Wenn AIGC das intelligente Zeitalter der Inhaltsgenerierung eingeläutet hat, dann hat AI Agent die Möglichkeit, die Fähigkeiten von AIGC wirklich zu nutzen.

AI Agent ist wie ein konkreter Allround-Mitarbeiter, der als primäre Form eines Roboters mit künstlicher Intelligenz bezeichnet wird. Er kann die Umgebung beobachten, Entscheidungen treffen und automatisch Maßnahmen ergreifen.

Bill Gates sagte einmal unverblümt: „Die Kontrolle über den KI-Agenten ist die wahre Errungenschaft. Bis dahin müssen Sie nicht mehr selbst nach Informationen im Internet suchen.“ Auch maßgebliche Experten auf dem Gebiet der KI setzen große Hoffnungen in die Zukunftsaussichten der KI Agenten. Satya Nadella, CEO von Microsoft, sagte einmal voraus, dass der KI-Agent zur wichtigsten Methode der Mensch-Computer-Interaktion werden wird, die in der Lage ist, Benutzerbedürfnisse zu verstehen und proaktiv Dienste bereitzustellen. Professor Ng Enda prognostiziert außerdem, dass Menschen und KI-Agenten in der zukünftigen Arbeitsumgebung enger zusammenarbeiten werden, um effiziente Arbeitsmodelle zu entwickeln und die Effizienz zu verbessern.

AI Agent ist nicht nur ein Produkt der Technologie, sondern auch der Kern der zukünftigen Lebens- und Arbeitsweise.

Dies erinnert uns daran, dass die Menschen oft das Wort „Disruption“ verwendeten, um das Potenzial dieser Technologie zu beschreiben, als Web3 und Blockchain zum ersten Mal eine breite Diskussion auslösten. Rückblickend auf die letzten Jahre hat sich Web3 schrittweise vom ersten ERC-20 und Zero-Knowledge-Proof zu DeFi, DePIN, GameFi usw. entwickelt, die in andere Bereiche integriert sind.

Wenn wir Web3 und KI, zwei beliebte digitale Technologien, kombinieren, wird es dann einen 1+1>2-Effekt geben? Kann das Web3-KI-Projekt mit seinem immer größeren Finanzierungsumfang neue Anwendungsfallparadigmen in die Branche bringen und neue echte Bedürfnisse schaffen?

KI-Agent: Der idealste intelligente Assistent für die Menschheit

Wo bleibt die Fantasie des KI-Agenten? Es gibt eine hoch bewertete Antwort, die im Internet weit verbreitet ist: „Das große Sprachmodell kann nur eine gierige Schlange programmieren, aber der KI-Agent kann einen ganzen King of Glory programmieren.“ Das klingt übertrieben, ist aber nicht übertrieben.

Agent wird in China üblicherweise als „intelligenter Körper“ übersetzt. Dieses Konzept wurde von Minsky, dem „Vater der künstlichen Intelligenz“, in seinem 1986 veröffentlichten Buch „The Society of Thinking“ vorgeschlagen. Minsky glaubte, dass bestimmte Personen in der Gesellschaft nach Verhandlungen eine Lösung für ein bestimmtes Problem finden können sind Agenten. Agenten sind seit vielen Jahren der Eckpfeiler der Mensch-Computer-Interaktion, vom Bearbeitungsassistenten Clippy von Microsoft bis zu den automatischen Vorschlägen von Google Docs. Diese frühen Formen von Agenten haben das Potenzial für personalisierte Interaktion gezeigt, ihre Fähigkeit, komplexere Aufgaben zu bewältigen, ist jedoch noch begrenzt . Erst mit dem Aufkommen großer Sprachmodelle (LLMs) konnte das wahre Potenzial von Agenten ausgeschöpft werden.

