TL;DR
Web2 창업에서 인기 있고 성숙한 유형의 AI 에이전트 프로젝트는 주로 기업 측 서비스인 반면, Web3 분야에서는 생태계 구축의 핵심 역할로 인해 모델 교육 및 플랫폼 수집 프로젝트가 주류가 되었습니다.
현재 Web3의 AI Agent 프로젝트 수는 8%로 적지만, AI 트랙에서의 시장 가치는 23%에 달해 기술력만큼 강력한 시장 경쟁력을 보여줄 것으로 기대된다. 성숙해지고 시장 인지도가 높아지면 향후 가치 평가가 10억 달러를 초과하는 여러 프로젝트가 있을 것입니다.
Web3 프로젝트의 경우 AI 기술의 도입은 AI가 아닌 핵심 애플리케이션 제품에 대한 전략적 이점이 될 수 있습니다. AI Agent 프로젝트의 결합은 전체 생태계 구축과 토큰 경제 모델 설계에 초점을 맞춰 분산화 및 네트워크 효과를 촉진해야 합니다.
AI 웨이브: 반복되는 프로젝트와 밸류에이션 상승의 현 상황
ChatGPT는 2022년 11월 출시된 이후 단 2개월 만에 1억 명 이상의 사용자를 유치했으며, ChatGPT의 월 수익은 GPT-4와 같은 OpenAI Iterative 버전인 ChatGPT 출시 이후 무려 2,030만 달러에 달했습니다. GP 4-4 o도 빠르게 출시되었습니다. 이러한 급격한 추세에 따라 주요 전통 기술 대기업들은 LLM과 같은 최첨단 AI 모델 애플리케이션의 중요성을 깨닫고 자체 AI 모델 및 애플리케이션을 출시했습니다. 예를 들어 Google은 대규모 언어 모델 PaLM 2를 출시했고 Meta는 Llama를 출시했습니다. 3, 그리고 중국 기업들이 Wenxin Yiyan, Zhipu Qingyan과 같은 대규모 모델을 출시했습니다. AI 분야가 군사 전략가들의 전쟁터가 된 것은 분명합니다.
주요 기술 대기업 간의 경쟁은 상용 애플리케이션의 개발을 촉진할 뿐만 아니라 오픈 소스 AI 연구 조사 통계에서 2024 AI Index 보고서에 따르면 GitHub의 AI 관련 프로젝트 수가 2011년 845개에서 급증한 것으로 나타났습니다. 특히 GPT 출시 이후 2023년에는 프로젝트 수가 전년 대비 59.3% 증가해 AI 연구에 대한 글로벌 개발자 커뮤니티의 열정을 반영했다.
AI 기술에 대한 열광은 투자 시장에 직접적으로 반영되며, 2024년 2분기에는 강한 성장세를 보이며 폭발적으로 성장했다. 전 세계적으로 1억 5천만 달러 이상의 가치가 있는 16개의 AI 관련 투자가 있었는데, 이는 1분기에 비해 두 배나 많은 수치입니다. AI 스타트업에 대한 총 자금은 전년 대비 두 배 이상 증가한 240억 달러로 급증했습니다. 이 중 머스크의 xAI는 60억 달러를 투자해 기업가치 240억 달러로 오픈AI에 이어 두 번째로 높은 가치를 지닌 AI 스타트업이 됐다.
2024년 2분기 AI 트랙 파이낸싱 TOP 10, 출처: Yiou, https://www.iyiou.com/data/202407171072366
AI 기술의 급속한 발전은 전례 없는 속도로 과학기술 분야의 지형을 바꾸고 있습니다. 거대 기술 기업 간의 치열한 경쟁부터 오픈소스 커뮤니티 프로젝트의 활발한 개발, 자본 시장에서 AI 개념을 열정적으로 추구하는 것까지. 프로젝트가 속속 등장하고 투자금액도 사상 최고치를 경신했으며 그에 따라 밸류에이션도 상승했습니다. 전반적으로 AI 시장은 대규모 언어 모델과 검색 향상 생성 기술이 언어 처리 분야에서 상당한 발전을 이루는 등 급속한 발전의 황금기에 있습니다. 그럼에도 불구하고 이러한 모델은 모델 출력의 불확실성, 부정확한 정보 생성으로 인한 환각 위험, 모델 투명성 문제 등 기술적 이점을 실제 제품으로 변환하는 데 여전히 어려움에 직면해 있습니다. 이러한 문제는 매우 높은 안정성이 필요한 애플리케이션 시나리오에서 특히 중요합니다.
이러한 맥락에서 우리는 AI Agent를 연구하게 되었습니다. 왜냐하면 AI Agent는 실질적인 문제 해결과 환경과의 상호작용의 포괄성을 강조하기 때문입니다. 이러한 변화는 AI 기술이 순수 언어 모델에서 학습을 진정으로 이해하고 실제 문제를 해결할 수 있는 지능형 시스템으로 진화했음을 나타냅니다. 그래서 우리는 AI 기술과 실제 문제 해결 사이의 격차를 점차적으로 메워주는 AI Agent의 개발에서 희망을 봅니다. AI 기술의 진화는 생산성 구조를 지속적으로 재편하고 있으며, Web3 기술은 디지털 경제의 생산 관계를 재편하고 있습니다. AI의 세 가지 주요 요소인 데이터, 모델 및 컴퓨팅 성능이 분산화, 토큰 경제 및 Web3의 스마트 계약의 핵심 개념과 통합되면 일련의 혁신적인 애플리케이션이 탄생할 것으로 예상됩니다. 잠재력이 가득한 이 교차 분야에서 우리는 자율적으로 작업을 수행할 수 있는 능력을 갖춘 AI 에이전트가 대규모 애플리케이션에 대한 큰 잠재력을 보여주었다고 믿습니다. 이를 위해 우리는 가장 유망한 프로젝트 유형을 식별하고 평가하는 것을 목표로 Web3의 인프라, 미들웨어 및 애플리케이션 수준에서 데이터 및 모델 시장에 이르기까지 Web3에서 AI Agent의 다양한 애플리케이션에 대한 심층적인 연구를 시작했습니다. . 및 애플리케이션 시나리오를 통해 AI와 Web3의 심층 통합에 대해 더 깊이 이해합니다.
