Informe de investigación de OKX: Desmontaje más de 10 proyectos para ayudarlo a comprender el diseño del agente de IA (Parte 1)

Fuente: OKX Ventures

La pista AI está experimentando una evolución desde la especulación hasta la implementación práctica de la aplicación.

Los primeros tokens de meme de IA aprovecharon los puntos críticos de IA para explotar, y ahora están surgiendo herramientas comerciales de IA más funcionales, investigación de inversiones inteligentes y organismos de ejecución de IA en cadena.Desde estrategias de francotirador en la cadena de IA hasta la ejecución autónoma de las tareas en cadena del agente de IA y las soluciones de optimización de ingresos Defi generadas por AI, la influencia de la pista de IA se está expandiendo rápidamente.

Pero la mayoría de la gente puede verAIEl valor de mercado del token ha aumentado exponencialmente, pero el sistema de coordenadas que decodifica su lógica de valor no se puede encontrar.¿Qué pistas de IA tienen vitalidad a largo plazo?¿Es defai la mejor aplicación de IA?¿Cuáles son las dimensiones de la evaluación del proyecto de IA?……OKX VenturesEl último informe de investigación ha sido profundamente desmontadoAIEl mapa de desarrollo de la pista, del análisis de concepto, el proceso de evolución, la pista de aplicación y los casos de proyectos, espero que pueda darle una idea deAIEl valor trae algo de inspiración y pensamiento.

Este informe tiene un contenido rico.Este artículo es «Artículo anterior».

1. Acerca deAgente de IA

Agente de IAEs una entidad inteligente con la capacidad de percibir el medio ambiente, tomar decisiones y realizar acciones correspondientes.A diferencia de los sistemas de IA tradicionales, los agentes de IA pueden pensar de forma independiente y llamar a las herramientas para lograr gradualmente objetivos específicos, lo que les brinda una mayor autonomía y flexibilidad en el manejo de tareas complejas.

En resumen, los agentes de IA son agentes impulsados ​​por la tecnología de inteligencia artificial, y sus flujos de trabajo incluyen: módulos de percepción (recopilar entrada), modelos de idiomas grandes (comprensión, razonamiento y planificación), llamadas de herramientas (tareas de ejecución) y comentarios y optimización. y ajuste).

OpenAI define a los agentes de IA como un sistema con modelos de lenguaje grandes como núcleo, con la capacidad de comprender, percibir, planificar, recordar y usar herramientas independientemente, y puede automatizar la ejecución de tareas complejas.A diferencia de la inteligencia artificial tradicional, los agentes de IA pueden lograr gradualmente los objetivos establecidos a través del pensamiento independiente y las llamadas de herramientas.

Agente de IALa definición se puede resumir en los siguientes elementos clave:Percepción, el agente de IA detecta el entorno circundante a través de sensores, cámaras u otros dispositivos de entrada para obtener la información y el razonamiento necesarios; , el agente de IA puede formular un plan de acción y elegir la mejor ruta de ejecución.

Agente de IAEl principio y el proceso de trabajo generalmente incluyen los siguientes pasos:Primero, la entrada de información es la entrada y la información del entorno, como las instrucciones del usuario, los datos del sensor, etc.; (memoria a corto y largo plazo) Para comprender el estado actual. .Durante la fase de ejecución, el agente de IA implementa su plan y monitorea el proceso de ejecución llamando a API o herramientas externas para garantizar que la tarea se complete como se esperaba; El agente reflejará y aprenderá en función de los resultados, mejorando así la calidad de la toma de decisiones futuras.

2. Proceso de evolución

La ruta de evolución de los tokens AI muestra el proceso de transformación del fenómeno inicial de «meme» hasta la integración de tecnología profunda.Al principio, muchos tokens confiaron en la exageración conceptual de corta duración y el auge de las redes sociales para atraer la atención de los usuarios, como los memes calientes en línea.Sin embargo, con la madurez continua del mercado, los tokens AI se han desarrollado gradualmente hacia funciones más prácticas y avanzadas, deshaciéndose gradualmente del modelo de bombo simple y transformándose en una herramienta financiera de blockchain real y una plataforma de análisis de datos.Exploraremos en profundidad cómo estos tokens se han desarrollado gradualmente desde la existencia conceptual hasta productos técnicos con valor práctico de la aplicación.

escenario1:Ai meme(Período confundido)

La mayoría de los primeros tokens de IA existen en forma de «meme».En esta etapa, el propósito del token no está claro, y el mercado y los usuarios saben muy poco sobre su potencial.

