L'agent IA peut-il devenir le sauveur de Web3+IA ?

Les projets d'Agents IA sont principalement des types de services axés sur les entreprises qui sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction d'écosystèmes.

Actuellement, le nombre de projets d'AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché en termes de capitalisation boursière dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets ayant une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.

Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut devenir un avantage stratégique. La manière dont les projets AI Agent sont combinés doit se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques basés sur des tokens, afin de favoriser la décentralisation et les effets de réseau.

La vague de l'IA : État actuel des projets émergents et de la hausse des évaluations

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

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

L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI connaît une forte croissance, affichant une croissance explosive au deuxième trimestre de 2024. Au total, il y a eu 16 investissements liés à l'AI dépassant 150 millions de dollars, soit le double du premier trimestre. Le montant total des financements des startups AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, appartenant à Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.

Le développement rapide des technologies d'IA redessine le paysage du secteur technologique à un rythme sans précédent. De la concurrence acharnée entre les géants de la technologie à l'essor des projets de la communauté open source, en passant par l'enthousiasme du marché des capitaux pour le concept d'IA. Les projets affluent, les investissements atteignent des sommets historiques et les valorisations augmentent de même. Dans l'ensemble, le marché de l'IA est dans une période de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par recherche réalisant des avancées majeures dans le traitement du langage. Néanmoins, ces modèles font encore face à des défis lorsqu'il s'agit de convertir les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes, et les problèmes de transparence des modèles. Ces défis deviennent particulièrement cruciaux dans des scénarios d'application où la fiabilité est d'une importance capitale.

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

Pour ce faire, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans Web3, en examinant plusieurs dimensions, des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la profonde intégration de l'IA et de Web3.

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

Introduction de base

Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons illustrer par un scénario pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et plus spécifique. L'Agent IA est comme J.A.R.V.I.S. dans les films Iron Man, capable de comprendre les besoins et, selon votre phrase, de rechercher activement des vols et des hôtels, d'exécuter des réservations et d'ajouter l'itinéraire à votre calendrier.

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

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

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

Aperçu de la classification

Le marché des agents AI n'a pas encore de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI sur les marchés Web2 et Web3, et en fonction des étiquettes significatives associées à chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi eux, la classification de premier niveau comprend trois catégories : infrastructures de base, génération de contenu et interaction utilisateur, puis nous avons affiné en fonction de leurs cas d'utilisation réels.

Infrastructure :

Ce type se concentre sur la construction de contenus relativement fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services de classe B relativement matures et basés sur des applications fondamentales.

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

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

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

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

• Plateformes de type agrégateur : plateformes intégrant divers services et outils d'agents IA.

Classe d'interaction :

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

• Agents AI d'accompagnement émotionnel : fournissent un soutien émotionnel et une compagnie.

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

• Catégorie de recherche : Un agent axé sur les fonctionnalités de recherche, offrant une récupération d'informations plus précise.

Générateur de contenu :

Ces projets se concentrent sur la création de contenu, utilisant des technologies de grands modèles pour générer divers types de contenu selon les instructions de l'utilisateur, classés en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération audio.

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

Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration claire des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également mené une analyse de ce phénomène.

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

La demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande pour les technologies d'IA sur le marché des entreprises est plus pressante, en particulier dans la recherche de solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.

Limitations des cas d'utilisation : Parallèlement, nous remarquons que l'application des IA génératrices de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises privilégient celles qui peuvent augmenter de manière stable leur productivité. Cela a conduit à une faible proportion d'IA génératrices de contenu dans le répertoire des projets.

Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'application. Avec les progrès continus de la technologie AI et l'éclaircissement de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais l'infrastructure demeurera une base solide pour le développement des agents AI.

Analyse des projets phares d'agents IA Web2

Nous explorons en profondeur certains projets d'agents AI sur le marché Web2 actuel et analysons chacun d'eux, en prenant pour exemple trois projets : Character AI, Perplexity AI et Midjourney.

Intelligence Artificielle :

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

Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité des utilisateurs ont entre 18 et 34 ans, ce qui montre une caractéristique de groupe d'utilisateurs jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.

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

Perplexity AI:

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

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

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

Midjourney:

Présentation du produit : Les utilisateurs peuvent créer divers styles et thèmes dans Midjourney grâce aux Prompts.