개념정의 : AI Agent 소개 및 분류개요
기본 소개
AI 에이전트를 소개하기 전에 독자들이 AI 에이전트의 정의와 모델 자체의 차이점을 더 잘 이해할 수 있도록 실제 시나리오를 예로 들어 보겠습니다. 여행을 계획한다고 가정해 보겠습니다. 전통적인 대형 언어 모델은 목적지 정보와 여행 권장 사항을 제공합니다. 검색 강화 생성 기술은 더욱 풍부하고 구체적인 대상 콘텐츠를 제공할 수 있습니다. AI 에이전트는 영화 아이언맨의 자비스(Jarvis)와 같다. 요구 사항을 파악하고 사용자의 말을 바탕으로 적극적으로 항공편과 호텔을 검색하고 예약 작업을 수행하며 일정을 캘린더에 추가할 수 있다.
현재 업계에서 AI 에이전트에 대한 일반적인 정의는 센서를 통해 환경 정보를 획득하고 처리 후 액추에이터를 통해 환경에 영향을 주는 지능형 시스템을 의미합니다(Stuart Russell Peter Norvig, 2020). 우리는 AI Agent가 LLM, RAG, 메모리, 작업 계획 및 도구 사용 기능을 통합하는 보조자라고 믿습니다. 순수한 정보를 제공할 수 있을 뿐만 아니라 작업을 계획하고 세분화하고 실제로 실행할 수도 있습니다.
이러한 정의와 특성을 바탕으로 AI 에이전트는 오랫동안 우리 생활에 통합되어 다양한 시나리오에서 사용되고 있음을 알 수 있습니다. 예를 들어 AlphaGo, Siri, Tesla의 L5 수준 이상의 자율 주행 등은 모두 AI로 간주될 수 있습니다. 에이전트. 이러한 시스템의 공통적인 특징은 외부 사용자 입력을 인식하고 이에 상응하는 응답을 하여 실제 환경에 영향을 미칠 수 있다는 것입니다.
개념을 명확히 하기 위해 ChatGPT를 예로 들면, Transformer는 AI 모델을 구성하는 기술 아키텍처이고, GPT는 이 아키텍처를 기반으로 개발된 모델 시리즈이며, GPT-1, GPT-4, GPT-4 o는 각기 다른 개발 단계에서 버전의 모델을 나타냅니다. ChatGP는 T를 GPT 모델을 기반으로 진화된 AI 에이전트로 사용합니다.
분류 개요
현재 AI 에이전트 시장은 아직 통일된 분류 기준이 형성되지 않은 상태로 Web2+Web3 시장의 204개 AI 에이전트 프로젝트에 라벨링을 하여 해당하는 중요 라벨을 기준으로 1차 분류와 2차 분류로 구분했습니다. 각 프로젝트에. 그 중 1차 분류는 인프라 구축, 콘텐츠 생성, 사용자 상호작용으로, 실제 사용 사례에 따라 세분화됩니다.
인프라 카테고리: 이 카테고리는 플랫폼, 모델, 데이터, 개발 도구 및 기본 애플리케이션을 위한 보다 성숙한 B측 서비스 카테고리를 포함하여 에이전트 필드의 하위 수준 콘텐츠 구축에 중점을 둡니다.
개발 도구: 개발자에게 AI 에이전트 구축을 위한 보조 도구 및 프레임워크를 제공합니다.
데이터 처리 범주: 주로 의사 결정을 지원하고 교육용 소스를 제공하는 데 사용되는 다양한 형식의 데이터를 처리 및 분석합니다.
모델 훈련 카테고리 : 추론, 모델 구축, 설정 등 AI를 위한 모델 훈련 서비스를 제공합니다.
B측 서비스: 주로 기업 사용자를 대상으로 기업 서비스, 수직 및 자동화 솔루션을 제공합니다.
플랫폼 컬렉션 클래스: 여러 AI Agent 서비스 및 도구를 통합하는 플랫폼입니다.
대화형 수업: 콘텐츠 생성 수업과 유사하지만 지속적인 양방향 상호작용이 있다는 점이 다릅니다. 대화형 에이전트는 사용자의 요구를 수용하고 이해할 뿐만 아니라 자연어 처리(NLP) 및 기타 기술을 통해 피드백을 제공하여 사용자와 양방향 상호 작용을 달성합니다.
정서적 교제: 정서적 지원과 교제를 제공하는 AI 에이전트입니다.
GPT 클래스: GPT(generative pre-training Transformer) 모델 기반의 AI Agent입니다.
검색 카테고리: 검색 기능에 중점을 두고 보다 정확한 정보 검색을 제공하는 에이전트입니다.
콘텐츠 생성 카테고리: 이 유형의 프로젝트는 대형 모델 기술을 사용하여 사용자 지시에 따라 다양한 형태의 콘텐츠를 생성하는 콘텐츠 제작에 중점을 두고 있으며 텍스트 생성, 이미지 생성, 비디오 생성 및 오디오 생성의 네 가지 범주로 나뉩니다.
Web2 AI Agent 개발 현황 분석
우리의 통계에 따르면 Web2 전통적인 인터넷에서 AI 에이전트의 개발은 부문 집중의 명백한 추세를 보여줍니다. 구체적으로, 프로젝트의 약 2/3가 인프라 구축 범주, 주로 B측 서비스 및 개발 도구에 집중되어 있습니다. 또한 이러한 현상에 대한 일부 분석도 수행했습니다.
기술 성숙도의 영향: 인프라 프로젝트가 지배적인 위치를 차지하는 이유는 무엇보다도 기술 성숙도 때문입니다. 이러한 프로젝트는 오랜 시간 테스트를 거친 기술과 프레임워크를 기반으로 구축되어 개발 어려움과 위험을 줄이는 경우가 많습니다. AI 분야의 삽과 맞먹는 AI Agent 개발 및 적용을 위한 탄탄한 기반을 제공한다.
시장 수요에 의해 주도: 또 다른 핵심 요소는 시장 수요입니다. 소비자 시장에 비해 기업 시장은 특히 운영 효율성을 개선하고 비용을 절감하기 위한 솔루션을 찾는 데 있어 AI 기술에 대한 요구가 더욱 시급합니다. 동시에 개발자의 경우 기업의 현금 흐름이 상대적으로 안정적이므로 후속 프로젝트를 개발하는 데 유리합니다.
적용 시나리오의 한계: 동시에 B엔드 시장에서 콘텐츠 생성 AI의 적용 시나리오가 상대적으로 제한적이라는 점을 확인했습니다. 생산량이 불안정하기 때문에 기업에서는 생산성을 꾸준히 높일 수 있는 애플리케이션을 선호합니다. 이로 인해 콘텐츠 생성 AI가 프로젝트 라이브러리의 더 작은 부분을 차지하게 됩니다.
