في الختام، لم يتم القراءة

• في شركات الويب2 الناشئة ، مشاريع وكلاء الذكاء الاصطناعي شائعة وناضجة ، في المقام الأول في خدمات الشركات. في مجال الويب3 ، أصبحت المشاريع المركزة على تدريب النماذج وتجميع المنصات سائدة بسبب دورها الرئيسي في بناء البيئات البيئية.
• في الوقت الحالي، تشكل مشاريع وكلاء الذكاء الاصطناعي فقط 8٪ من مشاريع Web3، ولكن قيمتها السوقية تشكل ما يصل إلى 23٪ من قطاع الذكاء الاصطناعي. وهذا يدل على قوة التنافسية في السوق، ونتوقع أن تتجاوز عدة مشاريع تقدير قيمة تزيد عن 1 مليار دولار مع نضج التكنولوجيا وزيادة قبول السوق.
• بالنسبة لمشاريع Web3، يمكن أن يصبح دمج تقنية الذكاء الاصطناعي في التطبيقات الأساسية غير الذكاء الاصطناعي ميزة استراتيجية. عند الجمع بين مشاريع وكلاء الذكاء الاصطناعي، يجب أن يتم الانتباه إلى بناء النظام البيئي بأكمله وتصميم نماذج الاقتصاد الرمزي لتعزيز عمليات اللامركزية وتأثيرات الشبكة.

الموجة الذكية: المشاريع الناشئة والتقييمات المتزايدة

منذ إطلاق ChatGPT في نوفمبر 2022، جذب أكثر من 100 مليون مستخدم في غضون شهرين فقط. بحلول مايو 2024، بلغت إيرادات ChatGPT الشهرية 20.3 مليون دولار، وأصدرت OpenAI بسرعة إصدارات تتبعية مثل GPT-4 و GPT-4o. لقد دفع هذا الوتيرة السريعة الشركات التقنية التقليدية إلى التعرف على أهمية نماذج الذكاء الاصطناعي الحديثة مثل LLMs. قامت شركات مثل Google بإصدار نموذج اللغة الكبير PaLM2، وقامت Meta بإطلاق Llama3، وقدمت الشركات الصينية نماذج مثل Ernie Bot و Zhipu Qingyan، مما يسلط الضوء على الذكاء الاصطناعي كميدان معركة حاسم.

سباق بين العمالقة التكنولوجيين لم يسرع فقط في تطوير التطبيقات التجارية ولكنه أيضًا حفز البحث في الذكاء الاصطناعي مفتوح المصدر. يشير تقرير 2024 AI Index إلى أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على موقع GitHub ارتفع بشكل مذهل من 845 في عام 2011 إلى حوالي 1.8 مليون بحلول عام 2023، مع زيادة سنوية بنسبة 59.3٪ في عام 2023، مما يعكس حماسة المجتمع العالمي للمطورين تجاه البحث في الذكاء الاصطناعي.

ينعكس هذا الحماس لتكنولوجيا الذكاء الاصطناعي بشكل مباشر في سوق الاستثمار ، الذي شهد نموا هائلا في الربع الثاني من عام 2024. كان هناك 16 استثمارا مرتبطا ب الذكاء الاصطناعي تجاوزت 150 مليون دولار على مستوى العالم ، أي ضعف الربع الأول. ارتفع إجمالي تمويل الشركات الناشئة الذكاء الاصطناعي إلى 24 مليار دولار ، أي أكثر من الضعف على أساس سنوي. والجدير بالذكر أن شركة xAI التابعة ل Elon Musk جمعت 6 مليارات دولار ، بقيمة 24 مليار دولار ، مما يجعلها ثاني أعلى شركة ناشئة الذكاء الاصطناعي قيمة بعد OpenAI.

أفضل 10 تمويلات في قطاع الذكاء الاصطناعي في الربع الثاني من عام 2024، المصدر: ييوhttps://www.iyiou.com/data/202407171072366

يعيد التطور السريع في الذكاء الاصطناعي تشكيل المشهد التكنولوجي بوتيرة غير مسبوقة. من المنافسة الشرسة بين عمالقة التكنولوجيا إلى مجتمع المصادر المفتوحة المزدهر ، وحماس سوق رأس المال لمفاهيم الذكاء الاصطناعي ، تظهر المشاريع باستمرار ، وتصل مبالغ الاستثمار إلى مستويات قياسية جديدة ، والتقييمات تتصاعد تدريجيا. بشكل عام ، يمر سوق الذكاء الاصطناعي بعصر ذهبي من النمو السريع ، مع تطورات كبيرة في معالجة اللغة مدفوعة بنماذج لغوية كبيرة وتقنيات توليد معززة بالاسترجاع. ومع ذلك، لا تزال هناك تحديات في ترجمة هذه التطورات التكنولوجية إلى منتجات حقيقية، مثل عدم اليقين في مخرجات النماذج، وخطر توليد معلومات غير دقيقة (الهلوسة)، والقضايا المتعلقة بشفافية النموذج - خاصة في التطبيقات عالية الموثوقية.

في هذا السياق ، بدأنا البحث عن وكلاء الذكاء الاصطناعي ، والتي تؤكد على حل المشكلات والتفاعل مع بيئات العالم الحقيقي. يمثل هذا التحول تطور الذكاء الاصطناعي من نماذج اللغة البحتة إلى الأنظمة الذكية القادرة على فهم مشاكل العالم الحقيقي وتعلمها وحلها حقا. نحن نرى الوعد في وكلاء الذكاء الاصطناعي ، لأنهم يسدون تدريجيا الفجوة بين التكنولوجيا الذكاء الاصطناعي وحل المشكلات العملي. مع تطور الذكاء الاصطناعي لإعادة تشكيل أطر الإنتاجية ، تعيد Web3 بناء علاقات الإنتاج للاقتصاد الرقمي. عندما تندمج الركائز الثلاث ل الذكاء الاصطناعي - البيانات والنماذج وقوة الحوسبة - مع المبادئ الأساسية ل Web3 المتمثلة في اللامركزية والاقتصادات الرمزية والعقود الذكية ، فإننا نتوقع ولادة سلسلة من التطبيقات المبتكرة. في هذا التقاطع الواعد ، يظهر وكلاء الذكاء الاصطناعي ، بقدرتهم على تنفيذ المهام بشكل مستقل ، إمكانات هائلة للتطبيقات واسعة النطاق. لذلك ، نحن نتعمق في التطبيقات المتنوعة لوكلاء الذكاء الاصطناعي في Web3 ، من البنية التحتية ل Web3 والبرامج الوسيطة وطبقات التطبيقات إلى أسواق البيانات والنماذج ، بهدف تحديد وتقييم أنواع المشاريع الواعدة وسيناريوهات التطبيقات لتعميق فهمنا لتكامل الذكاء الاصطناعي-Web3.

توضيح المفهوم: مقدمة ونظرة عامة على تصنيف وكيل الذكاء الاصطناعي

مقدمة أساسية

قبل تقديم الذكاء الاصطناعي Agents ، لمساعدة القراء على فهم الفرق بين تعريفهم والنماذج التقليدية بشكل أفضل ، دعنا نستخدم سيناريو العالم الحقيقي كمثال: لنفترض أنك تخطط لرحلة. يوفر نموذج اللغة الكبيرة التقليدي معلومات الوجهة واقتراحات السفر. يمكن أن توفر تقنية الجيل المعزز بالاسترجاع (RAG) محتوى وجهة أكثر ثراء وتحديدا. في المقابل ، يتصرف وكيل الذكاء الاصطناعي مثل جارفيس من رجل الحديدالأفلام - فهو يفهم احتياجاتك، ويبحث بنشاط عن رحلات وفنادق استنادًا إلى طلبك، ويحجز، ويضيف الجدول الزمني الخاص بك.

