هل يمكن لوكيل الذكاء الاصطناعي أن يصبح طوق النجاة لـ Web3 + AI؟
مشاريع AI Agent كانت نوعًا شائعًا وناضجًا في ريادة الأعمال في Web2، حيث تركزت بشكل رئيسي على خدمات الشركات، بينما في مجال Web3، أصبحت مشاريع تدريب النماذج وتجميع المنصات هي السائدة نظرًا لدورها الحاسم في بناء النظم البيئية.
حاليًا ، لا يوجد سوى عدد قليل من مشاريع وكيل الذكاء الاصطناعي في Web3 تمثل 8٪ ، لكن حصة قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23٪ ، مما يظهر قوة تنافسية كبيرة في السوق. نتوقع أنه مع نضوج التكنولوجيا وزيادة قبول السوق ، ستظهر العديد من المشاريع التي تتجاوز قيمتها 10 مليارات دولار في المستقبل.
بالنسبة لمشاريع Web3، قد يصبح إدخال تقنية الذكاء الاصطناعي ميزة استراتيجية للمنتجات الطرفية التي لا تعتمد على الذكاء الاصطناعي. يجب أن تركز طرق دمج مشاريع الوكيل الذكي على بناء النظام البيئي الكامل وتصميم نموذج الاقتصاد الرمزي لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: الوضع الحالي لظهور المشاريع وزيادة التقييمات
منذ أن تم إصدار ChatGPT في نوفمبر 2022، جذب أكثر من مائة مليون مستخدم في غضون شهرين فقط، وبحلول مايو 2024، وصلت الإيرادات الشهرية لـ ChatGPT إلى 20.3 مليون دولار مذهلة، كما أصدرت OpenAI بسرعة إصدارات متكررة مثل GPT-4 و GP4-4o بعد إطلاق ChatGPT. في ظل هذا الاتجاه السريع، أدركت الشركات الكبرى في مجال التكنولوجيا التقليدية أهمية تطبيقات نماذج الذكاء الاصطناعي المتقدمة مثل LLM، وبدأت جميعها في إطلاق نماذجها وتطبيقاتها الخاصة، مثل نموذج اللغة الكبير PaLM2 الذي أطلقته جوجل، وLlama3 الذي أطلقته ميتا، بينما أطلقت الشركات الصينية نماذج كبيرة مثل وكسين يييان و Zhi Pu Qing Yan، من الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حقيقية.
إن المنافسة بين عمالقة التكنولوجيا لا تعزز فقط تطور التطبيقات التجارية، ولكن من خلال الإحصائيات المستندة إلى أبحاث الذكاء الاصطناعي المفتوحة، نجد أن تقرير AI Index لعام 2024 يظهر أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub قد تضاعف من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون مشروع في عام 2023، وخاصة بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3% مقارنة بالعام السابق، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
إن الحماس لتكنولوجيا الذكاء الاصطناعي ينعكس مباشرة في سوق الاستثمار، حيث يظهر سوق استثمارات الذكاء الاصطناعي نمواً قوياً، مع زيادة انفجارية في الربع الثاني من عام 2024. بلغ عدد الاستثمارات المتعلقة بالذكاء الاصطناعي في جميع أنحاء العالم 16 استثماراً تجاوزت قيمتها 150 مليون دولار، وهو ما يعادل ضعف العدد في الربع الأول. كما ارتفعت إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي إلى 24 مليار دولار، بزيادة تزيد عن الضعف مقارنة بالعام الماضي. ومن بين هذه الاستثمارات، جمعت شركة xAI التابعة لماسك 6 مليارات دولار، مما أعطاها تقييمًا قدره 24 مليار دولار، لتصبح ثاني أعلى شركة ناشئة في مجال الذكاء الاصطناعي من حيث التقييم بعد OpenAI.
