ArkStream Capital：AI Agent 能否成為 Web3+AI 的救命稻草？

作者：James，ArkStream Capital

TL;DR

• AI Agent項目在Web2創業中熱門、成熟的類型主要是企業端服務類，而在Web3領域中模型訓練、平臺集合類項目因其在構建生態系統中的關鍵作用而成為主流。

• 當下Web3的AI Agent項目數量不多佔比8%，但它們在AI賽道中的市值佔比卻高達23%，因此展現出的強大的市場競爭力，我們預計隨著技術成熟和市場認可度提升，未來將出現多個估值超過10億美元的項目。

• 對於Web3項目而言，對於非AI核心的應用端產品，引入AI技術可能成為戰略優勢。對於AI Agent項目結合方式應注重全生態系統構建和代幣經濟模型設計，以促進去中心化和網絡效應。

AI浪潮：項目迭出和估值抬升的現狀

自ChatGPT在2022年11月問世以來，在短短兩個月內就吸引了超過一億用戶，到2024年5月，ChatGPT的月收入已達到驚人的2030萬美元，而OpenAI在發佈ChatGPT之後，也迅速推出了GPT-4, GP4-4o等迭代版本。如此迅猛的態勢，各大傳統科技巨頭意識到LLM等最前沿AI模型應用的重要性，紛紛推出自己的AI模型和應用，例如，谷歌發佈了大語言模型PaLM2，Meta推出了Llama3，而中國公司則推出了文心一言，智譜清言等大模型，顯然AI領域已然成為兵家必爭之地。

各大科技巨頭的競賽不僅推動了商業應用的發展，同時我們從開源AI研究的調查統計發現，2024年的AI Index report顯示GitHub上的AI相關項目數量從2011年的845個激增至2023年的約180萬個，尤其在GPT發佈後的2023年，項目數量同比增長了59.3%，反映了全球開發者社區對AI研究的熱衷。

對AI技術的熱情直接反映在了投資市場上，AI投資市場呈現出強勁的增長，在2024年第二季度呈現爆發式增長。全球共有16筆超1.5億美元的AI相關投資，是第一季度的兩倍之多。AI初創的融資總額更是飆升至240億美元，同比增長過一倍。其中，馬斯克旗下的xAI更是籌集了60億美元，估值為240億美元，成為僅次於OpenAI的估值第二高的AI初創公司。

2024 Q2 AI 賽道融資TOP10，來源：億歐，https://www.iyiou.com/data/202407171072366

AI技術的迅猛發展正以前所未有的速度重塑著科技領域的版圖。從科技巨頭間的激烈角逐，到開源社區項目的蓬勃發展，再到資本市場對AI概念的熱烈追捧。項目層出不窮，投資額屢創新高，估值也隨之水漲船高。整體而言，AI市場正處於一個高速發展的黃金時期，大型語言模型和檢索增強生成技術在語言處理領域實現了重大進展。儘管如此，這些模型在將技術優勢轉化為實際產品時仍面臨挑戰，如模型輸出的不確定性、生成不準確信息的幻覺風險以及模型透明度問題。這些問題在對可靠性要求極高的應用場景下變得尤為重要。

在這一背景下，我們開始對AI Agent展開研究，因為AI Agent強調解決實際問題與環境交互的全面性。這一轉變標誌著AI技術從純粹的語言模型向能夠真正理解學習並解決現實問題的智能系統進化。所以我們從AI Agent的發展中看到了希望，它正逐步彌合AI技術與實際問題解決之間的鴻溝。AI技術的演進不斷重塑著生產力的架構，而Web3技術則在重構著數字經濟的生產關係。當AI的三大要素：數據、模型和算力，與Web3的去中心化、代幣經濟和智能合約等核心理念相融合，我們預見將催生出一系列創新性應用。在這個充滿潛力的交叉領域，我們認為，AI Agent以其自主執行任務的能力，展現出了實現大規模應用的巨大潛力。

為此，我們開始深入研究AI Agent在Web3的多樣化應用，從Web3的基礎設施、中間件、應用層面，到數據和模型市場等多個維度，旨在識別並評估那些最具前景的項目類型和應用場景，以深入理解AI與Web3的深度融合。