في الصناعة، يتم تعريف وكلاء الذكاء الاصطناعي عمومًا بأنها أنظمة ذكية قادرة على إدراك البيئة واتخاذ إجراءات مناسبة من خلال جمع المعلومات البيئية من خلال الاستشعار، معالجتها، والتأثير على البيئة من خلال المشغلات (ستيوارت راسل وبيتر نورفيج، 2020). نحن نعتبر وكيلاً للذكاء الاصطناعي مساعدًا يدمج نماذج اللغة الكبيرة (LLM) وRAG والذاكرة وتخطيط المهام واستخدام الأدوات. إنه ليس فقط يوفر المعلومات ولكنه أيضًا يخطط ويفكك المهام وينفذها فعليًا.

بناءً على هذا التعريف والسمات، يمكننا أن نرى أن وكلاء الذكاء الاصطناعي قد تكاملوا بالفعل في حياتنا اليومية ويتم تطبيقهم في سيناريوهات مختلفة. على سبيل المثال، يمكن اعتبار AlphaGo و Siri والقيادة الذاتية لمستوى 5 وما فوق من Tesla أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة بين هذه الأنظمة هي قدرتها على تصور مدخلات المستخدم الخارجية واتخاذ قرارات تؤثر في العالم الحقيقي بناءً على تلك المدخلات.

لتوضيح المفاهيم باستخدام ChatGPT كمثال، من المهم التمييز بأنمحولهي الهندسة المعمارية التقنية التي تشكل أساس نماذج الذكاء الاصطناعي، بينما GPTيشير إلى سلسلة من النماذج المطورة بناءً على هذه الهندسة المعمارية. GPT-1 و GPT-4 و GPT-4o تمثل مراحل مختلفة من تطوير النموذج. يمكن اعتبار ChatGPT ، كتطور لنموذج GPT ، وكيل ذكاء اصطناعي.

نظرة عامة على التصنيف

حالياً، لا يوجد معيار تصنيف موحّد لوكلاء الذكاء الاصطناعي في السوق. من خلال وسم 204 مشروعًا لوكلاء الذكاء الاصطناعي عبر أسواق Web2 و Web3 استنادًا إلى ملامحها البارزة، قمنا بإنشاء تصنيفات أساسية وثانوية. تتضمن التصنيفات الأساسية البنية التحتية، وإنشاء المحتوى، وتفاعل المستخدم، والتي يتم تقسيمها بشكل أصدق استنادًا إلى حالات الاستخدام الفعلية:

• البنية التحتية: تركز على بناء المكونات الأساسية في مجال وكيل الذكاء الاصطناعي ، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير وخدمات الأعمال التجارية بين الشركات على مستوى المؤسسة.
• أدوات التطوير: توفير أدوات وإطارات مساعدة للمطورين لبناء وكلاء الذكاء الاصطناعي.
• معالجة البيانات: معالجة وتحليل البيانات في تنسيقات مختلفة، تستخدم بشكل رئيسي لمساعدة اتخاذ القرار وتوفير مصادر للتدريب.
• تدريب النموذج: يوفر خدمات تدريب النموذج للذكاء الاصطناعي، بما في ذلك الاستنتاج، وإنشاء النموذج والإعدادات، وما إلى ذلك.
• خدمات الأعمال إلى الأعمال: بشكل رئيسي للمستخدمين التجاريين، وتوفير خدمة الشركات، الحلول الرأسية والمتكاملة.
• تجميع المنصة: منصة تدمج العديد من خدمات الوكيل الذكي والأدوات.
• تفاعل المستخدم: على غرار إنشاء المحتوى ، ولكن مع التفاعل المستمر ثنائي الاتجاه. لا يقوم وكلاء التفاعل بفهم احتياجات المستخدم والاستجابة لها فحسب ، بل يقدمون أيضا ملاحظات باستخدام معالجة اللغة الطبيعية (NLP) ، مما يتيح الاتصال ثنائي الاتجاه.
• الرفق والمساعدة العاطفية: وكيل AI الذي يوفر الدعم العاطفي والرفق.
• وكالة الذكاء الاصطناعي القائمة على GPT استناداً إلى نموذج GPT (المحول التمهيدي الإنشائي للتدريب).
• البحث: وكيل يركز على وظائف البحث ويوفر استرداد معلومات أكثر دقة.
• إنشاء المحتوى: المشاريع المركزة على إنشاء محتوى باستخدام تقنيات النموذج الكبير استنادًا إلى تعليمات المستخدم، تصنف إلى إنشاء النصوص، إنشاء الصور، إنشاء الفيديو، وإنشاء الصوت.

تحليل تطوير وكيل AI للويب2

وبناءً على بحوثنا، فإن تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 يظهر تركيزًا واضحًا في قطاعات محددة. حوالي ثلثي المشاريع تركز على البنية التحتية، ولا سيما في خدمات الأعمال إلى الأعمال وأدوات المطور. قمنا بتحليل هذه الظاهرة وتحديد عدة عوامل رئيسية:

تأثير النضج التكنولوجي: ترجع هيمنة مشاريع البنية التحتية إلى حد كبير إلى نضج التقنيات الأساسية. وغالبا ما تبنى هذه المشاريع على تكنولوجيات وأطر راسخة، مما يقلل من صعوبة التنمية ومخاطرها. إنها بمثابة "مجارف" في مجال الذكاء الاصطناعي ، مما يوفر أساسا متينا لتطوير وتطبيق الذكاء الاصطناعي Agent.

طلب السوق: آخر عامل رئيسي هو طلب السوق. بالمقارنة مع سوق المستهلك، فإن سوق المؤسسات لديه حاجة أكثر إلحاحًا لتقنية الذكاء الاصطناعي، وخاصة للحلول التي تهدف إلى تحسين الكفاءة التشغيلية وتقليل التكاليف. بالنسبة للمطورين، يجعل التدفق النقدي المستقر من العملاء التجاريين من الشركات من السهل تطوير المشاريع التالية.

قيود التطبيق: في الوقت نفسه، لاحظنا أن الذكاء الاصطناعي لإنتاج المحتوى له سيناريوهات تطبيق محدودة في السوق B2B. نظرًا لعدم استقرار إخراجه، يميل الأعمال إلى تفضيل التطبيقات التي تعزز الإنتاجية بشكل موثوق به، وهذا هو السبب في أن الذكاء الاصطناعي لإنتاج المحتوى يشغل جزءًا أصغر من منظر البرنامج.

يعكس هذا الاتجاه الاعتبارات العملية لنضج التكنولوجيا وطلب السوق وسيناريوهات التطبيق. وبما أن تقدم تكنولوجيا الذكاء الاصطناعي يستمر وتصبح مطالب السوق أكثر وضوحًا ، فإننا نتوقع أن يتغير هذا المشهد ، ولكن من المرجح أن تبقى البنية التحتية عنصرًا أساسيًا في تطوير وكلاء الذكاء الاصطناعي.

