TL;ดร

• โครงการ AI Agent ประเภทที่ได้รับความนิยมและเติบโตเต็มที่ในการเป็นผู้ประกอบการ Web2 ส่วนใหญ่เป็นบริการฝั่งองค์กร ในขณะที่ในสาขา Web3 โครงการฝึกอบรมโมเดลและการรวบรวมแพลตฟอร์มกลายเป็นกระแสหลักเนื่องจากมีบทบาทสำคัญในการสร้างระบบนิเวศ

• ปัจจุบันโครงการ AI Agent ของ Web3 มีน้อย คิดเป็น 8% แต่มูลค่าตลาดในเส้นทาง AI สูงถึง 23% ดังนั้นจึงแสดงให้เห็นถึงความสามารถในการแข่งขันทางการตลาดที่แข็งแกร่ง เมื่อครบกำหนดและการรับรู้ของตลาดเพิ่มขึ้น จะมีหลายโครงการที่มีมูลค่าเกิน 1 พันล้านดอลลาร์สหรัฐในอนาคต

• สำหรับโครงการ Web3 การแนะนำเทคโนโลยี AI อาจกลายเป็นข้อได้เปรียบเชิงกลยุทธ์สำหรับผลิตภัณฑ์แอปพลิเคชันหลักที่ไม่ใช่ AI การรวมกันของโครงการตัวแทน AI ควรมุ่งเน้นไปที่การสร้างระบบนิเวศทั้งหมดและการออกแบบแบบจำลองทางเศรษฐกิจโทเค็นเพื่อส่งเสริมการกระจายอำนาจและผลกระทบของเครือข่าย

คลื่น AI: สถานการณ์ปัจจุบันของโครงการที่เกิดซ้ำและการประเมินมูลค่าที่เพิ่มขึ้น

นับตั้งแต่เปิดตัว ChatGPT ในเดือนพฤศจิกายน 2565 ก็ดึงดูดผู้ใช้ได้มากกว่า 100 ล้านคนในเวลาเพียงสองเดือน ภายในเดือนพฤษภาคม 2567 รายได้ต่อเดือนของ ChatGPT ก็สูงถึง 20.3 ล้านดอลลาร์สหรัฐฯ หลังจากการเปิดตัว ChatGPT เวอร์ชัน OpenAI Iterative เช่น GPT-4 และ GP 4-4 o ก็เปิดตัวอย่างรวดเร็วเช่นกัน ด้วยแนวโน้มที่รวดเร็วดังกล่าว ยักษ์ใหญ่ด้านเทคโนโลยีดั้งเดิมรายใหญ่ได้ตระหนักถึงความสำคัญของแอปพลิเคชันโมเดล AI ที่ล้ำสมัย เช่น LLM และได้เปิดตัวโมเดลและแอปพลิเคชัน AI ของตนเอง ตัวอย่างเช่น Google เปิดตัวโมเดลภาษาขนาดใหญ่ PaLM 2, Meta เปิดตัว Llama และบริษัทจีนได้เปิดตัวโมเดลขนาดใหญ่ เช่น Wenxin Yiyan และ Zhipu Qingyan เห็นได้ชัดว่าด้าน AI ได้กลายเป็นสมรภูมิสำหรับนักยุทธศาสตร์ทางการทหาร
การแข่งขันระหว่างยักษ์ใหญ่ด้านเทคโนโลยีรายใหญ่ไม่เพียงแต่ส่งเสริมการพัฒนาแอปพลิเคชันเชิงพาณิชย์เท่านั้น แต่ยังพบจากสถิติการสำรวจการวิจัย AI แบบโอเพ่นซอร์สด้วยว่ารายงานดัชนี AI ปี 2024 แสดงให้เห็นว่าจำนวนโครงการที่เกี่ยวข้องกับ AI บน GitHub เพิ่มขึ้นจาก 845 ในปี 2554 ถึงปี 2566 ประมาณ 1.8 ล้านโครงการ โดยเฉพาะอย่างยิ่งในปี 2566 หลังจากการเปิดตัว GPT จำนวนโครงการเพิ่มขึ้น 59.3% เมื่อเทียบเป็นรายปี สะท้อนให้เห็นถึงความกระตือรือร้นของชุมชนนักพัฒนาทั่วโลกในการวิจัยด้าน AI
ความกระตือรือร้นในเทคโนโลยี AI สะท้อนให้เห็นโดยตรงในตลาดการลงทุนซึ่งมีการเติบโตอย่างแข็งแกร่งและขยายตัวอย่างรวดเร็วในไตรมาสที่สองของปี 2567 มีการลงทุนที่เกี่ยวข้องกับ AI 16 รายการ มูลค่ามากกว่า 150 ล้านดอลลาร์ทั่วโลก ซึ่งเพิ่มขึ้นเป็นสองเท่าในไตรมาสแรก เงินทุนทั้งหมดสำหรับสตาร์ทอัพด้าน AI เพิ่มขึ้นเป็น 24 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้นกว่าสองเท่าเมื่อเทียบเป็นรายปี ในจำนวนนี้ xAI ของ Musk ระดมทุนได้ 6 พันล้านดอลลาร์สหรัฐ และมีมูลค่า 24 พันล้านดอลลาร์สหรัฐ กลายเป็นสตาร์ทอัพด้าน AI ที่มีมูลค่าสูงเป็นอันดับสองรองจาก OpenAI

การจัดหาเงินทุนติดตาม AI ประจำไตรมาสที่ 2 ปี 2024 TOP 10 ที่มา: Yiou, https://www.iyiou.com/data/202407171072366

การพัฒนาอย่างรวดเร็วของเทคโนโลยี AI กำลังเปลี่ยนโฉมภูมิทัศน์ของสาขาวิทยาศาสตร์และเทคโนโลยีอย่างรวดเร็วอย่างที่ไม่เคยมีมาก่อน ตั้งแต่การแข่งขันที่ดุเดือดระหว่างยักษ์ใหญ่ด้านเทคโนโลยี ไปจนถึงการพัฒนาโครงการชุมชนโอเพ่นซอร์สอย่างแข็งขัน ไปจนถึงการแสวงหาแนวคิด AI ในตลาดทุนอย่างกระตือรือร้น โครงการต่างๆ กำลังเกิดขึ้นทีละโครงการ จำนวนเงินลงทุนพุ่งแตะระดับสูงสุดใหม่ และการประเมินมูลค่าก็เพิ่มขึ้นตามไปด้วย โดยรวมแล้ว ตลาด AI อยู่ในช่วงทองของการพัฒนาอย่างรวดเร็ว โดยมีโมเดลภาษาขนาดใหญ่และเทคโนโลยีการสร้างการปรับปรุงการดึงข้อมูล ซึ่งบรรลุความก้าวหน้าที่สำคัญในด้านการประมวลผลภาษา อย่างไรก็ตาม โมเดลเหล่านี้ยังคงเผชิญกับความท้าทายในการแปลงข้อได้เปรียบทางเทคนิคให้เป็นผลิตภัณฑ์จริง เช่น ความไม่แน่นอนในผลลัพธ์ของโมเดล ความเสี่ยงของการเกิดภาพหลอนในการสร้างข้อมูลที่ไม่ถูกต้อง และปัญหาความโปร่งใสของโมเดล ปัญหาเหล่านี้มีความสำคัญอย่างยิ่งในสถานการณ์แอปพลิเคชันที่ต้องการความน่าเชื่อถือที่สูงมาก

ในบริบทนี้ เราเริ่มศึกษา AI Agent เนื่องจาก AI Agent เน้นความครอบคลุมในการแก้ปัญหาในทางปฏิบัติและการโต้ตอบกับสิ่งแวดล้อม การเปลี่ยนแปลงนี้ถือเป็นวิวัฒนาการของเทคโนโลยี AI จากแบบจำลองภาษาล้วนๆ ไปสู่ระบบอัจฉริยะที่สามารถเข้าใจการเรียนรู้และแก้ไขปัญหาในโลกแห่งความเป็นจริงได้อย่างแท้จริง เราจึงเห็นความหวังจากการพัฒนา AI Agent ซึ่งค่อยๆ เชื่อมช่องว่างระหว่างเทคโนโลยี AI กับการแก้ปัญหาเชิงปฏิบัติ วิวัฒนาการของเทคโนโลยี AI ยังคงปรับโครงสร้างการผลิตอย่างต่อเนื่อง ในขณะที่เทคโนโลยี Web3 กำลังปรับโฉมความสัมพันธ์ด้านการผลิตของเศรษฐกิจดิจิทัล เมื่อองค์ประกอบหลักสามประการของ AI ได้แก่ ข้อมูล แบบจำลอง และพลังการประมวลผล ถูกรวมเข้ากับแนวคิดหลักของการกระจายอำนาจ เศรษฐกิจโทเค็น และสัญญาอัจฉริยะของ Web3 เราคาดการณ์ว่าแอปพลิเคชันเชิงนวัตกรรมชุดหนึ่งจะถือกำเนิดขึ้น ในสาขาต่างๆ ที่เต็มไปด้วยศักยภาพนี้ เราเชื่อว่า AI Agents ซึ่งมีความสามารถในการทำงานโดยอัตโนมัติ ได้แสดงศักยภาพที่ยอดเยี่ยมสำหรับแอปพลิเคชันขนาดใหญ่ ด้วยเหตุนี้ เราจึงเริ่มดำเนินการวิจัยเชิงลึกเกี่ยวกับแอปพลิเคชันที่หลากหลายของ AI Agent ใน Web3 ตั้งแต่โครงสร้างพื้นฐาน Web3 มิดเดิลแวร์ ระดับแอปพลิเคชัน ไปจนถึงตลาดข้อมูลและแบบจำลอง ฯลฯ โดยมีเป้าหมายเพื่อระบุและประเมินประเภทโครงการที่มีแนวโน้มมากที่สุด และสถานการณ์การใช้งานเพื่อทำความเข้าใจการบูรณาการ AI และ Web3 อย่างลึกซึ้งยิ่งขึ้น