أفضل 10 تمويلات في مجال الذكاء الاصطناعي للربع الثاني من عام 2024، المصدر: يي أو
إن التطور السريع لتقنية الذكاء الاصطناعي يعيد تشكيل المشهد التكنولوجي بسرعات غير مسبوقة. من المنافسة الشديدة بين عمالقة التكنولوجيا، إلى التطور المزدهر لمشاريع المجتمع المفتوح، وصولاً إلى الحماس الكبير في سوق رأس المال لمفهوم الذكاء الاصطناعي. تظهر مشاريع جديدة باستمرار، وتصل الاستثمارات إلى مستويات قياسية، وتزداد التقييمات مع مرور الوقت. بشكل عام، يقع سوق الذكاء الاصطناعي في فترة ذهبية ذات نمو سريع، حيث حققت نماذج اللغة الكبيرة وتقنيات توليد معززة بالبحث تقدمًا كبيرًا في معالجة اللغة. ومع ذلك، لا تزال هذه النماذج تواجه تحديات عند تحويل المزايا التقنية إلى منتجات فعلية، مثل عدم اليقين في مخرجات النموذج، ومخاطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية في النموذج. تصبح هذه القضايا ذات أهمية خاصة في السيناريوهات التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا البحث في وكيل الذكاء الاصطناعي، حيث يركز وكيل الذكاء الاصطناعي على شمولية حل المشكلات الحقيقية والتفاعل مع البيئة. تمثل هذه النقلة تحولاً لتقنية الذكاء الاصطناعي من نماذج لغوية بحتة إلى أنظمة ذكية قادرة على فهم التعلم وحل المشكلات الواقعية حقًا. لذلك، نرى الأمل في تطور وكيل الذكاء الاصطناعي، الذي يسد تدريجيًا الفجوة بين تقنية الذكاء الاصطناعي وحل المشكلات الواقعية. إن تطور تقنية الذكاء الاصطناعي يعيد تشكيل هيكل الإنتاج، بينما تعيد تقنية Web3 بناء علاقات الإنتاج في الاقتصاد الرقمي. عندما تندمج العناصر الثلاثة للذكاء الاصطناعي: البيانات والنماذج والقوة الحاسوبية، مع المبادئ الأساسية لـ Web3 مثل اللامركزية، واقتصاد الرموز، والعقود الذكية، نتوقع أن تثمر عن سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالإمكانات، نعتقد أن وكيل الذكاء الاصطناعي بإمكاناته في تنفيذ المهام بشكل مستقل، يظهر إمكانيات كبيرة لتحقيق تطبيقات على نطاق واسع.
لذلك، بدأنا في دراسة تطبيقات AI Agent المتنوعة في Web3، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، إلى مستوى التطبيقات، بالإضافة إلى أسواق البيانات والنماذج، بهدف التعرف على وتقييم أنواع المشاريع الأكثر وعدًا وسيناريوهات الاستخدام، لفهم الاندماج العميق بين AI و Web3.
توضيح المفاهيم: مقدمة حول وكيل الذكاء الاصطناعي وتصنيف نظرة عامة
مقدمة أساسية
قبل تقديم وكيل الذكاء الاصطناعي، ولتسهيل فهم القراء للاختلاف بين التعريف والنموذج نفسه، سنقوم بتقديم مثال من موقف فعلي: لنفترض أنك تخطط لرحلة. توفر نماذج اللغة الكبيرة التقليدية معلومات عن الوجهات ونصائح السفر. بينما يمكن أن توفر تقنيات الاسترجاع المعززة لتوليد المحتوى محتوى وجهات أكثر ثراءً وتحديدًا. أما وكيل الذكاء الاصطناعي فهو مثل جارفيس في أفلام الرجل الحديدي، يمكنه فهم الاحتياجات، وأيضًا البحث بنشاط عن الرحلات الجوية والفنادق بناءً على جملة واحدة منك، وتنفيذ عمليات الحجز، وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكلاء الذكاء الاصطناعي في الصناعة هو الأنظمة الذكية القادرة على إدراك البيئة واتخاذ إجراءات مناسبة، من خلال الحصول على معلومات بيئية عبر أجهزة الاستشعار، ومعالجتها، ثم التأثير على البيئة من خلال أجهزة التنفيذ (ستيوارت راسل وبيتر نورفيغ، 2020). نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين نماذج اللغة الكبيرة، واسترجاع المعلومات، والذاكرة، والتخطيط للمهام، وقدرة استخدام الأدوات. إنه لا يقدم المعلومات فقط، بل يستطيع أيضًا التخطيط، وتفكيك المهام، وتنفيذها بشكل فعلي.
وفقًا لهذا التعريف والخصائص، يمكننا أن نلاحظ أن الوكلاء الذكاء الاصطناعي قد اندمجوا بالفعل في حياتنا، وتطبيقاتهم موجودة في سيناريوهات مختلفة، مثل AlphaGo وSiri وقيادة السيارات الذاتية من المستوى الخامس وما فوق من تسلا، والتي يمكن اعتبارها أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة لهذه الأنظمة هي أنها جميعًا قادرة على إدراك مدخلات المستخدم الخارجية، وبالتالي التأثير على البيئة الواقعية بناءً على ذلك.
لنفترض أننا نأخذ ChatGPT كمثال لتوضيح المفاهيم، يجب أن نوضح أن Transformer هو الهيكل التكنولوجي الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة من النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النماذج في مراحل تطورها المختلفة. أما ChatGP فهو وكيل الذكاء الاصطناعي الذي تطور بناءً على نموذج GPT.