تحليل مشاريع وكلاء الذكاء الاصطناعي الرائدين في Web2

تجميع مشاريع وكيل الذكاء الاصطناعي في Web2، المصدر: قاعدة بيانات مشروع ArkStream

لقد قمنا بتحليل بعض مشاريع وكلاء الذكاء الاصطناعي الرائدة في سوق الويب2، المستمدة من قاعدة بيانات مشروع ArkStream. باستخدام الذكاء الاصطناعي للشخصيات، الذكاء الاصطناعي للتعقيد، و Midjourney كأمثلة، ننغمس في تفاصيلها.

الشخصية الذكاء الاصطناعي:

• نظرة عامة على المنتج: تقدم Character.AI نظم محادثة قائمة على الذكاء الاصطناعي وأدوات إنشاء شخصيات افتراضية. تتيح المنصة للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية التي يمكنها الانخراط في محادثات بلغة طبيعية وأداء مهام محددة.
• تحليل البيانات: في شهر مايو، كان لدى Character.AI 277 مليون زيارة وأكثر من 3.5 مليون مستخدم نشط يوميًا، معظمهم في الفئة العمرية بين 18 و 34 عامًا، مما يشير إلى قاعدة مستخدمين أصغر سنًا. حققت Character AI أداءً جيدًا في السوق المالية، حيث جمعت 150 مليون دولار في تمويل بتقييم يبلغ مليار دولار، بقيادة a16z.
• تحليل فني: أبرمت شركة Character AI اتفاق ترخيص غير حصري مع Alphabet، شركة Google الأم، لاستخدام نموذجها اللغوي الكبير. وكان مؤسسا الشركة، نوام شازير ودانييل دي فريتاس، مشاركين في تطوير نموذج لغة المحادثة الخاص بـ Google، Llama.

Perplexity AI:

• نظرة عامة على المنتج: يقوم الإرباك بتصفح الإنترنت لتوفير إجابات مفصلة، مضمون موثوقية المعلومات من خلال الاستشهاد بالمراجع والروابط. يقوم بتثقيف وتوجيه المستخدمين في طرح الأسئلة التالية والبحث عن الكلمات الرئيسية، لتلبية احتياجات الاستعلام المتنوعة.
• تحليل البيانات: وصلت الارتباك إلى 10 ملايين مستخدم نشط شهريًا ، حيث نمت حركة تطبيقها المحمول وسطح المكتب بنسبة 8.6٪ في فبراير ، مجذبة حوالي 50 مليون مستخدم. رفعت Perplexity AI مؤخرًا 62.7 مليون دولار في التمويل ، بقيمة 1.04 مليار دولار ، بقيادة دانيال جروس ، بمشاركة ستان دراكنميلر و NVIDIA.
• يستخدم التحليل الفني بشكل أساسي نماذج GPT-3.5 المضبوطة بشكل جيد ونموذجين كبيرين مضبوطين بشكل جيد من النماذج مفتوحة المصدر: pplx-7b-online و pplx-70b-online. تكون هذه النماذج مناسبة للبحث الأكاديمي واستعلامات المجال الرأسي، مما يضمن مصداقية وموثوقية المعلومات.

Midjourney:

• نظرة عامة على المنتج: يمكن للمستخدمين إنشاء صور بأنماط ومواضيع مختلفة على Midjourney من خلال المشجعين ، مما يغطي مجموعة واسعة من الاحتياجات الإبداعية من الواقعية إلى التجريد. يوفر المنصة أيضًا خلط وتحرير الصور ، مما يتيح للمستخدمين وضع الصور ونقل الأنماط ، مع توليد في الوقت الحقيقي الذي يسمح بإخراج الصور في ثوانٍ إلى دقائق.
• تحليل البيانات: يحتوي المنصة على 15 مليون مستخدم مسجل ، مع 1.5 إلى 2.5 مليون مستخدم نشط. استنادًا إلى المعلومات العامة في السوق ، لم تجمع Midjourney أموالًا من المستثمرين واعتمدت على سمعة ديفيد الريادية والموارد الخاصة به.
• تحليل فني: يستخدم Midjourney نموذجًا مميزًا خاصًا به. منذ إصدار Midjourney V4 في أغسطس 2022 ، كانت المنصة تستخدم نموذج AI الجيل الذاتي الذي يعتمد على الانتشار. تتراوح معلمات تدريب النموذج من 30 إلى 40 مليارًا على ما يبدو ، مما يوفر أساسًا قويًا لتنوع ودقة إنتاج الصور.

تحديات التجارة

بعد تجربة العديد من وكلاء Web2 الذكاء الاصطناعي، لاحظنا مسارا شائعا لتكرار المنتج: من التركيز في البداية على مهام فردية محددة إلى توسيع قدراتها لاحقا للتعامل مع سيناريوهات أكثر تعقيدا ومتعددة المهام. يسلط هذا الاتجاه الضوء على إمكانات وكلاء الذكاء الاصطناعي في تحسين الكفاءة والابتكار ، مما يشير إلى أنهم سيلعبون دورا أكثر أهمية في المستقبل. استنادا إلى الإحصاءات الأولية ل 125 مشروعا الذكاء الاصطناعي Agent في Web2 ، وجدنا أن معظم المشاريع تتركز في إنشاء المحتوى (على سبيل المثال ، Jasper الذكاء الاصطناعي) ، وأدوات المطور (على سبيل المثال ، Replit) ، وخدمات B2B (على سبيل المثال ، Cresta) ، وهي الفئة الأكبر. كانت هذه النتيجة مخالفة لتوقعاتنا ، حيث توقعنا في البداية أنه مع النضج المتزايد لتقنية نموذج الذكاء الاصطناعي ، سيشهد السوق الاستهلاكية (C-end) نموا هائلا في الذكاء الاصطناعي Agents. ومع ذلك ، بعد مزيد من التحليل ، أدركنا أن تسويق وكلاء الذكاء الاصطناعي المستهلك أكثر تحديا وتعقيدا مما كان متوقعا.

خذ Character.AI كمثال. من ناحية ، تتمتع Character.AI ببعض من أفضل أداء حركة المرور. ومع ذلك ، نظرا لنموذج أعمالها الفريد - الذي يعتمد على رسوم اشتراك بقيمة 9.9 دولار أمريكي - فقد كافحت مع إيرادات الاشتراك المحدودة وتكاليف الاستدلال المرتفعة للمستخدمين الثقيلين ، مما أدى في النهاية إلى استحواذ Google عليها بسبب الصعوبات في تحقيق الدخل من حركة المرور والحفاظ على التدفق النقدي. توضح هذه الحالة أنه حتى مع حركة المرور والتمويل الممتازين ، تواجه تطبيقات C-end الذكاء الاصطناعي Agent تحديات تسويقية كبيرة. لم تصل معظم المنتجات بعد إلى المعيار الذي يمكن أن تحل فيه محل البشر أو تساعدهم بشكل فعال ، مما يؤدي إلى انخفاض رغبة المستخدم في الدفع. في بحثنا ، وجدنا أن العديد من الشركات الناشئة تواجه مشاكل مماثلة Character.AI ، مما يشير إلى أن تطوير وكلاء الذكاء الاصطناعي المستهلك ليس سلسا ويتطلب استكشافا أعمق للنضج التقني وقيمة المنتج وابتكار نموذج الأعمال لإطلاق إمكاناتهم في سوق C-end.