이러한 추세는 기술 성숙도, 시장 수요 및 응용 시나리오에 대한 실질적인 고려 사항을 반영합니다. AI 기술이 지속적으로 발전하고 시장 수요가 더욱 명확해짐에 따라 이러한 패턴이 조정될 수 있을 것으로 예상하지만 인프라는 여전히 AI 에이전트 개발을 위한 견고한 초석이 될 것입니다.
Web2의 AI Agent 선도 프로젝트 분석
Web2의 AI Agent 주요 프로젝트 편집, 출처: ArkStream 프로젝트 데이터베이스
현재 Web2 시장에 출시된 일부 AI Agent 프로젝트를 살펴보고 Character AI, Perplexity AI, Midjourney를 예로 들어 분석하겠습니다.
캐릭터 AI:
제품 소개: Character.AI는 인공지능 기반의 대화 시스템과 가상 캐릭터 생성 도구를 제공합니다. 이 플랫폼을 통해 사용자는 자연어 대화를 하고 특정 작업을 수행할 수 있는 가상 캐릭터를 생성, 훈련 및 상호 작용할 수 있습니다.
데이터 분석: Character.AI의 5월 방문자 수는 2억 7,700만 명이며, 플랫폼의 일일 활성 사용자는 350만 명 이상이며, 이들 중 대부분이 18~34세 사이로 젊은 사용자 그룹의 특성을 보여줍니다. 캐릭터 AI는 a16z를 필두로 1억 5천만 달러의 자금조달을 완료하고 기업가치 10억 달러를 달성하는 등 자본시장에서 좋은 성과를 거두었습니다.
기술적 분석: Character AI는 Google 모회사인 Alphabet과 대규모 언어 모델 사용에 대한 비독점 라이선스 계약을 체결했는데, 이는 Character AI가 자체 개발한 기술을 사용하고 있음을 보여줍니다. 회사 창립자인 Noam Shazeer와 Daniel De Freitas가 Google의 대화형 언어 모델 Llama 개발에 참여했다는 점은 언급할 가치가 있습니다.
당혹감 AI:
제품 설명: Perplexity는 인터넷을 크롤링하여 자세한 답변을 제공합니다. 인용과 참고링크를 통해 정보의 신뢰성과 정확성을 확보함과 동시에, 사용자의 다양한 검색 요구에 부응하여 키워드를 조회하고 검색할 수 있도록 교육하고 안내합니다.
데이터 분석: Perplexity는 월간 활성 사용자가 1,000만 명에 이르렀고, 모바일 및 데스크톱 앱 트래픽이 2월에 8.6% 증가하여 약 5,000만 명의 사용자를 유치했습니다. 자본 시장에서 Perplexity AI는 최근 Daniel Gross가 주도하고 Stan Druckenmiller와 NVIDIA가 참여하여 6,270만 달러의 자금을 지원했으며 그 가치는 10억 4천만 달러에 달한다고 발표했습니다.
기술적 분석: Perplexity에서 사용하는 주요 모델은 미세 조정된 GPT-3.5이고 오픈 소스 대형 모델을 기반으로 미세 조정된 두 가지 대규모 모델인 pplx-7 b-online 및 pplx-70 b-online입니다. 이 모델은 정보의 진실성과 신뢰성을 보장하여 전문 분야의 학술 연구 및 쿼리에 적합합니다.
중간 여정:
제품 소개: 사용자는 Prompts를 통해 Midjourney에서 다양한 스타일과 테마의 이미지를 생성할 수 있으며 현실적인 것부터 추상적인 것까지 광범위한 창의적 요구 사항을 포괄합니다. 플랫폼은 또한 이미지 혼합 및 편집 기능을 제공하여 사용자가 이미지 오버레이 및 스타일 전송을 수행할 수 있도록 합니다. 플랫폼의 실시간 생성 기능을 통해 사용자는 수십 초에서 몇 분 내에 생성된 이미지를 얻을 수 있습니다.
데이터 분석: 플랫폼에는 이미 1,500만 명의 등록 사용자와 150만~250만 명의 활성 사용자가 있습니다. 동시에 공개 시장 정보에 따르면 Midjourney는 투자 기관으로부터 돈을 받지 않았으며 창업자 David의 명성과 그의 많은 기업 벤처에서 얻은 자원에 의존하여 자급자족적인 발전을 달성했습니다.
기술적 분석: Midjourney는 2022년 8월 Midjourney V4가 출시된 이후 자체 폐쇄 소스 모델을 사용하고 있습니다. 플랫폼은 확산 기반 생성 AI 모델을 사용해 왔습니다. 이 모델은 300억~400억 개의 매개변수로 훈련되어 생성되는 이미지의 다양성과 정확성에 대한 견고한 기반을 제공한다고 합니다.
상업화의 딜레마
여러 Web2 AI 에이전트를 경험한 후 우리는 초기 단계에서 단일 세부 작업에 집중하는 것부터 이후 단계에서 보다 복잡한 다중 작업 시나리오를 처리할 수 있는 기능을 확장하는 것까지 제품 반복의 일반적인 경로를 관찰했습니다. 이러한 추세는 업무 효율성과 혁신 역량을 향상시킬 수 있는 AI 에이전트의 잠재력을 반영할 뿐만 아니라 앞으로 AI 에이전트가 더욱 중요한 역할을 하게 될 것임을 나타냅니다. Web2의 125개 AI Agent 프로젝트에 대한 예비 통계를 통해 해당 프로젝트가 주로 콘텐츠 생성(예: Jasper AI), 개발 도구(예: Replit) 및 가장 많은 B-side 서비스(예: Cresta)에 집중되어 있음을 확인했습니다. ). 이는 처음에는 AI 모델 기술의 성숙도가 높아짐에 따라 C-end 시장에서 AI 에이전트의 폭발적인 성장이 이루어질 것으로 예상했던 것과는 정반대입니다. 그러나 분석 결과 C측 AI 에이전트의 상용화 과정은 예상보다 훨씬 험난하고 복잡하다는 사실을 깨달았습니다.
Character.Ai를 예로 들어보겠습니다. 한편으로는 Character.AI가 최고의 트래픽 성능을 가지고 있습니다. 그러나 단일 비즈니스 모델로 인해 9.9 USD의 구독료에 의존하고 구독 수입이 적고 사용자 추론 비용이 많이 소비되는 상황에서 트래픽 수익화 및 자본 체인의 어려움으로 인해 결국 팀 전체가 Google에 인수되었습니다. 문제. 이 사례는 이렇게 좋은 트래픽과 자금 조달에도 불구하고 C-side AI Agent 애플리케이션이 여전히 상용화하기가 매우 어렵다는 것을 반영합니다. 이는 대다수의 제품이 여전히 노동력을 대체하거나 효과적으로 지원하는 기준을 충족하지 못하여 C 최종 사용자가 현재 제품에 대한 비용을 지불할 의향이 없다는 것을 반영합니다. 실제 연구와 조사에서 우리는 많은 스타트업 프로젝트가 Character.ai와 유사한 문제에 직면했다는 것을 발견했습니다. C-side AI Agent의 개발은 순조롭게 진행되지 않으며 기술 성숙도, 제품 가치에 대한 보다 심층적인 연구가 필요합니다. , 비즈니스 모델 혁신을 통해서만 C-end 시장에서의 잠재력과 가치를 실현할 수 있습니다.