การชี้แจงแนวคิด: บทนำและภาพรวมการจำแนกประเภทของ AI Agent

การแนะนำเบื้องต้น

ก่อนที่จะแนะนำ AI Agent เพื่อให้ผู้อ่านเข้าใจความแตกต่างระหว่างคำจำกัดความและตัวแบบได้ดีขึ้น เราใช้สถานการณ์จริงเป็นตัวอย่าง: สมมติว่าคุณกำลังวางแผนการเดินทาง โมเดลภาษาขนาดใหญ่แบบดั้งเดิมให้ข้อมูลจุดหมายปลายทางและคำแนะนำการเดินทาง เทคโนโลยีการสร้างการปรับปรุงการค้นหาสามารถให้เนื้อหาปลายทางที่สมบูรณ์และเฉพาะเจาะจงมากขึ้น AI Agent เปรียบเสมือนจาร์วิสในภาพยนตร์ Iron Man สามารถเข้าใจความต้องการและค้นหาเที่ยวบินและโรงแรมตามคำพูดของคุณ ดำเนินการจอง และเพิ่มแผนการเดินทางลงในปฏิทิน
คำจำกัดความทั่วไปของ AI Agent ในอุตสาหกรรมหมายถึงระบบอัจฉริยะที่สามารถรับรู้สภาพแวดล้อมและดำเนินการที่สอดคล้องกัน โดยรับข้อมูลด้านสิ่งแวดล้อมผ่านเซ็นเซอร์ และส่งผลกระทบต่อสิ่งแวดล้อมผ่านแอคทูเอเตอร์หลังการประมวลผล (Stuart Russell & Peter Norvig, 2020) เราเชื่อว่า AI Agent คือผู้ช่วยที่ผสานรวม LLM, RAG, หน่วยความจำ, การวางแผนงาน และการใช้เครื่องมือ ไม่เพียงแต่ให้ข้อมูลที่บริสุทธิ์เท่านั้น แต่ยังช่วยวางแผน แบ่งย่อยงาน และดำเนินการได้จริงอีกด้วย
จากคำจำกัดความและคุณลักษณะนี้ เราพบว่า AI Agent ได้ถูกรวมเข้ากับชีวิตของเรามานานแล้ว และถูกนำไปใช้ในสถานการณ์ต่างๆ ตัวอย่างเช่น AlphaGo, Siri, ระดับ L5 ของ Tesla และสูงกว่าระบบขับขี่อัตโนมัติ เป็นต้น ทั้งหมดนี้ถือได้ว่าเป็น AI ตัวแทน. ลักษณะทั่วไปของระบบเหล่านี้คือสามารถรับรู้ข้อมูลจากผู้ใช้ภายนอก และตอบสนองต่อผลกระทบต่อสภาพแวดล้อมจริงได้สอดคล้องกัน
ยกตัวอย่าง ChatGPT เพื่อชี้แจงแนวคิด เราควรชี้ให้ชัดเจนว่า Transformer เป็นสถาปัตยกรรมทางเทคนิคที่ประกอบขึ้นเป็นโมเดล AI, GPT เป็นซีรีส์โมเดลที่พัฒนาบนสถาปัตยกรรมนี้ และ GPT-1, GPT-4 และ GPT-4 o แสดงถึงโมเดลในเวอร์ชันต่างๆ ตามลำดับของการพัฒนา ChatGP ใช้ T เป็น AI Agent ที่พัฒนาตามโมเดล GPT

ภาพรวมการจำแนกประเภท

ปัจจุบัน ตลาด AI Agent ยังไม่ได้กำหนดมาตรฐานการจำแนกประเภทแบบรวม โดยการติดป้ายกำกับโครงการ AI Agent จำนวน 204 โครงการในตลาด Web2+Web3 เราจึงแบ่งพวกมันออกเป็นการจำแนกประเภทระดับแรกและระดับที่สองตามป้ายกำกับที่สำคัญที่สอดคล้องกัน ในแต่ละโครงการ ในหมู่พวกเขา การจำแนกระดับแรกคือการสร้างโครงสร้างพื้นฐาน การสร้างเนื้อหา และการโต้ตอบของผู้ใช้ ซึ่งจะถูกแบ่งย่อยตามกรณีการใช้งานจริง:

หมวดหมู่โครงสร้างพื้นฐาน: หมวดหมู่นี้มุ่งเน้นไปที่การสร้างเนื้อหาระดับล่างในฟิลด์ตัวแทน รวมถึงแพลตฟอร์ม โมเดล ข้อมูล เครื่องมือการพัฒนา และหมวดหมู่บริการ B-side ที่ครบถ้วนมากขึ้นสำหรับแอปพลิเคชันพื้นฐาน

• เครื่องมือในการพัฒนา: มอบเครื่องมือและเฟรมเวิร์กเสริมสำหรับนักพัฒนาสำหรับการสร้าง AI Agent

• หมวดหมู่การประมวลผลข้อมูล: ประมวลผลและวิเคราะห์ข้อมูลในรูปแบบต่างๆ ซึ่งส่วนใหญ่ใช้เพื่อช่วยในการตัดสินใจและจัดหาแหล่งสำหรับการฝึกอบรม

• หมวดหมู่การฝึกโมเดล: ให้บริการการฝึกโมเดลสำหรับ AI รวมถึงการอนุมาน การสร้างโมเดลและการตั้งค่า ฯลฯ

• บริการ B-side: สำหรับผู้ใช้ระดับองค์กรเป็นหลัก โดยให้บริการระดับองค์กร โซลูชันแนวตั้งและอัตโนมัติ

• คลาสการรวบรวมแพลตฟอร์ม: แพลตฟอร์มที่รวมบริการและเครื่องมือ AI Agent หลายอย่าง

คลาสแบบโต้ตอบ: คล้ายกับคลาสการสร้างเนื้อหา ความแตกต่างก็คือมีการโต้ตอบสองทางอย่างต่อเนื่อง Interactive Agent ไม่เพียงแต่ยอมรับและเข้าใจความต้องการของผู้ใช้เท่านั้น แต่ยังให้ข้อเสนอแนะผ่านการประมวลผลภาษาธรรมชาติ (NLP) และเทคโนโลยีอื่น ๆ เพื่อให้เกิดการโต้ตอบแบบสองทางกับผู้ใช้

• มิตรภาพทางอารมณ์: ตัวแทน AI ที่ให้การสนับสนุนทางอารมณ์และความเป็นเพื่อน

• คลาส GPT: เอเจนต์ AI ที่ใช้โมเดล GPT (หม้อแปลงก่อนการฝึกแบบเจนเนอเรทีฟ)

• หมวดหมู่การค้นหา: ตัวแทนที่เน้นฟังก์ชั่นการค้นหาและให้การดึงข้อมูลที่แม่นยำยิ่งขึ้น

หมวดหมู่การสร้างเนื้อหา: โครงการประเภทนี้มุ่งเน้นไปที่การสร้างเนื้อหาโดยใช้เทคโนโลยีแบบจำลองขนาดใหญ่เพื่อสร้างเนื้อหาในรูปแบบต่างๆ ตามคำแนะนำของผู้ใช้ โดยแบ่งออกเป็น 4 ประเภท ได้แก่ การสร้างข้อความ การสร้างภาพ การสร้างวิดีโอ และการสร้างเสียง

การวิเคราะห์สถานะการพัฒนาของ Web2 AI Agent

ตามสถิติของเรา การพัฒนา AI Agent ในอินเทอร์เน็ตแบบดั้งเดิมของ Web2 แสดงให้เห็นถึงแนวโน้มที่ชัดเจนของการกระจุกตัวของเซกเตอร์ โดยเฉพาะอย่างยิ่ง ประมาณสองในสามของโครงการกระจุกตัวอยู่ในประเภทการก่อสร้างโครงสร้างพื้นฐาน ซึ่งส่วนใหญ่เป็นบริการฝั่ง B และเครื่องมือในการพัฒนา นอกจากนี้ เรายังได้ทำการวิเคราะห์บางอย่างเกี่ยวกับปรากฏการณ์นี้ด้วย

• อิทธิพลของวุฒิภาวะทางเทคโนโลยี: เหตุผลที่โครงการโครงสร้างพื้นฐานครองตำแหน่งที่โดดเด่นเป็นอันดับแรกเนื่องมาจากวุฒิภาวะทางเทคโนโลยี โครงการเหล่านี้มักสร้างขึ้นจากเทคโนโลยีและกรอบงานที่ได้รับการทดสอบตามเวลา ช่วยลดความยากและความเสี่ยงในการพัฒนา เทียบเท่ากับ "พลั่ว" ในด้าน AI ถือเป็นรากฐานที่มั่นคงสำหรับการพัฒนาและการประยุกต์ใช้ AI Agent

• ขับเคลื่อนโดยความต้องการของตลาด: อีกปัจจัยสำคัญคือความต้องการของตลาด เมื่อเปรียบเทียบกับตลาดผู้บริโภค ตลาดองค์กรมีความต้องการเทคโนโลยี AI อย่างเร่งด่วนมากขึ้น โดยเฉพาะอย่างยิ่งในการแสวงหาโซลูชันเพื่อปรับปรุงประสิทธิภาพการดำเนินงานและลดต้นทุน ในขณะเดียวกัน สำหรับนักพัฒนา กระแสเงินสดจากองค์กรค่อนข้างคงที่ ซึ่งเป็นประโยชน์ต่อพวกเขาในการพัฒนาโครงการต่อไป

• ข้อจำกัดของสถานการณ์การใช้งาน: ในเวลาเดียวกัน เราได้สังเกตเห็นว่าสถานการณ์การใช้งานของการสร้างเนื้อหา AI ในตลาด B-end ค่อนข้างจำกัด เนื่องจากความไม่แน่นอนของผลผลิต บริษัทต่างๆ จึงนิยมใช้แอปพลิเคชันที่สามารถเพิ่มผลผลิตได้อย่างต่อเนื่อง ซึ่งส่งผลให้มีบัญชี AI ที่สร้างเนื้อหาสำหรับส่วนเล็ก ๆ ของไลบรารีโครงการ