من خلال حساب تقييمات معظم مشاريع الذكاء الاصطناعي Agent ، مقارنة بتقييمات مشاريع السقف مثل OpenAI و xAI ، لا يزال هناك مجال لما يقرب من 10-50 مرة. لا يمكن إنكار أن سقف تطبيق C-side Agent لا يزال مرتفعا بدرجة كافية ، مما يثبت أنه لا يزال مسارا جيدا. ومع ذلك ، بناء على التحليل أعلاه ، نعتقد أنه بالمقارنة مع الجانب C ، قد يكون سوق الجانب B هو الوجهة النهائية لوكيل الذكاء الاصطناعي. من خلال إنشاء نظام أساسي ، تقوم المؤسسات بدمج الذكاء الاصطناعي Agent في برامج الإدارة مثل الحقول الرأسية وإدارة علاقات العملاء (CRM) والنفاذ المفتوح للمكاتب. هذا لا يحسن الكفاءة التشغيلية للمؤسسات فحسب ، بل يوفر أيضا الذكاء الاصطناعي Agent مساحة تطبيق أوسع. لذلك ، لدينا سبب للاعتقاد بأن خدمات الجانب B ستكون الاتجاه الرئيسي للتطوير قصير المدى لوكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2.

حالة تطوير وآفاق وكيل تطوير واجهة المستخدم الذكية لشبكة الويب 3

نظرة عامة على المشروع

كما تم تحليله سابقًا، حتى تطبيقات وكلاء الذكاء الاصطناعي ذات التمويل من الدرجة الأولى وحركة المرور الجيدة تواجه صعوبات في التسويق. فيما يلي، سنحلل التطور الحالي لمشاريع وكلاء الذكاء الاصطناعي في ويب3. من خلال تقييم سلسلة من المشاريع الممثلة - ابتكاراتها التقنية، وأدائها السوقي، وتغذية ردود الفعل من المستخدمين، وإمكانات النمو - نهدف إلى كشف اقتراحات مفيدة. يوضح الرسم البياني أدناه عدة مشاريع ممثلة قد أصدرت بالفعل رموزًا وتحتفظ بقيمة سوقية مرتفعة نسبيًا:

تجميع مشاريع وكلاء AI الرائدة في Web2 ، المصدر: قاعدة بيانات مشروع ArkStream

وفقا لإحصاءاتنا حول سوق Web3 الذكاء الاصطناعي Agent ، تظهر أنواع المشاريع التي يتم تطويرها أيضا تركيزا واضحا في قطاعات محددة. تندرج معظم المشاريع تحت البنية التحتية ، مع عدد أقل من مشاريع إنشاء المحتوى. تهدف العديد من هذه المشاريع إلى الاستفادة من البيانات الموزعة التي يوفرها المستخدم وقوة الحوسبة لتلبية احتياجات التدريب النموذجية لأصحاب المشاريع أو لإنشاء منصات الكل في واحد تدمج مختلف خدمات وأدوات الذكاء الاصطناعي Agent. من أدوات المطور إلى تطبيقات التفاعل الأمامية والتطبيقات التوليدية ، تقتصر معظم صناعات الذكاء الاصطناعي Agent التقليدية حاليا على تعديلات المعلمات مفتوحة المصدر أو تطبيقات البناء باستخدام النماذج الحالية. لم تولد هذه الطريقة بعد تأثيرات شبكة كبيرة للمؤسسات أو المستخدمين الأفراد.

تحليل الحالة

نحن نعتقد أن هذه الظاهرة في هذه المرحلة قد تكون مدفوعة بالعوامل التالية:

عدم تطابق السوق والتكنولوجيا: لا يظهر الجمع بين Web3 ووكلاء AI ميزة كبيرة في الأسواق التقليدية. تكمن الميزة الحقيقية في تحسين العلاقات الإنتاجية من خلال تحسين الموارد والتعاون من خلال التفريد. قد يتسبب ذلك في صعوبة التفاعل وتطبيقات الإنتاجية في المنافسة مع المنافسين التقليديين ذوي الموارد التقنية والمالية الأقوى.

قيود سيناريو التطبيق: في بيئة Web3 ، قد لا يكون هناك الكثير من الطلب على إنشاء الصور أو مقاطع الفيديو أو محتوى النص. بدلاً من ذلك ، يتم استخدام ميزات Web3 المتمركزة والموزعة بشكل أكبر لخفض التكاليف وتحسين الكفاءة داخل مجال الذكاء الاصطناعي التقليدي بدلاً من التوسع في سيناريوهات التطبيق الجديدة.

يمكن أن يكمن السبب الجذري لهذه الظاهرة في الحالة الحالية لتطور صناعة الذكاء الاصطناعي واتجاهها المستقبلي. تقنية الذكاء الاصطناعي لا تزال في مراحلها الأولى، تشبه الأيام الأولى للثورة الصناعية عندما تم استبدال المحركات البخارية بالمحركات الكهربائية. لم تصل بعد إلى مرحلة الكهربة التي تتطلب تطبيقات واسعة الانتشار.

ونعتقد أن مستقبل الذكاء الاصطناعي سيتبع على الأرجح مسارا مماثلا. ستصبح النماذج العامة موحدة تدريجيا ، بينما ستشهد النماذج المضبوطة تطورا متنوعا. سيتم توزيع تطبيقات الذكاء الاصطناعي على نطاق واسع عبر الشركات والمستخدمين الأفراد ، مع تحول التركيز إلى التوصيل البيني والتفاعل بين النماذج. يتوافق هذا الاتجاه بشكل وثيق مع مبادئ Web3 ، حيث تشتهر Web3 بقابليتها للتركيب وطبيعتها غير المصرح بها ، والتي تتناسب بشكل جيد مع فكرة الضبط اللامركزي للنماذج. سيتمتع المطورون بحرية أكبر في الجمع بين النماذج المختلفة وضبطها. بالإضافة إلى ذلك ، توفر اللامركزية مزايا فريدة في مجالات مثل حماية خصوصية البيانات وتخصيص موارد الحوسبة للتدريب على النماذج.

مع التطورات التكنولوجية، وخاصة ظهور الابتكارات مثل LoRA (التكيف ذو المرتبة المنخفضة)، تم تخفيض التكاليف والحواجز التقنية لضبط النموذج بشكل كبير. هذا يجعل من الأسهل تطوير نماذج عامة لسيناريوهات محددة أو لتلبية احتياجات المستخدمين الشخصية. يمكن لمشاريع وكلاء الذكاء الاصطناعي ضمن Web3 الاستفادة الكاملة من هذه التقدمات لاستكشاف أساليب التدريب الجديدة وآليات الحوافز المبتكرة ونماذج جديدة لمشاركة النماذج والتعاون، والتي غالباً ما تكون صعبة التحقيق في الأنظمة المركزية التقليدية.

وبالإضافة إلى ذلك، تركز تركيز مشاريع Web3 على تدريب النماذج على اعتبارات استراتيجية لأهميته ضمن نظام الذكاء الاصطناعي برمته. وبالتالي، تركز مشاريع وكلاء الذكاء الاصطناعي Web3 على تدريب النماذج هو تقارب طبيعي لاتجاهات التكنولوجيا وطلب السوق ومزايا صناعة Web3. في الجزء القادم، سنقدم أمثلة على مشاريع تدريب النماذج في كل من صناعتي Web2 و Web3 ونقوم بعمل مقارنات.

