AIエージェントはWeb3+AIの救命草になれるか？

AIエージェントプロジェクトは、Web2の起業において人気があり、成熟したタイプは主に企業向けサービスですが、Web3分野では、モデル訓練やプラットフォーム集約型プロジェクトがエコシステム構築における重要な役割のため主流となっています。

現在、Web3のAIエージェントプロジェクトの数は少なく、全体の8％を占めていますが、AI分野における時価総額は23％に達しており、非常に強力な市場競争力を示しています。技術の成熟と市場の認知度の向上に伴い、将来的には10億ドルを超える評価額のプロジェクトが複数登場することが予想されます。

Web3プロジェクトにとって、AIコアでないアプリケーション製品にAI技術を導入することは戦略的な優位性となる可能性があります。AIエージェントプロジェクトの統合方法は、全エコシステムの構築とトークン経済モデルの設計に重点を置き、分散化とネットワーク効果を促進するべきです。

AIの波：プロジェクトの続出と評価の上昇の現状

ChatGPTが2022年11月に登場して以来、わずか2ヶ月で1億人以上のユーザーを魅了し、2024年5月にはChatGPTの月収が驚異の2030万ドルに達しました。OpenAIはChatGPTをリリースした後、迅速にGPT-4やGP4-4oなどのバージョンを発表しました。このような急速な展開により、主要な伝統的テクノロジー企業はLLMなどの最先端AIモデルの応用の重要性を認識し、自社のAIモデルやアプリケーションを次々と発表しています。例えば、Googleは大規模言語モデルPaLM2を発表し、MetaはLlama3をリリースし、中国の企業は文心一言や智谱清言などの大規模モデルを発表しました。明らかに、AI分野はすでに熾烈な競争の場となっています。

さまざまなテクノロジー巨人の競争は、ビジネスアプリケーションの発展を促進するだけでなく、オープンソースAI研究の調査統計からも明らかになっています。2024年のAI Indexレポートによると、GitHub上のAI関連プロジェクトの数は2011年の845個から2023年の約180万個に急増しました。特にGPTが発表された2023年には、プロジェクト数が前年同期比で59.3%増加し、世界の開発者コミュニティがAI研究に対して熱心であることが反映されています。

AI技術への熱狂は投資市場に直接反映され、AI投資市場は強力な成長を見せており、2024年第2四半期には爆発的な成長を遂げる見込みです。世界で16件の1.5億ドルを超えるAI関連投資が行われており、これは第1四半期の2倍です。AIスタートアップの資金調達総額は240億ドルに急増し、前年同期比で倍増しました。その中で、マスク氏が率いるxAIは60億ドルを調達し、評価額は240億ドルに達し、OpenAIに次いで評価額が2番目に高いAIスタートアップとなりました。

AI技術の急速な発展は、前例のない速度でテクノロジー分野の地図を再構築しています。テクノロジーの巨人間の激しい競争から、オープンソースコミュニティプロジェクトの盛況な発展、さらには資本市場によるAIコンセプトへの熱烈な支持まで。プロジェクトは次々と登場し、投資額は新たな高値を更新し、評価もそれに伴い高騰しています。全体的に見て、AI市場は高速成長の黄金期にあり、大型言語モデルと検索強化生成技術は言語処理の分野で重要な進展を遂げました。それにもかかわらず、これらのモデルは技術的な優位性を実際の製品に転換する際に依然として課題に直面しています。例えば、モデルの出力の不確実性、生成される不正確な情報の幻覚リスク、モデルの透明性の問題などです。これらの問題は、信頼性が非常に求められるアプリケーションシーンでは特に重要になります。

この背景の中で、私たちはAIエージェントの研究を開始しました。なぜなら、AIエージェントは実際の問題解決と環境との相互作用の包括性を強調するからです。この転換は、AI技術が純粋な言語モデルから、実際の問題を真に理解し、学習し、解決できるインテリジェントシステムへと進化することを示しています。したがって、私たちはAIエージェントの発展に希望を見出しました。AI技術と実際の問題解決の間のギャップを徐々に埋めているからです。AI技術の進化は生産力の構造を再構築し続けており、Web3技術はデジタル経済の生産関係を再構築しています。AIの三大要素：データ、モデル、計算力が、Web3の分散型、トークン経済、スマートコントラクトなどのコア概念と融合する時、私たちは一連の革新的なアプリケーションが生まれることを予見しています。この潜在能力に満ちた交差領域において、AIエージェントはその自律的なタスク実行能力により、大規模な応用を実現する巨大な可能性を示しています。

そのため、私たちはWeb3におけるAIエージェントの多様な応用について詳しく研究を開始しました。Web3のインフラストラクチャ、ミドルウェア、アプリケーションレイヤー、データおよびモデル市場など、複数の次元から最も有望なプロジェクトタイプやアプリケーションシナリオを特定し評価することを目指し、AIとWeb3の深い融合を理解することを目的としています。

! AIエージェントはWeb3+AIの命の恩人になれるか?

