quá trình trò chuyện. Do đó, khi thiết kế LLM đào tạo, họ Huấn luyện một mô hình cho mỗi nhân vật riêng lẻ, và kết hợp cơ sở dữ liệu vector và hệ thống tham số cá nhân để cho phép nhân vật có bộ nhớ.
• Trải nghiệm chủ quan: AI không ngủ tiếp cận AI Boyfriend và AI Girlfriend từ góc độ Free-to-Play và không chỉ được tích hợp vào hộp trò chuyện của robot đàm thoại. Dự án nâng cao đáng kể tính xác thực của con người ảo thông qua nghệ thuật chi phí cao, mô hình ngôn ngữ lặp đi lặp lại liên tục, lồng tiếng chất lượng cao và hoàn chỉnh, và một loạt các chức năng như đồng hồ báo thức, hỗ trợ giấc ngủ, ghi lại chu kỳ kinh nguyệt, đồng hành học tập, v.v. Loại giá trị cảm xúc này không thể được cảm nhận bởi các ứng dụng khác trên thị trường. Ngoài ra, Sleepless AI tạo ra một cơ chế thanh toán nội dung cân bằng, lâu dài hơn. Người dùng có thể lựa chọn bán NFT mà không rơi vào tình thế tiến thoái lưỡng nan của P2E hay Ponzi. Mô hình này tính đến cả thu nhập của người chơi và trải nghiệm trò chơi.

Phân tích triển vọng

Trong ngành công nghiệp Web3, các dự án AI Agent bao gồm nhiều hướng như chuỗi công khai, quản lý dữ liệu, bảo vệ riêng tư, mạng xã hội, dịch vụ nền tảng và sức mạnh tính toán. Về giá trị thị trường token, tổng giá trị thị trường token của các dự án AI Agent đã đạt gần 3,8 tỷ đô la, trong khi tổng giá trị thị trường của toàn bộ tiểu mục AI gần 16,2 tỷ đô la. Các dự án AI Agent chiếm khoảng 23% giá trị thị trường trong tiểu mục AI.

Mặc dù chỉ có khoảng mười dự án AI Agent, con số này có vẻ khá ít so với toàn bộ lĩnh vực AI, nhưng giá trị thị trường của chúng chiếm gần một phần tư. Tỷ lệ giá trị thị trường này trong lĩnh vực AI một lần nữa xác nhận niềm tin của chúng tôi rằng con đường con này có tiềm năng tăng trưởng lớn.

Sau khi phân tích, chúng tôi đặt ra một câu hỏi cốt lõi: Những đặc điểm nào các dự án Agent cần có để thu hút vốn tài trợ xuất sắc và được niêm yết trên các sàn giao dịch hàng đầu? Để trả lời câu hỏi này, chúng tôi đã khám phá các dự án thành công trong ngành Agent như Fetch.ai, Olas Network, SingularityNET và Myshell.

Chúng tôi đã phát hiện rằng những dự án này chia sẻ một số đặc điểm quan trọng: tất cả đều thuộc loại hợp nhất nền tảng trong lớp cơ sở hạ tầng. Chúng xây dựng một cây cầu, kết nối người dùng cần Agrents ở một đầu (cả B2B và B2C), và các nhà phát triển và người xác nhận chịu trách nhiệm cho việc gỡ lỗi và đào tạo mô hình ở đầu kia. Bất kể cấp độ ứng dụng, tất cả đã thiết lập một vòng lặp sinh thái đóng hoàn chỉnh.

Chúng tôi nhận thấy rằng việc sản phẩm của họ có liên quan đến chuỗi hoặc không có vẻ không phải là yếu tố quan trọng nhất. Điều này dẫn chúng tôi đến một kết luận sơ bộ: trong lĩnh vực Web3, logic tập trung vào ứng dụng thực tế trong Web2 có thể không hoàn toàn áp dụng. Đối với các sản phẩm AI Agent hàng đầu trong Web3, việc xây dựng một hệ sinh thái hoàn chỉnh và cung cấp các chức năng đa dạng có thể quan trọng hơn chất lượng và hiệu suất của một sản phẩm duy nhất. Nói cách khác, sự thành công của dự án phụ thuộc không chỉ vào những gì nó cung cấp mà còn vào cách nó tích hợp tài nguyên, thúc đẩy sự hợp tác và tạo ra hiệu ứng mạng trong hệ sinh thái. Khả năng xây dựng hệ sinh thái có thể là yếu tố chính để các dự án AI Agent nổi bật trong Web3.