แนวโน้มนี้สะท้อนให้เห็นถึงการพิจารณาเชิงปฏิบัติเกี่ยวกับความพร้อมทางเทคโนโลยี ความต้องการของตลาด และสถานการณ์การใช้งาน ด้วยความก้าวหน้าอย่างต่อเนื่องของเทคโนโลยี AI และการชี้แจงความต้องการของตลาดเพิ่มเติม เราคาดหวังว่ารูปแบบนี้อาจมีการปรับเปลี่ยน แต่โครงสร้างพื้นฐานจะยังคงเป็นรากฐานที่สำคัญสำหรับการพัฒนา AI Agent

การวิเคราะห์โครงการชั้นนำของ AI Agent ของ Web2

การรวบรวมโปรเจ็กต์ชั้นนำของ AI Agent ของ Web2 ที่มา: ฐานข้อมูลโปรเจ็กต์ ArkStream

เราจะเจาะลึกโครงการตัวแทน AI บางโครงการที่มีอยู่ในตลาด Web2 ในปัจจุบัน และวิเคราะห์โครงการเหล่านั้น โดยนำ Character AI, Perplexity AI และ Midjourney มาเป็นตัวอย่าง

ตัวละคร AI:

• การแนะนำผลิตภัณฑ์: Character.AI นำเสนอระบบบทสนทนาที่ใช้ปัญญาประดิษฐ์และเครื่องมือสร้างตัวละครเสมือนจริง แพลตฟอร์มช่วยให้ผู้ใช้สามารถสร้าง ฝึกอบรม และโต้ตอบกับตัวละครเสมือนจริงที่สามารถสนทนาด้วยภาษาธรรมชาติและทำงานเฉพาะด้านได้

• การวิเคราะห์ข้อมูล: Character.AI มีผู้เข้าชม 277 ล้านครั้งในเดือนพฤษภาคม และแพลตฟอร์มดังกล่าวมีผู้ใช้งานมากกว่า 3.5 ล้านคนต่อวัน ซึ่งส่วนใหญ่มีอายุระหว่าง 18 ถึง 34 ปี ซึ่งแสดงให้เห็นถึงลักษณะของกลุ่มผู้ใช้อายุน้อย Character AI ทำงานได้ดีในตลาดทุน โดยระดมทุนได้ครบ 150 ล้านดอลลาร์สหรัฐ และมีมูลค่าถึง 1 พันล้านดอลลาร์ นำโดย a16z

• การวิเคราะห์ทางเทคนิค: Character AI ได้ลงนามในข้อตกลงใบอนุญาตแบบไม่ผูกขาดกับบริษัทแม่ของ Google อย่าง Alphabet เพื่อใช้โมเดลภาษาขนาดใหญ่ ซึ่งแสดงให้เห็นว่า Character AI ใช้เทคโนโลยีที่พัฒนาขึ้นเอง เป็นที่น่าสังเกตว่าผู้ก่อตั้งบริษัท Noam Shazeer และ Daniel De Freitas ได้มีส่วนร่วมในการพัฒนาโมเดลภาษาสนทนาของ Google Llama

AI ความฉงนสนเท่ห์:

• รายละเอียดสินค้า: ความฉงนสนเท่ห์รวบรวมข้อมูลอินเทอร์เน็ตและให้คำตอบโดยละเอียด มั่นใจในความน่าเชื่อถือและความถูกต้องของข้อมูลผ่านการอ้างอิงและลิงก์อ้างอิง ขณะเดียวกันก็ให้ความรู้และแนะนำผู้ใช้ในการสอบถามและค้นหาคำหลัก ตอบสนองความต้องการในการสืบค้นที่หลากหลายของผู้ใช้

• การวิเคราะห์ข้อมูล: Perplexity มีผู้ใช้งานถึง 10 ล้านรายต่อเดือน และการเข้าชมแอปบนมือถือและเดสก์ท็อปเพิ่มขึ้น 8.6% ในเดือนกุมภาพันธ์ ดึงดูดผู้ใช้ได้ประมาณ 50 ล้านคน ในตลาดทุน Perplexity AI เพิ่งประกาศเงินทุน 62.7 ล้านดอลลาร์ ซึ่งมีมูลค่า 1.04 พันล้านดอลลาร์ นำโดย Daniel Gross โดยมีส่วนร่วมจาก Stan Druckenmiller และ NVIDIA

• การวิเคราะห์ทางเทคนิค: โมเดลหลักที่ใช้โดย Perplexity คือ GPT-3.5 ที่ได้รับการปรับแต่งอย่างละเอียด และโมเดลขนาดใหญ่สองโมเดลที่ได้รับการปรับแต่งอย่างละเอียดตามโมเดลขนาดใหญ่แบบโอเพ่นซอร์ส: pplx-7 b-online และ pplx-70 b-online แบบจำลองนี้เหมาะสำหรับการวิจัยทางวิชาการระดับมืออาชีพและการสอบถามในสาขาแนวตั้ง เพื่อให้มั่นใจในความถูกต้องและความน่าเชื่อถือของข้อมูล

กลางการเดินทาง:

• การแนะนำผลิตภัณฑ์: ผู้ใช้สามารถสร้างรูปภาพสไตล์และธีมต่างๆ ใน Midjourney ผ่านทาง Prompts ซึ่งครอบคลุมความต้องการเชิงสร้างสรรค์ที่หลากหลายตั้งแต่แบบสมจริงไปจนถึงแบบนามธรรม แพลตฟอร์มดังกล่าวยังมีการผสมและแก้ไขภาพ ทำให้ผู้ใช้สามารถวางซ้อนภาพและถ่ายโอนสไตล์ได้ ฟังก์ชันการสร้างแบบเรียลไทม์ของแพลตฟอร์มช่วยให้มั่นใจได้ว่าผู้ใช้สามารถรับภาพที่สร้างขึ้นได้ภายในสิบวินาทีถึงนาที

• การวิเคราะห์ข้อมูล: แพลตฟอร์มดังกล่าวมีผู้ใช้ที่ลงทะเบียนแล้ว 15 ล้านคน และผู้ใช้งาน 1.5 ล้านถึง 2.5 ล้านคน ในเวลาเดียวกัน ตามข้อมูลตลาดสาธารณะ Midjourney ไม่ได้รับเงินใดๆ จากสถาบันการลงทุน และอาศัยชื่อเสียงของผู้ก่อตั้ง David และทรัพยากรจากการลงทุนด้านผู้ประกอบการมากมายของเขาเพื่อบรรลุการพัฒนาแบบพึ่งพาตนเอง

• การวิเคราะห์ทางเทคนิค: Midjourney ใช้โมเดลโอเพนซอร์ซของตนเอง นับตั้งแต่เปิดตัว Midjourney V4 ในเดือนสิงหาคม 2022 แพลตฟอร์มดังกล่าวได้ใช้โมเดล AI แบบกระจายตามการแพร่กระจาย ว่ากันว่าโมเดลนี้ได้รับการฝึกฝนด้วยพารามิเตอร์ 30 ถึง 40 พันล้านพารามิเตอร์ ซึ่งเป็นรากฐานที่มั่นคงสำหรับความหลากหลายและความแม่นยำของภาพที่สร้างขึ้น

ภาวะที่กลืนไม่เข้าคายไม่ออกเชิงพาณิชย์

หลังจากพบกับ Web2 AI Agent หลายตัว เราได้สังเกตเห็นเส้นทางทั่วไปสำหรับการทำซ้ำผลิตภัณฑ์: จากการมุ่งเน้นไปที่งานที่มีรายละเอียดเพียงงานเดียวในระยะแรก ไปจนถึงการขยายขีดความสามารถเพื่อจัดการกับสถานการณ์งานหลายงานที่ซับซ้อนมากขึ้นในระยะต่อมา แนวโน้มนี้ไม่เพียงสะท้อนถึงศักยภาพของ AI Agent ในการปรับปรุงประสิทธิภาพการทำงานและขีดความสามารถด้านนวัตกรรม แต่ยังบ่งชี้ว่าพวกเขาจะมีบทบาทสำคัญมากขึ้นในอนาคต จากสถิติเบื้องต้นของโปรเจ็กต์ AI Agent 125 โปรเจ็กต์ใน Web2 เราพบว่าโปรเจ็กต์ส่วนใหญ่เน้นไปที่การสร้างเนื้อหา (เช่น Jasper AI) เครื่องมือในการพัฒนา (เช่น Replit) และบริการ B-side จำนวนมากที่สุด (เช่น Cresta ). การค้นพบนี้ตรงกันข้ามกับความคาดหวังของเรา ในตอนแรก เราคาดว่าด้วยเทคโนโลยีโมเดล AI ที่เติบโตเต็มที่ ตลาด C-end จะเห็นการเติบโตอย่างรวดเร็วของตัวแทน AI อย่างไรก็ตาม หลังจากการวิเคราะห์ เราพบว่าเส้นทางสู่การค้าของตัวแทน AI ฝั่ง C นั้นยากลำบากและซับซ้อนกว่าที่คาดไว้มาก

ยกตัวอย่าง Character.Ai ในแง่หนึ่ง Character.AI มีประสิทธิภาพการรับส่งข้อมูลที่ดีที่สุด อย่างไรก็ตาม เนื่องจากรูปแบบธุรกิจเดียว ซึ่งต้องเสียค่าธรรมเนียมการสมัครสมาชิก 9.9 USD และต้องเผชิญกับรายได้จากการสมัครสมาชิกเพียงเล็กน้อยและการใช้ต้นทุนในการอนุมานผู้ใช้จำนวนมาก ในที่สุด Google ก็เข้าซื้อทีมทั้งหมดเนื่องจากปัญหาในการสร้างรายได้จากการรับส่งข้อมูลและห่วงโซ่ทุน ปัญหา. กรณีนี้สะท้อนให้เห็นว่าแม้จะมีการรับส่งข้อมูลและการเงินที่ดี แต่แอปพลิเคชัน C-side AI Agent ก็ยังทำได้ยากในเชิงพาณิชย์ สิ่งนี้สะท้อนให้เห็นว่าผลิตภัณฑ์ส่วนใหญ่ยังไม่ผ่านมาตรฐานในการเปลี่ยนหรือช่วยเหลือแรงงานอย่างมีประสิทธิผล ส่งผลให้ผู้ใช้ C-end ไม่เต็มใจที่จะจ่ายค่าผลิตภัณฑ์ในปัจจุบันมากนัก ในการวิจัยและการสืบสวนจริงของเรา เราพบว่าโครงการสตาร์ทอัพจำนวนมากประสบปัญหาคล้ายกับ Character.ai การพัฒนา C-side AI Agent ไม่ได้ราบรื่นนัก แต่ต้องมีการวิจัยเชิงลึกเพิ่มเติมเกี่ยวกับวุฒิภาวะทางเทคโนโลยีและมูลค่าผลิตภัณฑ์ และนวัตกรรมรูปแบบธุรกิจผ่านการสำรวจเท่านั้นที่เราจะตระหนักถึงศักยภาพและคุณค่าในตลาดฝั่ง C