escenario2: Socialización (período de exploración)

A medida que el mercado presta atención gradualmente a los tokens de IA, estos tokens han comenzado a hacer esfuerzos en el campo social.Por ejemplo, los tokens como $ luna y $ bully atraen a los usuarios para participar a través de funciones sociales mejoradas.En esta etapa, los tokens no solo existen como herramientas exageradas, sino que también comienzan a integrarse en la interacción social y impulsada por la comunidad para promover el crecimiento del mercado.Los tokens se han expandido gradualmente de la función simple de «chat» y comenzaron a explorar funciones estrechamente integradas con las necesidades sociales de los usuarios, formando atributos sociales más diversos.

escenario3: Campo vertical (período de profundización de la función)

Los tokens AI han comenzado a separarse de los simples modelos sociales y exagerados, y tienen una exploración profunda de los escenarios de aplicación en los campos verticales.Los tokens como $ AIXBT y $ Zerebro empoderan gradualmente los tokens a través de la combinación con blockchain, defi o herramientas creativas, lo que ya no son solo herramientas especulativas, sino activos digitales con funciones y propósitos claros.Esta etapa marca el desarrollo de tokens de IA en una dirección más eficiente y profesional, y gradualmente forma su posición única de mercado.

escenario3.5: Infraestructura (período de mejora técnica)

Si bien la aplicación de tokens se está profundizando gradualmente, los tokens de IA han comenzado a centrarse en construir una infraestructura técnica más sólida.La adición de tokens como $ AI16Z y $ EMP ha promovido aún más la optimización funcional de los tokens.Los tokens no solo se centran en incentivos económicos y funciones prácticas, sino que también comenzaron a prestar atención a la construcción de infraestructura, como tecnología de cadena cruzada, aplicaciones descentralizadas e integración de hardware, estableciendo gradualmente las bases técnicas para su futuro desarrollo sostenible.

escenario4: Análisis de datos (etapa madura)

Al ingresar a la etapa de madurez, los tokens de IA se han estabilizado gradualmente en el mercado y han comenzado a incorporar funciones de investigación y análisis de inversiones criptográficas más complejas para promover la mejora del ecosistema token y la estructura de gobernanza.Los tokens como $ Trisig y $ Cookie ya no son herramientas simples, se han convertido en parte del sistema económico y se usan ampliamente en campos avanzados, como el análisis de datos, la gobernanza comunitaria y la toma de decisiones de inversión.En este momento, las funciones de los tokens de IA se han mejorado gradualmente, y han podido proporcionar análisis en profundidad y apoyo para la toma de decisiones para el mercado, convirtiéndose en un activo importante en el mercado de cifrado.

escenario4.5: Aplicación financiera (período de integración ecológica)

Con el desarrollo adicional del campo Defi, la integración de los tokens de IA en las aplicaciones financieras se ha profundizado cada vez más, dando a luz el concepto emergente de «defai».A través de la inteligencia artificial, las operaciones complejas de Defi se han vuelto más fáciles, y los usuarios comunes pueden participar fácilmente en actividades financieras en la cadena.Los tokens representativos, como $ Griffain, $ órbita, $ AIXBT, etc., han formado gradualmente una cadena completa de funciones básicas a servicios financieros complejos en el mercado, optimizó las interacciones en la cadena, redujo el umbral para la participación y trajo más oportunidades a los usuarios . Y conveniente.

tres,Agente de IAmarco

(uno)Web3yWeb2Comparación de datos

Cuando el agente de IA de Web2 está invertido en el algoritmo recomendado, el campo de prueba de Web3 también está fomentando más innovaciones de agentes de IA.Pero los datos muestran que los proyectos Web3 y Web2 muestran diferencias significativas en la distribución de contribuyentes, el envío de códigos y las estrellas de GitHub.Al comparar los datos de los proyectos Web3 y Web2, podemos comprender mejor la situación actual de los dos en términos de innovación tecnológica, actividad comunitaria y aceptación del mercado.Especialmente en la plataforma GitHub, la actividad y la popularidad de estos proyectos nos proporcionan indicadores importantes para ayudarnos a comprender futuras tendencias de desarrollo tecnológico y cambios ecológicos de la comunidad.