OpenAI, xAI 등 상한선 프로젝트의 가치와 비교하면 대부분의 AI 에이전트 프로젝트의 가치를 계산해 보면 여전히 10~50배에 가까운 여지가 있습니다. C-side Agent 신청 한도가 여전히 충분히 높다는 것은 부인할 수 없는 사실이며, 이는 여전히 좋은 트랙임을 입증합니다. 그러나 위의 분석을 바탕으로 우리는 C-side에 비해 B-side 시장이 AI Agent의 최종 목적지가 될 수 있다고 믿습니다. 플랫폼을 구축함으로써 기업은 AI 에이전트를 수직 분야, CRM, 사무실 OA 등의 관리 소프트웨어에 통합합니다. 이를 통해 기업의 운영 효율성이 향상될 뿐만 아니라 AI 에이전트에 더 넓은 애플리케이션 공간이 제공됩니다. 따라서 우리는 B측 서비스가 Web2 전통적인 인터넷에서 AI 에이전트의 단기 개발의 주요 방향이 될 것이라고 믿을 만한 이유가 있습니다.
Web3 AI Agent 개발 현황 및 전망 분석
프로젝트 개요
이전 분석에 따르면, 최고 수준의 자금 조달을 받고 사용자 트래픽이 좋은 AI 에이전트 애플리케이션조차도 여전히 상용화 문제에 직면해 있습니다. 다음으로 Web3 내 AI Agent 프로젝트의 현재 개발 상황에 대해 심층 분석을 진행하겠습니다. 기술 혁신, 시장 성과, 사용자 피드백 및 개발 잠재력을 포함한 일련의 대표적인 프로젝트를 평가함으로써 계몽적인 제안을 발굴하는 것을 목표로 합니다. 아래 그림은 토큰을 발행하고 시장에서 높은 시장 가치를 지닌 몇몇 대표적인 프로젝트를 보여줍니다.
Web2의 AI Agent 주요 프로젝트 편집, 출처: ArkStream 프로젝트 데이터베이스
Web3 AI 에이전트 시장에 대한 우리의 통계에 따르면, 프로젝트 개발 유형 또한 부문 집중의 분명한 추세를 보여줍니다. 대부분의 프로젝트가 인프라 건설로 분류되어 콘텐츠 생성 프로젝트가 부족합니다. 대부분의 프로젝트는 사용자가 분산 데이터, 컴퓨팅 성능 등을 제공할 수 있도록 하여 프로젝트 측의 모델 교육 요구 사항을 해결하려고 합니다. 아니면 다양한 AI Agent 애플리케이션 서비스와 도구를 내장한 원스톱 플랫폼을 구축해 보세요. 개발 도구부터 프런트 엔드 대화형 애플리케이션, 생성 애플리케이션 등에 이르기까지 기존 AI 에이전트 산업은 현재 주로 오픈 소스 매개변수 조정이나 기존 모델을 적용하여 애플리케이션을 구축하는 데 국한되어 있습니다. 이 방법은 기업 및 개인 사용자 수준 모두에서 상당한 네트워크 효과를 형성하지 못했습니다.
현황분석
우리는 현 단계의 이러한 현상이 다음 요인에 의해 유발될 수 있다고 믿습니다.
시장과 기술의 불일치: Web3와 AI 에이전트의 결합은 현재 기존 시장에 비해 뚜렷한 이점이 없습니다. 실제 이점은 분산형 접근 방식을 통해 생산 관계를 개선하고 리소스 및 협업을 최적화하는 데 있습니다. 이로 인해 일부 대화형 및 생성 애플리케이션은 더 강력한 기술 및 재정적 역량을 갖춘 기존 경쟁업체보다 경쟁력이 떨어질 수 있습니다.
애플리케이션 시나리오 제한 사항: Web3 환경에서는 이미지, 비디오 또는 텍스트와 같은 콘텐츠를 생성하는 데 필요한 실제 요구 사항이 그리 많지 않을 수 있습니다. 반대로 Web3의 분산 및 분산 기능은 새로운 응용 시나리오를 확장하기보다는 기존 AI 분야에서 비용을 절감하고 효율성을 높이는 데 더 많이 사용됩니다.
우리는 이러한 현상의 뿌리를 AI 산업의 현재 발전 상황과 향후 방향에서 찾을 수 있다고 믿습니다. 이는 산업혁명 초기에 증기기관이 전기모터로 대체되던 과도기와 마찬가지로, 현재의 AI 기술이 아직 초기 단계이고, 아직 널리 적용되는 전동화 시대에 이르지 못했기 때문일 것이다.
우리는 AI 개발의 미래 추세가 비슷한 경로를 따를 것이라고 믿을 만한 이유가 있습니다. 일반 모델은 점차 단단해지며, 미세 조정 모델은 다각적인 발전을 보일 예정이다. AI 애플리케이션은 다양한 기업과 개인 사용자에게 널리 분산될 것이며 모델 간의 상호 연결과 상호 작용에 초점이 옮겨갈 것입니다. 이러한 추세는 Web3의 개념과 매우 일치합니다. 왜냐하면 Web3는 분산형 모델 미세 조정 개념과 일치하는 구성 가능성 및 무허가 기능으로 유명하기 때문입니다. 개발자는 다양한 모델을 더 자유롭게 결합하고 조정할 수 있습니다. 동시에 분산화 기능은 데이터 개인 정보 보호 및 컴퓨팅 리소스 할당 측면에서 모델 교육에 고유한 이점을 제공합니다.
기술의 발전, 특히 LoRA(Low-Rank Adaptation)와 같은 신기술의 출현으로 모델 미세 조정에 필요한 비용과 기술 임계값이 크게 감소했습니다. 이를 통해 특정 시나리오에 대한 공개 모델을 더 쉽게 개발하거나 사용자 개인화된 요구 사항을 충족할 수 있습니다. Web3 내의 AI 에이전트 프로젝트는 이러한 기술적 진보를 최대한 활용하여 종종 어려운 모델 훈련 및 미세 조정 분야에서 새로운 훈련 방법, 혁신적인 인센티브 메커니즘, 모델 공유 및 협업의 새로운 모델을 탐색할 수 있습니다. 전통적인 중앙 집중식 시스템에서 달성합니다.