Im Mai dieses Jahres hielt Professor Andrew Ng, ein maßgeblicher Wissenschaftler auf dem Gebiet der KI, auf der Sequoia AI-Veranstaltung in den Vereinigten Staaten eine Rede über AI Agent. Darin zeigte er eine Reihe von Experimenten, die sein Team durchgeführt hatte:

Lassen Sie die KI Code schreiben und ausführen und vergleichen Sie die Ergebnisse verschiedener LLMs und Workflows. Das Ergebnis ist wie folgt:

  • GPT-3.5-Modell: Genauigkeit 48 %

  • GPT-4-Modell: Genauigkeit 67 %

  • GPT-3.5 + Agent: höhere Leistung als das GPT-4-Modell

  • GPT-4 + Agent: viel höher als das GPT-4-Modell, sehr gut

In der Tat. Wenn die meisten Leute ein LLM wie ChatGPT verwenden, geben sie normalerweise ein Aufforderungswort ein und das große Modell generiert sofort eine Antwort, ohne Fehler automatisch zu identifizieren und zu korrigieren, zu löschen und neu zu schreiben.

Im Vergleich dazu sieht der AI-Agent-Workflow so aus:

Lassen Sie den LLM zunächst eine Artikelskizze schreiben, suchen Sie bei Bedarf zuerst nach dem Inhalt im Internet, geben Sie einen ersten Entwurf aus und lesen Sie dann den Entwurf und überlegen Sie, wie er optimiert werden kann. und gibt schließlich einen logischen und strengen Artikel mit der niedrigsten Fehlerrate aus.

Wir können feststellen, dass der Unterschied zwischen AI Agent und LLM darin besteht, dass die Interaktion zwischen LLM und Menschen auf prompten Worten (prompt) basiert. Der KI-Agent muss sich lediglich ein Ziel setzen und kann selbstständig denken und auf das Ziel hin handeln. Brechen Sie jeden Schritt des Plans detailliert auf, basierend auf der gegebenen Aufgabe, und verlassen Sie sich auf das Feedback von außen und unabhängiges Denken, um Anreize für sich selbst zu schaffen, Ihre Ziele zu erreichen.

Daher lautet OpenAIs Definition von AI Agent: ein System, das von LLM als Gehirn gesteuert wird, mit der Fähigkeit, Wahrnehmung, Planung, Gedächtnis und Werkzeugnutzung autonom zu verstehen und komplexe Aufgaben automatisch auszuführen.

Wenn KI von einem Werkzeug, das verwendet wird, zu einem Subjekt wird, das das Werkzeug verwenden kann, wird sie zu einem KI-Agenten. Aus diesem Grund kann AI Agent zum idealsten intelligenten Assistenten für die Menschheit werden. Beispielsweise kann AI Agent die Interessen, Vorlieben und täglichen Gewohnheiten des Benutzers basierend auf den historischen Online-Interaktionen des Benutzers verstehen und sich daran erinnern, die Absichten des Benutzers identifizieren, proaktiv Vorschläge machen und mehrere Anwendungen koordinieren, um Aufgaben zu erledigen.

Genau wie in Gates' Vision müssen wir in Zukunft nicht mehr auf verschiedene Anwendungen für verschiedene Aufgaben umsteigen. Wir müssen Computern und Mobiltelefonen nur noch mitteilen, was wir tun möchten Zum Teilen wird AI Agent eine personalisierte Antwort bereitstellen.

Ein-Personen-Einhörner werden zur Realität

AI Agent kann Unternehmen auch dabei helfen, ein neues intelligentes Betriebsmodell mit „Mensch-Maschine-Zusammenarbeit“ als Kernstück zu erstellen. Immer mehr Geschäftsaktivitäten werden durch KI erledigt, während sich der Mensch nur noch auf die Unternehmensvision, die Strategie und kritische Pfadentscheidungen konzentrieren muss.