En términos de participación del desarrollador, el número de contribuyentes de proyectos Web2 es significativamente mayor que el de los proyectos Web3.Específicamente, el proyecto Web3 tiene 575 contribuyentes, mientras que el proyecto Web2 tiene hasta 9,940 contribuyentes, lo que refleja la madurez del ecosistema Web2 y la base de desarrolladores más amplia.Los tres principales proyectos con contribuyentes son:Starkchain3.102 contribuyentes;Informadores-agentes3,009 contribuyentes;Llamado1.391 contribuyentes.

En términos de distribución de confirmación del código.El número de presentaciones de proyectos Web2 también es significativamente mayor que el de los proyectos Web3.El número total de envíos para proyectos Web3 es de 9,238, mientras que el número de proyectos Web2 es tan alto como 40,151, lo que indica que la actividad de desarrollo de los proyectos Web2 es mayor y la frecuencia de actualización es relativamente estable.CódigoLos tres elementos principales en el número de presentaciones son:ElipsosLiderando la ventaja con 5.905 presentaciones;Polvo, se presentaron un total de 5.602 códigos;LangchainOcupó el tercer lugar con 5,506 presentaciones.

Estrellas de GithubDistribución.El proyecto Web2 es mucho más popular en GitHub que en el proyecto Web3, con el proyecto Web2 recibiendo un total de 526,747 estrellas, mientras que el proyecto Web3 recibe 15,676 estrellas.Esta brecha refleja el amplio reconocimiento de los proyectos de Web2 en la comunidad de desarrolladores y la influencia del mercado a largo plazo acumulada.EstrellasLos tres elementos principales en el número son:Agentes JSSin duda, es el más popular, con 137,534 estrellas;Langchain, ocupó el segundo lugar con 98,184 estrellas;MetagptioOcupó el tercer lugar, con 46,676 estrellas.

En general, los proyectos de Web2 están significativamente por delante en términos de recuento de contribuyentes y frecuencia de envío de código, que muestra su ecosistema maduro y estable.La enorme base de desarrolladores y la innovación tecnológica continua han permitido a los proyectos de Web2 mantener una fuerte competitividad en el mercado.Por el contrario, aunque el número de contribuyentes en los proyectos de Web3 es pequeño, algunos proyectos tienen un rendimiento sobresaliente en la frecuencia de envío de código, lo que indica que tienen un equipo de desarrollo central estable y pueden continuar promoviendo el desarrollo de proyectos.Aunque el ecosistema Web3 es actualmente relativamente preliminar, su potencial no puede subestimarse.

En términos de popularidad del proyecto, la distribución de las estrellas de GitHub revela la importante posición de JavaScript y Python en el desarrollo de marcos proxy de IA.Agentes JSyLangchainEs el proyecto más popular, que muestra que la tendencia de IA y criptomoneda está recibiendo una atención generalizada.Aunque el número de estrellas para proyectos Web3 es mucho menor que el de los proyectos Web2, algunos proyectos Web3 comoMetagptioTodavía realizando extraordinariamente y ganó el reconocimiento de los desarrolladores.En general, aunque el proyecto Web3 está en la etapa de recuperación, se espera que su posición en el mercado futuro mejore constantemente con la mayor madurez de la tecnología y la expansión ecológica.

(Ii) blockchain convencionalAgente de IAmarco

Fuente de datos: https://www.aiagenttoolkit.xyz/#frameworks

(Iii) blockchain existenteAgente de IADesafíos del marco

Competidores de los principales fabricantes«Huelga de reducción dimensional«.Los gigantes de la tecnología como OpenAI, Google y Microsoft están lanzando rápidamente agentes oficiales de la herramienta con sus fuertes ventajas financieras y tecnológicas, pueden ocupar el mercado y marginar el marco de inicio en cualquier momento.Al integrar profundamente los modelos de idiomas grandes (LLM), los servicios en la nube y los ecosistemas de herramientas, estas grandes empresas pueden proporcionar soluciones integrales y eficientes, lo que hace que los marcos pequeños y medianos enfrenten una mayor presión competitiva y apreten en gran medida su espacio vital.

Estabilidad insuficiente y mantenimiento.En la actualidad, todos los agentes de IA generalmente enfrentan altas tasas de error y problemas de «ilusión», especialmente cuando llaman a modelos múltiples rondas, son propensos a bucles infinitos o errores de compatibilidad.Una vez que se le pide al agente que realice múltiples subtareas, estos errores a menudo se amplifican capa por capa, lo que resulta en inestabilidad del sistema.Para las aplicaciones empresariales que requieren alta confiabilidad, estos marcos son actualmente difíciles de proporcionar una estabilidad suficiente y garantías de nivel de producción, lo que limita su amplia aplicación en entornos comerciales reales.