또한 Web3 프로젝트가 모델 훈련에 중점을 둔 것은 전체 AI 생태계에서 중요한 위치를 차지하려는 전략적 고려 사항도 반영합니다. 따라서 Web3 산업의 AI 에이전트 프로젝트는 기술 개발 동향, 시장 수요 및 Web3 산업의 장점이 자연스럽게 교차하는 모델 교육 분야에 중점을 둡니다. 다음으로 Web23 업계의 여러 모델 교육 프로젝트의 예를 제시하고 비교해 보겠습니다.
모델 교육 프로젝트
Humans.ai
프로젝트 소개: Humans.ai는 이미지, 비디오, 오디오, 텍스트 등 다양한 분야를 포괄하는 다양한 AI 알고리즘 모델 라이브러리 및 교육 배포 환경입니다. 이 플랫폼은 개발자가 모델을 추가로 훈련하고 최적화할 수 있도록 지원할 뿐만 아니라 모델을 공유하고 거래할 수도 있습니다. 중요한 혁신은 Humans.ai가 NFT를 매체로 사용하여 AI 모델과 사용자 생체 인식 데이터를 저장함으로써 AI 콘텐츠 생성 프로세스를 더욱 개인화되고 안전하게 만든다는 점입니다.
데이터 분석: Humans.ai의 토큰 Heart의 시가총액은 약 6,800만 달러입니다. 트위터에는 56,000명의 팔로워가 있으며 사용자 데이터를 공개하지 않습니다.
기술적 분석: Humans.ai는 자체 모델을 개발하지 않지만, 제공된 모든 모델을 NFT로 캡슐화하는 모듈식 접근 방식을 채택하여 사용자에게 유연하고 확장 가능한 AI 솔루션을 제공합니다.
FLock.io
프로젝트 소개: FLock.io는 연합 학습 기술(데이터 프라이버시를 강조하는 분산형 기계 학습 방법)을 기반으로 하는 AI 공동 창작 플랫폼입니다. 참여와 개인 정보 보호 부족, 대기업의 AI 기술 독점. 이 플랫폼을 통해 사용자는 개인정보를 보호하면서 AI 기술의 민주화와 분산화를 촉진하면서 데이터를 제공할 수 있습니다.
데이터 분석: Lightspeed Faction과 Tagus Capital이 주도하고 DCG, OKX Ventures 및 기타 기관이 참여하여 2024년 초에 600만 달러의 시드 자금 조달이 완료되었습니다.
기술적 분석: FLock.io의 기술 아키텍처는 데이터 개인 정보를 보호하면서 분산화를 촉진하는 접근 방식인 연합 학습을 기반으로 합니다. 또한 FLock.io는 zkFL, 동형 암호화 및 SMPC(Secure Multi-Party Computation)와 같은 기술을 사용하여 데이터 개인 정보 보호를 위한 추가 보호 기능도 제공합니다.
이는 Web3 업계의 AI Agent 모델 교육 프로젝트입니다. Web2에도 Predibase와 같은 모델 교육 서비스를 제공하는 유사한 플랫폼이 있습니다.
프리디베이스
프로젝트 소개: Predibase는 AI 및 대규모 언어 모델 최적화에 중점을 두어 사용자가 Llama, CodeLlama, Phi 등과 같은 오픈 소스 대규모 언어 모델을 미세 조정하고 배포할 수 있도록 합니다. 이 플랫폼은 양자화, 낮은 순위 적응, 메모리 효율적인 분산 훈련과 같은 다양한 최적화 기술을 지원합니다.
데이터 분석: Predibase는 Felicis가 주도하는 1,220만 달러 규모의 시리즈 A 자금 조달을 완료했다고 발표했습니다. Uber, Apple, Meta와 같은 대기업과 Paradigm 및 Koble.ai와 같은 스타트업이 모두 이 플랫폼의 사용자입니다.
기술적 분석: Predibase 사용자는 250개 이상의 모델을 교육했습니다. 현재 플랫폼은 LoRAX 아키텍처와 Ludwig 프레임워크를 채택합니다. LoRAX를 사용하면 단일 GPU에서 수천 개의 미세 조정된 LLM을 제공하여 처리량이나 지연에 영향을 주지 않고 비용을 크게 줄일 수 있습니다. Ludwig는 선언적 프레임워크인 반면, Predibase는 최첨단 딥 러닝 및 대규모 언어 모델을 개발, 교육, 미세 조정 및 배포하는 데 사용됩니다.
프로젝트 분석: Predibase 플랫폼은 사용자 친화적인 기능을 갖추고 있으며 다양한 수준의 사용자를 위한 맞춤형 AI 애플리케이션 구축 서비스를 제공합니다. C면과 B면 사용자, AI 분야를 처음 접하거나 경험한 사람 모두에게 적합합니다.
신규 사용자의 경우 Predibase 플랫폼의 원클릭 자동화 기능이 모델 구축 및 교육 프로세스를 단순화합니다. 플랫폼은 복잡한 빌드 및 배포 단계를 자동화합니다. 숙련된 사용자를 위해 보다 심층적인 사용자 정의 옵션이 제공됩니다. 자동화된 서비스를 제공할 뿐만 아니라 사용자가 보다 전문적인 매개변수 설정에 액세스하고 조정할 수 있습니다. 전통적인 AI 모델 훈련 플랫폼과 Web3 분야의 AI 프로젝트를 비교할 때, 전체적인 프레임워크와 로직은 유사할 수 있지만 둘 사이의 기술 아키텍처와 비즈니스 모델에는 상당한 차이가 있음을 발견했습니다.
기술적 깊이와 혁신: 기존 AI 모델 교육 플랫폼은 LoRAX 아키텍처 및 Ludwig 프레임워크와 같은 자체 개발 기술을 사용하는 등 더 깊은 기술 장벽을 채택하는 경우가 많습니다. 이러한 프레임워크는 플랫폼이 복잡한 AI 모델 훈련 작업을 처리할 수 있도록 하는 강력한 기능을 제공합니다. 그러나 Web3 프로젝트는 심층적인 기술 없이 분산화와 개방성에 더 중점을 둘 수 있습니다.