نظرة عامة على الفئات
سوق الوكلاء الذكيين (AI Agents) الحالي لم يشكل بعد معيار تصنيف موحد، قمنا بتسمية 204 مشروعًا من مشاريع الوكلاء الذكيين في سوق Web2 وWeb3، وفقًا للتصنيفات البارزة لكل مشروع، حيث تم تقسيمها إلى تصنيفات رئيسية وثانوية. التصنيفات الرئيسية هي: البنية التحتية، توليد المحتوى، والتفاعل مع المستخدمين، ثم يتم تفصيلها بناءً على حالات الاستخدام الفعلية.
البنية التحتية: تركز هذه الفئة على بناء محتوى أكثر عمقًا في مجال الوكلاء، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير، بالإضافة إلى خدمات B2B التي تتعلق بالتطبيقات الأساسية الأكثر نضجًا.
أدوات التطوير: توفير أدوات وإطارات مساعدة للمطورين لبناء وكيل الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل تنسيقات مختلفة من البيانات، تستخدم أساسًا لدعم اتخاذ القرار، وتوفير المصادر للتدريب.
فئة تدريب النموذج: تقديم خدمات تدريب النموذج المتعلقة بالذكاء الاصطناعي، بما في ذلك الاستدلال، وإنشاء النموذج، والإعدادات، وما إلى ذلك.
خدمات B: تستهدف بشكل رئيسي المستخدمين من الشركات، وتقدم حلولاً للخدمات المؤسسية، والرأسية، والتلقائية.
منصة تجميعية: منصة تجمع خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
التفاعلية: مشابهة لفئة توليد المحتوى، ولكنها تختلف في التفاعل الثنائي المستمر. وكيل التفاعلية لا يقبل فقط ويفهم احتياجات المستخدم، بل يقدم أيضًا ردوداً من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق تفاعل ثنائي الاتجاه مع المستخدم.
وكيل الذكاء الاصطناعي الذي يقدم الدعم العاطفي والمرافقة.
وكيل الذكاء الاصطناعي القائم على نموذج GPT (المحول المدرب مسبقًا القائم على توليد النصوص).
فئة البحث: تركز على وظيفة البحث، وتقدم وكيلًا يركز بشكل أساسي على استرجاع المعلومات بدقة أكبر.
النوع المتعلق بإنشاء المحتوى: تركز هذه المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال متنوعة من المحتوى بناءً على تعليمات المستخدم، وتنقسم إلى أربع فئات: إنشاء النصوص، إنشاء الصور، إنشاء الفيديوهات، وإنشاء الصوتيات.
تحليل حالة تطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو التركيز القطاعي. بشكل خاص، يتركز حوالي ثلثي المشاريع في فئة البنية التحتية، حيث تهيمن خدمات B-end وأدوات التطوير بشكل كبير، وقد أجرينا بعض التحليلات حول هذه الظاهرة.
أثر نضج التكنولوجيا: السبب في أن مشاريع البنية التحتية تحتل مكانة رائدة هو نضج التكنولوجيا. عادةً ما تستند هذه المشاريع إلى تقنيات وهياكل تم اختبارها عبر الزمن، مما يقلل من صعوبة التطوير والمخاطر. تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث توفر أساسًا قويًا لتطوير وتطبيق وكلاء الذكاء الاصطناعي.
دفع الطلب في السوق: عامل آخر رئيسي هو الطلب في السوق. بالمقارنة مع السوق الاستهلاكية، فإن الطلب على تقنيات الذكاء الاصطناعي في السوق الشركات أكثر إلحاحًا، خاصة في السعي لإيجاد حلول لتحسين كفاءة التشغيل وتقليل التكاليف. في الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات مستقر نسبيًا، مما يعود بالنفع على تطويرهم لمشاريع لاحقة.
قيود سيناريوهات التطبيق: في الوقت نفسه، نلاحظ أن تطبيقات الذكاء الاصطناعي في إنتاج المحتوى في سوق B2B لديها سيناريوهات تطبيق محدودة نسبيًا. بسبب عدم استقرار الإنتاج، تميل الشركات إلى تلك التطبيقات التي يمكن أن تعزز الإنتاجية بشكل مستقر. وهذا أدى إلى انخفاض نسبة الذكاء الاصطناعي في إنتاج المحتوى في مكتبة المشاريع.
تُعبر هذه الاتجاهات عن نضج التكنولوجيا والطلب السوقي والاعتبارات العملية لمواقف الاستخدام. مع التقدم المستمر في تقنيات الذكاء الاصطناعي ووضوح الطلب في السوق، نتوقع أن يتغير هذا النمط بعض الشيء، لكن البنية التحتية ستظل حجر الزاوية القوي لتطور وكلاء الذكاء الاصطناعي.
