O Agente de IA pode ser a tábua de salvação do Web3+IA?

Os projetos de Agentes de IA são principalmente populares e maduros no empreendedorismo Web2, principalmente na categoria de serviços empresariais, enquanto no domínio Web3, projetos de treinamento de modelos e plataformas de agregação tornaram-se mainstream devido ao seu papel crucial na construção de ecossistemas.

Atualmente, o número de projetos de Agentes de IA em Web3 é relativamente pequeno, representando 8%, mas a sua participação no valor de mercado na área de IA é impressionante, atingindo 23%. Isso demonstra uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com uma avaliação superior a 1 bilhão de dólares.

Para projetos Web3, a introdução de tecnologia de IA em produtos de aplicação que não são centrais à IA pode se tornar uma vantagem estratégica. A forma de combinação dos projetos de Agente de IA deve enfatizar a construção de um ecossistema completo e o design do modelo econômico de tokens, a fim de promover a descentralização e o efeito de rede.

A onda da IA: a situação de novos projetos e a valorização em ascensão

Desde que o ChatGPT foi lançado em novembro de 2022, atraindo mais de 100 milhões de usuários em apenas dois meses, até maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o. Com esse ritmo acelerado, as grandes empresas de tecnologia tradicionais perceberam a importância das aplicações de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA, como o modelo de linguagem em larga escala PaLM2 da Google, o Llama3 da Meta, enquanto empresas chinesas lançaram modelos como Wenxin Yiyan e Zhiyu Qingyan. É evidente que o campo da IA se tornou um terreno de disputa essencial.

A competição entre os grandes gigantes da tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, como também, a partir de uma investigação estatística sobre pesquisas de IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos aumentou 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.

O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, onde o mercado de investimentos em IA apresenta um crescimento robusto, com um crescimento explosivo no segundo trimestre de 2024. Globalmente, houve 16 investimentos relacionados à IA que excederam 150 milhões de dólares, o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, mais do que dobrando em relação ao ano anterior. Entre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.

O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa concorrência entre gigantes da tecnologia, ao florescimento de projetos na comunidade de código aberto, até à entusiástica adesão do mercado de capitais ao conceito de IA. Projetos surgem constantemente, os investimentos atingem novos máximos, e as avaliações também aumentam. De forma geral, o mercado de IA está a passar por um período de ouro de rápido crescimento, com grandes modelos de linguagem e técnicas de geração aumentada por pesquisa a alcançarem avanços significativos na área de processamento de linguagem. No entanto, estes modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de ilusões na geração de informações imprecisas e questões de transparência dos modelos. Estes problemas tornam-se especialmente importantes em cenários de aplicação onde a confiabilidade é de extrema importância.

Neste contexto, começamos a investigar o Agente de IA, pois o Agente de IA enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Essa mudança marca a evolução da tecnologia de IA de modelos de linguagem puramente para sistemas inteligentes que realmente entendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do Agente de IA, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA continua a reconfigurar a arquitetura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional, se fundem com os conceitos centrais da Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que isso dará origem a uma série de aplicações inovadoras. Neste campo interseccional cheio de potencial, acreditamos que o Agente de IA, com sua capacidade de executar tarefas de forma autônoma, demonstrou um enorme potencial para a aplicação em larga escala.

Para isso, começamos a investigar em profundidade as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, nível de aplicação, até os mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender melhor a profunda fusão entre AI e Web3.

Esclarecimento de conceitos: Introdução e visão geral das classificações dos Agentes de IA

Introdução básica

Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos dar um exemplo através de um cenário prático: suponha que você esteja planejando uma viagem. Modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode oferecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender suas necessidades e, com base em uma frase sua, realizar buscas ativas por voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.

Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e tomar ações apropriadas, obtendo informações do ambiente através de sensores, processando-as e influenciando o ambiente por meio de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e habilidades de uso de ferramentas. Ele não apenas fornece informações, mas também pode planejar, decompor tarefas e realmente executá-las.

De acordo com esta definição e características, podemos perceber que os Agentes de IA já se integraram nas nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri, e a condução autónoma de nível L5 ou superior da Tesla, que podem ser considerados exemplos de Agentes de IA. A característica comum destes sistemas é que todos conseguem perceber as entradas dos utilizadores externos e, com base nisso, fazer com que o ambiente real seja afetado.

Usando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos desenvolvidos a partir dessa arquitetura, e o GPT-1, GPT-4, GPT-4o representam versões do modelo em diferentes estágios de desenvolvimento. O ChatGP, por sua vez, é um Agente de IA que evoluiu a partir do modelo GPT.