So wie Sam Altman, CEO von OpenAI, einmal in einem Interview einen so überzeugenden Punkt erwähnte, stehen wir mit der Entwicklung der KI kurz vor dem Eintritt in die Ära der „Einzel-Einhörner“, also von Unternehmen, die von einer einzigen Person gegründet wurden und eine Milliarde erreichen Die Bewertung des Unternehmens erfolgt in US-Dollar.

Es klingt nach Fantasie, aber mit Hilfe von KI-Agenten wird diese Idee Wirklichkeit.

Nehmen wir an, wir möchten ein Technologie-Startup gründen. Beim traditionellen Ansatz müsste ich natürlich Softwareentwickler, Produktmanager, Designer, Vermarkter, Vertriebs- und Finanzleute einstellen, die alle ihr eigenes Ding machen, aber von mir koordiniert werden.

Was also, wenn ich AI Agent verwende, müsste ich möglicherweise nicht einmal Mitarbeiter einstellen.

  • Devin – Automatisierungsprogrammierung

Anstelle eines Software-Ingenieurs könnte ich Devin einsetzen, einen KI-Software-Ingenieur, der dieses Jahr explodiert ist und der mir bei der Erledigung aller Front-End- und Back-End-Arbeiten helfen kann.

Devin wurde von Cognition Labs entwickelt und gilt als „der weltweit erste KI-Softwareentwickler“. Es kann die gesamte Softwareentwicklungsarbeit selbstständig abschließen, Probleme analysieren, Entscheidungen treffen, Code schreiben und Fehler selbstständig beheben, was alles unabhängig voneinander ausgeführt werden kann. Dies reduziert die Arbeitsbelastung der Entwickler erheblich. Devin erhielt in nur sechs Monaten eine Finanzierung in Höhe von 196 Millionen US-Dollar und sein Wert stieg schnell auf Milliarden von Dollar. Zu den Investoren zählen bekannte Risikokapitalfirmen wie Founders Fund und Khosla Ventures.

Obwohl Devin noch keine öffentliche Version veröffentlicht hat, können wir einen Blick auf das Potenzial von Cursor werfen, einem weiteren kürzlich beliebten Web2-Produkt. Es nimmt Ihnen fast die ganze Arbeit ab und verwandelt eine einfache Idee in wenigen Minuten in funktionalen Code. Sie müssen nur den Befehl erteilen und „sich zurücklehnen und die Ergebnisse genießen.“ Es gibt Berichte, dass ein achtjähriges Kind ohne Programmiererfahrung tatsächlich Cursor verwendet hat, um Programmierarbeiten abzuschließen und eine Website zu erstellen.

  • Hebbia – Dateiverarbeitung

Anstelle eines Produktmanagers oder Finanzmitarbeiters würde ich wahrscheinlich Hebbia wählen, das die gesamte Dokumentensortierung und -analyse für mich übernimmt.

Im Gegensatz zu Glean, das sich auf die Dokumentensuche innerhalb des Unternehmens konzentriert, ist Hebbia Matrix eine KI-Agent-Plattform auf Unternehmensebene, die mehrere KI-Modelle verwendet, um Benutzern dabei zu helfen, Daten und Dokumente effizient zu extrahieren, zu strukturieren und zu analysieren und so die Verbesserung der Unternehmensproduktivität zu fördern . Es ist beeindruckend, wie viele Millionen Dokumente Matrix gleichzeitig verarbeiten kann.

Hebbia schloss im Juli dieses Jahres unter der Leitung von a16z eine Serie-B-Runde im Wert von 130 Millionen US-Dollar ab, an der sich namhafte Investoren wie Google Ventures und Peter Thiel beteiligten.

  • Jasper AI – Inhaltsgenerierung

Anstelle von Social-Media-Operationen und -Designern würde ich mich möglicherweise für Jasper AI entscheiden, das mir bei der Generierung von Inhalten helfen kann.