تحليل مشروع AI Agent الرائد في Web2
تنظيم مشاريع الذكاء الاصطناعي الرائدة في Web2 ، المصدر: قاعدة بيانات مشاريع ArkStream
نحن نناقش بعمق بعض مشاريع وكيل الذكاء الاصطناعي في سوق Web2 الحالي ونقوم بتحليلها، مع أخذ مشاريع Character AI وPerplexity AI وMidjourney كمثال.
شخصية الذكاء الاصطناعي:
مقدمة المنتج: تقدم Character.AI نظام حوار قائم على الذكاء الاصطناعي وأداة لإنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، التي يمكنها إجراء محادثات بلغة طبيعية وتنفيذ مهام محددة.
تحليل البيانات: بلغ عدد الزيارات لـ Character.AI في مايو 277 مليونًا، حيث يضم المنصة أكثر من 3.5 مليون مستخدم نشط يوميًا، ومعظم المستخدمين تتراوح أعمارهم بين 18 و 34 عامًا، مما يظهر خصائص مجموعة المستخدمين الشباب. حقق Character AI أداءً ممتازًا في السوق المالية، حيث أكمل تمويلًا بقيمة 150 مليون دولار، وبلغت قيمته السوقية مليار دولار، بقيادة a16z.
التحليل الفني: وقعت Character AI اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نماذجها اللغوية الكبيرة، مما يدل على أن Character AI تستخدم تقنية مطورة ذاتيًا. ومن الجدير بالذكر أن مؤسسي الشركة Noam Shazeer و Daniel De Freitas شاركوا في تطوير نموذج اللغة الحواري الخاص بجوجل Llama.
الذكاء الاصطناعي Perplexity:
مقدمة المنتج: يمكن لـ Perplexity جمع وتقديم إجابات مفصلة من الإنترنت. من خلال الاقتباسات والروابط المرجعية، يضمن موثوقية المعلومات ودقتها، بينما يقوم بتعليم وإرشاد المستخدمين لطرح أسئلة متابعة والبحث عن الكلمات الرئيسية، مما يلبي احتياجات الاستعلام المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا لـ Perplexity 10 ملايين، وحقق عدد الزيارات لتطبيقاته المحمولة وسطح المكتب نموًا بنسبة 8.6٪ في فبراير، مما جذب حوالي 50 مليون مستخدم. في سوق رأس المال، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل بقيمة 62.7 مليون دولار، مع تقييم يصل إلى 1.04 مليار دولار، بقيادة دانييل غروس، مع مشاركة ستان دروكينميلر وNVIDIA.
التحليل الفني: النموذج الرئيسي المستخدم في Perplexity هو GPT-3.5 الذي تم تعديله، بالإضافة إلى نموذجين كبيرين تم تعديله بناءً على نموذج مفتوح المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب للبحث الأكاديمي الاحترافي واستفسارات المجالات الرأسية، مما يضمن دقة المعلومات وموثوقيتها.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تسجيلات الإعجاب 8
أعجبني
8
6
مشاركة
تعليق
0/400
GasFeeLover
· منذ 11 س
تعبت من هذا، متى يمكن تحسين رسوم الغاز؟
شاهد النسخة الأصليةرد0
ContractFreelancer
· منذ 11 س
نسبة 23%؟🔥 متفائل!
شاهد النسخة الأصليةرد0
MEVHunter
· منذ 11 س
لن ننجح إلا إذا تمكن الوكلاء من العثور على ألفا في mempool... 23% من القيمة السوقية لا تعني شيئًا إذا لم يتمكنوا من استخراج القيمة بصراحة.
شاهد النسخة الأصليةرد0
YieldHunter
· منذ 11 س
من الناحية الفنية... 8% جذب ولكن 23% من القيمة السوقية؟ يبدو وكأنه بونزي آخر بصراحة
شاهد النسخة الأصليةرد0
MEVHunterWang
· منذ 11 س
كيف لم يعد هناك حدود للترويج للذكاء الاصطناعي الآن
هل يمكن لوكيل الذكاء الاصطناعي أن يصبح نقطة تحول جديدة في Web3 + AI تحليل الوضع الحالي والتوجهات المستقبلية
هل يمكن لوكيل الذكاء الاصطناعي أن يصبح طوق النجاة لـ Web3 + AI؟
مشاريع AI Agent كانت نوعًا شائعًا وناضجًا في ريادة الأعمال في Web2، حيث تركزت بشكل رئيسي على خدمات الشركات، بينما في مجال Web3، أصبحت مشاريع تدريب النماذج وتجميع المنصات هي السائدة نظرًا لدورها الحاسم في بناء النظم البيئية.