Phương pháp tích hợp chính xác cho các dự án AI Agent trong Web3 không phải là tập trung vào sự phát triển sâu sắc của một ứng dụng duy nhất, mà là áp dụng một mô hình toàn diện. Cách tiếp cận này liên quan đến việc di chuyển và tích hợp các khung và loại sản phẩm đa dạng từ kỷ nguyên Web2 vào môi trường Web3 để xây dựng một hệ sinh thái tự chu kỳ. Điểm này cũng có thể được nhìn thấy trong sự thay đổi chiến lược của OpenAI, khi họ chọn khởi chạy một nền tảng ứng dụng trong năm nay thay vì chỉ cập nhật mô hình của họ.

Tóm lại, chúng tôi tin rằng dự án AI Agent nên tập trung vào những khía cạnh sau đây:

• Xây dựng hệ sinh thái: Vượt qua các ứng dụng đơn lẻ để xây dựng một hệ sinh thái bao gồm nhiều dịch vụ và chức năng, thúc đẩy tương tác và gia tăng giá trị giữa các thành phần khác nhau.
• Mô hình Tokenomic: Thiết kế mô hình kinh tế token hợp lý để khuyến khích người dùng tham gia xây dựng mạng lưới và đóng góp dữ liệu và sức mạnh tính toán.
• Tích hợp qua lĩnh vực: Khám phá các ứng dụng tiềm năng của AI Agents trong các lĩnh vực khác nhau, tạo ra các kịch bản sử dụng mới và giá trị thông qua tích hợp qua lĩnh vực.

Sau khi tóm tắt ba khía cạnh này, chúng tôi cũng cung cấp một số đề xuất hướng tới tương lai cho các nhóm dự án với các hướng trọng tâm khác nhau: một cho các sản phẩm ứng dụng cốt lõi không phải AI và một cho các dự án gốc tập trung vào theo dõi AI Agent.

Đối với các sản phẩm ứng dụng không phải là nhân tố trung tâm AI:

Duy trì tầm nhìn dài hạn, tập trung vào các sản phẩm cốt lõi của họ trong khi tích hợp công nghệ AI và chờ đợi cơ hội phù hợp với thời đại. Trong xu hướng công nghệ và thị trường hiện nay, chúng tôi tin rằng việc sử dụng AI làm phương tiện lưu lượng truy cập để thu hút người dùng và nâng cao khả năng cạnh tranh của sản phẩm đã trở thành một phương tiện cạnh tranh quan trọng. Mặc dù sự đóng góp lâu dài thực tế của công nghệ AI để phát triển dự án vẫn còn là một dấu hỏi, chúng tôi tin rằng điều này cung cấp một cửa sổ có giá trị cho những người sớm áp dụng công nghệ AI. Tất nhiên, tiền đề là họ đã có một sản phẩm rất vững chắc.

Về lâu dài, nếu công nghệ AI đạt được những đột phá mới trong tương lai, những dự án đã tích hợp AI sẽ có thể lặp lại sản phẩm của họ nhanh hơn, do đó nắm bắt cơ hội và trở thành người dẫn đầu ngành. Điều này tương tự như cách thương mại điện tử phát trực tiếp dần thay thế doanh số bán hàng ngoại tuyến như một cửa hàng lưu lượng truy cập mới trên các nền tảng truyền thông xã hội trong những năm gần đây. Khi đó, những nhà bán hàng có sản phẩm vững chắc chọn đi theo xu hướng mới và thử livestream thương mại điện tử ngay lập tức nổi bật với lợi thế gia nhập sớm khi thương mại điện tử livestream thực sự bùng nổ.

Chúng tôi tin rằng giữa sự không chắc chắn của thị trường, đối với các sản phẩm ứng dụng không phải là AI core, việc xem xét việc ra mắt AI Agents đúng lúc có thể là một quyết định chiến lược. Điều này không chỉ có thể tăng cường sự tiếp xúc với thị trường của sản phẩm hiện tại mà còn mang lại điểm tăng trưởng mới cho sản phẩm trong quá trình phát triển liên tục của công nghệ AI.

Đối với các dự án gốc tập trung vào AI Agents:

Cân bằng sự đổi mới công nghệ và nhu cầu thị trường là chìa khóa thành công. Trong các dự án AI Agent bản địa, nhóm dự án cần nhìn về xu hướng thị trường, không chỉ là phát triển công nghệ. Hiện nay, một số dự án Agent tích hợp Web3 trên thị trường có thể quá tập trung vào việc phát triển theo một hướng kỹ thuật duy nhất hoặc xây dựng một tầm nhìn lớn, nhưng phát triển sản phẩm không đồng bộ. Cả hai cực đoan này đều không tạo điều kiện thuận lợi cho sự phát triển dài hạn của dự án.