概念の明確化：AIエージェントの紹介と分類の概要

基本的な紹介

AIエージェントを紹介する前に、読者がその定義とモデル自体の違いをよりよく理解できるように、実際のシーンを例に挙げます：あなたが旅行を計画していると仮定しましょう。従来の大規模言語モデルは目的地情報や旅行の提案を提供します。検索強化生成技術は、より豊かで具体的な目的地のコンテンツを提供できます。そしてAIエージェントは、アイアンマン映画のジャービスのように、ニーズを理解し、一言でフライトとホテルを自主的に検索し、予約操作を実行し、日程をカレンダーに追加することができます。

現在、業界ではAIエージェントの定義は、環境を感知し、適切な行動を取ることができる知能システムを指す。センサーを通じて環境情報を取得し、処理を経てアクチュエーターを通じて環境に影響を与える（Stuart Russell & Peter Norvig, 2020）。私たちは、AIエージェントはLLM、RAG、記憶、タスクプランニング、ツール使用能力を集約したアシスタントであると考えています。それは単なる情報提供にとどまらず、計画を立て、タスクを分解し、実際に実行することができます。

この定義と特性に基づいて、AIエージェントはすでに私たちの生活に溶け込んでおり、さまざまなシーンで応用されています。たとえば、AlphaGo、Siri、テスラのL5レベル以上の自動運転などはすべてAIエージェントの例と見なすことができます。これらのシステムの共通の特性は、外部のユーザー入力を感知し、それに基づいて現実の環境に影響を与えることができる点です。

ChatGPTを例に概念を明確にするために、TransformerはAIモデルを構成する技術アーキテクチャであることを明確に指摘する必要があります。GPTはこのアーキテクチャに基づいて発展したモデルシリーズであり、GPT-1、GPT-4、GPT-4oはそれぞれ異なる発展段階のバージョンを表しています。ChatGPはGPTモデルから進化したAIエージェントです。

! AIエージェントはWeb3+AIの命の恩人になれるか?

カテゴリ概要

現在、AIエージェント市場は統一された分類基準を形成していません。我々はWeb2+Web3市場における204のAIエージェントプロジェクトにラベルを付けることで、各プロジェクトに対応する顕著なラベルに基づいて、一次分類と二次分類に分けました。その中で、一次分類は基盤構築、コンテンツ生成、ユーザーインタラクションの三つのカテゴリーであり、実際のユースケースに基づいてさらに細分化されます。

インフラストラクチャータイプ：このタイプは、エージェント分野の基盤となる内容の構築に重点を置いており、プラットフォーム、モデル、データ、開発ツール、そして比較的成熟した基盤アプリケーションのB2Bサービスを含みます。

• 開発ツール類：開発者にAIエージェントを構築するための補助ツールとフレームワークを提供します。

• データ処理クラス：異なる形式のデータを処理・分析し、主に意思決定を支援し、トレーニングのためのソースを提供するために使用されます。

• モデル訓練クラス：AIに対するモデル訓練サービスを提供し、推論、モデルの構築、設定などを含みます。

• B端サービス：主に企業ユーザーを対象に、企業サービス、垂直型、自動化されたソリューションを提供します。

• プラットフォーム集合型：さまざまなAIエージェントサービスとツールを統合したプラットフォーム。

インタラクティブタイプ：コンテンツ生成タイプに似ていますが、持続的な双方向のインタラクションがある点が異なります。インタラクティブエージェントは、ユーザーのニーズを受け入れ理解するだけでなく、自然言語処理（NLP）などの技術を通じてフィードバックを提供し、ユーザーとの双方向のインタラクションを実現します。

• 感情サポートタイプ：感情的な支援と陪伴を提供するAIエージェント。

• GPT: 事前学習済みの生成型トランスフォーマー (GPT) モデルに基づく AI エージェント。

• 検索タイプ：検索機能に特化し、より正確な情報検索を提供するエージェント。

コンテンツ生成系：この種のプロジェクトは、ユーザーの指示に基づいてさまざまな形式のコンテンツを生成するために、大規模モデル技術を利用してコンテンツを創造することに焦点を当てており、テキスト生成、画像生成、動画生成、音声生成の4つのカテゴリに分かれています。

! AIエージェントはWeb3+AIの命の恩人になれるか?