Classificação geral

Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificada. Classificamos 204 projetos de Agentes de IA no mercado Web2+Web3 através da rotulagem, com base nas etiquetas significativas correspondentes a cada projeto, dividindo-os em categorias de primeiro e segundo nível. Dentre elas, as categorias de primeiro nível são infraestrutura básica, geração de conteúdo e interação do usuário, que são então subdivididas de acordo com seus casos de uso reais:

Infraestrutura: Esta categoria foca na construção de conteúdos mais básicos no campo dos Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento e serviços B2B mais maduros e aplicativos de base.

• Ferramentas de desenvolvimento: fornecem ferramentas e estruturas auxiliares para os desenvolvedores construírem Agentes de IA.

• Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.

• Classe de treinamento de modelos: oferece serviços de treinamento de modelos para IA, incluindo inferência, construção e configuração de modelos, entre outros.

• Serviços para o setor B: Destinado principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.

• Plataforma de classe agregada: uma plataforma que integra vários serviços e ferramentas de Agentes de IA.

Classe Interativa: Semelhante à classe de geração de conteúdo, a diferença está na interação bidirecional contínua. O agente interativo não apenas aceita e compreende as necessidades do usuário, mas também fornece feedback por meio de tecnologias como Processamento de Linguagem Natural (NLP), realizando uma interação bidirecional com o usuário.

• Agentes de IA de companhia emocional: oferecem apoio emocional e companhia.

• Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).

• Classe de busca: Focada na funcionalidade de busca, oferece um agente principalmente voltado para a recuperação de informações mais precisas.

Conteúdo gerado: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologias de modelos grandes para gerar várias formas de conteúdo de acordo com as instruções do usuário, dividindo-se em quatro categorias: geração de texto, geração de imagens, geração de vídeos e geração de áudio.

Análise do estado atual do desenvolvimento do Agente AI Web2

De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma clara tendência de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, principalmente em serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre esse fenômeno.

Impacto da maturidade tecnológica: Os projetos de infraestrutura dominam principalmente devido à sua maturidade tecnológica. Estes projetos geralmente são baseados em tecnologias e estruturas testadas pelo tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivalente a uma "pá" no campo da IA, fornece uma base sólida para o desenvolvimento e aplicação de Agentes de IA.

Impulso da demanda do mercado: Outro fator chave é a demanda do mercado. Comparado ao mercado de consumidores, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca de soluções para melhorar a eficiência operacional e reduzir custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é favorável para o desenvolvimento de projetos subsequentes.

Limitações nos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA geradora de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam melhorar de forma estável a produtividade. Isso resulta em uma proporção relativamente pequena de IA geradora de conteúdo no portfólio de projetos.

Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com o contínuo avanço da tecnologia de IA e a maior clareza na demanda do mercado, prevemos que este padrão possa ser ajustado, mas as infraestruturas continuarão a ser a base sólida para o desenvolvimento de Agentes de IA.

Análise do projeto líder em AI Agent Web2

Analisamos em profundidade alguns projetos de Agentes de IA no atual mercado Web2, usando como exemplo os projetos Character AI, Perplexity AI e Midjourney.

Character AI:

Introdução ao produto: Character.AI oferece um sistema de conversa baseado em inteligência artificial e uma ferramenta de criação de personagens virtuais. A sua plataforma permite que os utilizadores criem, treinem e interajam com personagens virtuais que podem manter diálogos em linguagem natural e executar tarefas específicas.

Análise de dados: O Character.AI teve 277 milhões de visitas em maio, com mais de 3,5 milhões de utilizadores ativos diários, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um público jovem. O Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.

Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI está utilizando tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.

Perplexity AI:

Introdução do produto: Perplexity consegue capturar e fornecer respostas detalhadas da Internet. Através de citações e links de referência, garante a fiabilidade e precisão da informação, enquanto educa e orienta os usuários a fazer perguntas adicionais e buscar palavras-chave, satisfazendo as diversas necessidades de consulta dos usuários.

Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um aumento de 8,6% nas visitas aos seus aplicativos móveis e desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que levantou 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.

Análise técnica: O modelo principal utilizado pela Perplexity é o GPT-3.5 ajustado, juntamente com dois grandes modelos ajustados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. Os modelos são adequados para pesquisa acadêmica profissional e consultas em áreas verticais, garantindo a veracidade e a confiabilidade da informação.

Midjourney:

Introdução ao produto: Os usuários podem criar imagens de vários estilos e temas no Midjourney através de Prompts, cobrindo uma ampla gama de necessidades criativas que vão do realismo ao abstrato. A plataforma também oferece mistura e edição de imagens, permitindo que os usuários realizem sobreposições de imagens e transferência de estilo, e a funcionalidade de geração em tempo real da plataforma garante que os usuários possam obter resultados em questão de dezenas de segundos a alguns minutos.