El rendimiento y el costo siguen siendo altos.Los procesos de agencia generalmente requieren una gran cantidad de llamadas de inferencia (como la autocomprobación del bucle, las funciones de herramientas, etc.), pero si la capa subyacente se basa en modelos grandes como GPT-4, no solo enfrenta altos costos de llamadas, sino también A menudo no puede satisfacer las necesidades de respuesta rápida.Aunque algunos marcos intentan combinar modelos de código abierto para la inferencia local para reducir los costos, este método aún se basa en un poderoso poder informático, y la calidad de los resultados de la inferencia es difícil de estabilizar. sistema.

La ecología y la flexibilidad del desarrollo son insuficientes.En la actualidad, estos marcos proxy de IA carecen de estándares unificados en términos de lenguaje de desarrollo y escalabilidad, lo que lleva a los desarrolladores a enfrentar cierta confusión y restricciones al elegir.Por ejemplo,ElizaAunque es fácil comenzar, tiene poca escalabilidad en escenarios de alto complejo;AparejoSe usa el óxido, con excelente rendimiento, pero alto umbral de aprendizaje;Zerey(Zerebro) se basa en Python y es adecuado para aplicaciones de generación creativa, pero sus funciones son relativamente limitadas.Otros marcos comoAIXBTyGrifoTomará tiempo para que la verificación del mercado se concentre más en blockchain específicos o campos verticales.Los desarrolladores a menudo necesitan hacer compensaciones entre la facilidad de uso, el rendimiento y la adaptación multiplataforma, afectando su flexibilidad y potencial de desarrollo en una gama más amplia de aplicaciones.

Riesgos de seguridad y cumplimiento.Cuando los sistemas múltiples acceden a las API externos, ejecutar transacciones clave o tomar decisiones automatizadas, son propensos a riesgos de seguridad, como llamadas anulantes, fugas de privacidad o operaciones vulnerables.Muchos marcos no son bien tratados en estrategias de seguridad y registros de auditoría, especialmente en escenarios de aplicaciones empresariales o financieras, donde estos problemas son extremadamente prominentes y difíciles de cumplir con los requisitos de cumplimiento estrictos.Esto hace que el sistema sea probable que enfrente grandes riesgos legales y desafíos de seguridad de datos cuando realmente se despliegue.

En vista de los problemas anteriores, muchos profesionales creen que el marco actual del agente de IA puede exprimirse aún más bajo la presión del «próximo avance tecnológico» o «plan de integración grande en uno».Sin embargo, también hay opiniones de que los marcos de inicio aún pueden jugar un valor único en campos específicos, como escenarios en cadena, generación creativa o acoplamiento de complementos de la comunidad.Mientras se puedan hacer avances en confiabilidad, control de costos y construcción ecológica, estos marcos aún pueden encontrar rutas de desarrollo factibles fuera del ecosistema de grandes fábricas.En general, cómo resolver los dos problemas principales de «alto costo, propenso a errores» y «lograr la flexibilidad multi-escena» será un desafío clave que enfrenta todos los marcos de agentes de IA.

tres,Agente de IADirección de desarrollo

MultimodalAIPopularidad
Con el rápido desarrollo de la tecnología, la IA multimodal se está convirtiendo gradualmente en una fuerza impulsora clave en varias industrias.La IA multimodal puede procesar varios formularios de datos, como texto, imágenes, video y audio, lo que le permite mostrar un gran potencial en múltiples campos.Especialmente en el campo médico, al integrar registros médicos, datos de imágenes e información genómica, la IA multimodal puede respaldar la implementación de atención médica personalizada, ayudando a los médicos a adaptar los planes de tratamiento para los pacientes con mayor precisión.En el comercio minorista y la fabricación, con esta tecnología, la IA puede optimizar los procesos de producción, mejorar la eficiencia y mejorar la experiencia del cliente, mejorando así la competitividad de la empresa.Con la mejora de los datos y el poder informático, se espera que la IA multimodal desempeñe su papel transformador en más industrias, promoviendo la rápida iteración y la expansión de la aplicación de la tecnología.

