Le 7 janvier, lors du CES 2025, Jensen Huang, le fondateur de NVIDIA, a déclaré : « Les agents d’IA pourraient devenir la prochaine industrie de la robotique », avec une taille de marché potentielle atteignant des milliers de milliards de dollars. Dans ce contexte, l’écosystème AI Agent a été témoin de l’essor de deux projets de framework dominants : ai16z et Virtuals Protocol, dont les capitalisations boursières des tokens ont dépassé respectivement 2,4 milliards de dollars et 5 milliards de dollars. Cependant, juste au moment où tout le monde pensait que la « bataille de factions » avait été décidée, un cheval noir a discrètement émergé : les essaims. Au cours de la semaine dernière, la capitalisation boursière de Swarms est passée de 80 millions de dollars à un pic de 540 millions de dollars.

Qu'est-ce que Swarms?

Swarms est un cadre multi-agent LLM conçu pour les développeurs. Il fournit une large gamme d'architectures d'orchestration intelligentes et des intégrations tierces transparentes, permettant à plusieurs agents d'IA de collaborer comme une équipe pour résoudre les besoins complexes des opérations commerciales. Le projet démarre avec des cadres de paiement et techniques fondamentaux, offrant une infrastructure universelle pour créer, collaborer, échanger et héberger des agents. L'objectif est de devenir la "couche de paiement universelle pour l'économie des agents." Avec Swarms, les développeurs peuvent orchestrer des écosystèmes d'agents intelligents et évolutifs qui automatisent des processus commerciaux complexes.
Swarms (signifiant "groupe") a été initié par Kye Gomez en 2024, avec pour positionnement central "Alimenter l'économie des agents". Sa vision est d'utiliser le réseau Solana pour construire "des milliards d'agents d'IA collaborant de manière transparente pour résoudre les plus grands défis de l'humanité".

Pourquoi Swarms est nécessaire

L'IA traditionnelle à agent unique manque de mémoire à long terme, est sujette à des hallucinations et la plupart des agents ne peuvent se concentrer que sur une seule tâche. Les essaims abordent ces problèmes en utilisant une approche de "système multi-agent", accordant aux agents IA des capacités supplémentaires : validation croisée pour réduire les hallucinations, mémoire distribuée pour la continuité, allocation de tâches spécialisées pour améliorer l'efficacité et traitement parallèle pour accélérer les flux de travaux complexes.
En d'autres termes, en organisant plusieurs agents en un « Essaim », les Essaims rendent les systèmes d'IA plus stables, intelligents et évolutifs. Il favorise également une collaboration plus facile et une division du travail, avec des innovations en matière d'automatisation, de mémoire partagée et de communication sans confiance.

Comment fonctionnent les essaims

Architecture de Essaims

Dans les essaims, un "essaim" fait référence à un groupe de deux agents ou plus qui travaillent de manière collaborative vers un objectif commun. L'architecture des essaims est conçue pour établir et gérer la communication entre les agents d'un groupe. Ces architectures définissent comment les agents interagissent, partagent des informations et coordonnent leurs actions pour atteindre les résultats souhaités.
Les modes de communication entre les agents comprennent la communication hiérarchique, la communication parallèle, la communication séquentielle, la communication en grille et la communication coopérative.
L'architecture des Essaims utilise ces schémas de communication pour garantir une collaboration efficace entre les agents, en s'adaptant aux exigences spécifiques de la tâche en cours. En définissant des protocoles de communication clairs et des modèles d'interaction, les Essaims peuvent coordonner de manière transparente plusieurs agents pour améliorer les performances et les capacités de résolution de problèmes.
Les architectures de essaims peuvent être classées dans les types suivants en fonction des méthodes de communication :

• Essaim hiérarchique
• Essaim Parallèle
• Essaim Séquentiel
• Round Robin Swarm
• Essaim de tableur
• Architecture de Mélange d'Agents
  Selon la tâche ou le scénario, les Essaims peuvent sélectionner le type architectural le plus approprié pour résoudre efficacement le problème.

Analyse de l'agent

Dans le cadre des essaims, les agents sont conçus pour exécuter autonomement des tâches en exploitant de grands modèles linguistiques (LLM), divers outils et des systèmes de mémoire à long terme.
Vue d'ensemble du composant Agent

• LLM : Le composant central responsable de la compréhension et de la génération de langage naturel.
• Outils : Fonctions externes et services auxquels les agents peuvent faire appel pour effectuer des tâches spécifiques, telles que des requêtes de bases de données ou des interactions avec des API.
• Mémoire à long terme : Des systèmes comme ChromaDB ou Pinecone qui stockent et récupèrent des informations à long terme, permettant aux agents de se souvenir des interactions et des contextes passés.
  Le flux de travail d'un agent peut être divisé en plusieurs étapes : lancement de la tâche, traitement initial de LL, utilisation d'outils, interaction avec la mémoire et traitement final de LL.