비즈니스 모델 유연성: 전통적인 AI 모델 훈련 분야에서 우리는 일반적인 병목 현상이 비즈니스 모델의 유연성이 부족하다는 점을 발견했습니다. 플랫폼은 사용자에게 모델 훈련 비용을 지불하도록 요구하며 자금 출처는 특히 광범위한 사용자 참여와 데이터 수집이 필요한 초기 단계에서 프로젝트의 지속 가능한 개발 공간을 제한합니다. 이와 대조적으로 Web3 프로젝트는 토큰 경제의 커뮤니티 중심 모델과 같은 보다 유연한 비즈니스 모델을 갖게 됩니다.
개인 정보 보호의 과제: 개인 정보 보호는 또 다른 주요 문제입니다. 예를 들어 Predibase는 AWS에서 가상 프라이빗 클라우드 서비스를 제공하지만 이 타사 아키텍처에는 항상 데이터 유출 위험이 있습니다.
이러한 차별화 포인트는 예외 없이 전통적인 AI 산업에서 병목 현상을 일으켰습니다. 인터넷의 특성으로 인해 이러한 문제는 효율적인 방법으로 해결하기가 더욱 어려울 수밖에 없습니다. 동시에 이는 Web3에 기회와 도전을 가져오기도 합니다. 프로젝트 팀이 이러한 문제를 해결하는 데 앞장선다면 업계의 선구자가 될 가능성이 높습니다.
Web3의 다른 카테고리에 있는 에이전트 프로젝트
모델 훈련형 AI 에이전트 프로젝트에 대해 논의한 후, 우리는 Web3 업계의 다른 유형의 AI 에이전트 프로젝트로 시야를 확장했습니다. 이들 프로젝트는 모델 훈련에만 초점을 맞춘 것은 아니지만 자금 조달 데이터, 교환 성과, 토큰 시장 가치 등 측면에서 독특합니다.
각 분야의 대표적이고 영향력 있는 AI Agent 프로젝트는 다음과 같습니다.
마이쉘
제품 소개: 사용자가 AI 에이전트를 생성, 공유 및 개인화할 수 있는 포괄적인 AI 에이전트 플랫폼을 제공합니다. 이러한 에이전트는 동료애를 제공하고 작업을 지원하여 효율성을 향상시킬 수 있습니다. 플랫폼은 2차원 및 기존 스타일을 포함한 다양한 AI 에이전트 스타일을 다루며 대화형 형식에는 오디오, 비디오 및 텍스트가 포함됩니다. MyShell의 특별한 점은 GPT 4o, GPT 4, Claude를 포함한 다양한 기존 모델을 통합하여 사용자에게 기존 유료 AI 에이전트의 고급 경험을 제공한다는 것입니다. 또한, 플랫폼은 FT 결합곡선과 유사한 거래 시스템을 도입하여 창작자들이 고부가가치 AI 모델을 개발하도록 장려하는 동시에 사용자들에게 투자하고 수익을 공유할 수 있는 기회를 제공합니다.
데이터 분석: MyShell의 마지막 자금 조달 가치는 약 8천만 달러에 달했습니다. Dragonfly가 투자를 주도했으며 Binance, Hashkey, Folius 등 기타 유명 투자자도 참여했습니다. 구체적인 사용자 액세스 데이터는 없지만 MyShell은 소셜 미디어에 거의 180,000명의 Twitter 팬을 보유하고 있습니다. Discord의 온라인 사용자 수는 일반적으로 전체 팬 수의 10분의 1을 초과하지 않지만 프로젝트에는 다음과 같은 그룹이 있음을 알 수 있습니다. 충성도 높은 사용자 및 개발자 기반.
기술적 분석: MyShell은 AI 모델을 독립적으로 개발하지 않지만 Claude, GPT-4 및 4o와 같은 최첨단 모델을 통합하고 다른 비공개 소스 모델을 지원한다고 주장하는 통합 플랫폼 역할을 합니다. 이 전략을 통해 MyShell은 기존 기술 리소스를 활용하여 사용자에게 통합된 고급 AI 경험을 제공할 수 있습니다.
주관적 경험: MyShell을 사용하면 개인 동반자로서든 전문 보조자로서든 사용자가 자신의 필요에 따라 AI 에이전트를 자유롭게 생성하고 맞춤화할 수 있으며 오디오 및 비디오와 같은 다양한 시나리오에 적응할 수 있습니다. 사용자가 MyShell의 프록시를 사용하지 않더라도 통합 Web2 유료 모델을 저렴한 비용으로 즐길 수 있습니다. 또한 플랫폼에는 FT의 경제 개념이 통합되어 사용자가 AI 서비스를 사용할 뿐만 아니라 자신이 낙관하는 AI 에이전트에 투자할 수 있도록 하여 결합 곡선 메커니즘을 통해 부의 효과를 높일 수 있습니다.
델리시움
제품 소개: Delysium은 의도 중심의 AI 에이전트 네트워크를 제공하여 에이전트가 더 잘 협력하여 사용자에게 친숙한 Web3 경험을 제공할 수 있도록 합니다. 현재 Delysium은 Lucy와 Jerry라는 두 가지 AI 에이전트를 출시했습니다. Lucy는 네트워크로 연결된 AI 에이전트입니다. 상위 10개 통화 보유 주소 쿼리 등의 도구 지원을 제공하는 것이 비전입니다. 그러나 현재 체인에서 의도를 실행하는 에이전트의 기능은 아직 공개되지 않았으며 이를 수행할 수 있습니다. 생태계 내 스테이킹과 같은 일부 기본 지침만 실행하면 AGI를 USDT로 교환할 수 있습니다. Jerry는 Delysium 생태계의 GPT와 유사하며, 토큰 배포 등 생태계 내 질문에 대한 답변을 주로 담당합니다.
자료 분석 : 2022년 1차 자금 조달은 4억 달러였으며, 같은 해 1천만 달러의 전략적 자금 조달을 완료했다고 발표했다. 토큰 AGI의 현재 FDV는 약 1억 3천만 달러입니다. Delysium의 공식 통계에 따르면 Lucy는 2023년 6월 현재 140만 개 이상의 독립 지갑 연결을 축적했습니다.
잠들지 않는 AI
제품 소개 : Web3와 AI Agent 기술을 결합하여 가상 동반 게임 HIM과 HER를 제공하고 AIGC와 LLM을 활용하여 가상 캐릭터와의 상호 작용에 사용자를 몰입시키는 감성 동반 게임 플랫폼입니다. 사용자는 진행 중인 대화 중에 캐릭터의 속성, 의복 등을 수정할 수 있습니다. 호환 가능한 대형 언어 모델을 통해 각 대화에서 캐릭터가 스스로 반복되고 사용자를 더 잘 이해할 수 있습니다.