Jasper AI ist ein KI-Agent-Schreibassistent, der Entwicklern, Vermarktern und Unternehmen dabei hilft, den Prozess der Inhaltserstellung zu rationalisieren und die Produktivität und kreative Effizienz zu steigern. Jasper AI kann viele Arten von Inhalten basierend auf dem vom Benutzer gewünschten Stil generieren, einschließlich Blog-Beiträgen, Social-Media-Beiträgen, Werbetexten, Produktbeschreibungen und mehr. Und generieren Sie Bilder basierend auf Benutzerbeschreibungen, um visuelle Hilfsmittel für Textinhalte bereitzustellen.

Jasper AI hat 125 Millionen US-Dollar an Finanzmitteln eingesammelt und erreichte im Jahr 2022 einen Wert von 1,5 Milliarden US-Dollar. Laut Statistik hat Jasper AI Benutzern dabei geholfen, mehr als 500 Millionen Wörter zu generieren, was es zu einem der am weitesten verbreiteten KI-Schreibwerkzeuge macht.

  • MultiOn – Webseitenautomatisierung

Anstelle eines Assistenten könnte ich mich für MultiOn entscheiden, das mir bei der Verwaltung täglicher Aufgaben, der Organisation von Zeitplänen, dem Festlegen von Erinnerungen und sogar der Planung von Geschäftsreisen, der automatischen Buchung von Hotels und der automatischen Organisation von Online-Mitfahrgelegenheiten hilft.

MultiOn ist ein KI-Agent für automatisierte Netzwerkaufgaben, der dabei helfen kann, Aufgaben in jeder digitalen Umgebung autonom auszuführen, z. B. Benutzern dabei zu helfen, persönliche Aufgaben wie Online-Einkäufe und Terminvereinbarungen zu erledigen, um die persönliche Effizienz zu verbessern, oder Benutzern dabei zu helfen, tägliche Aufgaben zu vereinfachen und die Arbeitseffizienz zu verbessern.

  • Ratlosigkeit – Suchen, Recherchieren

Anstelle eines Forschers würde ich wahrscheinlich Perplexity wählen, das der CEO von NVIDIA täglich nutzt.

Perplexity ist eine KI-Suchmaschine, die Benutzerfragen versteht, sie aufschlüsselt, dann Inhalte durchsucht und aggregiert und Berichte generiert, um Benutzern klare Antworten zu liefern.

Perplexity eignet sich für verschiedene Benutzergruppen. Studenten und Forscher können beispielsweise den Informationsabrufprozess beim Schreiben vereinfachen und die Effizienz verbessern.

Der obige Inhalt ist nur Einbildung. Die tatsächlichen Fähigkeiten und Niveaus dieser KI-Agenten reichen noch nicht aus, um Elitetalente in allen Lebensbereichen zu ersetzen. Wie Li Bojie, Mitbegründer von Logen AI, sagte, sind die aktuellen Fähigkeiten von LLM nur Einsteigerniveau und weit vom Expertenniveau entfernt. Der aktuelle KI-Agent ähnelt eher einem Mitarbeiter, der schnell arbeitet, aber nicht sehr zuverlässig ist.

Mit ihren jeweiligen Spezialgebieten helfen diese KI-Agenten jedoch bestehenden Benutzern, die Effizienz und den Komfort in verschiedenen Szenarien zu verbessern.

Nicht nur Technologieunternehmen, sondern alle Gesellschaftsschichten können von der Welle der KI-Agenten profitieren. Im Bildungsbereich kann AI Agent personalisierte Lernressourcen und Nachhilfe auf der Grundlage des Lernfortschritts, der Interessen und Fähigkeiten der Schüler bereitstellen. Im Finanzbereich kann AI Agent Benutzern bei der Verwaltung persönlicher Finanzen helfen, Anlageberatung geben und sogar Aktientrends vorhersagen Im medizinischen Bereich kann AI Agent Ärzten bei der Diagnose von Krankheiten und der Formulierung von Behandlungsplänen helfen. Im Bereich E-Commerce kann AI Agent auch als intelligenter Kundenservice dienen, indem er Benutzeranfragen automatisch beantwortet und Bestellprobleme und Rücksendeanfragen bearbeitet Verarbeitung und maschinelles Lernen verbessern die Effizienz des Kundenservice.