مشاريع تدريب النماذج

Humans.ai

• نظرة عامة على المشروع: Humans.ai هو مكتبة خوارزميات الذكاء الاصطناعي المتنوعة وبيئة نشر التدريب التي تغطي مجالات مختلفة مثل الصور ومقاطع الفيديو والصوت والنص. تدعم المنصة المطورين في تدريب النماذج وتحسينها بشكل أكبر، وتتيح لهم مشاركة وتداول نماذجهم. إحدى الابتكارات الملحوظة هي أن Humans.ai يستخدم NFTs لتخزين نماذج الذكاء الاصطناعي وبيانات البيومترية للمستخدمين، مما يجعل عملية إنشاء محتوى الذكاء الاصطناعي أكثر تخصيصاً وأماناً.
• تحليل البيانات: قيمة سوق رمز Humans.ai ، القلب ، حوالي 68 مليون دولار. لديهم 56 ألف متابع على تويتر ، على الرغم من أن بيانات المستخدم لم تتم الكشف عنها.
• التحليل التقني: Humans.ai لا تطور نماذجها الخاصة ولكنها تستخدم نهجًا مرنًا، وتقوم بتغليف جميع النماذج المتاحة في NFTs، مما يوفر للمستخدمين حلاً للذكاء الاصطناعي مرنًا وقابلاً للتوسيع.

FLock.io

• نظرة عامة على المشروع: FLock.io هي منصة تعاونية للذكاء الاصطناعي تعتمد على تقنية التعلم الاتحادي (طريقة التعلم الآلي اللامركزية التي تؤكد على خصوصية البيانات). تهدف إلى معالجة نقاط الضعف في مجال الذكاء الاصطناعي، مثل انخفاض المشاركة العامة، وحماية الخصوصية غير الكافية، واحتكار تقنية الذكاء الاصطناعي من قبل الشركات الكبيرة. تسمح المنصة للمستخدمين بالمساهمة بالبيانات مع حماية الخصوصية، وتعزيز تحقيق الديمقراطية واللامركزية في تقنية الذكاء الاصطناعي.
• تحليل البيانات: اكتملت FLock.io جولة بذرية بقيمة 6 ملايين دولار في بداية عام 2024، بقيادة Lightspeed Faction و Tagus Capital، مع مشاركة إضافية من DCG و OKX Ventures وآخرين.
• التحليل الفني: تعتمد هندسة FLock.io على التعلم الاتحادي، وهو أسلوب متميز يعزز حماية الخصوصية. كما أنها تستخدم zkFL والتشفير المتجانس، والحساب الآمن المتعدد الأطراف (SMPC) لتوفير تدابير إضافية لحماية الخصوصية.

هذه أمثلة على مشاريع تدريب النماذج في مجال وكيل الذكاء الاصطناعي Web3 ، ولكن منصات مماثلة موجودة أيضًا في Web2 ، مثل Predibase.

بريديبيس

• نظرة عامة على المشروع: يركز Predibase على تحسين نموذج اللغة الذكاء الاصطناعي والكبير ، مما يسمح للمستخدمين بضبط ونشر نماذج اللغات الكبيرة مفتوحة المصدر ، مثل Llama و CodeLlama و Phi. تدعم المنصة تقنيات التحسين المختلفة مثل التكميم ، والتكيف منخفض الرتبة ، والتدريب الموزع الفعال للذاكرة.
• تحليل البيانات: أعلنت بريدبيس عن اكتمال جولة التمويل السلسلة A بقيمة 12.2 مليون دولار بقيادة فيليسيس، مع شركات رئيسية مثل أوبر، آبل، ميتا، وشركات ناشئة مثل Paradigm و Koble.ai كمستخدمين للمنصة.
• التحليل الفني: قام مستخدمو Predibase بتدريب أكثر من 250 نموذجا. تستخدم المنصة بنية LoRAX وإطار عمل Ludwig: تمكن LoRAX الآلاف من LLMs المضبوطة بدقة من العمل على وحدة معالجة رسومات واحدة ، مما يقلل التكاليف بشكل كبير دون التأثير على الإنتاجية أو زمن الوصول. Ludwig هو إطار تعريفي يستخدمه Predibase لتطوير وتدريب وضبط ونشر أحدث نماذج التعلم العميق واللغة الكبيرة.
• تحليل المشروع: تقدم بريديبيز ميزات سهلة الاستخدام توفر خدمات بناء تطبيقات الذكاء الاصطناعي المخصصة لمستويات مختلفة من المستخدمين. سواء للمستخدمين C-end أو B-end ، وسواء كانوا مبتدئين أو محترفي الذكاء الاصطناعي ذوي الخبرة ، فإن بريديبيز تلبي مجموعة واسعة من الاحتياجات.

بالنسبة للمبتدئين ، يبسط نظام النقرة الواحدة للمنصة عملية بناء النموذج وعملية التدريب ، حيث يتعامل تلقائيًا مع المهام المعقدة. بالنسبة للمستخدمين المتمرسين ، يوفر خيارات تخصيص أعمق ، بما في ذلك الوصول إلى وضبط معلمات متقدمة أكثر. عند مقارنة منصات تدريب نماذج الذكاء الاصطناعي التقليدية مع مشاريع الذكاء الاصطناعي Web3 ، على الرغم من أن إطاراتها العامة ومنطقها قد تكون مماثلة ، إلا أننا وجدنا اختلافات كبيرة في الهندسة المعمارية التقنية ونماذج الأعمال.

• العمق التقني والابتكار: غالبًا ما يكون لدى منصات تدريب نماذج الذكاء الاصطناعي التقليدية حواجز تقنية أعمق ، مثل استخدام تقنيات مملوكة مثل هندسة البنية الأساسية وإطار لودفيج. توفر هذه الأطر الخصائص القوية ، مما يتيح للمنصة التعامل مع مهام تدريب نماذج الذكاء الاصطناعي المعقدة. ومع ذلك ، قد يركز مشاريع Web3 أكثر على اللامركزية والانفتاح ، مع تقليل التركيز على الابتكار التقني العميق.
• مرونة نموذج العمل: من الاختناقات الشائعة في التدريب التقليدي على نموذج الذكاء الاصطناعي الافتقار إلى المرونة في نموذج الأعمال. تتطلب المنصات عادة من المستخدمين الدفع لتدريب النماذج ، مما يحد من استدامة المشروع ، خاصة في المراحل المبكرة عندما تكون هناك حاجة إلى مشاركة واسعة من المستخدمين وجمع البيانات. في المقابل ، غالبا ما تحتوي مشاريع Web3 على نماذج أعمال أكثر مرونة ، مثل الرموز المميزة التي تقودها المجتمعات.
• تحديات حماية الخصوصية: حماية الخصوصية هي قضية رئيسية أخرى. على سبيل المثال ، على الرغم من أن Predibase تقدم خدمات سحابية خاصة افتراضية على AWS ، فإن الاعتماد على بنية الجهات الخارجية ينطوي دائما على مخاطر محتملة لتسرب البيانات.