1. Initiation de la tâche : L'entrée est la tâche ou la requête que l'agent doit traiter, et la sortie est un plan structuré ou une approche pour gérer la tâche.
2. Traitement initial de LL: Le modèle LL analyse la tâche pour comprendre le contexte et les exigences.
3. Utilisation de l'outil: Le LLM identifie le plan d'action ou les sous-tâches spécifiques et utilise les outils disponibles pour recueillir des informations externes, en renvoyant des résultats.
4. Interaction de la mémoire : L'agent interagit avec les systèmes de mémoire à long terme pour stocker de nouvelles informations et récupérer des données passées pertinentes.
5. Traitement final de LM : Le LM utilise des données améliorées pour générer la réponse finale ou compléter la tâche.
   

Feuille de route des essaims

L'équipe Swarms a défini une feuille de route de développement en cinq phases:

• Phase 1: Fondation
  • Intégrez la pièce $swarms dans le Swarms Marketplace pour soutenir l'achat et la vente d'agents.
  • Renforcer la sécurité des contrats intelligents + intégrer le portefeuille Phantom.
  • Normaliser les API et optimiser la convivialité de l'utilisateur.
• Phase 2: Croissance de l'écosystème
  • Lancer des Essaims Cloud pour l'hébergement d'agents décentralisés.
  • Améliorer les outils de recherche et d'analyse sur le marché.
  • Élargir la communauté grâce à des subventions et des programmes de partenariat.
• Phase 3: Échange de groupes
  • Activer la tokenisation et les fonctions d'investissement pour les agents.
  • Utilisez la pièce $swarms pour soutenir la création de jetons exclusifs pour les agents.
  • Récompenser les agents performants.
• Phase 4: Scalabilité mondiale
  • Activer les paiements transfrontaliers et les conversions de fiat en crypto.
  • Prise en charge de jetons personnalisés pour les agents.
  • Étendre les essaims dans le secteur financier DeFi de l'agent.
• Phase 5: Impact Mondial
  • Positionnez le réseau $swarms comme la "monnaie de l'économie mondiale des agents."
  • Lancer des campagnes marketing mondiales.
  • Autonomiser la gouvernance décentralisée pour la communauté.
  • Organiser des hackathons, des séminaires et des événements industriels pour accélérer l'adoption de la technologie.

Jetons de l'écosystème Swarms

MSC

MSC est un jeton créé par le fondateur de Swarms, Kye Gomez, appartenant au domaine AI + DeSci. Il est utilisé dans le « cluster d’opérations médicales personnalisées (MCS Platform) » établi sur le framework Swarms, axé sur les soins de santé et les sciences de la vie. La plateforme utilise la collaboration multi-agents pour fournir des solutions médicales. Les utilisateurs peuvent recevoir gratuitement des diagnostics et des analyses de problèmes médicaux et de soins de santé en discutant avec MSC. Selon Kye Gomez, son API sera bientôt déployée pour l’un des plus grands fournisseurs de soins de santé aux États-Unis.

SPORES

SPORES est un token émis par Autonomous Spores, avec 10% de ses jetons transférés au Swarms DAO. Autonomous Spores prévoit de développer quatre agents d'IA basés sur le framework Swarms : Saya, Oozeborn, Grassian et Jaguarundi. Ces agents travailleront ensemble pour tirer parti de l'intelligence collective des agents d'IA. Actuellement, Autonomous Spores prévoit de partager une partie des frais de gestion générés par Saya et les taxes de transaction d'Oozeborn avec la communauté, bien que Grassian et Jaguarundi n'aient pas encore été lancés.

PRISM

Prism est un système d'IA multi-agent utilisé pour la recherche en temps réel et les informations commerciales sur les memecoins. Il est récemment passé de l'écosystème ai16z à l'écosystème Swarms et pourrait tirer parti de la collaboration multi-agent de Swarms pour améliorer ses fonctionnalités de trading de memecoin.

IFSCI

IFSCI prétend être le premier projet d'agent AI x DeSci construit en utilisant des Essaims. Son objectif est d'aider les utilisateurs à personnaliser leurs plans de jeûne et diététiques. Les utilisateurs peuvent participer en tant que contributeurs de données alimentaires, fournisseurs de mesures de santé ou chercheurs, en contribuant des données telles que des photos de repas et des descriptions à la plateforme X et en les étiquetant@adesciagentLes utilisateurs seront récompensés pour leurs contributions.

CRÉER

Create est commercialisé comme le moteur de création ultime - une plateforme d'IA construite sur Swarms qui génère des images ou du son à partir de prompts textuels. Il a publié le premier ensemble de données open-source créé par la communauté et prévoit de former et de rendre open-source des modèles pilotés par la communauté une fois que l'ensemble de données sera suffisamment grand.

Tokenomie de SWARMS

L'offre totale de $SWARMS est d'environ 1 milliard de jetons, tous en circulation actuellement, avec un approvisionnement en circulation de 100%. La distribution spécifique des jetons n'a pas encore été divulguée.
Gate.io prend désormais en charge le trading au comptant de $SWARMS