حاليًا ، لا يوجد سوى عدد قليل من مشاريع وكيل الذكاء الاصطناعي في Web3 تمثل 8٪ ، لكن حصة قيمتها السوقية في مجال الذكاء الاصطناعي تصل إلى 23٪ ، مما يظهر قوة تنافسية كبيرة في السوق. نتوقع أنه مع نضوج التكنولوجيا وزيادة قبول السوق ، ستظهر العديد من المشاريع التي تتجاوز قيمتها 10 مليارات دولار في المستقبل.
بالنسبة لمشاريع Web3، قد يصبح إدخال تقنية الذكاء الاصطناعي ميزة استراتيجية للمنتجات الطرفية التي لا تعتمد على الذكاء الاصطناعي. يجب أن تركز طرق دمج مشاريع الوكيل الذكي على بناء النظام البيئي الكامل وتصميم نموذج الاقتصاد الرمزي لتعزيز اللامركزية وتأثير الشبكة.
موجة الذكاء الاصطناعي: الوضع الحالي لظهور المشاريع وزيادة التقييمات
منذ أن تم إصدار ChatGPT في نوفمبر 2022، جذب أكثر من مائة مليون مستخدم في غضون شهرين فقط، وبحلول مايو 2024، وصلت الإيرادات الشهرية لـ ChatGPT إلى 20.3 مليون دولار مذهلة، كما أصدرت OpenAI بسرعة إصدارات متكررة مثل GPT-4 و GP4-4o بعد إطلاق ChatGPT. في ظل هذا الاتجاه السريع، أدركت الشركات الكبرى في مجال التكنولوجيا التقليدية أهمية تطبيقات نماذج الذكاء الاصطناعي المتقدمة مثل LLM، وبدأت جميعها في إطلاق نماذجها وتطبيقاتها الخاصة، مثل نموذج اللغة الكبير PaLM2 الذي أطلقته جوجل، وLlama3 الذي أطلقته ميتا، بينما أطلقت الشركات الصينية نماذج كبيرة مثل وكسين يييان و Zhi Pu Qing Yan، من الواضح أن مجال الذكاء الاصطناعي أصبح ساحة تنافس حقيقية.
إن المنافسة بين عمالقة التكنولوجيا لا تعزز فقط تطور التطبيقات التجارية، ولكن من خلال الإحصائيات المستندة إلى أبحاث الذكاء الاصطناعي المفتوحة، نجد أن تقرير AI Index لعام 2024 يظهر أن عدد المشاريع المتعلقة بالذكاء الاصطناعي على GitHub قد تضاعف من 845 مشروعًا في عام 2011 إلى حوالي 1.8 مليون مشروع في عام 2023، وخاصة بعد إصدار GPT في عام 2023، حيث زاد عدد المشاريع بنسبة 59.3% مقارنة بالعام السابق، مما يعكس حماس مجتمع المطورين العالمي لأبحاث الذكاء الاصطناعي.
إن الحماس لتكنولوجيا الذكاء الاصطناعي ينعكس مباشرة في سوق الاستثمار، حيث يظهر سوق استثمارات الذكاء الاصطناعي نمواً قوياً، مع زيادة انفجارية في الربع الثاني من عام 2024. بلغ عدد الاستثمارات المتعلقة بالذكاء الاصطناعي في جميع أنحاء العالم 16 استثماراً تجاوزت قيمتها 150 مليون دولار، وهو ما يعادل ضعف العدد في الربع الأول. كما ارتفعت إجمالي تمويل الشركات الناشئة في مجال الذكاء الاصطناعي إلى 24 مليار دولار، بزيادة تزيد عن الضعف مقارنة بالعام الماضي. ومن بين هذه الاستثمارات، جمعت شركة xAI التابعة لماسك 6 مليارات دولار، مما أعطاها تقييمًا قدره 24 مليار دولار، لتصبح ثاني أعلى شركة ناشئة في مجال الذكاء الاصطناعي من حيث التقييم بعد OpenAI.
أفضل 10 تمويلات في مجال الذكاء الاصطناعي للربع الثاني من عام 2024، المصدر: يي أو
إن التطور السريع لتقنية الذكاء الاصطناعي يعيد تشكيل المشهد التكنولوجي بسرعات غير مسبوقة. من المنافسة الشديدة بين عمالقة التكنولوجيا، إلى التطور المزدهر لمشاريع المجتمع المفتوح، وصولاً إلى الحماس الكبير في سوق رأس المال لمفهوم الذكاء الاصطناعي. تظهر مشاريع جديدة باستمرار، وتصل الاستثمارات إلى مستويات قياسية، وتزداد التقييمات مع مرور الوقت. بشكل عام، يقع سوق الذكاء الاصطناعي في فترة ذهبية ذات نمو سريع، حيث حققت نماذج اللغة الكبيرة وتقنيات توليد معززة بالبحث تقدمًا كبيرًا في معالجة اللغة. ومع ذلك، لا تزال هذه النماذج تواجه تحديات عند تحويل المزايا التقنية إلى منتجات فعلية، مثل عدم اليقين في مخرجات النموذج، ومخاطر إنتاج معلومات غير دقيقة، ومشكلات الشفافية في النموذج. تصبح هذه القضايا ذات أهمية خاصة في السيناريوهات التي تتطلب موثوقية عالية.