概念釐清：AI Agent的介紹和分類概覽

基本介紹

在介紹AI Agent之前，為了讓讀者更好理解其定義和模型本身的區別，我們通過一個實際場景來做舉例：假設你正在規劃一次旅行。傳統的大型語言模型提供目的地信息和旅行建議。檢索增強生成技術則能提供更豐富、具體的目的地內容。而AI Agent就像是鋼鐵俠電影中的賈維斯，能理解需求，還能根據你的一句話主動搜索航班和酒店，執行預訂操作，將行程添加到日曆中。

目前行業內普遍對AI Agent的定義是指,能夠感知環境並做出相應行動的智能系統，通過傳感器獲取環境信息，經過處理後通過執行器對環境產生影響（Stuart Russell & Peter Norvig, 2020）。我們認為，AI Agent就是集合了LLM、RAG、記憶、任務規劃和工具使用能力的助手。它不僅能夠單純的信息提供，還能夠規劃、分解任務，並真正地執行。

根據這一定義和特性，我們可以發現AI Agent早已融入我們的生活，在不同的場景中得到應用，例如AlphaGo、Siri、特斯拉的L5級別以上的自動駕駛等都可被視為AI Agent的實例。這些系統共同的特質就是都能感知外界用戶輸入，並據此做出相應對現實環境產生影響。

以ChatGPT為例進行概念釐清，我們應當明確指出Transformer是構成AI模型的技術架構，GPT是基於此架構發展起來的模型系列，而GPT-1、GPT-4、GPT-4o分別代表了模型在不同發展階段的版本。ChatGP則T作為基於GPT模型進化而來的AI Agent。

分類概況

當下AI Agent市場尚未形成統一的分類標準，我們通過分別對Web2+Web3市場中204個AI Agent項目打標籤的方式，根據每個項目對應的顯著標籤，分為了一級分類和二級分類。其中，一級分類為基礎建設，內容生成，用戶交互三種類別，再根據其實際用例進行細分：

• 基礎建設類：這類專注於構建Agent領域較為底層的內容，包括平臺、模型、數據、開發工具，以及較為成熟便底層應用的B端服務類。

• 開發工具類：為開發者提供構建AI Agent的輔助工具和框架。

• 數據處理類：處理和分析不同格式的數據，主要用來輔助決策、為訓練提供來源。

• 模型訓練類：提供針對AI的模型訓練服務，包括推理、對模型的建立、設定等

• B端服務類：主要面向企業用戶，提供企業服務類、垂直類、自動化的解決方案。

• 平臺集合類：集成多種AI Agent服務和工具的平臺。

• 交互類：與內容生成類相似，區別在於持續雙向互動。交互類Agent不僅接受和理解用戶需求，還通過自然語言處理（NLP）等技術提供反饋，實現與用戶的雙向互動。

• 情感陪伴類：提供情感支持和陪伴的AI Agent。

• GPT類：基於GPT（生成式預訓練Transformer）模型的AI Agent。

• 搜索類：專注於搜索功能，提供更準確的信息檢索為主的Agent。

• 內容生成類：這類項目專注於創造內容，利用大模型技術根據用戶指令生成各種形式的內容，分為文字生成、圖像生成、視頻生成和音頻生成四類。

Web2 AI Agent發展現狀分析

根據我們的統計，在Web2傳統互聯網中AI Agent的開發呈現出明顯的板塊集中趨勢。具體來說，大約有三分之二的項目集中在基礎建設類，其中主要是B端服務類和開發工具類居多，我們對這一現象也進行了一些分析。

技術成熟度的影響：基礎建設類項目之所以佔據主導地位，首先得益於其技術成熟度。這些項目通常建立在經過時間檢驗的技術和框架之上，從而降低了開發難度和風險。相當於AI領域的“鏟子”，為AI Agent的開發和應用提供了堅實的基礎。

市場需求的推動：另一個關鍵因素是市場需求。與消費者市場相比，企業市場對AI技術的需求更為迫切，特別是在尋求提升運營效率和降低成本的解決方案方面。同時對於開發者而言，來自企業的現金流相對穩定，有利於他們開發後續項目。

應用場景的限制：與此同時，我們注意到內容生成類AI在B端市場的應用場景相對有限。由於其產出的不穩定性，企業更傾向於那些能夠穩定提高生產力的應用。這導致了內容生成類AI在項目庫中所佔比例較小。