데이터 분석: 이 프로젝트는 Binance Labs, Foresight Ventures 및 Folius Ventures를 포함한 투자자들과 함께 총 370만 달러를 모금했습니다. 현재 토큰의 총 시장 가치는 약 4억 달러에 달했습니다. 공식 통계에 따르면 트위터 팔로워는 116,000명, 등록된 예약 수는 190,000명, 활성 사용자는 43,000명입니다. 사용자 끈적임이 꽤 강하다고 할 수 있습니다.
기술적 분석: 관계자는 제품이 시장에 어떤 대규모 언어 모델을 기반으로 하는지 공개하지 않았지만 Sleepless AI는 사용자가 채팅 과정에서 캐릭터가 자신을 더 잘 이해한다고 느낄 수 있도록 LLM 교육을 설계하고 있습니다. 동시에 각 캐릭터에 대해 별도의 모델을 학습시키고 벡터 데이터베이스와 성격 매개변수 시스템을 결합하여 캐릭터가 기억력을 갖도록 합니다.
주관적 경험: Sleepless AI는 AI Boyfriend, AI Girlfriend를 통해 Free to Play 관점에서 접근하며, 단순히 대화형 로봇의 채팅창에 통합되지 않습니다. 이 프로젝트는 고가의 아트, 지속적으로 반복되는 언어 모델, 고품질의 완벽한 더빙, 알람 시계, 수면 보조제, 생리 기간 기록, 학습 동반자 등 일련의 기능을 통해 가상 인간의 진정성을 크게 향상시킵니다. 이런 감성적 가치는 시중의 다른 애플리케이션에서는 느낄 수 없습니다. 또한 Sleepless AI는 사용자가 P2E 또는 Ponzi의 딜레마에 빠지지 않고 NFT 판매를 선택할 수 있는 장기적이고 균형 잡힌 콘텐츠 결제 메커니즘을 만듭니다.
전망 분석
Web3 업계에서 AI Agent 프로젝트는 퍼블릭 체인, 데이터 관리, 개인 정보 보호, 소셜 네트워크, 플랫폼 서비스 및 컴퓨팅 기능 등 다양한 방향을 다루고 있습니다. 토큰 시장 가치의 관점에서 AI 에이전트 프로젝트의 총 토큰 시장 가치는 약 38억 달러에 달했고, 전체 AI 트랙의 총 시장 가치는 미화 162억 달러에 가깝습니다. AI 에이전트 프로젝트는 AI 트랙 시장 가치의 약 23%를 차지한다.
AI 에이전트 프로젝트의 수는 약 12개에 불과해 전체 AI 트랙의 프로젝트에 비해 상대적으로 적지만 시장에서 평가 점유율은 4분의 1에 가깝습니다. AI 트랙의 시가총액 비율은 이 부문이 큰 성장 잠재력을 가지고 있다는 우리의 검증을 다시 한번 검증합니다.
통계 후에 우리는 핵심 질문을 제기했습니다. 에이전트 프로젝트는 우수한 자금 조달을 유치하고 최고의 거래소에 상장되기 위해 어떤 특징을 가져야 합니까? 이 질문에 답하기 위해 우리는 Fetch.ai, Olas Network, SingularityNET 및 Myshell과 같은 결과를 달성하고 있는 에이전트 업계 내 프로젝트를 탐색했습니다.
이들 프로젝트는 공통적으로 몇 가지 중요한 특성을 나타내는 것을 발견하기 어렵지 않습니다. 모두 인프라 구축 범주의 플랫폼 수집 프로젝트에 속하며 한쪽 끝은 에이전트가 필요한 사용자를 B 또는 C 끝으로 연결합니다. 다른 쪽 끝은 개발자 및 검증자에게 서비스를 제공합니다. 이들은 모델 디버깅 및 모델 교육을 담당하는 사용자입니다. 적용 수준에 관계없이 완전한 생태학적 폐쇄 루프를 구축했습니다.
우리는 그들이 제공하는 제품이 온체인 또는 오프체인과 관련되어 있는지 여부가 가장 중요한 요소가 아닌 것으로 나타났습니다. 이는 우리가 다음과 같은 예비적인 결론을 내릴 수 있게 해줍니다. Web3 분야에서는 실용적인 애플리케이션에 초점을 맞춘 Web2의 논리가 완전히 적용되지 않을 수도 있습니다. Web3의 대표적인 AI Agent 제품의 경우 단일 제품의 품질과 성능보다 완전한 생태계를 구축하고 다양한 기능을 제공하는 것이 더 중요할 수 있습니다. 즉, 프로젝트의 성공은 프로젝트가 제공하는 것뿐만 아니라 리소스를 통합하고 협업을 촉진하며 생태계 내에서 네트워크 효과를 생성하는 방법에도 달려 있습니다. 이러한 생태계를 구축할 수 있는 능력은 AI Agent 프로젝트가 Web3 트랙에서 두각을 나타내는 중요한 요소가 될 수 있습니다.
AI Agent 프로젝트를 Web3에 통합하는 올바른 방법은 단일 애플리케이션의 심층 개발에 집중하는 것이 아니라 포괄적인 모델을 채택하는 것입니다. 이러한 접근 방식에는 Web2 시대의 다양한 제품 프레임워크와 제품 유형을 Web3 환경으로 마이그레이션하고 통합하여 자체 순환 생태계를 구축하는 것이 포함됩니다. 이는 단순히 모델을 업데이트하는 대신 올해 애플리케이션 플랫폼을 출시하기로 선택한 OpenAI의 전략적 변화에서도 분명합니다.
요약하자면, 우리는 AI Agent 프로젝트가 다음과 같은 측면에 초점을 맞춰야 한다고 믿습니다.
생태계 구축: 단일 애플리케이션을 넘어 다양한 서비스와 기능을 포함하는 생태계를 구축하여 다양한 구성 요소 간의 상호 작용과 부가가치를 촉진합니다.
토큰 경제 모델: 사용자가 네트워크 구축에 참여하고 데이터 및 컴퓨팅 성능을 기여하도록 장려하기 위해 합리적인 토큰 경제 모델을 설계합니다.
교차 도메인 통합: 다양한 분야에서 AI Agent의 응용 잠재력을 탐색하고 교차 도메인 통합을 통해 새로운 사용 시나리오와 가치를 창출합니다.
이 세 가지 측면을 요약한 후, 우리는 다양한 초점을 가진 프로젝트 당사자를 위한 몇 가지 미래 지향적인 제안도 제공합니다. 하나는 AI가 아닌 핵심 애플리케이션 측 제품을 위한 것이고, 다른 하나는 AI Agent 트랙에 초점을 맞춘 네이티브 프로젝트입니다.