Do đó, chúng tôi đề nghị các nhóm dự án, trong khi đảm bảo chất lượng sản phẩm, cũng nên chú ý đến động lực thị trường và nhận ra rằng logic ứng dụng AI trong ngành công nghiệp internet truyền thống có thể không áp dụng cho Web3. Thay vào đó, họ cần học hỏi từ những dự án đã đạt được kết quả trong thị trường Web3. Tập trung vào các nhãn mà họ có, chẳng hạn như đào tạo mô hình và các chức năng cốt lõi tổng hợp nền tảng được đề cập trong bài viết, cũng như các câu chuyện mà họ tạo ra, chẳng hạn như mô-đun hóa AI và cộng tác đa tác nhân. Khám phá những câu chuyện hấp dẫn có thể trở thành chìa khóa để các dự án đạt được những đột phá trên thị trường.

Kết thúc

Cho dù đó là sản phẩm lõi không phải trí tuệ nhân tạo hoặc dự án Đại lý AI bản địa, điều quan trọng nhất là tìm thời điểm và con đường kỹ thuật phù hợp để đảm bảo nó vẫn cạnh tranh và đổi mới trên thị trường luôn thay đổi. Trên cơ sở giữ chất lượng sản phẩm, các bên trong dự án nên quan sát xu hướng thị trường, học hỏi từ các trường hợp thành công và đồng thời đổi mới để đạt được sự phát triển bền vững trên thị trường.

Tóm tắt

Ở cuối bài viết, chúng tôi phân tích theo dõi Web3 AI Agent từ nhiều góc độ:

• Đầu tư vốn và sự chú ý của thị trường: Mặc dù các dự án AI Agent hiện tại không có lợi thế về số lượng niêm yết trong ngành công nghiệp Web3, nhưng chúng chiếm gần 50% giá trị thị trường, cho thấy thị trường vốn đánh giá cao hướng đi này. Với việc có thêm đầu tư vốn và sự chú ý của thị trường gia tăng, chắc chắn sẽ xuất hiện nhiều dự án có giá trị cao hơn trong hướng đi AI Agent.
• Cảnh quan cạnh tranh và khả năng đổi mới: Cảnh quan cạnh tranh của AI Agent trong ngành công nghiệp Web3 chưa hoàn toàn được hình thành. Ở mức độ ứng dụng hiện tại, không có sản phẩm nổi bật và dẫn đầu nào giống với ChatGPT. Điều này đem lại cho các bên tham gia dự án mới nhiều không gian để phát triển và đổi mới. Khi công nghệ trưởng thành và các dự án trước đó được đổi mới, dòng sản phẩm này dự kiến sẽ phát triển ra nhiều sản phẩm cạnh tranh hơn, đưa giá trị của toàn bộ lĩnh vực lên cao.
• Chú ý đến tokenomics và động lực người dùng: Ý nghĩa của Web3 là tái tạo quan hệ sản xuất và làm cho quá trình triển khai và đào tạo mô hình trí tuệ nhân tạo ban đầu tập trung trở nên phân tán hơn. Thông qua thiết kế tokenomics hợp lý và các chương trình động lực người dùng, năng lực tính toán không sử dụng hoặc bộ dữ liệu cá nhân có thể được phân phối lại. Ngoài ra, các giải pháp như ZKML có thể bảo vệ quyền riêng tư dữ liệu, giảm thiểu chi phí tính toán và dữ liệu và cho phép nhiều người dùng cá nhân tham gia vào việc xây dựng ngành công nghiệp trí tuệ nhân tạo.

Tóm lại, chúng tôi lạc quan về lĩnh vực AI Agent. Chúng tôi có lý do để tin rằng sẽ có nhiều dự án với giá trị vượt quá 1 tỷ đô la nổi lên trong lĩnh vực này. Thông qua so sánh ngang hàng, câu chuyện về AI Agent đã đủ thuyết phục và không gian thị trường đủ lớn. Giá trị thị trường hiện tại thông thường thấp. Xét đến sự phát triển nhanh chóng của công nghệ AI, sự tăng trưởng nhu cầu thị trường, đầu tư vốn và tiềm năng đổi mới của các công ty trong lĩnh vực này, trong tương lai, khi công nghệ trưởng thành và sự chấp nhận của thị trường tăng lên, dự kiến sẽ có nhiều dự án với giá trị hơn 1 tỷ đô la nổi lên.

Tuyên bố:

1. Bài viết này được sao chép từ [ArkStream Capital], tiêu đề gốc là “Báo cáo nghiên cứu theo dõi ArkStream Capital Track: Có thể AI Agent trở thành cọng rơm cứu sống cho Web3+AI?” Nếu bạn có bất kỳ ý kiến ​​nào về việc tái bản, vui lòng liên hệ Độ sâu Độ sâu Độ sâu, đội ngũ sẽ xử lý nhanh chóng theo các thủ tục liên quan.

2. Thông báo: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không hợp thành bất kỳ lời khuyên đầu tư nào.

3. Các phiên bản ngôn ngữ khác của bài viết được dịch bởi nhóm Gate Learn, không được đề cập trong Gate.io, bài viết dịch có thể không được sao chép, phân phối hoặc đạo văn.