這一趨勢反映了技術成熟度、市場需求和應用場景的實際考量。隨著AI技術的不斷進步和市場需求的進一步明確，我們預期這一格局可能會有所調整，但基礎建設類仍將是AI Agent發展的堅實基石。

Web2的AI Agent龍頭項目分析

Web2的AI Agent龍頭項目整理，來源：ArkStream項目數據庫

我們深入探討一些當前Web2市場上的AI Agent項目，並對它們展開分析，以Character AI， Perplexity AI，Midjourney三個項目為例。

Character AI：

• 產品介紹：Character.AI 提供基於人工智能的對話系統和虛擬角色創建工具。其平臺允許用戶創建、訓練和與虛擬角色進行互動，這些角色能夠進行自然語言對話並執行特定任務。

• 數據分析：Character.AI 在5月的訪問量為2.77億，平臺擁有超過350萬的日活躍用戶，其中大部分用戶年齡在18至34歲之間，顯示出年輕化的用戶群體特徵。Character AI在資本市場上表現出色，完成了1.5億美元的融資，估值達到10億美元，由a16z領投。

• 技術分析：Character AI與谷歌母公司Alphabet簽署了非獨家使用其大型語言模型的許可協議，這表明Character AI採用的是自研技術。值得一提的是，公司的創始人Noam Shazeer和Daniel De Freitas曾參與開發谷歌的對話式語言模型Llama。

Perplexity AI:

• 產品介紹：Perplexity能夠從互聯網上抓取並提供詳盡的答案。通過引用和參考鏈接確保了信息的可靠性和準確性，同時他會教育、引導用戶進行追問和搜索關鍵詞，滿足了用戶多樣化查詢需求。

• 數據分析：Perplexity的月活躍用戶數量已達到1000萬，其移動和桌面應用程序的訪問量在2月份實現了8.6%的增長，吸引了約5000萬用戶。在資本市場上，Perplexity AI最近宣佈獲得6270萬美元的融資，估值達到10.4億美元，由Daniel Gross領投，參與者包括Stan Druckenmiller和NVIDIA。

• 技術分析：Perplexity使用的主要模型是經過微調的GPT-3.5，以及基於開源大模型微調的兩款大型模型：pplx-7b-online和pplx-70b-online。模型適合專業學術研究和垂直領域的查詢，確保信息的真實度和可靠性。

Midjourney:

• 產品介紹：用戶可以通過Prompts在Midjourney創建各種風格和主題的圖像，覆蓋從寫實到抽象的廣泛創作需求。平臺還提供圖像混合與編輯，允許用戶進行圖像疊加和風格遷移，平臺的實時生成功能確保用戶在幾十秒到幾分鐘內就能得到生成的圖像。

• 數據分析：平臺已經擁有1500萬註冊用戶，並且有150萬至250萬的活躍用戶。同時，根據公開市場信息，Midjourney沒有拿投資機構的錢，依靠創始人David多次創業的信譽和資源，實現了自給自足的發展。

• 技術分析：Midjourney採用的是他們自己的閉源模型，自2022年8月發佈Midjourney V4以來，該平臺一直在使用基於擴散的生成式AI模型。據稱，該模型的訓練參數在300到400億個，這一龐大的參數量為其生成圖像的多樣性和準確性提供了堅實的基礎。

商業化困境

在體驗了多個Web2的AI Agent後，我們觀察到產品迭代的普遍路徑：從初期專注於單一細化任務，到後期拓展能力以處理更復雜的多任務場景。這一趨勢不僅體現了AI Agent在提升工作效率和創新能力方面的潛力，也預示著它們將在未來扮演更加關鍵的角色。通過對Web2中125個AI Agent項目的初步統計，我們發現項目主要集中在內容生成（如Jasper AI）、開發工具（如Replit），以及數量最多的B端服務（如Cresta）。這一發現與我們的預期相悖，起初我們預期隨著AI模型技術的日益成熟，C端市場將迎來AI Agent的爆發式增長。然而經過分析我們意識到：C端AI Agent的商業化之路遠比預期的崎嶇和複雜。