هذه الاختلافات أصبحت عقبات في صناعة الذكاء الاصطناعي التقليدية. نظرًا لطبيعة الإنترنت، من الصعب حل هذه المشاكل بكفاءة. في الوقت نفسه، يُعرض هذا كلا الفرص والتحديات للويب 3، حيث من المحتمل أن تصبح المشاريع التي يمكنها حل هذه المشكلات أولاً روادًا في الصناعة.

فئات أخرى لمشاريع وكلاء الذكاء الاصطناعي في الويب3

بعد مناقشة مشاريع وكلاء الذكاء الاصطناعي المركزة على تدريب النماذج، نوسع الآن رؤيتنا لأنواع أخرى من مشاريع وكلاء الذكاء الاصطناعي في صناعة الويب3. تظهر هذه المشاريع، على الرغم من عدم التركيز بشكل حصري على تدريب النماذج، أداءً مميزًا فيما يتعلق بالتمويل وتقييم الرموز المميزة والحضور في السوق. فيما يلي بعض المشاريع الممثلة والمؤثرة لوكلاء الذكاء الاصطناعي في مجالاتها الخاصة:

Myshell

• نظرة عامة على المنتج: يوفر Myshell منصة وكيل الذكاء الاصطناعي الشاملة حيث يمكن للمستخدمين إنشاء ومشاركة وتخصيص وكلاء الذكاء الاصطناعي. يمكن لهؤلاء الوكلاء تقديم الرفقة ومساعدة في زيادة كفاءة العمل. تتضمن المنصة أنماط وكلاء الذكاء الاصطناعي متنوعة، من الأنمي إلى التقليدية، وتدعم التفاعلات عبر الصوت والفيديو والنص. ميزة بارزة هي دمج عدة نماذج موجودة، بما في ذلك GPT-4o و GPT-4 و Claude، مما يوفر تجربة متميزة. بالإضافة إلى ذلك، يقدم Myshell نظام تداول مشابه لمنحنيات الربط FT، محفزًا المبدعين على تطوير نماذج AI عالية القيمة مع منح المستخدمين فرصة للاستثمار والمشاركة في الأرباح.
• تحليل البيانات: جعل جولة التمويل الأخيرة لشركة Myshell قيمة الشركة حوالي 80 مليون دولار، بقيادة Dragonfly، مع مشاركة من Binance و Hashkey و Folius. مع ما يقرب من 180 ألف متابع على تويتر، لديها مجتمع مكرس من المستخدمين والمطورين، على الرغم من أن مشاركة Discord تقل عن واحد بالعشرة من قاعدة متابعيها.
• التحليل الفني: لا تقوم Myshell بتطوير نماذج الذكاء الاصطناعي بشكل مستقل ولكنها تعمل كمنصة اندماج، تجمع بين نماذج مثل Claude و GPT-4. تسمح لهذه الاستراتيجية بتقديم تجربة ذكاء اصطناعي موحدة ومتقدمة للمستخدمين.
• تجربة ذاتية: يتيح لمستخدمي MyShell إنشاء وتخصيص وكلاء AI بحرية وفقًا لاحتياجاتهم الخاصة. سواء كان ذلك كمرافق شخصي أو مساعد محترف، يمكنه التكيف مع مختلف السيناريوهات مثل الصوت والفيديو. حتى إذا لم يستخدم المستخدمون وكيل MyShell، يمكنهم الاستمتاع بنموذج الدفع المدمج في Web2 بتكلفة أقل. بالإضافة إلى ذلك، تجمع المنصة مفهوم الاقتصاد FT، مما يتيح للمستخدمين عدم استخدام خدمات AI فحسب، بل أيضًا الاستثمار في وكلاء AI الذين يتفائلون بهم، وزيادة التأثير الثروي من خلال آلية المنحنى الرابط.

ديليسيوم

• نظرة عامة على المنتج: يوفر Delysium شبكة وكيل الذكاء الاصطناعي تركز على النية ، مما يسمح للوكلاء بالتعاون بشكل أفضل لتزويد المستخدمين بتجربة Web3 ودية. حاليا ، أطلقت Delysium اثنين من وكلاء الذكاء الاصطناعي: لوسي وجيري. لوسي هي وكيلة الذكاء الاصطناعي متصلة بالشبكة. تتمثل الرؤية في تقديم المساعدة في الأداة ، مثل الاستعلام عن أفضل 10 عناوين لعقد العملات ، وما إلى ذلك. ومع ذلك ، لم يتم حاليا فتح وظيفة الوكيل لتنفيذ النوايا على السلسلة ، ويمكنه فقط تنفيذ بعض التعليمات الأساسية ، مثل تخزين AGI داخل النظام البيئي. أو استبدلها ب USDT. يشبه جيري GPT في نظام Delysium البيئي ، وهو مسؤول بشكل أساسي عن الإجابة على الأسئلة داخل النظام البيئي ، مثل توزيع الرمز المميز.
• تحليل البيانات: بلغت الجولة الأولى من التمويل 4 ملايين دولار أمريكي في عام 2022، وفي نفس العام تم الإعلان عن استكمالها تمويلا استراتيجيا بقيمة 10 ملايين دولار أمريكي. يحتوي الرمز المميز AGI حاليا على FDV يبلغ حوالي 130 مليون دولار. لا توجد أحدث بيانات المستخدم. وفقا للإحصاءات الرسمية من Delysium ، جمعت لوسي أكثر من 1.4 مليون اتصال محفظة مستقل اعتبارا من يونيو 2023.

الذكاء الاصطناعي السهران

• نظرة عامة على المنتج: منصة ألعاب رفيق عاطفي تجمع بين تقنية Web3 ووكيل AI لتوفير ألعاب رفيق افتراضي HIM و HER ، باستخدام AIGC و LLM لغمر المستخدمين في التفاعلات مع الشخصيات الافتراضية. يمكن للمستخدمين تعديل خصائص الشخصية والملابس ، وما إلى ذلك ، خلال المحادثة الجارية. يضمن نموذج اللغة الكبير المتوافق للشخصية أن تتكرر في كل محادثة وتصبح أكثر فهمًا للمستخدم.
• تحليل البيانات: جمع المشروع ما يصل إلى 3.7 مليون دولار، مع المستثمرين بما في ذلك بنانس لابس، وفورسايت فنتشرز، وفوليوس فنتشرز. وصلت القيمة السوقية الإجمالية الحالية للرموز إلى حوالي 400 مليون دولار. لديه 116 ألف متابع على تويتر، و190 ألف حجز تسجيل رسميًا، و43 ألف مستخدم نشط. يمكن القول أن لزومية المستخدم لديها قوة كبيرة.
• التحليل الفني: على الرغم من أن المسؤول لم يكشف عن النموذج اللغوي الرئيسي الذي يستند إليه منتجهم في السوق، إلا أن Sleepless AI تضمن أن يشعر المستخدمون بأن الشخصية تفهمهم أكثر وأكثر خلال عملية الدردشة. لذلك، عند تصميم تدريب LLM، يتدرب كل شخصية على نموذج على حدة، ويجمع قاعدة بيانات الناقل ونظام معلمات الشخصية للسماح للشخصية بأن تمتلك ذاكرة.
• تجربة ذاتية: يقترب الذكاء الاصطناعي بلا نوم الذكاء الاصطناعي Boyfriend و الذكاء الاصطناعي Girlfriend من منظور اللعب المجاني ، ولا يتم دمجه فقط في مربع الدردشة الخاص بروبوت المحادثة. يعزز المشروع بشكل كبير أصالة البشر الافتراضيين من خلال الفن عالي التكلفة ، ونماذج اللغة التكرارية باستمرار ، والدبلجة عالية الجودة والكاملة ، وسلسلة من الوظائف مثل المنبه ، ومساعدات النوم ، وتسجيل الدورة الشهرية ، والرفقة الدراسية ، وما إلى ذلك. لا يمكن أن تشعر التطبيقات الأخرى في السوق بهذا النوع من القيمة العاطفية. بالإضافة إلى ذلك ، تنشئ Sleepless الذكاء الاصطناعي آلية دفع محتوى متوازنة على المدى الطويل. يمكن للمستخدمين اختيار بيع NFT دون الوقوع في معضلة P2E أو Ponzi. يأخذ هذا النموذج في الاعتبار كل من دخل اللاعب وتجربة اللعبة.