Multi-Agent: Der nächste Schritt für KI-Agenten

In der Vorstellung eines Ein-Personen-Einhornunternehmens im vorherigen Abschnitt stößt ein einzelner KI-Agent bei der Bewältigung komplexer Aufgaben auf Einschränkungen und ist schwierig, die tatsächlichen Anforderungen zu erfüllen. Bei der Verwendung mehrerer KI-Agenten ist eine kollektive Entscheidungsfindung schwierig und ihre Fähigkeiten begrenzt, da diese KI-Agenten auf heterogenem LLM basieren. Daher müssen Menschen als Planer zwischen diesen unabhängigen KI-Agenten fungieren, um diese KI-Agenten für unterschiedliche Anwendungsszenarien zu koordinieren . Geh zur Arbeit. Dies führte zur Entstehung des „Multi Agent (Multi-Agenten-Framework)“.

Komplexe Probleme erfordern oft die Integration mehrerer Aspekte von Wissen und Fähigkeiten, und ein einzelner KI-Agent verfügt über begrenzte Fähigkeiten und ist schwierig zu handhaben. Durch die organische Kombination von KI-Agenten mit unterschiedlichen Fähigkeiten ermöglicht das Multi-Agent-System den KI-Agenten, ihre jeweiligen Stärken zu nutzen und voneinander zu lernen, um komplexe Probleme effektiver zu lösen.

Dies ist unserem tatsächlichen Arbeitsprozess oder unserer Organisationsstruktur sehr ähnlich: Ein Leiter weist Aufgaben zu, und Personen mit unterschiedlichen Fähigkeiten sind für unterschiedliche Aufgaben verantwortlich. Die Ergebnisse jedes Prozesses werden an den nächsten Prozess übergeben und schließlich werden die endgültigen Aufgabenergebnisse erhalten. .

Im Implementierungsprozess führen KI-Agenten niedrigerer Ebenen ihre jeweiligen Aufgaben aus, während KI-Agenten höherer Ebenen Aufgaben zuweisen und deren Erledigung überwachen.

Multi-Agenten können auch unseren menschlichen Entscheidungsprozess simulieren, wenn wir auf Probleme stoßen. Mehrere KI-Agenten können auch kollektives Entscheidungsverhalten simulieren und uns mit besseren Informationen unterstützen. Das von Microsoft entwickelte AutoGen erfüllt beispielsweise diese Anforderung:

  • Möglichkeit, KI-Agenten mit unterschiedlichen Rollen zu erstellen. Diese KI-Agenten verfügen über grundlegende Konversationsfunktionen und können Antworten basierend auf empfangenen Nachrichten generieren.

  • Verwenden Sie GroupChat, um eine Gruppenchat-Umgebung mit mehreren KI-Agenten zu erstellen. In diesem GroupChat verwaltet ein KI-Agent mit Administratorrolle die Chat-Aufzeichnungen, die Sprecherreihenfolge, das Beenden von Reden usw. anderer KI-Agenten.

Bei der Anwendung auf die Idee eines Ein-Personen-Einhornunternehmens können wir über die Multi-Agent-Architektur mehrere KI-Agenten mit unterschiedlichen Rollen erstellen, z. B. Projektmanager, Programmierer oder Vorgesetzte. Sagen Sie ihnen unsere Ziele und lassen Sie sie herausfinden, wie sie es erreichen. Wir müssen uns nur den Bericht anhören. Wenn wir das Gefühl haben, dass wir Einwände haben oder wenn sie etwas falsch machen, lassen Sie sie es ändern, bis wir zufrieden sind.