في هذا السياق، بدأنا البحث في وكيل الذكاء الاصطناعي، حيث يركز وكيل الذكاء الاصطناعي على شمولية حل المشكلات الحقيقية والتفاعل مع البيئة. تمثل هذه النقلة تحولاً لتقنية الذكاء الاصطناعي من نماذج لغوية بحتة إلى أنظمة ذكية قادرة على فهم التعلم وحل المشكلات الواقعية حقًا. لذلك، نرى الأمل في تطور وكيل الذكاء الاصطناعي، الذي يسد تدريجيًا الفجوة بين تقنية الذكاء الاصطناعي وحل المشكلات الواقعية. إن تطور تقنية الذكاء الاصطناعي يعيد تشكيل هيكل الإنتاج، بينما تعيد تقنية Web3 بناء علاقات الإنتاج في الاقتصاد الرقمي. عندما تندمج العناصر الثلاثة للذكاء الاصطناعي: البيانات والنماذج والقوة الحاسوبية، مع المبادئ الأساسية لـ Web3 مثل اللامركزية، واقتصاد الرموز، والعقود الذكية، نتوقع أن تثمر عن سلسلة من التطبيقات الابتكارية. في هذا المجال المتقاطع المليء بالإمكانات، نعتقد أن وكيل الذكاء الاصطناعي بإمكاناته في تنفيذ المهام بشكل مستقل، يظهر إمكانيات كبيرة لتحقيق تطبيقات على نطاق واسع.
لذلك، بدأنا في دراسة تطبيقات AI Agent المتنوعة في Web3، من البنية التحتية لـ Web3، والبرمجيات الوسيطة، إلى مستوى التطبيقات، بالإضافة إلى أسواق البيانات والنماذج، بهدف التعرف على وتقييم أنواع المشاريع الأكثر وعدًا وسيناريوهات الاستخدام، لفهم الاندماج العميق بين AI و Web3.
توضيح المفاهيم: مقدمة حول وكيل الذكاء الاصطناعي وتصنيف نظرة عامة
مقدمة أساسية
قبل تقديم وكيل الذكاء الاصطناعي، ولتسهيل فهم القراء للاختلاف بين التعريف والنموذج نفسه، سنقوم بتقديم مثال من موقف فعلي: لنفترض أنك تخطط لرحلة. توفر نماذج اللغة الكبيرة التقليدية معلومات عن الوجهات ونصائح السفر. بينما يمكن أن توفر تقنيات الاسترجاع المعززة لتوليد المحتوى محتوى وجهات أكثر ثراءً وتحديدًا. أما وكيل الذكاء الاصطناعي فهو مثل جارفيس في أفلام الرجل الحديدي، يمكنه فهم الاحتياجات، وأيضًا البحث بنشاط عن الرحلات الجوية والفنادق بناءً على جملة واحدة منك، وتنفيذ عمليات الحجز، وإضافة الجدول الزمني إلى التقويم.
التعريف الشائع لوكلاء الذكاء الاصطناعي في الصناعة هو الأنظمة الذكية القادرة على إدراك البيئة واتخاذ إجراءات مناسبة، من خلال الحصول على معلومات بيئية عبر أجهزة الاستشعار، ومعالجتها، ثم التأثير على البيئة من خلال أجهزة التنفيذ (ستيوارت راسل وبيتر نورفيغ، 2020). نعتقد أن وكيل الذكاء الاصطناعي هو مساعد يجمع بين نماذج اللغة الكبيرة، واسترجاع المعلومات، والذاكرة، والتخطيط للمهام، وقدرة استخدام الأدوات. إنه لا يقدم المعلومات فقط، بل يستطيع أيضًا التخطيط، وتفكيك المهام، وتنفيذها بشكل فعلي.
وفقًا لهذا التعريف والخصائص، يمكننا أن نلاحظ أن الوكلاء الذكاء الاصطناعي قد اندمجوا بالفعل في حياتنا، وتطبيقاتهم موجودة في سيناريوهات مختلفة، مثل AlphaGo وSiri وقيادة السيارات الذاتية من المستوى الخامس وما فوق من تسلا، والتي يمكن اعتبارها أمثلة على وكلاء الذكاء الاصطناعي. السمة المشتركة لهذه الأنظمة هي أنها جميعًا قادرة على إدراك مدخلات المستخدم الخارجية، وبالتالي التأثير على البيئة الواقعية بناءً على ذلك.