تحليل الفرص

في صناعة ويب3 ، تغطي مشاريع وكيل الذكاء الاصطناعي اتجاهات متعددة بما في ذلك السلاسل العامة وإدارة البيانات وحماية الخصوصية والشبكات الاجتماعية وخدمات البنية التحتية وقوة الحوسبة. من حيث قيمة سوق الرموز ، بلغت القيمة الإجمالية لسوق الرموز لمشاريع وكيل الذكاء الاصطناعي ما يقرب من 3.8 مليار دولار ، في حين أن القيمة السوقية الإجمالية للمسار الذكاء الاصطناعي بلغت ما يقرب من 16.2 مليار دولار. تشكل مشاريع وكيل الذكاء الاصطناعي حوالي 23٪ من قيمة السوق في المسار الذكاء الاصطناعي.

على الرغم من وجود حوالي عشرة مشاريع AI Agent فقط ، وهو عدد قليل نسبيًا مقارنة بالمسار الكامل للذكاء الاصطناعي ، إلا أن قيمتها السوقية تمثل ما يقرب من ربعها. تؤكد هذه النسبة لقيمة السوق في المسار الذكاء الاصطناعي مرة أخرى اعتقادنا بأن هذا القسم الفرعي لديه إمكانات نمو كبيرة.

بعد تحليلنا، رفعنا سؤالاً أساسياً: ما هي السمات التي تحتاجها مشاريع الوكيل لجذب تمويل ممتاز والمدرجة في أعلى البورصات؟ للإجابة على هذا السؤال، استكشفنا المشاريع الناجحة في صناعة الوكيل، مثل Fetch.ai، Olas Network، SingularityNET، و Myshell.

وجدنا أن هذه المشاريع تتشارك في بعض الميزات الهامة: فهي جميعًا تنتمي إلى فئة تجميع المنصات في فئة البنية التحتية. إنها تبني جسرًا يربط بين المستخدمين الذين يحتاجون إلى وكلاء على الطرف الآخر (كل من B2B و B2C) والمطورين والمحققين المسؤولين عن تصحيح النماذج والتدريب عليها. بغض النظر عن مستوى التطبيق ، فقد أنشأوا جميعًا دورة إيكولوجية مغلقة كاملة.

لاحظنا أن ما إذا كانت منتجاتهم مرتبطة بالسلسلة أو خارج السلسلة لا يبدو أنها العامل الأكثر أهمية. يقودنا هذا إلى استنتاج أولي: في مجال Web3 ، قد لا ينطبق منطق التركيز على التطبيقات العملية في Web2 بشكل كامل. بالنسبة لمنتجات الذكاء الاصطناعي Agent الرائدة في Web3 ، قد يكون بناء نظام بيئي كامل وتوفير وظائف متنوعة أكثر أهمية من جودة وأداء منتج واحد. بمعنى آخر ، لا يعتمد نجاح المشروع على ما يقدمه فحسب ، بل يعتمد أكثر على كيفية دمج الموارد وتعزيز التعاون وخلق تأثيرات الشبكة داخل النظام البيئي. قد تكون هذه القدرة على بناء النظم البيئية عاملا رئيسيا لمشاريع الذكاء الاصطناعي Agent لتبرز في مسار Web3.

الأسلوب الصحيح للاندماج في مشاريع AI Agent في Web3 ليس التركيز على التطوير العميق لتطبيق واحد، ولكن اعتماد نموذج شامل. يتضمن هذا النهج ترحيل واندماج إطارات وأنواع منتجات متنوعة من عصر Web2 إلى بيئة Web3 لبناء بيئة دورية ذاتية. يمكن رؤية هذه النقطة أيضًا في التحول الاستراتيجي لـ OpenAI ، حيث اختاروا إطلاق منصة تطبيقات هذا العام بدلاً من تحديث نموذجهم فقط.

في الختام، نعتقد أن مشروع وكيل الذكاء الاصطناعي يجب أن يركز على الجوانب التالية:

• بناء النظام البيئي: تجاوز التطبيقات الفردية لبناء نظام بيئي يشمل العديد من الخدمات والوظائف، وتعزيز التفاعل وإضافة القيمة بين المكونات المختلفة.
• نموذج الرمز المالي: قم بتصميم نموذج اقتصادي للرمز المالي المعقول لتحفيز المستخدمين على المشاركة في بناء الشبكة والمساهمة بالبيانات وقوة الحوسبة.
• التكامل بين النطاقات المختلفة: استكشاف التطبيقات المحتملة لوكلاء الذكاء الاصطناعي في مجالات مختلفة ، وخلق سيناريوهات استخدام جديدة وقيمة من خلال التكامل بين النطاقات.

بعد تلخيص هذه الجوانب الثلاثة، نقدم أيضًا بعض الاقتراحات المتطلعة لفرق المشاريع ذات الاتجاهات المختلفة: واحدة لمنتجات التطبيقات غير الأساسية للذكاء الاصطناعي، وأخرى للمشاريع الأصلية التي تركز على مسار الوكيل الذكي.

لمنتجات التطبيقات الغير الأساسية للذكاء الصناعي:

الحفاظ على منظور طويل الأجل ، والتركيز على منتجاتهم الأساسية مع دمج التكنولوجيا الذكاء الاصطناعي ، وانتظر الفرصة المناسبة بما يتماشى مع العصر. في الاتجاهات التكنولوجية والسوقية الحالية ، نعتقد أن استخدام الذكاء الاصطناعي كوسيلة مرور لجذب المستخدمين وتعزيز القدرة التنافسية للمنتجات أصبح وسيلة مهمة للقدرة التنافسية. على الرغم من أن المساهمة الفعلية طويلة الأجل لتكنولوجيا الذكاء الاصطناعي في تطوير المشروع لا تزال علامة استفهام ، إلا أننا نعتقد أن هذا يوفر نافذة قيمة للمتبنين الأوائل لتكنولوجيا الذكاء الاصطناعي. بالطبع ، الفرضية هي أن لديهم بالفعل منتج قوي للغاية.