โดยการนับการประเมินมูลค่าของโครงการ AI Agent ส่วนใหญ่ เมื่อเทียบกับการประเมินมูลค่าของโครงการเพดานเช่น OpenAI และ xAI ยังมีที่ว่างสำหรับเกือบ 10-50 เท่า ปฏิเสธไม่ได้ว่าเพดานของแอปพลิเคชัน C-side Agent ยังสูงเพียงพอ ซึ่งพิสูจน์ได้ว่ายังคงเป็นเส้นทางที่ดี อย่างไรก็ตาม จากการวิเคราะห์ข้างต้น เราเชื่อว่าเมื่อเปรียบเทียบกับฝั่ง C แล้ว ตลาดฝั่ง B อาจเป็นจุดหมายปลายทางสุดท้ายของ AI Agent ด้วยการสร้างแพลตฟอร์ม องค์กรต่างๆ จะรวม AI Agent เข้ากับซอฟต์แวร์การจัดการ เช่น ฟิลด์แนวตั้ง, CRM และ OA ในสำนักงาน ซึ่งไม่เพียงปรับปรุงประสิทธิภาพการดำเนินงานสำหรับองค์กรเท่านั้น แต่ยังช่วยให้ AI Agent มีพื้นที่แอปพลิเคชันที่กว้างขึ้นอีกด้วย ดังนั้นเราจึงมีเหตุผลที่เชื่อได้ว่าบริการ B-side จะเป็นทิศทางหลักของการพัฒนาระยะสั้นของ AI Agent ในอินเทอร์เน็ตแบบดั้งเดิมของ Web2

สถานะการพัฒนาตัวแทน Web3 AI และการวิเคราะห์โอกาส

ภาพรวม โครงการ

จากการวิเคราะห์ก่อนหน้านี้ แม้แต่แอปพลิเคชัน AI Agent ที่ได้รับเงินทุนระดับสูงและมีปริมาณการใช้งานที่ดีก็ยังประสบปัญหาในเชิงพาณิชย์ ต่อไป เราจะทำการวิเคราะห์เชิงลึกเกี่ยวกับการพัฒนาปัจจุบันของโครงการ AI Agent ภายใน Web3 ด้วยการประเมินชุดโครงการที่เป็นตัวแทน รวมถึงนวัตกรรมทางเทคโนโลยี ประสิทธิภาพของตลาด ความคิดเห็นของผู้ใช้ และศักยภาพในการพัฒนา เรามุ่งมั่นที่จะค้นพบข้อเสนอแนะที่กระจ่างแจ้ง ภาพด้านล่างแสดงโครงการตัวแทนหลายโครงการที่ได้ออกโทเค็นและมีมูลค่าตลาดสูงในตลาด:

การรวบรวมโปรเจ็กต์ชั้นนำของ AI Agent ของ Web2 ที่มา: ฐานข้อมูลโปรเจ็กต์ ArkStream

ตามสถิติของเราในตลาดตัวแทน Web3 AI ประเภทของการพัฒนาโครงการยังแสดงให้เห็นถึงแนวโน้มที่ชัดเจนของการกระจุกตัวของภาคส่วน โครงการส่วนใหญ่จัดเป็นการก่อสร้างโครงสร้างพื้นฐาน และไม่มีโครงการสร้างเนื้อหา โปรเจ็กต์ส่วนใหญ่พยายามแก้ไขความต้องการการฝึกอบรมโมเดลของฝั่งโปรเจ็กต์ โดยอนุญาตให้ผู้ใช้จัดเตรียมข้อมูลแบบกระจาย พลังการประมวลผล ฯลฯ หรือลองสร้างแพลตฟอร์มแบบครบวงจรที่ฝังบริการและเครื่องมือแอปพลิเคชัน AI Agent ที่หลากหลาย ตั้งแต่เครื่องมือการพัฒนาไปจนถึงแอปพลิเคชันแบบโต้ตอบส่วนหน้า แอปพลิเคชันทั่วไป ฯลฯ อุตสาหกรรมตัวแทน AI แบบดั้งเดิมในปัจจุบันส่วนใหญ่จำกัดอยู่ที่การปรับพารามิเตอร์โอเพ่นซอร์สหรือการใช้โมเดลที่มีอยู่เพื่อสร้างแอปพลิเคชัน วิธีการนี้ล้มเหลวในการสร้างเอฟเฟกต์เครือข่ายที่สำคัญทั้งในระดับองค์กรและผู้ใช้แต่ละราย

การวิเคราะห์สถานการณ์ปัจจุบัน

เราเชื่อว่าปรากฏการณ์นี้ในระยะนี้อาจเกิดจากปัจจัยดังต่อไปนี้:

ตลาดและเทคโนโลยีไม่ตรงกัน: ในปัจจุบันการรวมกันของ Web3 และ AI Agent ไม่มีข้อได้เปรียบที่ชัดเจนเหนือตลาดแบบเดิม ซึ่งอาจส่งผลให้แอปพลิเคชันเชิงโต้ตอบและเชิงสร้างสรรค์บางแอปพลิเคชันมีการแข่งขันน้อยกว่าคู่แข่งแบบดั้งเดิมที่มีความสามารถด้านเทคนิคและการเงินที่แข็งแกร่งขึ้น

ข้อจำกัดสถานการณ์ของแอปพลิเคชัน: ในสภาพแวดล้อม Web3 อาจมีความต้องการที่แท้จริงไม่มากนักในการสร้างเนื้อหา เช่น รูปภาพ วิดีโอ หรือข้อความ ในทางตรงกันข้าม คุณลักษณะการกระจายอำนาจและการกระจายของ Web3 ถูกนำมาใช้มากขึ้นเพื่อลดต้นทุนและเพิ่มประสิทธิภาพในด้าน AI แบบดั้งเดิม แทนที่จะขยายสถานการณ์แอปพลิเคชันใหม่

เราเชื่อว่ารากเหง้าของปรากฏการณ์นี้สามารถสืบย้อนกลับไปถึงสถานะการพัฒนาในปัจจุบันของอุตสาหกรรม AI และทิศทางในอนาคต อาจเป็นเพราะเทคโนโลยี AI ในปัจจุบันยังอยู่ในช่วงเริ่มต้น คล้ายกับช่วงเปลี่ยนผ่านที่เครื่องยนต์ไอน้ำถูกแทนที่ด้วยมอเตอร์ไฟฟ้าในการปฏิวัติอุตสาหกรรมตอนต้น และยังไม่ถึงยุคการใช้พลังงานไฟฟ้าที่มีการใช้งานอย่างแพร่หลาย

เรามีเหตุผลที่เชื่อได้ว่าแนวโน้มการพัฒนา AI ในอนาคตอาจเป็นไปตามเส้นทางที่คล้ายกัน โมเดลทั่วไปจะค่อยๆ แข็งตัว ในขณะที่โมเดลที่ได้รับการปรับแต่งจะแสดงการพัฒนาที่หลากหลาย แอปพลิเคชัน AI จะกระจัดกระจายอย่างกว้างขวางในองค์กรและผู้ใช้แต่ละราย และโฟกัสจะเปลี่ยนไปที่การเชื่อมต่อและการโต้ตอบระหว่างโมเดลต่างๆ แนวโน้มนี้มีความสอดคล้องอย่างมากกับแนวคิดของ Web3 เนื่องจาก Web3 ขึ้นชื่อในด้านความสามารถในการเขียนและคุณสมบัติที่ไม่ได้รับอนุญาต ซึ่งสอดคล้องกับแนวคิดของการปรับแต่งโมเดลแบบกระจายอำนาจอย่างละเอียด นักพัฒนาซอฟต์แวร์ได้รับอิสระมากขึ้นในการรวมและปรับแต่งโมเดลต่างๆ ได้อย่างอิสระมากขึ้น ในเวลาเดียวกัน คุณสมบัติการกระจายอำนาจยังนำข้อดีที่เป็นเอกลักษณ์มาสู่การฝึกอบรมโมเดลในแง่ของการปกป้องความเป็นส่วนตัวของข้อมูลและการจัดสรรทรัพยากรคอมพิวเตอร์

ด้วยความก้าวหน้าของเทคโนโลยี โดยเฉพาะอย่างยิ่งการเกิดขึ้นของเทคโนโลยีใหม่ๆ เช่น LoRA (Low-Rank Adaptation) ต้นทุนและเกณฑ์ทางเทคนิคของการปรับแต่งโมเดลอย่างละเอียดจึงลดลงอย่างมาก ทำให้ง่ายต่อการพัฒนาโมเดลสาธารณะสำหรับสถานการณ์เฉพาะหรือตอบสนองความต้องการส่วนบุคคลของผู้ใช้ โครงการ AI Agent ภายใน Web3 สามารถใช้ประโยชน์จากความก้าวหน้าทางเทคโนโลยีนี้อย่างเต็มที่เพื่อสำรวจวิธีการฝึกอบรมใหม่ๆ กลไกการสร้างแรงจูงใจที่เป็นนวัตกรรมใหม่ และโมเดลใหม่ของการแบ่งปันโมเดลและการทำงานร่วมกันในด้านการฝึกอบรมโมเดลและการปรับแต่งอย่างละเอียด ซึ่งมักจะเป็นเรื่องยาก บรรลุผลในระบบรวมศูนย์แบบดั้งเดิม