拿Character.Ai為例，一方面，Character.AI擁有著最好的流量表現。但因為其商業模式單一，靠9.9USD的訂閱費，在面對少量的訂閱收入與重度用戶推理成本消耗之下，最終還是因流量變現困難和資金鍊問題被谷歌收購了整個團隊。這一案例反映出，即使有這麼好的流量和融資，C端AI Agent應用在商業化過程中還是困難重重。反映出絕大多數產品仍未能達到替代或有效輔助人工的標準，導致了C端用戶對目前產品的付費意願並不強烈。在我們實際的研究調查中發現許多初創項目都遇到了Character.ai類似的問題，C端AI Agent的發展並非一帆風順，而是需要在技術成熟度、產品價值、以及商業模式創新上進行更深入的探索，才能實現其在C端市場的潛力和價值。

通過統計大部分AI Agent項目的估值，對比OpenAI、xAI等天花板項目估值還有接近10-50倍的空間。不可否認的是，C端Agent應用天花板還是足夠高的，證明其仍然是一個好的賽道。但綜合以上分析，我們認為相較於C端，B端市場可能是AI Agent的最終落腳點。企業通過構建平臺，將AI Agent集成到垂直領域、CRM、辦公OA等管理軟件中，這不僅為企業帶來運營效率的提升，也為AI Agent提供了更廣闊的應用空間。因此，我們有理由相信B端服務會是在Web2傳統互聯網內AI Agent短期內發展的主要方向。

Web3 AI Agent發展現狀和前景分析

項目概覽

根據前文分析，即便是獲得頂級融資並擁有良好用戶流量的AI Agent應用，也面臨著商業變現的難題。接下來我們將深入分析當前AI Agent項目在Web3內的發展情況。通過對一系列代表性項目的評估—包括它們的技術創新、市場表現、用戶反饋以及發展潛力，旨在挖掘出具有啟發性的建議。下圖為目前市場上已發代幣且市值較高的幾個代表性項目：

Web2的AI Agent龍頭項目整理，來源：ArkStream項目數據庫

根據我們對Web3 AI Agent市場的統計，其項目開發的類型同樣呈現出明顯的板塊密集趨勢。絕大部分的項目都被劃分為基礎建設類，同時較為缺少內容生成類的項目。大多項目都試圖通過讓用戶提供分佈式的數據、算力等，去解決項目方的模型訓練需求。亦或者試圖打造一站式平臺，嵌入多種AI Agent的應用服務和工具。從開發工具到前段交互類應用、生成式應用等。而傳統AI Agent行業目前主要侷限於開源參數調整或套用現有模型構建應用，這種方式在企業和個人用戶層面都未能形成顯著的網絡效應。

現狀分析

我們認為現階段這種現象可能由以下幾個因素推動：

市場與技術不匹配：Web3和AI Agent的結合點目前相比傳統市場並沒有明顯的優勢，其真正的優點在於改善生產關係，通過去中心化的方式優化資源和協作。這可能導致一些交互類和生成類應用在技術和資金實力較強的傳統競爭對手面前缺乏競爭力。

應用場景限制：在Web3環境中，可能並沒有那麼多實際的需求去生成圖像、視頻或文字等內容。相反，Web3的去中心化和分佈式特性更多地被用來在傳統AI領域內實現降本增效，而不是拓展新的應用場景。

這一現象的根源，我們認為可追溯至當前AI行業的發展狀態及其未來方向。可能正是因為當前的AI技術仍處於初級，類似於工業革命早期的蒸汽機被電機取代的過渡期，尚未達到普及應用的電氣化時代。

我們有理由相信，未來AI發展的趨勢可能會遵循類似的路徑。通用模型將逐漸固化，而微調模型則會呈現多樣化發展。AI應用將廣泛分散到各個企業和個人用戶中，重點將轉移到模型間的互聯和交互。而這一趨勢與Web3的理念高度契合，正因為Web3以其可組合性和無需許可的特性而著稱，這與分散化的模型微調理念不謀而合。開發者被允許更大的自由度，可以更自由地組合和調整各種模型。同時，去中心化特性在數據隱私保護、計算資源分配等方面也為模型訓練帶來了獨特優勢。

隨著技術進步，特別是LoRA（Low-Rank Adaptation）等新技術的出現，大幅降低了模型微調的成本和技術門檻。這使得開發特定場景的公開模型或滿足用戶個性化需求變得更加容易。Web3內的AI Agent項目能夠充分利用這一技術進步，在模型訓練和微調領域探索新穎的訓練方法、創新的激勵機制，以及模型共享和協作的新模式，這些在傳統中心化系統中往往難以實現。