Web2 AI Agentの開発状況の分析

私たちの統計によると、Web2の従来のインターネットにおけるAIエージェントの開発は明らかなセクター集中の傾向を示しています。具体的には、約3分の2のプロジェクトがインフラストラクチャー系に集中しており、その中でも主にB向けサービスや開発ツールが多いことがわかります。この現象についてもいくつかの分析を行いました。

技術成熟度の影響：インフラストラクチャプロジェクトが主導的な地位を占める理由は、まずその技術成熟度にあります。これらのプロジェクトは通常、時間に裏打ちされた技術とフレームワークの上に構築されており、開発の難易度とリスクを低減しています。AI分野における「シャベル」に相当し、AIエージェントの開発と応用に堅固な基盤を提供しています。

市場需要の推進：もう一つの重要な要因は市場の需要です。消費者市場と比較して、企業市場はAI技術に対する需要がより切実であり、特に運用効率の向上とコスト削減のソリューションを求めています。同時に、開発者にとって企業からのキャッシュフローは比較的安定しており、彼らが次のプロジェクトを開発するのに有利です。

アプリケーションシーンの制限：同時に、私たちはコンテンツ生成型AIのB2B市場におけるアプリケーションシーンが比較的限られていることに注意しています。その出力の不安定性により、企業は生産性を安定的に向上させることができるアプリケーションを好みます。これにより、プロジェクトライブラリにおけるコンテンツ生成型AIの占有率は小さくなっています。

このトレンドは、技術の成熟度、市場の需要、そしてアプリケーションシーンの実際の考慮を反映しています。AI技術の進歩と市場の需要がさらに明確になるにつれて、この構図は調整される可能性がありますが、基盤となるインフラはAIエージェントの発展の確固たる基盤であり続けるでしょう。

! AIエージェントはWeb3+AIの命の恩人になれるか?

Web2のAIエージェントのリーダープロジェクト分析

私たちは現在のWeb2市場におけるいくつかのAIエージェントプロジェクトを深く掘り下げ、それらを分析します。Character AI、Perplexity AI、Midjourneyの3つのプロジェクトを例に挙げます。

キャラクターAI：

製品紹介：Character.AIは、人工知能に基づく対話システムと仮想キャラクター作成ツールを提供します。このプラットフォームでは、ユーザーが仮想キャラクターを作成、訓練し、それらのキャラクターと対話することができるため、自然言語での対話や特定のタスクの実行が可能です。

データ分析：Character.AIの5月の訪問者数は2.77億で、プラットフォームには350万以上の日間アクティブユーザーがいます。その大多数は18歳から34歳の間にあり、若いユーザー層の特徴を示しています。Character AIは資本市場で素晴らしいパフォーマンスを発揮し、1.5億ドルの資金調達を完了し、評価額は10億ドルに達しました。リード投資家はa16zです。

テクニカル分析：Character AIは、Googleの親会社であるAlphabetとその大規模言語モデルの非独占的使用に関するライセンス契約を締結しました。これは、Character AIが自社開発の技術を採用していることを示しています。特筆すべきは、会社の創設者であるNoam ShazeerとDaniel De Freitasが、Googleの対話型言語モデルLlamaの開発に関与していたことです。

パープレキシティAI:

製品紹介：Perplexityはインターネットから情報を取得し、詳細な回答を提供することができます。引用や参考リンクを通じて情報の信頼性と正確性を確保し、ユーザーに対して追求やキーワード検索の教育やガイドを行い、ユーザーの多様な問い合わせニーズに応えます。

データ分析：Perplexityの月間アクティブユーザー数は1000万人に達し、2月にはモバイルおよびデスクトップアプリケーションの訪問者数が8.6%増加し、約5000万人のユーザーを引き付けました。資本市場では、Perplexity AIが最近6270万ドルの資金調達を発表し、評価額は10.4億ドルに達しました。リード投資者はDaniel Grossで、参加者にはStan DruckenmillerやNVIDIAが含まれています。

技術分析：Perplexityが使用する主なモデルは微調整されたGPT-3.5であり、オープンソースの大規模モデルを微調整した2つの大規模モデル：pplx-7b-onlineとpplx-70b-onlineに基づいています。モデルは専門的な学術研究に適しています。