นอกจากนี้ การมุ่งเน้นของโครงการ Web3 ในการฝึกอบรมโมเดลยังสะท้อนถึงการพิจารณาเชิงกลยุทธ์ในการครองตำแหน่งที่สำคัญในระบบนิเวศ AI ทั้งหมด ดังนั้นโครงการ AI Agent ในอุตสาหกรรม Web3 จึงมุ่งเน้นไปที่การฝึกอบรมโมเดล ซึ่งเป็นจุดตัดตามธรรมชาติของแนวโน้มการพัฒนาเทคโนโลยี ความต้องการของตลาด และข้อดีของอุตสาหกรรม Web3 ต่อไป เราจะยกตัวอย่างโครงการฝึกอบรมโมเดลต่างๆ ในอุตสาหกรรม Web2&3 และเปรียบเทียบ

โครงการอบรมต้นแบบ

Humans.ai

• การแนะนำโครงการ: Humans.ai คือไลบรารีโมเดลอัลกอริทึม AI ที่หลากหลายและสภาพแวดล้อมการใช้งานการฝึกอบรม ครอบคลุมหลายสาขา เช่น รูปภาพ วิดีโอ เสียง และข้อความ แพลตฟอร์มดังกล่าวไม่เพียงแต่สนับสนุนนักพัฒนาในการฝึกอบรมและเพิ่มประสิทธิภาพโมเดลของตนเท่านั้น แต่ยังช่วยให้พวกเขาสามารถแบ่งปันและแลกเปลี่ยนโมเดลของตนได้อีกด้วย นวัตกรรมที่สำคัญอย่างหนึ่งก็คือ Humans.ai ใช้ NFT เป็นสื่อกลางในการจัดเก็บโมเดล AI และข้อมูลชีวมาตรของผู้ใช้ ทำให้กระบวนการสร้างเนื้อหา AI เป็นส่วนตัวและปลอดภัยยิ่งขึ้น

• การวิเคราะห์ข้อมูล: โทเค็น Heart ของ Humans.ai มีมูลค่าตลาดประมาณ 68 ล้านดอลลาร์ Twitter มีผู้ติดตาม 56,000 คนและไม่เปิดเผยข้อมูลผู้ใช้

• การวิเคราะห์ทางเทคนิค: Humans.ai ไม่ได้พัฒนาโมเดลของตัวเอง แต่ใช้วิธีการแบบโมดูลาร์เพื่อรวมโมเดลที่มีให้ทั้งหมดไว้ใน NFT ทำให้ผู้ใช้ได้รับโซลูชัน AI ที่ยืดหยุ่นและปรับขนาดได้

FLock.io

• การแนะนำโครงการ: FLock.io เป็นแพลตฟอร์มร่วมสร้าง AI ที่ใช้เทคโนโลยีการเรียนรู้แบบรวมศูนย์ (วิธีการเรียนรู้ของเครื่องแบบกระจายอำนาจที่เน้นความเป็นส่วนตัวของข้อมูล) มีความมุ่งมั่นที่จะแก้ไขจุดบกพร่องในเส้นทาง AI เช่น สาธารณะต่ำ การมีส่วนร่วมและการปกป้องความเป็นส่วนตัวที่ไม่เพียงพอ และการผูกขาดเทคโนโลยี AI โดยบริษัทขนาดใหญ่ แพลตฟอร์มดังกล่าวช่วยให้ผู้ใช้มีส่วนร่วมกับข้อมูลในขณะที่ปกป้องความเป็นส่วนตัว ส่งเสริมการทำให้เป็นประชาธิปไตยและการกระจายอำนาจของเทคโนโลยี AI

• การวิเคราะห์ข้อมูล: การจัดหาเงินทุนรอบเริ่มต้นมูลค่า 6 ล้านดอลลาร์แล้วเสร็จในต้นปี 2567 นำโดย Lightspeed Faction และ Tagus Capital โดยมีส่วนร่วมจาก DCG, OKX Ventures และสถาบันอื่นๆ

• การวิเคราะห์ทางเทคนิค: สถาปัตยกรรมทางเทคนิคของ FLock.io ขึ้นอยู่กับการเรียนรู้แบบรวมศูนย์ ซึ่งเป็นแนวทางที่ส่งเสริมการกระจายอำนาจพร้อมทั้งปกป้องความเป็นส่วนตัวของข้อมูล นอกจากนี้ FLock.io ยังใช้เทคโนโลยี เช่น zkFL, การเข้ารหัสแบบโฮโมมอร์ฟิก และการประมวลผลหลายฝ่ายที่ปลอดภัย (SMPC) เพื่อให้การป้องกันเพิ่มเติมสำหรับความเป็นส่วนตัวของข้อมูล

• นี่คือโครงการฝึกอบรมโมเดล AI Agent ในอุตสาหกรรม Web3 นอกจากนี้ยังมีแพลตฟอร์มที่คล้ายกันใน Web2 ที่ให้บริการฝึกอบรมโมเดล เช่น Predibase

เพรดิเบส

• การแนะนำโครงการ: Predibase มุ่งเน้นไปที่ AI และการเพิ่มประสิทธิภาพโมเดลภาษาขนาดใหญ่ ทำให้ผู้ใช้สามารถปรับแต่งและปรับใช้โมเดลภาษาโอเพ่นซอร์สขนาดใหญ่ เช่น Llama, CodeLlama, Phi เป็นต้น แพลตฟอร์มดังกล่าวรองรับเทคนิคการปรับให้เหมาะสมหลายประการ เช่น การหาปริมาณ การปรับระดับต่ำ และการฝึกอบรมแบบกระจายที่มีประสิทธิภาพหน่วยความจำ

• การวิเคราะห์ข้อมูล: Predibase ประกาศเสร็จสิ้นการจัดหาเงินทุน Series A มูลค่า 12.2 ล้านดอลลาร์ ซึ่งนำโดย Felicis องค์กรขนาดใหญ่ เช่น Uber, Apple, Meta และบริษัทสตาร์ทอัพ เช่น Paradigm และ Koble.ai ต่างก็เป็นผู้ใช้แพลตฟอร์มนี้

• การวิเคราะห์ทางเทคนิค: ผู้ใช้ Predibase ได้ฝึกฝนโมเดลมากกว่า 250 รุ่น แพลตฟอร์มปัจจุบันใช้สถาปัตยกรรม LoRAX และเฟรมเวิร์ก Ludwig: LoRAX ช่วยให้ผู้ใช้สามารถให้บริการ LLM ที่ปรับแต่งอย่างละเอียดนับพันรายการบน GPU ตัวเดียว ซึ่งช่วยลดต้นทุนได้อย่างมากโดยไม่กระทบต่อปริมาณงานหรือความล่าช้า แม้ว่า Ludwig จะเป็นเฟรมเวิร์กที่ประกาศ แต่ Predibase ก็ใช้เพื่อพัฒนา ฝึกอบรม ปรับแต่ง และปรับใช้การเรียนรู้เชิงลึกและโมเดลภาษาขนาดใหญ่ที่ล้ำสมัย

• การวิเคราะห์โครงการ: แพลตฟอร์ม Predibase มีฟีเจอร์ที่ใช้งานง่าย และให้บริการสร้างแอปพลิเคชัน AI ที่ปรับแต่งได้สำหรับผู้ใช้ในระดับต่างๆ ไม่ว่าจะเป็นสำหรับผู้ใช้ C-side และ B-side หรือสำหรับผู้ที่เพิ่งเริ่มใช้หรือมีประสบการณ์ในด้าน AI

สำหรับผู้มาใหม่ คุณลักษณะการทำงานอัตโนมัติในคลิกเดียวของแพลตฟอร์ม Predibase ช่วยลดความยุ่งยากในการสร้างโมเดลและกระบวนการฝึกอบรม แพลตฟอร์มดังกล่าวทำให้ขั้นตอนการสร้างและการปรับใช้ที่ซับซ้อนเป็นไปโดยอัตโนมัติ สำหรับผู้ใช้ที่มีประสบการณ์ มีตัวเลือกการปรับแต่งเชิงลึกเพิ่มเติมให้เลือก ไม่เพียงให้บริการอัตโนมัติเท่านั้น แต่ยังช่วยให้ผู้ใช้สามารถเข้าถึงและปรับการตั้งค่าพารามิเตอร์ที่เป็นมืออาชีพมากขึ้น เมื่อเปรียบเทียบแพลตฟอร์มการฝึกอบรมโมเดล AI แบบดั้งเดิมกับโครงการ AI ในสาขา Web3 แม้ว่าแพลตฟอร์มเหล่านี้อาจจะคล้ายกันในกรอบงานและตรรกะโดยรวม แต่เราพบว่ามีความแตกต่างที่สำคัญบางประการในสถาปัตยกรรมทางเทคนิคและโมเดลธุรกิจระหว่างทั้งสอง

• ความลึกทางเทคนิคและนวัตกรรม: แพลตฟอร์มการฝึกอบรมโมเดล AI แบบดั้งเดิมมักจะนำอุปสรรคทางเทคนิคที่ลึกกว่ามาใช้ เช่น การใช้เทคโนโลยีที่พัฒนาตนเอง เช่น สถาปัตยกรรม LoRAX และกรอบงาน Ludwig เฟรมเวิร์กเหล่านี้มอบความสามารถอันทรงพลังที่ทำให้แพลตฟอร์มสามารถจัดการงานการฝึกโมเดล AI ที่ซับซ้อนได้ อย่างไรก็ตาม โครงการ Web3 อาจมุ่งเน้นไปที่การกระจายอำนาจและการเปิดกว้างมากขึ้นโดยไม่ต้องใช้เทคโนโลยีเชิงลึก

• ความยืดหยุ่นของโมเดลธุรกิจ: ในด้านการฝึกอบรมโมเดล AI แบบดั้งเดิม เราสังเกตเห็นว่าปัญหาคอขวดที่พบบ่อยคือความยืดหยุ่นที่ไม่เพียงพอของโมเดลธุรกิจ แพลตฟอร์มดังกล่าวกำหนดให้ผู้ใช้จ่ายเงินเพื่อฝึกอบรมโมเดล และแหล่งเงินทุนจำกัดพื้นที่การพัฒนาที่ยั่งยืนของโครงการ โดยเฉพาะอย่างยิ่งในระยะแรกที่ต้องอาศัยการมีส่วนร่วมของผู้ใช้อย่างกว้างขวางและการรวบรวมข้อมูล ในทางตรงกันข้าม โครงการ Web3 จะมีรูปแบบธุรกิจที่ยืดหยุ่นมากขึ้น เช่น โมเดลที่ขับเคลื่อนโดยชุมชนของเศรษฐกิจโทเค็น