此外，Web3項目方在模型訓練方面的集中也同樣體現了其在AI整個生態中佔據重要位置的戰略考量。所以Web3行業內的AI Agent項目集中於模型訓練領域，是技術發展趨勢、市場需求和Web3行業優勢的自然交匯。接下來我們會例舉幾個Web2&3行業內的模型訓練類項目並進行對比。

模型訓練類項目

Humans.ai

• 項目介紹：Humans.ai是多元化的AI算法模型庫和訓練部署環境，覆蓋圖像、視頻、音頻、文本等多個領域。平臺不僅支持開發者對模型進行進一步的訓練和優化，還允許他們分享和交易自己的模型。一個顯著的創新點是，Humans.ai利用NFT作為存儲AI模型和用戶生物特徵數據的媒介，使得AI創造內容的過程更加個性化和安全。

• 數據分析：Humans.ai其代幣Heart的市值約為6800萬美元。Twitter關注者為56k，並未披露其用戶數據。

• 技術分析：Humans.ai沒有自主研發模型，而是採用模塊化方法，將所有提供的模型封裝進NFT中，為用戶提供了一個靈活且可擴展的AI解決方案。

FLock.io

• 項目介紹：FLock.io是一個基於聯邦學習技術（強調數據隱私的去中心化機器學習方法）的AI共創平臺，它致力於解決AI賽道中的痛點，如公眾參與度低、隱私保護不足，以及大公司對AI技術的壟斷。該平臺允許用戶在保護隱私的同時貢獻數據，推動AI技術的民主化和去中心化。

• 數據分析：2024年初完成了600萬美元的種子輪融資，由Lightspeed Faction和Tagus Capital領投，DCG、OKX Ventures等機構跟投。

• 技術分析：FLock.io的技術架構基於聯邦學習，這是一種在保護數據隱私的同時促進去中心化的方法。此外，FLock.io還採用了zkFL、同態加密和安全多方計算（SMPC）等技術，為數據隱私提供額外保護。

這是Web3行業內AI Agent的模型訓練類的項目，在Web2同樣也有類似的平臺提供模型訓練的服務，例如Predibase。

Predibase

• 項目介紹：Predibase專注於AI和大語言模型優化，允許用戶微調和部署開源的大語言模型，例如Llama、CodeLlama、Phi等。平臺支持多種優化技術，如量化、低秩適應和內存高效的分佈式訓練。

• 數據分析：Predibase宣佈完成Felicis領投的1220萬美元的A輪融資，Uber、Apple、 Meta 等大型企業與Paradigm 和 Koble.ai 這類初創公司都是該平臺用戶。

• 技術分析：Predibase的用戶已經訓練了超過250個模型，目前平臺採取LoRAX架構和Ludwig框架：LoRAX使用戶能夠在單個GPU上服務數千個微調後的LLM，大大降低了成本，同時不影響吞吐量或延遲。而Ludwig是一個聲明式框架，Predibase用於開發、訓練、微調和部署最先進的深度學習和大語言模型。

• 項目分析：Predibase平臺具備用戶友好的特性，為不同層次的用戶提供定製化的AI應用程序構建服務。無論對於C端和B端用戶，還是AI領域的新手或經驗豐富的人。

對於新手，Predibase平臺的一鍵式自動化功能簡化了模型構建、訓練過程。平臺自動完成複雜的構建和部署步驟。對於有經驗的用戶，則提供了更為深入的定製選項。不僅提供自動化服務，還允許用戶訪問和調整更專業的參數設置。在對比傳統AI模型訓練平臺與Web3領域的AI項目時，儘管它們在整體框架和邏輯上可能相似，但我們發現兩者在技術架構和商業模式上存在一些顯著的差異。

• 技術深度與創新：傳統AI模型訓練平臺往往採用更深入的技術壁壘，例如使用LoRAX架構和Ludwig框架等自研技術。這些框架提供了強大的功能，使得平臺能夠處理複雜的AI模型訓練任務。然而，Web3項目則可能更側重於去中心化和開放性，沒有深入技術。