لنفترض أننا نأخذ ChatGPT كمثال لتوضيح المفاهيم، يجب أن نوضح أن Transformer هو الهيكل التكنولوجي الذي يتكون منه نموذج الذكاء الاصطناعي، و GPT هو سلسلة من النماذج التي تطورت بناءً على هذا الهيكل، بينما تمثل GPT-1 و GPT-4 و GPT-4o إصدارات النماذج في مراحل تطورها المختلفة. أما ChatGP فهو وكيل الذكاء الاصطناعي الذي تطور بناءً على نموذج GPT.
نظرة عامة على الفئات
سوق الوكلاء الذكيين (AI Agents) الحالي لم يشكل بعد معيار تصنيف موحد، قمنا بتسمية 204 مشروعًا من مشاريع الوكلاء الذكيين في سوق Web2 وWeb3، وفقًا للتصنيفات البارزة لكل مشروع، حيث تم تقسيمها إلى تصنيفات رئيسية وثانوية. التصنيفات الرئيسية هي: البنية التحتية، توليد المحتوى، والتفاعل مع المستخدمين، ثم يتم تفصيلها بناءً على حالات الاستخدام الفعلية.
البنية التحتية: تركز هذه الفئة على بناء محتوى أكثر عمقًا في مجال الوكلاء، بما في ذلك المنصات والنماذج والبيانات وأدوات التطوير، بالإضافة إلى خدمات B2B التي تتعلق بالتطبيقات الأساسية الأكثر نضجًا.
أدوات التطوير: توفير أدوات وإطارات مساعدة للمطورين لبناء وكيل الذكاء الاصطناعي.
فئة معالجة البيانات: معالجة وتحليل تنسيقات مختلفة من البيانات، تستخدم أساسًا لدعم اتخاذ القرار، وتوفير المصادر للتدريب.
فئة تدريب النموذج: تقديم خدمات تدريب النموذج المتعلقة بالذكاء الاصطناعي، بما في ذلك الاستدلال، وإنشاء النموذج، والإعدادات، وما إلى ذلك.
خدمات B: تستهدف بشكل رئيسي المستخدمين من الشركات، وتقدم حلولاً للخدمات المؤسسية، والرأسية، والتلقائية.
منصة تجميعية: منصة تجمع خدمات وأدوات متعددة لوكلاء الذكاء الاصطناعي.
التفاعلية: مشابهة لفئة توليد المحتوى، ولكنها تختلف في التفاعل الثنائي المستمر. وكيل التفاعلية لا يقبل فقط ويفهم احتياجات المستخدم، بل يقدم أيضًا ردوداً من خلال تقنيات مثل معالجة اللغة الطبيعية (NLP) لتحقيق تفاعل ثنائي الاتجاه مع المستخدم.
وكيل الذكاء الاصطناعي الذي يقدم الدعم العاطفي والمرافقة.
وكيل الذكاء الاصطناعي القائم على نموذج GPT (المحول المدرب مسبقًا القائم على توليد النصوص).
فئة البحث: تركز على وظيفة البحث، وتقدم وكيلًا يركز بشكل أساسي على استرجاع المعلومات بدقة أكبر.
النوع المتعلق بإنشاء المحتوى: تركز هذه المشاريع على إنشاء المحتوى، باستخدام تقنيات النماذج الكبيرة لتوليد أشكال متنوعة من المحتوى بناءً على تعليمات المستخدم، وتنقسم إلى أربع فئات: إنشاء النصوص، إنشاء الصور، إنشاء الفيديوهات، وإنشاء الصوتيات.
تحليل حالة تطوير وكيل الذكاء الاصطناعي Web2
وفقًا لإحصاءاتنا، يظهر تطوير وكلاء الذكاء الاصطناعي في الإنترنت التقليدي Web2 اتجاهًا واضحًا نحو التركيز القطاعي. بشكل خاص، يتركز حوالي ثلثي المشاريع في فئة البنية التحتية، حيث تهيمن خدمات B-end وأدوات التطوير بشكل كبير، وقد أجرينا بعض التحليلات حول هذه الظاهرة.
أثر نضج التكنولوجيا: السبب في أن مشاريع البنية التحتية تحتل مكانة رائدة هو نضج التكنولوجيا. عادةً ما تستند هذه المشاريع إلى تقنيات وهياكل تم اختبارها عبر الزمن، مما يقلل من صعوبة التطوير والمخاطر. تعادل "المجرفة" في مجال الذكاء الاصطناعي، حيث توفر أساسًا قويًا لتطوير وتطبيق وكلاء الذكاء الاصطناعي.