• ความท้าทายของการคุ้มครองความเป็นส่วนตัว: การคุ้มครองความเป็นส่วนตัวเป็นอีกประเด็นสำคัญ ดู Predibase เป็นตัวอย่าง แม้ว่าจะให้บริการคลาวด์ส่วนตัวเสมือนบน AWS แต่สถาปัตยกรรมของบุคคลที่สามนี้ก็มีความเสี่ยงที่ข้อมูลจะรั่วไหลอยู่เสมอ

จุดสร้างความแตกต่างเหล่านี้กลายเป็นจุดคอขวดในอุตสาหกรรม AI แบบดั้งเดิม โดยไม่มีข้อยกเว้น เนื่องจากลักษณะของอินเทอร์เน็ต ปัญหาเหล่านี้จึงถูกกำหนดให้แก้ไขได้ยากกว่าด้วยวิธีที่มีประสิทธิภาพ ในขณะเดียวกันก็นำโอกาสและความท้าทายมาสู่ Web3 หากทีมงานโครงการเป็นผู้นำในการแก้ไขปัญหาเหล่านี้ ก็มีแนวโน้มที่จะกลายเป็นผู้บุกเบิกในอุตสาหกรรมนี้

โปรเจ็กต์ตัวแทนในประเภทอื่นๆ ของ Web3

หลังจากที่เราหารือเกี่ยวกับโครงการตัวแทน AI ประเภทการฝึกอบรมแบบจำลองแล้ว เราก็ได้ขยายขอบเขตของเราไปยังโครงการตัวแทน AI ประเภทอื่นๆ ในอุตสาหกรรม Web3 แม้ว่าโครงการเหล่านี้ไม่เพียงมุ่งเน้นไปที่การฝึกอบรมโมเดลเท่านั้น แต่ยังมีความโดดเด่นในด้านข้อมูลทางการเงิน ประสิทธิภาพการแลกเปลี่ยน มูลค่าตลาดโทเค็น ฯลฯ

ต่อไปนี้คือโครงการตัวแทนและตัวแทน AI ที่มีอิทธิพลหลายโครงการในสาขาของตน:

มายเชลล์

• การแนะนำผลิตภัณฑ์: มอบแพลตฟอร์ม AI Agent ที่ครอบคลุม ซึ่งช่วยให้ผู้ใช้สามารถสร้าง แบ่งปัน และปรับแต่งตัวแทน AI ให้เป็นแบบส่วนตัวได้ ตัวแทนเหล่านี้สามารถให้ความเป็นเพื่อนและช่วยเหลืองานเพื่อปรับปรุงประสิทธิภาพได้ แพลตฟอร์มดังกล่าวครอบคลุมสไตล์เอเจนต์ AI ที่หลากหลาย รวมถึงสไตล์สองมิติและแบบดั้งเดิม และรูปแบบเชิงโต้ตอบ ได้แก่ เสียง วิดีโอ และข้อความ สิ่งที่พิเศษเกี่ยวกับ MyShell ก็คือมันรวบรวมโมเดลที่มีอยู่หลากหลาย รวมถึง GPT 4o, GPT 4 และ Claude เพื่อให้ผู้ใช้ได้รับประสบการณ์ขั้นสูงของตัวแทน AI แบบเดิมที่ต้องชำระเงิน นอกจากนี้ แพลตฟอร์มดังกล่าวยังแนะนำระบบการซื้อขายที่คล้ายกับกราฟพันธะ FT เพื่อส่งเสริมให้ผู้สร้างพัฒนาโมเดล AI ที่มีมูลค่าสูง ในขณะเดียวกันก็ให้โอกาสผู้ใช้ในการลงทุนและแบ่งปันผลกำไร

• การวิเคราะห์ข้อมูล: การจัดหาเงินทุนรอบล่าสุดของ MyShell มีมูลค่าประมาณ 80 ล้านดอลลาร์สหรัฐ Dragonfly เป็นผู้นำการลงทุน และนักลงทุนที่มีชื่อเสียงอื่น ๆ เช่น Binance, Hashkey, Folius ฯลฯ ก็เข้าร่วมด้วย แม้ว่าจะไม่มีข้อมูลการเข้าถึงของผู้ใช้โดยเฉพาะ แต่ MyShell มีแฟน Twitter เกือบ 180,000 คนบนโซเชียลมีเดีย แม้ว่าจำนวนคนที่ออนไลน์ใน Discord มักจะไม่เกินหนึ่งในสิบของจำนวนแฟน ๆ ทั้งหมด แต่ก็แสดงให้เห็นว่าโปรเจ็กต์นี้มีกลุ่ม ผู้ใช้และนักพัฒนาที่ภักดี

• การวิเคราะห์ทางเทคนิค: MyShell ไม่ได้พัฒนาโมเดล AI อย่างอิสระ แต่ทำหน้าที่เป็นแพลตฟอร์มบูรณาการที่รวบรวมโมเดลล้ำสมัย เช่น Claude, GPT-4 และ 4o และอ้างว่าสนับสนุนโมเดลโอเพ่นซอร์สอื่นๆ กลยุทธ์นี้ช่วยให้ MyShell สามารถใช้ประโยชน์จากทรัพยากรทางเทคนิคที่มีอยู่เพื่อมอบประสบการณ์ AI ขั้นสูงที่เป็นหนึ่งเดียวแก่ผู้ใช้

• ประสบการณ์ส่วนตัว: MyShell ช่วยให้ผู้ใช้สามารถสร้างและปรับแต่งตัวแทน AI ได้อย่างอิสระตามความต้องการของตนเอง ไม่ว่าจะเป็นเพื่อนร่วมทางส่วนตัวหรือผู้ช่วยมืออาชีพ ก็สามารถปรับให้เข้ากับสถานการณ์ต่างๆ เช่น เสียงและวิดีโอ แม้ว่าผู้ใช้จะไม่ได้ใช้พร็อกซีของ MyShell ก็สามารถเพลิดเพลินกับโมเดล Web2 แบบชำระเงินที่ผสานรวมได้ในราคาที่ถูกกว่า นอกจากนี้ แพลตฟอร์มดังกล่าวยังรวมเอาแนวคิดทางเศรษฐกิจของ FT เข้าไปด้วย ซึ่งช่วยให้ผู้ใช้ไม่เพียงแต่ใช้บริการ AI เท่านั้น แต่ยังลงทุนในตัวแทน AI ที่พวกเขามองโลกในแง่ดี เพื่อเพิ่มผลกระทบด้านความมั่งคั่งผ่านกลไกเส้นโค้งแห่งพันธะ

ดีลีเซียม

• การแนะนำผลิตภัณฑ์: Delysium มอบเครือข่าย AI Agent ที่เน้นจุดประสงค์ ทำให้ตัวแทนสามารถร่วมมือกันได้ดียิ่งขึ้นเพื่อมอบประสบการณ์ Web3 ที่เป็นมิตรแก่ผู้ใช้ ปัจจุบัน Delysium ได้เปิดตัว AI Agent สองตัว ได้แก่ Lucy และ Jerry ลูซี่เป็นตัวแทน AI แบบเครือข่าย วิสัยทัศน์คือการให้ความช่วยเหลือด้านเครื่องมือ เช่น การสืบค้นที่อยู่การถือครองสกุลเงิน 10 อันดับแรก เป็นต้น อย่างไรก็ตาม ในปัจจุบัน ฟังก์ชันของตัวแทนในการดำเนินการตามเจตนารมณ์ในห่วงโซ่ยังไม่ได้เปิดขึ้น และสามารถทำได้ ปฏิบัติตามคำสั่งพื้นฐานบางอย่างเท่านั้น เช่น การวางเดิมพันภายในระบบนิเวศ AGI สามารถแลกเปลี่ยนเป็น USDT ได้ Jerry มีความคล้ายคลึงกับ GPT ในระบบนิเวศ Delysium และมีหน้าที่หลักในการตอบคำถามภายในระบบนิเวศ เช่น การแจกจ่ายโทเค็น

• การวิเคราะห์ข้อมูล: การจัดหาเงินทุนรอบแรกมีมูลค่า 400 W ดอลลาร์สหรัฐในปี 2565 และในปีเดียวกันนั้น มีการประกาศว่าได้เสร็จสิ้นการจัดหาเงินทุนเชิงกลยุทธ์จำนวน 10 ล้านดอลลาร์สหรัฐ ปัจจุบันโทเค็น AGI มี FDV ประมาณ 130 ล้านดอลลาร์ ไม่มีข้อมูลผู้ใช้ล่าสุด ตามสถิติอย่างเป็นทางการจาก Delysium ลูซี่ได้สะสมการเชื่อมต่อกระเป๋าเงินอิสระมากกว่า 1.4 ล้านครั้ง ณ เดือนมิถุนายน 2023

AI นอนไม่หลับ

• การแนะนำผลิตภัณฑ์: แพลตฟอร์มเกมคู่หูที่ผสานอารมณ์ซึ่งผสมผสานเทคโนโลยี Web3 และ AI Agent มอบเกมคู่หูเสมือน HIM และ HER และใช้ AIGC และ LLM เพื่อดึงดูดผู้ใช้ในการโต้ตอบกับตัวละครเสมือน ผู้ใช้สามารถปรับเปลี่ยนคุณลักษณะของตัวละคร เสื้อผ้า ฯลฯ ในระหว่างการสนทนาอย่างต่อเนื่อง รูปแบบภาษาขนาดใหญ่ที่เข้ากันได้ทำให้มั่นใจได้ว่าตัวละครจะย้ำตัวเองในทุกบทสนทนาและเข้าใจผู้ใช้มากขึ้น