• 商業模式的靈活性：在傳統AI模型訓練領域，我們注意到一個常見的瓶頸是商業模式的靈活性不足。平臺要求用戶付費才能訓練模型，資金來源限制了項目的可持續發展空間，尤其是在需要廣泛用戶參與和數據收集的早期階段。相比之下，Web3項目會具備更為靈活的商業模式，如代幣經濟以社區驅動的模型。

• 隱私保護的挑戰：隱私保護是另一個關鍵問題。以Predibase為例，儘管它提供了在AWS上的虛擬私有云服務，但這種依賴第三方的架構始終存在數據洩漏的潛在風險。

這些差異化的點，無一例外都成為傳統AI行業內的瓶頸。因為互聯網的特徵，註定這些問題會較難以有效率的辦法去解決。同時，這也給Web3帶來了機會和挑戰，項目方率先解決了這些問題將很有可能成為行業的先驅。

Web3其他類別的Agent項目

在我們探討了模型訓練類的AI Agent項目之後，我們接下來將視野擴展到Web3行業中其他類型的AI Agent項目。這些項目雖然不只專注於模型訓練，但它們在融資數據、上所表現、代幣市值等方面展現出與眾不同。以下是幾個在各自領域內具有代表性和影響力的AI Agent項目：

Myshell

• 產品介紹：提供了一個全面的AI Agent平臺，用戶能夠創建、分享、個性化的AI代理。這些Agent能夠提供陪伴，也能輔助工作提高效率。平臺涵蓋了多樣化的AI代理風格，包括二次元和傳統風格，交互形式涵蓋音頻、視頻和文字。MyShell特別之處在於聚合了包括GPT4o、GPT4、Claude在內的多種現有模型，為用戶提供了傳統付費AI Agent的高級體驗。此外，平臺引入了類似FT bonding curve的交易系統，激勵創作者開發高價值的AI模型，同時讓用戶有機會投資並共享收益。

• 數據分析：MyShell在融資方面最後一輪估值約8000萬美元，Dragonfly領投，而其他知名投資方如幣安、Hashkey、Folius等也參與其中。儘管沒有具體的用戶訪問數據，但MyShell在社交媒體上擁有近180K的Twitter粉絲，Discord在線人數雖通常不超過粉絲總數的十分之一，卻顯示出項目擁有一批忠實的用戶和開發者基礎。

• 技術分析：MyShell並不獨立開發AI模型，而是作為一個集成平臺，匯聚了Claude、GPT-4、4o等前沿模型，並且聲稱支持其他閉源模型。這種策略使得MyShell能夠利用現有技術資源，為用戶提供一個統一且先進的AI體驗。

• 主觀體驗：MyShell允許用戶根據自己的需求自由創建和定製AI代理，無論是作為個人陪伴還是專業助手，均能適應音頻、視頻等多種場景。用戶即使不使用MyShell的代理，也能以較低成本享受到集成的Web2付費模型。此外，平臺結合了FT的經濟概念，讓用戶不僅可以使用AI服務，還能投資他們看好的AI代理，通過bonding curve機制增加財富效應。

Delysium

• 產品介紹：Delysium提供了一個以意圖為中心的 AI Agent網絡，讓 Agent 更好地配合給用戶帶來友好的Web3體驗。目前，Delysium已經推出了兩個AI Agent：Lucy和Jerry。Lucy是一個聯網的AI Agent，願景是能夠提供工具類的輔助，例如查詢Top10持幣地址等，但目前Agent執行鏈上意圖的功能尚未開放，只能執行一些基礎指令，如在生態內質押AGI或兌換成USDT。Jerry則類似於Delysium生態內的GPT，主要負責回答生態內的問題，例如代幣分配等。

• 數據分析：2022年首輪募資400W美元，同年又宣佈完成了1000萬美元的戰略融資。其代幣AGI，目前FDV 1.3億美元左右。暫無最新用戶數據，據Delysium 官方的統計，截止 2023 年6月Lucy 已積累了超過 140 萬的獨立錢包連接數。

Sleepless AI

• 產品介紹：結合了Web3和AI Agent技術的情感陪伴類遊戲平臺，提供虛擬伴侶遊戲HIM和HER，利用AIGC和LLM來讓用戶沉浸在和虛擬角色的互動中。用戶在不斷的對話過程中，可以修改角色的屬性、服裝等，其兼容的大語言模型確保了角色在每一次對話中迭代自己，變得更懂用戶。