Inteligencia encarnada e inteligencia autónoma
La IA encarnada se refiere a la comprensión y adaptación del medio ambiente a través de la percepción y la interacción con el mundo físico.Esta tecnología cambiará en gran medida la dirección de desarrollo de los robots y sentará las bases para su popularidad en la conducción autónoma, las ciudades inteligentes y otros escenarios de aplicaciones.2025 se considera el «primer año de inteligencia incorporada», y se espera que esta tecnología se use ampliamente en múltiples campos.Al empoderar a los robots para percibir, comprender y tomar decisiones independientes, la inteligencia encarnada promoverá la profunda integración del mundo físico y el mundo digital, mejorando así la productividad y promoviendo el desarrollo inteligente de todos los ámbitos de la vida.Ya sea en asistentes personales, vehículos autónomos o en fábricas inteligentes, la inteligencia incorporada cambiará la forma en que las personas interactúan con las máquinas.

AIinterino(AI agente) El surgimiento de
El Agente AI se refiere a sistemas de inteligencia artificial que pueden completar de forma independiente las tareas complejas.Este tipo de agente de IA se está transformando de una herramienta de respuesta de consulta simple temprana a un sistema de toma de decisiones autónomo más avanzado, que se usa ampliamente en la optimización de procesos comerciales, el servicio al cliente y la automatización industrial.Por ejemplo, los agentes de IA pueden manejar las solicitudes de consulta de los clientes de forma independiente, proporcionar servicios personalizados e incluso tomar decisiones de optimización.En la automatización industrial, los agentes de IA pueden monitorear el estado operativo de los dispositivos, predecir fallas y ajustar o solucionar problemas antes de que ocurran.A medida que los agentes de IA maduran gradualmente, su aplicación en diversas industrias se volverá más profunda y se convertirá en una herramienta importante para mejorar la eficiencia y reducir los costos.

AIAplicación en investigación científica
La introducción de AI está acelerando el progreso de la investigación científica, especialmente en el campo del análisis de datos complejos.AI4 (AI para la ciencia) se ha convertido en una nueva tendencia de investigación.En los campos de la investigación biomédica, de ciencia y energía de los materiales, la aplicación de IA está impulsando los avances en la ciencia básica.Un ejemplo significativo es Alphafold, que resuelve los problemas que han afectado durante mucho tiempo a los científicos al predecir las estructuras de proteínas, promoviendo en gran medida el progreso de la investigación biomédica.En el futuro, la IA desempeñará un papel cada vez más importante en la promoción del progreso de la investigación científica y el descubrimiento de nuevos materiales y drogas.

AISeguridad y ética
Con la popularización de la tecnología de IA, los problemas de seguridad y ética de IA se están convirtiendo gradualmente en el foco de atención global.La transparencia, la equidad y los riesgos potenciales de seguridad de los sistemas de IA han desencadenado mucha discusión.Para garantizar el desarrollo sostenible de la tecnología de IA, las empresas y los gobiernos están intensificando los esfuerzos para establecer un marco de gobierno sólido para gestionar de manera efectiva sus riesgos al tiempo que promueve la innovación tecnológica.Especialmente en los campos de la toma de decisiones automatizada, la privacidad de los datos y los sistemas autónomos, cómo equilibrar el progreso tecnológico con la responsabilidad social se ha convertido en la clave para garantizar el impacto positivo de la tecnología de IA.Este no es solo un desafío para el desarrollo tecnológico, sino también un tema importante a nivel moral y legal, que afecta el papel y el estado de la IA en la sociedad futura.

Presentaremos en detalle en el informe «Siguiente»Agente de IASe proporcionan la aplicación y los elementos de la tabla, y se proporciona el marco de evaluación, así que estén atentos.

Descargo de responsabilidad

Este contenido es solo para fines informativos y no constituye o no debe considerarse como (i) asesoramiento o recomendación de inversión, (ii) una oferta o solicitud para la compra, venta o propiedad de activos digitales, o (iii) contabilidad financiera, contable financiera , asesoramiento legal o fiscal.No garantizamos la precisión, integridad o utilidad de dicha información.Los activos digitales (incluidas las establo y las NFT) se ven afectados por la volatilidad del mercado, implican altos riesgos, pueden depreciarse e incluso quedarse sin valor.Debe considerar cuidadosamente si el comercio o el mantenimiento de los activos digitales es adecuado para usted en función de su situación financiera y la tolerancia al riesgo.Para su situación específica, consulte a su profesional legal/fiscal/de inversión.No todos los productos están disponibles en todas las regiones.Para obtener más detalles, consulte los términos de servicio OKX y la divulgación de riesgos y amp;OKX Web3 Mobile Wallet y sus servicios derivados están sujetos a términos de servicio separados.Sea responsable de comprender y cumplir con las leyes y regulaciones locales aplicables relevantes.