AI가 아닌 핵심 애플리케이션 측 제품의 경우:
장기주의를 유지하고 AI 기술을 통합하면서 핵심 제품에 집중하며 시대에 적응하고 추세를 기다립니다. 현재의 기술 및 시장 동향에 따라 AI를 트래픽 매체로 활용하여 사용자를 유치하고 제품 경쟁력을 높이는 것이 중요한 경쟁력 수단이 되었다고 믿습니다. 비록 AI 기술이 프로젝트의 장기적인 발전에 실제로 기여하는지 여부는 여전히 의문의 여지가 있는 것이 현실이지만, 우리는 이것이 AI 기술을 조기에 채택하려는 선구자들에게 귀중한 창구를 제공한다고 믿습니다. 물론, 전제는 그들이 이미 아주 좋은 제품을 가지고 있다는 것입니다.
장기적으로 AI 기술이 미래에 새로운 돌파구를 마련한다면 AI를 통합한 프로젝트 당사자는 제품을 더 빠르게 반복하여 기회를 포착하고 업계 리더가 될 수 있습니다. 지난 몇 년과 마찬가지로 소셜 미디어 플랫폼의 라이브 스트리밍은 점차 오프라인 판매를 대체하고 트래픽 수출을 위한 새로운 판매 방법이 되었습니다. 당시 우수한 제품을 보유하고 새로운 트렌드에 적응하고 라이브 스트리밍을 시도하여 상품을 가져오는 상인들은 라이브 스트리밍 전자상거래가 실제로 폭발했을 때 조기 개입의 이점으로 즉시 두각을 나타냈습니다.
시장의 불확실성 속에서 AI가 아닌 핵심 애플리케이션 측 제품에 대해서는 AI Agent의 적시 도입을 고려하는 것이 전략적 결정이 될 수 있다고 믿습니다. 이는 현재 제품의 시장 노출을 늘릴 수 있을 뿐만 아니라, AI 기술의 지속적인 발전으로 제품에 새로운 성장 포인트를 가져올 수 있습니다.
AI Agent에 중점을 둔 기본 프로젝트의 경우:
기술 혁신과 시장 수요의 균형을 맞추는 것이 성공의 열쇠입니다. AI Agent의 기본 프로젝트에서 프로젝트 당사자는 기술 연구 및 개발뿐만 아니라 시장 동향에 집중해야 합니다. 현재 시중에 나와 있는 Web3를 결합한 일부 Agent 프로젝트는 단일 기술 방향으로의 개발에 너무 집중하거나, 원대한 비전을 구축했지만 제품 개발이 이를 따라가지 못하는 경우가 있습니다. 두 가지 극단 모두 프로젝트의 장기적인 개발에 해를 끼칩니다.
따라서 프로젝트 당사자는 제품 품질을 보장하는 동시에 시장 동향에도 주의를 기울이고 전통적인 인터넷 산업의 AI 응용 논리가 Web3에 적용되지 않는다는 점을 인식해야 합니다. 이미 Web3 시장에서 성공을 거둔 결과 항목입니다. 기사에서 언급된 모델 훈련, 플랫폼 통합 등 핵심 기능과 AI 모듈성, 다중 에이전트 협업 등과 같이 이들이 만들어내는 내러티브 등 그들이 갖고 있는 라벨에 주목하세요. 섹시한 내러티브를 탐색하는 것은 프로젝트가 시장에서 획기적인 발전을 이루는 열쇠일 수 있습니다.
결론 비 AI 핵심 제품이든 기본 AI 에이전트 프로젝트이든 가장 중요한 것은 끊임없이 변화하는 시장에서 경쟁력과 혁신을 유지할 수 있도록 올바른 타이밍과 기술 경로를 찾는 것입니다. 프로젝트 당사자는 제품 품질 유지를 기반으로 시장 동향을 관찰하고, 성공 사례를 통해 학습하며, 동시에 시장에서 지속 가능한 발전을 달성하기 위해 혁신해야 합니다.
요약
기사 끝부분에서는 Web3 AI 에이전트 트랙을 여러 각도에서 분석합니다.
자본 투자 및 시장 관심: 현재 AI Agent 프로젝트는 Web3 업계 상장 수에서 우위를 점하지 못하지만 시장 가치의 50%에 가까운 비중을 차지하고 있어 자본 시장에서 이 트랙을 높게 인식하고 있음을 알 수 있습니다. 더 많은 자본 투자와 시장의 관심이 높아짐에 따라 AI 에이전트 트랙에는 더 높은 가치의 프로젝트가 등장할 것이 확실합니다.
경쟁 환경 및 혁신 기능: Web3 업계에서 AI 에이전트 트랙의 경쟁 환경은 아직 완전히 형성되지 않았습니다. 현재 애플리케이션 수준에서는 ChatGPT와 유사한 경이롭고 선도적인 제품이 없습니다. 새로운 프로젝트 당사자가 성장하고 혁신할 수 있는 좋은 기회를 창출합니다. 기술이 성숙해지고 이전 프로젝트가 혁신됨에 따라 트랙은 더욱 경쟁력 있는 제품을 개발하여 전체 트랙의 가치를 높일 것으로 예상됩니다.
토큰 경제 및 사용자 인센티브에 주의하십시오. Web3의 중요성은 생산 관계를 재구성하여 원래 중앙 집중화된 AI 모델 배포 및 훈련 프로세스를 합리적인 토큰 경제 설계 및 사용자 인센티브 프로그램, 유휴 재분배 컴퓨팅을 통해 더욱 분산시킬 수 있다는 것입니다. 전력 또는 개인 데이터 세트 수집, ZKML과 같은 솔루션을 통한 데이터 프라이버시 보호는 컴퓨팅 성능과 데이터 비용을 더욱 절감할 수 있으며 더 많은 개인 사용자가 AI 산업 구축에 참여할 수 있도록 해줍니다.
정리하자면, 우리는 AI Agent 트랙에 대해 낙관하고 있습니다. AI 에이전트 트랙에는 가치 평가가 10억 달러가 넘는 여러 프로젝트가 있을 것이라고 믿을 만한 이유가 있습니다. 수평적 비교를 통해 AI 에이전트의 서사는 충분히 섹시하고 시장 공간도 충분히 크다. 현재 시장 가치는 전반적으로 낮은 편이다. AI 기술의 급속한 발전, 시장 수요 증가, 자본 투자, 트랙 내 기업의 혁신 가능성 등을 고려할 때, 향후 기술이 성숙해지고 시장 인지도가 높아짐에 따라 이 트랙은 10억 달러 이상의 가치를 지닌 여러 프로젝트가 등장할 것으로 예상됩니다.