دفع الطلب في السوق: عامل آخر رئيسي هو الطلب في السوق. بالمقارنة مع السوق الاستهلاكية، فإن الطلب على تقنيات الذكاء الاصطناعي في السوق الشركات أكثر إلحاحًا، خاصة في السعي لإيجاد حلول لتحسين كفاءة التشغيل وتقليل التكاليف. في الوقت نفسه، بالنسبة للمطورين، فإن التدفق النقدي من الشركات مستقر نسبيًا، مما يعود بالنفع على تطويرهم لمشاريع لاحقة.
قيود سيناريوهات التطبيق: في الوقت نفسه، نلاحظ أن تطبيقات الذكاء الاصطناعي في إنتاج المحتوى في سوق B2B لديها سيناريوهات تطبيق محدودة نسبيًا. بسبب عدم استقرار الإنتاج، تميل الشركات إلى تلك التطبيقات التي يمكن أن تعزز الإنتاجية بشكل مستقر. وهذا أدى إلى انخفاض نسبة الذكاء الاصطناعي في إنتاج المحتوى في مكتبة المشاريع.
تُعبر هذه الاتجاهات عن نضج التكنولوجيا والطلب السوقي والاعتبارات العملية لمواقف الاستخدام. مع التقدم المستمر في تقنيات الذكاء الاصطناعي ووضوح الطلب في السوق، نتوقع أن يتغير هذا النمط بعض الشيء، لكن البنية التحتية ستظل حجر الزاوية القوي لتطور وكلاء الذكاء الاصطناعي.
تحليل مشروع AI Agent الرائد في Web2
تنظيم مشاريع الذكاء الاصطناعي الرائدة في Web2 ، المصدر: قاعدة بيانات مشاريع ArkStream
نحن نناقش بعمق بعض مشاريع وكيل الذكاء الاصطناعي في سوق Web2 الحالي ونقوم بتحليلها، مع أخذ مشاريع Character AI وPerplexity AI وMidjourney كمثال.
شخصية الذكاء الاصطناعي:
مقدمة المنتج: تقدم Character.AI نظام حوار قائم على الذكاء الاصطناعي وأداة لإنشاء شخصيات افتراضية. تتيح منصتها للمستخدمين إنشاء وتدريب والتفاعل مع الشخصيات الافتراضية، التي يمكنها إجراء محادثات بلغة طبيعية وتنفيذ مهام محددة.
تحليل البيانات: بلغ عدد الزيارات لـ Character.AI في مايو 277 مليونًا، حيث يضم المنصة أكثر من 3.5 مليون مستخدم نشط يوميًا، ومعظم المستخدمين تتراوح أعمارهم بين 18 و 34 عامًا، مما يظهر خصائص مجموعة المستخدمين الشباب. حقق Character AI أداءً ممتازًا في السوق المالية، حيث أكمل تمويلًا بقيمة 150 مليون دولار، وبلغت قيمته السوقية مليار دولار، بقيادة a16z.
التحليل الفني: وقعت Character AI اتفاقية ترخيص غير حصرية مع الشركة الأم لجوجل Alphabet لاستخدام نماذجها اللغوية الكبيرة، مما يدل على أن Character AI تستخدم تقنية مطورة ذاتيًا. ومن الجدير بالذكر أن مؤسسي الشركة Noam Shazeer و Daniel De Freitas شاركوا في تطوير نموذج اللغة الحواري الخاص بجوجل Llama.
الذكاء الاصطناعي Perplexity:
مقدمة المنتج: يمكن لـ Perplexity جمع وتقديم إجابات مفصلة من الإنترنت. من خلال الاقتباسات والروابط المرجعية، يضمن موثوقية المعلومات ودقتها، بينما يقوم بتعليم وإرشاد المستخدمين لطرح أسئلة متابعة والبحث عن الكلمات الرئيسية، مما يلبي احتياجات الاستعلام المتنوعة للمستخدمين.
تحليل البيانات: بلغ عدد المستخدمين النشطين شهريًا لـ Perplexity 10 ملايين، وحقق عدد الزيارات لتطبيقاته المحمولة وسطح المكتب نموًا بنسبة 8.6٪ في فبراير، مما جذب حوالي 50 مليون مستخدم. في سوق رأس المال، أعلنت Perplexity AI مؤخرًا عن حصولها على تمويل بقيمة 62.7 مليون دولار، مع تقييم يصل إلى 1.04 مليار دولار، بقيادة دانييل غروس، مع مشاركة ستان دروكينميلر وNVIDIA.
التحليل الفني: النموذج الرئيسي المستخدم في Perplexity هو GPT-3.5 الذي تم تعديله، بالإضافة إلى نموذجين كبيرين تم تعديله بناءً على نموذج مفتوح المصدر: pplx-7b-online و pplx-70b-online. النموذج مناسب للبحث الأكاديمي الاحترافي واستفسارات المجالات الرأسية، مما يضمن دقة المعلومات وموثوقيتها.
منتصف الرحلة:
مقدمة المنتج: المستخدم