• 數據分析：項目共籌集370萬美元，投資方包括Binance Labs、Foresight Ventures和Folius Ventures，目前代幣總市值達到4億美元左右。推特關注者116K，根據官方統計註冊預約數達190K，其活躍用戶達43K。可以說其用戶粘性還是挺強的。

• 技術分析：儘管官方並沒有公開他們的產品是基於哪一塊市面上的大語言模型，但是他們Sleepless AI為了確保用戶在聊天過程中會感受到這個角色越來越瞭解自己，因此他們在設計LLM訓練時，為每個角色單獨訓練一個模型，同時結合向量數據庫以及性格參數系統讓角色擁有記憶。

• 主觀體驗：Sleepless AI通過 AI Boyfriend，AI Girlfriend，以Free to Play角度切入，並不是單單融入了對話機器人的聊天框。項目通過高成本的美工、持續迭代的語言模型、高質量完整的配音，以及一系列的功能例如鬧鐘、助眠、經期記錄、學習陪伴等極大的增強了虛擬人的真實性。這樣的情感價值是市面上其他應用感受不到的。此外，Sleepless AI創造了一個更長期、平衡的內容付費機制，用戶可以選擇出售NFT，而不陷入P2E或者Ponzi的困境，這個模型同時考慮到了玩家的收益和遊戲體驗。

前景分析

在Web3行業中，AI Agent項目覆蓋了公鏈、數據管理、隱私保護、社交網絡、平臺服務和計算能力等多個方向。從代幣市值來看，AI Agent項目的總代幣市值達到了接近38億美元，而整個AI賽道的總市值則接近162億美元。AI Agent項目在AI賽道中的市值佔比大約為23%。

儘管AI Agent項目的數量僅有十餘個左右，相較於整個AI賽道的項目來說顯得較少，但它們在市場中的估值佔比卻接近四分之一。AI賽道中的市值佔比再次驗證了我們對這一細分賽道有很大的增長潛力的驗證。

在統計過後，我們提出了一個核心問題：具備哪些特質的Agent項目能夠吸引到優秀的融資，並在頂級交易所Listing？為了回答這個問題，我們探索了Agent行業內的取得結果的項目，如Fetch.ai、Olas Network、SingularityNET和Myshell。

不難發現，這些項目共同展現了一些顯著的特點：它們都屬於基礎建設類中的平臺集合類項目，構建了一個橋樑，一端連接著B端或C端對Agent需求的用戶，另一端服務於開發者和驗證者——這些是負責模型調試、模型訓練的用戶。無關於應用層面，他們都建立起了一個完整生態的閉環。

我們注意到，無論它們提供的產品是鏈上還是鏈下相關的，這些似乎都不是最關鍵的因素。這引導我們得出一個初步結論：在Web3領域，Web2的重視實際應用的邏輯可能並不完全適用。對於Web3中的頭部AI Agent產品而言，構建一個完整的生態系統和提供多樣化的功能，可能比單一產品的質量和性能更為關鍵。換言之，一個項目的成功不僅取決於它提供了什麼，更在於它如何整合資源、促進協作，並在生態系統內創造網絡效應。這種生態系統的構建能力，可能是AI Agent項目在Web3賽道中脫穎而出的重要因素。

AI Agent項目在Web3中的正確融合方式，並非是專注於單一應用的深度開發，而是應該採取一種包容性的模式。這種方式涉及到將Web2時代的多樣化產品框架、產品類型遷移並融入Web3的環境中，以構建一個自循環的生態系統。這一點從OpenAI的戰略轉變中也可見一斑，他們選擇在今年推出應用平臺而非僅僅更新模型。

總結我們認為AI Agent項目應該著重於以下幾個方面：

• 生態系統構建：超越單一應用，構建一個包含多種服務和功能的生態系統，以促進不同組件之間的互動和增值。

• Token經濟模型：設計合理的Token經濟模型，以激勵用戶參與網絡建設，貢獻數據和算力。

• 跨領域整合：探索AI Agent在不同領域的應用潛力，通過跨領域整合創造新的使用場景和價值。

在總結這三個方面後，為了針對不同側重方向的項目方，我們也為此提供了一些前瞻性的建議。一是對於那些非AI核心的應用端產品，二是專注於AI Agent賽道的原生項目。