على المدى الطويل ، إذا حققت التكنولوجيا الذكاء الاصطناعي اختراقات جديدة في المستقبل ، فإن تلك المشاريع التي تم دمجها بالفعل الذكاء الاصطناعي ستكون قادرة على تكرار منتجاتها بسرعة أكبر ، وبالتالي اغتنام الفرص وتصبح رائدة في الصناعة. هذا مشابه لكيفية استبدال التجارة الإلكترونية المباشرة تدريجيا بالمبيعات غير المتصلة بالإنترنت كمنفذ حركة مرور جديد على منصات التواصل الاجتماعي في السنوات الأخيرة. في ذلك الوقت ، برز هؤلاء التجار الذين لديهم منتجات صلبة والذين اختاروا اتباع الاتجاه الجديد وتجربة التجارة الإلكترونية للبث المباشر على الفور مع ميزة الدخول المبكر عندما انفجرت التجارة الإلكترونية المباشرة حقا.

نعتقد أنه في ظل عدم اليقين في السوق، قد يكون من القرارات الاستراتيجية النظر في إدخال وكلاء الذكاء الاصطناعي بشكل موقت للمنتجات غير الأساسية للذكاء الاصطناعي. يمكن أن يزيد هذا ليس فقط من تعرض المنتج للسوق في الوقت الحاضر ولكن أيضًا يجلب نقاط نمو جديدة للمنتج في التطور المستمر لتكنولوجيا الذكاء الاصطناعي.

بالنسبة للمشاريع المحلية التي تركز على الذكاء الاصطناعي الوكلاء:

الموازنة بين الابتكار التكنولوجي والطلب في السوق هو مفتاح النجاح. في مشاريع وكيل الذكاء الاصطناعي الأصلية ، تحتاج فرق المشروع إلى التطلع إلى اتجاهات السوق ، وليس فقط تطوير التكنولوجيا. في الوقت الحالي ، قد تركز بعض مشاريع Web3-Integrated Agent في السوق بشكل مفرط على التطوير في اتجاه تقني واحد ، أو قامت ببناء رؤية كبرى ، لكن تطوير المنتج لم يواكب. كلا هذين النقيضين لا يفضيان إلى تطوير المشروع على المدى الطويل.

لذلك ، نقترح أن فرق المشروع ، مع ضمان جودة المنتج ، يجب أن تولي اهتماما لديناميكيات السوق ، وأن تدرك أن منطق التطبيق الذكاء الاصطناعي في صناعة الإنترنت التقليدية قد لا ينطبق على Web3. بدلا من ذلك ، يحتاجون إلى التعلم من تلك المشاريع التي حققت بالفعل نتائج في سوق Web3. ركز على التسميات التي لديهم ، مثل التدريب النموذجي والوظائف الأساسية لتجميع النظام الأساسي المذكورة في المقالة ، بالإضافة إلى الروايات التي ينشئونها ، مثل الذكاء الاصطناعي النمطية والتعاون متعدد الوكلاء. قد يصبح استكشاف الروايات المقنعة هو المفتاح للمشاريع لتحقيق اختراقات في السوق.

الاستنتاج

سواء كان منتجا أساسيا غير الذكاء الاصطناعي أو مشروع وكيل الذكاء الاصطناعي أصلي ، فإن أهم شيء هو العثور على التوقيت المناسب والمسار التقني لضمان بقائه قادرا على المنافسة والابتكار في السوق المتغيرة باستمرار. على أساس الحفاظ على جودة المنتج ، يجب على أطراف المشروع مراقبة اتجاهات السوق ، والتعلم من الحالات الناجحة ، وفي نفس الوقت الابتكار لتحقيق التنمية المستدامة في السوق.

ملخص

في نهاية المقالة ، نحلل مسار وكيل Web3 AI من زوايا متعددة:

• استثمار رأس المال واهتمام السوق: على الرغم من أن مشاريع الذكاء الاصطناعي Agent لا تتمتع حاليا بميزة في عدد القوائم في صناعة Web3 ، إلا أنها تمثل ما يقرب من 50٪ من تقييم السوق ، مما يدل على أن سوق رأس المال يدرك بشدة هذا المسار. مع المزيد من الاستثمار الرأسمالي وزيادة اهتمام السوق ، من المؤكد أن المزيد من المشاريع عالية القيمة ستظهر في مسار وكيل الذكاء الاصطناعي.
• المناظر الطبيعية التنافسية وقدرات الابتكار: لم يتشكل المناظر الطبيعية التنافسية لمسار وكيل الذكاء الاصطناعي بعد في صناعة Web3 بالكامل. على مستوى التطبيق الحالي ، لا يوجد منتج رائد وفريد مثل ChatGPT. هذا يمنح الأطراف الجديدة في المشروع الكثير من المجال للنمو والابتكار. مع نضج التكنولوجيا والمشاريع السابقة التي تتجدد ، من المتوقع أن يطور المسار منتجات أكثر تنافسية ، مما يدفع قيمة المسار بأكمله للارتفاع.
• انتبه إلى الرموز المميزة وحوافز المستخدم: تكمن أهمية Web3 في إعادة تشكيل علاقات الإنتاج وجعل العملية المركزية الأصلية لنشر النماذج الذكاء الاصطناعي وتدريبها أكثر لامركزية. من خلال تصميم الرموز المعقولة وبرامج حوافز المستخدم ، يمكن إعادة توزيع قوة الحوسبة الخاملة أو مجموعات البيانات الشخصية. بالإضافة إلى ذلك ، يمكن لحلول مثل ZKML حماية خصوصية البيانات ، مما يقلل من قوة الحوسبة وتكاليف البيانات ، ويسمح لمزيد من المستخدمين الفرديين بالمشاركة في بناء صناعة الذكاء الاصطناعي.

باختصار ، نحن متفائلون بشأن مسار وكيل الذكاء الاصطناعي. لدينا سبب للاعتقاد بأن مشاريع متعددة بتقييمات تتجاوز 1 مليار دولار ستظهر في هذا المسار. من خلال المقارنة الأفقية ، فإن سرد الذكاء الاصطناعي Agent مقنع بما فيه الكفاية ومساحة السوق كبيرة بما يكفي. تقييمات السوق الحالية منخفضة بشكل عام. بالنظر إلى التطور السريع للتكنولوجيا الذكاء الاصطناعي ، ونمو الطلب في السوق ، والاستثمار الرأسمالي وإمكانات الابتكار للشركات في المسار ، في المستقبل ، مع نضوج التكنولوجيا وزيادة قبول السوق ، من المتوقع أن يشهد هذا المسار ظهور مشاريع متعددة بتقييمات تزيد عن 1 مليار دولار.

بيان:

1. تم نقل هذه المقالة من [أرك ستريم كابيتال] ، العنوان الأصلي هو "تقرير أبحاث ArkStream Capital Track: هل يمكن أن يكون وكيل الذكاء الاصطناعي قشة منقذة للحياة ل Web3 + الذكاء الاصطناعي؟" إذا كان لديك أي اعتراضات على إعادة الطبع ، يرجى الاتصال فريق تعلم جيت، سيتم التعامل معها من قبل الفريق في أقرب وقت ممكن وفقا للإجراءات ذات الصلة.

2. إخلاء المسؤولية: الآراء ووجهات النظر الواردة في هذه المقالة تمثل فقط وجهات نظر المؤلف الشخصية ولا تشكل أي نصيحة استثمارية.

3. النسخ الأخرى من المقال مترجمة من قبل فريق Gate Learn، دون ذكرها فيGate.io، لا يجوز إعادة إنتاج المقالة المترجمة أو توزيعها أو سرقتها.