• การวิเคราะห์ข้อมูล: โครงการระดมทุนได้ทั้งหมด 3.7 ล้านดอลลาร์สหรัฐ โดยมีนักลงทุนรวมถึง Binance Labs, Foresight Ventures และ Folius Ventures มูลค่าตลาดรวมของโทเค็นในปัจจุบันสูงถึงประมาณ 400 ล้านดอลลาร์สหรัฐ มีผู้ติดตาม Twitter 116,000 คน การจองที่ลงทะเบียน 190,000 ตามสถิติอย่างเป็นทางการ และผู้ใช้งาน 43,000 คน เรียกได้ว่าเหนียวแน่นกับผู้ใช้เลยทีเดียว

• การวิเคราะห์ทางเทคนิค: แม้ว่าเจ้าหน้าที่จะไม่ได้เปิดเผยว่าผลิตภัณฑ์ของตนใช้โมเดลภาษาใดขนาดใหญ่ในตลาด แต่ Sleepless AI ของพวกเขากำลังออกแบบการฝึกอบรม LLM เพื่อให้แน่ใจว่าผู้ใช้จะรู้สึกว่าตัวละครเข้าใจพวกเขาดีขึ้นเรื่อยๆ ในระหว่างกระบวนการแชท ในเวลาเดียวกัน มีการฝึกโมเดลแยกต่างหากสำหรับตัวละครแต่ละตัว และฐานข้อมูลเวกเตอร์และระบบพารามิเตอร์บุคลิกภาพจะรวมกันเพื่อให้ตัวละครมีหน่วยความจำ

• ประสบการณ์ส่วนตัว: AI นอนไม่หลับได้รับการติดต่อจากมุมมองเล่นฟรีผ่าน AI Boyfriend และ AI Girlfriend และไม่ได้รวมเข้ากับกล่องแชทของหุ่นยนต์สนทนาเพียงอย่างเดียว โปรเจ็กต์นี้ช่วยเพิ่มความถูกต้องของมนุษย์เสมือนจริงได้อย่างมากผ่านงานศิลปะที่มีค่าใช้จ่ายสูง แบบจำลองภาษาที่ทำซ้ำอย่างต่อเนื่อง การพากย์คุณภาพสูงและสมบูรณ์ และฟังก์ชันต่างๆ เช่น นาฬิกาปลุก เครื่องช่วยการนอนหลับ การบันทึกประจำเดือน มิตรภาพในการศึกษา ฯลฯ แอปพลิเคชันอื่นๆ ในตลาดไม่สามารถสัมผัสถึงคุณค่าทางอารมณ์ประเภทนี้ได้ นอกจากนี้ Sleepless AI ยังสร้างกลไกการชำระเงินเนื้อหาที่สมดุลในระยะยาว ผู้ใช้สามารถเลือกที่จะขาย NFT ได้โดยไม่ต้องตกอยู่ในภาวะที่กลืนไม่เข้าคายไม่ออกของ P2E หรือ Ponzi โมเดลนี้คำนึงถึงทั้งรายได้ของผู้เล่นและประสบการณ์การเล่นเกม

การวิเคราะห์โอกาส

ในอุตสาหกรรม Web3 โครงการ AI Agent ครอบคลุมหลายทิศทาง เช่น เครือข่ายสาธารณะ การจัดการข้อมูล การปกป้องความเป็นส่วนตัว เครือข่ายโซเชียล บริการแพลตฟอร์ม และความสามารถด้านคอมพิวเตอร์ จากมุมมองของมูลค่าตลาดโทเค็น มูลค่าตลาดโทเค็นรวมของโครงการ AI Agent มีมูลค่าเกือบ 3.8 พันล้านดอลลาร์สหรัฐ ในขณะที่มูลค่าตลาดรวมของเส้นทาง AI ทั้งหมดอยู่ใกล้กับ 16.2 พันล้านดอลลาร์สหรัฐ โครงการ AI Agent คิดเป็นประมาณ 23% ของมูลค่าตลาดในเส้นทาง AI

แม้ว่าจำนวนโปรเจ็กต์ AI Agent จะมีเพียงประมาณหนึ่งโหลเท่านั้น ซึ่งค่อนข้างน้อยเมื่อเทียบกับโปรเจ็กต์ในเส้นทาง AI ทั้งหมด แต่ส่วนแบ่งการประเมินในตลาดก็ใกล้เคียงกับหนึ่งในสี่ อัตราส่วนมูลค่าหลักทรัพย์ตามราคาตลาดในการติดตาม AI เป็นการยืนยันอีกครั้งว่ากลุ่มนี้มีศักยภาพในการเติบโตสูง

หลังจากทำสถิติแล้ว เราได้ตั้งคำถามหลัก: โครงการตัวแทนจะต้องมีลักษณะพิเศษอย่างไรเพื่อดึงดูดเงินทุนที่ยอดเยี่ยมและอยู่ในรายชื่อในการแลกเปลี่ยนชั้นนำ เพื่อตอบคำถามนี้ เราได้สำรวจโครงการในอุตสาหกรรมตัวแทนที่กำลังบรรลุผล เช่น Fetch.ai, Olas Network, SingularityNET และ Myshell

ไม่ใช่เรื่องยากที่จะพบว่าโครงการเหล่านี้ร่วมกันแสดงคุณลักษณะที่สำคัญบางประการ: ทั้งหมดอยู่ในโครงการรวบรวมแพลตฟอร์มในประเภทการก่อสร้างโครงสร้างพื้นฐาน การสร้างสะพาน ปลายด้านหนึ่งเชื่อมต่อผู้ใช้ที่ต้องการ Agent ที่ปลาย B หรือ C และ ส่วนอื่น ๆ ทำหน้าที่นักพัฒนาและผู้ตรวจสอบ - เหล่านี้เป็นผู้ใช้ที่รับผิดชอบในการดีบักโมเดลและการฝึกอบรมโมเดล ไม่ว่าการใช้งานในระดับใด พวกเขาได้สร้างวงจรปิดเชิงนิเวศที่สมบูรณ์

เราสังเกตเห็นว่าไม่ว่าผลิตภัณฑ์ที่พวกเขานำเสนอจะเกี่ยวข้องกับออนไลน์หรือออฟไลน์ สิ่งเหล่านี้ดูเหมือนจะไม่ใช่ปัจจัยที่สำคัญที่สุด สิ่งนี้นำเราไปสู่ข้อสรุปเบื้องต้น: ในฟิลด์ Web3 ตรรกะของ Web2 ในการมุ่งเน้นไปที่แอปพลิเคชันเชิงปฏิบัติอาจไม่สามารถใช้ได้อย่างสมบูรณ์ สำหรับผลิตภัณฑ์ AI Agent ชั้นนำใน Web3 การสร้างระบบนิเวศที่สมบูรณ์และการจัดเตรียมฟังก์ชันที่หลากหลายอาจมีความสำคัญมากกว่าคุณภาพและประสิทธิภาพของผลิตภัณฑ์ตัวเดียว กล่าวอีกนัยหนึ่ง ความสำเร็จของโครงการไม่เพียงแต่ขึ้นอยู่กับสิ่งที่นำเสนอเท่านั้น แต่ยังขึ้นอยู่กับวิธีการบูรณาการทรัพยากร ส่งเสริมการทำงานร่วมกัน และสร้างผลกระทบของเครือข่ายภายในระบบนิเวศ ความสามารถในการสร้างระบบนิเวศนี้อาจเป็นปัจจัยสำคัญที่ทำให้โครงการ AI Agent โดดเด่นในเส้นทาง Web3

วิธีที่ถูกต้องในการรวมโปรเจ็กต์ AI Agent ใน Web3 ไม่ใช่การมุ่งเน้นไปที่การพัฒนาเชิงลึกของแอปพลิเคชันเดียว แต่เป็นการนำโมเดลที่ครอบคลุมมาใช้ แนวทางนี้เกี่ยวข้องกับการโยกย้ายและบูรณาการกรอบผลิตภัณฑ์ที่หลากหลายและประเภทผลิตภัณฑ์ของยุค Web2 เข้ากับสภาพแวดล้อม Web3 เพื่อสร้างระบบนิเวศที่หมุนเวียนในตัวเอง สิ่งนี้เห็นได้ชัดจากการเปลี่ยนแปลงเชิงกลยุทธ์ของ OpenAI โดยเลือกเปิดตัวแพลตฟอร์มแอปพลิเคชันในปีนี้ แทนที่จะเพียงแค่อัปเดตโมเดล

โดยสรุปเราเชื่อว่าโครงการ AI Agent ควรเน้นในด้านต่อไปนี้:

• การสร้างระบบนิเวศ: เป็นมากกว่าแอปพลิเคชันเดียว และสร้างระบบนิเวศที่ประกอบด้วยบริการและฟังก์ชันที่หลากหลาย เพื่อส่งเสริมปฏิสัมพันธ์และเพิ่มมูลค่าระหว่างส่วนประกอบต่างๆ

• โมเดลทางเศรษฐกิจของโทเค็น: ออกแบบแบบจำลองทางเศรษฐกิจของโทเค็นที่เหมาะสมเพื่อสนับสนุนให้ผู้ใช้มีส่วนร่วมในการสร้างเครือข่ายและมีส่วนร่วมในข้อมูลและพลังการประมวลผล

• การรวมข้ามโดเมน: สำรวจศักยภาพแอปพลิเคชันของ AI Agent ในสาขาต่างๆ และสร้างสถานการณ์การใช้งานและคุณค่าใหม่ผ่านการบูรณาการข้ามโดเมน

• หลังจากสรุปประเด็นทั้งสามนี้แล้ว เรายังให้คำแนะนำที่เป็นการคาดการณ์ล่วงหน้าสำหรับฝ่ายต่างๆ ของโครงการที่มีจุดมุ่งเน้นที่แตกต่างกัน หนึ่งสำหรับผลิตภัณฑ์ด้านแอปพลิเคชันหลักที่ไม่ใช่ AI และอีกอันคือโปรเจ็กต์ดั้งเดิมที่เน้นไปที่เส้นทาง AI Agent

สำหรับผลิตภัณฑ์ด้านแอปพลิเคชันหลักที่ไม่ใช่ AI:

รักษาระยะยาว มุ่งเน้นไปที่ผลิตภัณฑ์หลักในขณะที่บูรณาการเทคโนโลยี AI และปรับตัวให้เข้ากับยุคสมัยและรอกระแส ภายใต้เทคโนโลยีและแนวโน้มของตลาดในปัจจุบัน เราเชื่อว่าการใช้ AI เป็นสื่อกลางในการดึงดูดผู้ใช้และเพิ่มขีดความสามารถในการแข่งขันของผลิตภัณฑ์ได้กลายเป็นหนทางสำคัญของความสามารถในการแข่งขัน แม้ว่าความจริงก็คือการมีส่วนร่วมที่แท้จริงของเทคโนโลยี AI ในการพัฒนาโครงการในระยะยาวยังคงเป็นเครื่องหมายคำถาม แต่เราเชื่อว่านี่เป็นหน้าต่างอันมีค่าสำหรับผู้บุกเบิกที่กล้านำเทคโนโลยี AI มาใช้ตั้งแต่เนิ่นๆ แน่นอนว่าหลักฐานก็คือพวกเขามีผลิตภัณฑ์ที่ดีมากอยู่แล้ว

ในระยะยาว หากเทคโนโลยี AI ประสบความสำเร็จในการพัฒนาครั้งใหม่ในอนาคต ฝ่ายโครงการที่ได้บูรณาการ AI จะสามารถทำซ้ำผลิตภัณฑ์ของตนได้รวดเร็วยิ่งขึ้น ซึ่งจะช่วยคว้าโอกาสและกลายเป็นผู้นำในอุตสาหกรรม เช่นเดียวกับในช่วงไม่กี่ปีที่ผ่านมา การสตรีมสดบนแพลตฟอร์มโซเชียลมีเดียได้ค่อยๆ เข้ามาแทนที่การขายออฟไลน์ และกลายเป็นวิธีการขายใหม่สำหรับการส่งออกปริมาณการเข้าชม ในเวลานั้น ผู้ค้าที่มีผลิตภัณฑ์ที่ยอดเยี่ยมและเลือกที่จะปรับตัวเข้ากับเทรนด์ใหม่ และลองสตรีมมิงสดเพื่อนำสินค้ามา เมื่ออีคอมเมิร์ซสตรีมมิงสดระเบิดขึ้นจริงๆ ผู้ค้าเหล่านี้ก็โดดเด่นทันทีโดยได้เปรียบจากการแทรกแซงตั้งแต่เนิ่นๆ

เราเชื่อว่าท่ามกลางความไม่แน่นอนของตลาด สำหรับผลิตภัณฑ์ด้านแอปพลิเคชันหลักที่ไม่ใช่ AI อาจเป็นการตัดสินใจเชิงกลยุทธ์ในการพิจารณาเปิดตัว AI Agent อย่างทันท่วงที ไม่เพียงแต่สามารถเพิ่มการเข้าถึงตลาดของผลิตภัณฑ์ในขณะนี้ แต่ยังนำจุดการเติบโตใหม่มาสู่ผลิตภัณฑ์ในการพัฒนาเทคโนโลยี AI อย่างต่อเนื่อง

สำหรับโปรเจ็กต์ดั้งเดิมที่เน้นไปที่ AI Agent:

การสร้างสมดุลระหว่างนวัตกรรมทางเทคโนโลยีกับความต้องการของตลาดคือกุญแจสู่ความสำเร็จ ในโครงการดั้งเดิมของ AI Agent ฝ่ายโครงการจำเป็นต้องให้ความสำคัญกับแนวโน้มของตลาด ไม่ใช่แค่การวิจัยและพัฒนาเทคโนโลยี ในปัจจุบัน โครงการตัวแทนบางโครงการที่รวม Web3 ในตลาดอาจมุ่งเน้นไปที่การพัฒนาในทิศทางทางเทคนิคเดียวมากเกินไป หรืออาจสร้างวิสัยทัศน์ที่ยิ่งใหญ่ แต่การพัฒนาผลิตภัณฑ์ไม่สามารถตามทันได้ สุดขั้วทั้งสองเป็นอันตรายต่อการพัฒนาโครงการในระยะยาว

ดังนั้น เราขอแนะนำว่าฝ่ายโครงการควรใส่ใจกับแนวโน้มของตลาดในขณะเดียวกันก็รับประกันคุณภาพของผลิตภัณฑ์ และตระหนักว่าตรรกะของแอปพลิเคชัน AI ในอุตสาหกรรมอินเทอร์เน็ตแบบเดิมใช้ไม่ได้กับ Web3 ในทางกลับกัน พวกเขาจำเป็นต้องเรียนรู้จากสิ่งเหล่านั้น ได้ประสบความสำเร็จในตลาด Web3 แล้ว ให้ความสนใจกับป้ายกำกับที่พวกเขามี เช่น ฟังก์ชันหลัก เช่น การฝึกอบรมโมเดลและการรวมแพลตฟอร์มที่กล่าวถึงในบทความ ตลอดจนเรื่องราวที่พวกเขาสร้างขึ้น เช่น โมดูลาร์ของ AI การทำงานร่วมกันหลายตัวแทน เป็นต้น การสำรวจเรื่องราวที่เซ็กซี่อาจเป็นกุญแจสำคัญในความก้าวหน้าของโครงการในตลาด

บทสรุป ไม่ว่าจะเป็นผลิตภัณฑ์หลักที่ไม่ใช่ AI หรือโครงการ AI Agent แบบเนทีฟ สิ่งที่สำคัญที่สุดคือการหาจังหวะเวลาและเส้นทางทางเทคนิคที่เหมาะสมเพื่อให้แน่ใจว่าคุณยังคงแข่งขันและมีนวัตกรรมในตลาดที่เปลี่ยนแปลงตลอดเวลา บนพื้นฐานของการรักษาคุณภาพผลิตภัณฑ์ ฝ่ายโครงการควรสังเกตแนวโน้มของตลาด เรียนรู้จากกรณีที่ประสบความสำเร็จ และในขณะเดียวกันก็สร้างสรรค์นวัตกรรมเพื่อให้บรรลุการพัฒนาที่ยั่งยืนในตลาด

สรุป

ในตอนท้ายของบทความ เราจะวิเคราะห์แทร็ก Web3 AI Agent จากหลายมุม:

• การลงทุนด้านทุนและความสนใจของตลาด: แม้ว่าปัจจุบันโครงการ AI Agent จะไม่มีความได้เปรียบในด้านจำนวนการจดทะเบียนในอุตสาหกรรม Web3 แต่ก็มีสัดส่วนเกือบ 50% ของการประเมินมูลค่าตลาด ซึ่งแสดงให้เห็นว่าตลาดทุนยอมรับในแนวทางนี้อย่างสูง ด้วยการลงทุนที่มากขึ้นและความสนใจของตลาดที่เพิ่มขึ้น มั่นใจว่าโครงการที่มีมูลค่าสูงจะปรากฏในเส้นทาง AI Agent มากขึ้น

• ความสามารถในการแข่งขันและนวัตกรรม: แนวการแข่งขันของเส้นทาง AI Agent ในอุตสาหกรรม Web3 ยังไม่เกิดขึ้นอย่างสมบูรณ์ ในปัจจุบัน ในระดับแอปพลิเคชันยังไม่มีผลิตภัณฑ์ที่ยอดเยี่ยมและเป็นผู้นำที่คล้ายกับ ChatGPT นี้ สร้างโอกาสที่ดีสำหรับฝ่ายโครงการใหม่ มีพื้นที่มากมายในการเติบโตและสร้างสรรค์ เมื่อเทคโนโลยีเติบโตเต็มที่และมีการพัฒนาโครงการก่อนหน้านี้ สนามแข่งนี้คาดว่าจะพัฒนาผลิตภัณฑ์ที่มีการแข่งขันมากขึ้น ซึ่งจะผลักดันให้การประเมินมูลค่าของสนามแข่งทั้งหมดสูงขึ้น

• ให้ความสนใจกับเศรษฐกิจโทเค็นและสิ่งจูงใจของผู้ใช้: ความสำคัญของ Web3 คือการปรับเปลี่ยนความสัมพันธ์ในการผลิต เพื่อให้กระบวนการปรับใช้และฝึกอบรมโมเดล AI แบบรวมศูนย์ตั้งแต่แรกเริ่มสามารถกระจายอำนาจได้มากขึ้น ด้วยการออกแบบทางเศรษฐกิจโทเค็นที่สมเหตุสมผลและโปรแกรมจูงใจผู้ใช้ การคำนวณแบบกระจายซ้ำที่ไม่ได้ใช้งาน การรวบรวมชุดพลังงานหรือข้อมูลส่วนบุคคลและการปกป้องความเป็นส่วนตัวของข้อมูลผ่านโซลูชันเช่น ZKML สามารถลดต้นทุนด้านพลังงานในการประมวลผลและข้อมูลได้มากขึ้น และช่วยให้ผู้ใช้แต่ละรายมีส่วนร่วมในการสร้างอุตสาหกรรม AI ได้มากขึ้น

โดยสรุป เรามีแง่ดีเกี่ยวกับเส้นทาง AI Agent เรามีเหตุผลที่เชื่อได้ว่าจะมีหลายโครงการที่มีมูลค่ามากกว่า 1 พันล้านดอลลาร์สหรัฐในเส้นทาง AI Agent จากการเปรียบเทียบในแนวนอน การเล่าเรื่องของ AI Agent นั้นเซ็กซี่เพียงพอ และพื้นที่ตลาดก็ใหญ่เพียงพอ การประเมินมูลค่าตลาดในปัจจุบันโดยทั่วไปอยู่ในระดับต่ำ เมื่อพิจารณาถึงการพัฒนาอย่างรวดเร็วของเทคโนโลยี AI การเติบโตของความต้องการของตลาด การลงทุน และศักยภาพด้านนวัตกรรมของบริษัทในการติดตาม ในอนาคตเมื่อเทคโนโลยีเติบโตเต็มที่และการรับรู้ของตลาดเพิ่มขึ้น เส้นทางนี้ก็คือ คาดว่าจะเกิดหลายโครงการมูลค่ากว่า 1 พันล้าน