對於非AI核心的應用端產品：

保持長期主義，專注其核心產品的同時集成AI技術，順應時代等待風口。在當前的技術和市場趨勢下，我們認為以AI作為流量媒介的方式從而吸引用戶和增強產品競爭力已然成為競爭力的重要手段。儘管現實是AI技術對項目長期發展的實際貢獻到底有多少，仍然是個問號，但我們認為這對敢於早期採納AI技術的的先行者提供了寶貴的窗口。當然，前提是他們自身已經有一個非常過硬的產品。

長期來看，如果AI技術在未來實現新的突破，那些已經整合了AI的項目方將能夠更迅速地迭代他們的產品，從而抓住機遇，成為行業的領跑者。這就像在過去幾年中，社媒平臺上的直播帶貨逐漸代替線下銷售成為一種新的流量出口的銷售方式。當時，那些自身產品過硬且選擇順應新潮流，嘗試直播帶貨的商家，在直播電商真正爆發時，這些商家立刻憑藉早期介入的優勢脫穎而出。

我們認為在市場不確定性中，對於非AI核心的應用端產品，考慮適時引入AI Agent可能是一個戰略性的決策。不僅能夠在當下提高產品的市場曝光度，還能在AI技術的持續發展中為產品帶來新的增長點。

對於專注於AI Agent的原生項目：

平衡技術創新與市場需求是成功的關鍵。在AI Agent的原生項目中，項目方需要將目光投向市場趨勢，而不僅僅是技術研發。目前，市場上一些結合Web3的Agent項目可能過於專注於往單一技術方向開發，或者構建了一個宏大的願景，但產品開發卻未能跟上。這兩種極端都不利於項目的長期發展。

因此，我們建議項目方在確保產品質量的同時，也要關注市場內的動態，同時意識到傳統互聯網行業內的AI應用邏輯並不適用於Web3，相反他們更需要借鑑那些已經在Web3市場上取得結果的項目。關注他們身上有的標籤，好比文章提到的模型訓練、平臺集合等核心功能，以及他們打造的敘事例如AI模塊化、多Agent協作等。探索性感的敘事，可能成為項目在市場中取得突破的關鍵。

結論無論是非AI核心產品還是原生AI Agent項目，最為關鍵的是在於找到合適的時機和技術路徑，以確保在不斷變化的市場中保持競爭力和創新力。項目方應該在保持產品質量的基礎上，觀察市場趨勢，借鑑成功案例，同時創新以實現在市場中的持續發展。

總結

文章的最後，我們從多個角度進行分析Web3 AI Agent這個賽道：

• 資本投入和市場關注度：儘管目前Web3行業內AI Agent項目在Listing數量上不佔優勢，但它們在市場估值中佔比接近50%，顯示出資本市場對這一賽道的高度認可。隨著更多的資本投入和市場關注度的提升，AI Agent賽道出現更多高估值的項目是板上釘釘的事。

• 競爭格局和創新能力：Web3行業內AI Agent賽道的競爭格局尚未完全形成，目前在應用面的層級上來講，還沒有出現現象級且屬於龍頭類似ChatGPT的產品出現，這給新的項目方們很多成長和創新的空間。隨著技術成熟，和項目之前的創新，賽道有望開發出更多具有競爭力的產品，推動整個賽道的估值提升。

• 重視代幣經濟和用戶激勵：Web3的意義在於重塑生產關係，讓部署和訓練AI模型這一原本中心化的進程可以更加去中心化，通過合理的代幣經濟設計和用戶激勵方案，讓閒置算力或個人數據集集合再分配，再通過ZKML等解決方案保護數據隱私，可以進一步降低算力和數據成本，並讓更多個人用戶參與到AI行業的建設中。

綜上所述，我們對AI Agent賽道持看好的態度。我們有理由相信，AI Agent這個賽道中會出現多個估值超過10億美金的項目。通過橫向比較，AI Agent的敘事足夠性感，市場空間足夠大。目前市場估值普遍偏低，考慮到AI技術的快速發展、市場需求的增長、資本的投入以及賽道內企業的創新潛力，未來，隨著技術成熟和市場認可度的提升，這一賽道有望湧現多個估值10億以上的項目。