Im Vergleich zu einem einzelnen KI-Agenten kann Multi-Agent Folgendes erreichen:

  • Skalierbarkeit: Bewältigen Sie größere Probleme, indem Sie die Anzahl der KI-Agenten erhöhen, von denen jeder einen Teil der Aufgabe übernimmt, sodass das System bei steigender Nachfrage skaliert werden kann.

  • Parallelität: Unterstützt natürlich die Parallelverarbeitung, mehrere KI-Agenten können gleichzeitig an verschiedenen Teilen des Problems arbeiten und so die Problemlösung beschleunigen.

  • Entscheidungsverbesserung: Verbessern Sie die Entscheidungsfindung, indem Sie die Erkenntnisse mehrerer KI-Agenten zusammenfassen, von denen jeder seine eigene Perspektive und sein eigenes Fachwissen hat.

Da die KI-Technologie weiter voranschreitet, ist es denkbar, dass das Multi-Agent-Framework in mehr Branchen eine größere Rolle spielen und die Entwicklung verschiedener neuer KI-gesteuerter Lösungen fördern wird.

Der Wind von AI Agent weht in Richtung Web3

AI Agent und Multi-Agent verlassen das Labor und haben einen langen Weg vor sich.

Unabhängig vom Multi-Agent hat selbst der fortschrittlichste einzelne KI-Agent derzeit eine klare Obergrenze für die benötigten Rechenressourcen und Rechenleistung auf der physischen Ebene und kann nicht unbegrenzt erweitert werden. Sobald der KI-Agent mit äußerst komplexen und rechenintensiven Aufgaben konfrontiert wird, wird er zweifellos auf einen Engpass bei der Rechenleistung stoßen und seine Leistung wird stark reduziert.

Darüber hinaus handelt es sich bei AI-Agent- und Multi-Agent-Systemen im Wesentlichen um ein zentralisiertes Architekturmodell, das ein sehr hohes Risiko eines einzelnen Ausfalls mit sich bringt. Noch wichtiger ist, dass die monopolistischen Geschäftsmodelle von OpenAI, Microsoft, Google und anderen Unternehmen, die auf großen Closed-Source-Modellen basieren, das Überleben unabhängiger und einzelner KI-Agent-Startups ernsthaft gefährden und es KI-Agenten unmöglich machen, riesige private Unternehmensdaten erfolgreich zu nutzen Machen Sie sie intelligenter und effizienter. Es besteht ein dringender Bedarf an einer demokratischen Umgebung für die Zusammenarbeit zwischen KI-Agenten, damit wirklich wertvolle KI-Agenten einem breiteren Spektrum von Menschen mit Bedürfnissen dienen und einen größeren Mehrwert für die Gesellschaft schaffen können.

Obwohl AI Agent näher an der Branche ist als LLM, basiert seine Entwicklung auf LLM. Allerdings ist die aktuelle große Modellschiene durch hohe technische Schwellenwerte, hohe Kapitalinvestitionen und unausgereifte Geschäftsmodelle gekennzeichnet . Finanzierung zur weiteren Aktualisierung und Iteration.

Das Multi-Agent-Paradigma ist für Web3 ein hervorragender Ansatzpunkt zur Unterstützung der KI. Viele Web3-Entwicklungsteams investieren bereits in Forschung und Entwicklung, um Lösungen in diesen Bereichen bereitzustellen.

KI-Agent- und Multi-Agent-Systeme erfordern häufig große Mengen an Rechenressourcen, um komplexe Entscheidungs- und Verarbeitungsaufgaben auszuführen. Web3 kann durch Blockchain und dezentrale Technologie einen dezentralen Rechenleistungsmarkt aufbauen, sodass Rechenleistungsressourcen auf globaler Ebene gerechter und effizienter verteilt und genutzt werden können. Web3-Projekte wie Akash, Nosana, Aethir und IO.net können Rechenleistung für die Entscheidungsfindung und Argumentation von KI-Agenten bereitstellen.

Herkömmliche KI-Systeme werden oft zentral verwaltet, was dazu führt, dass KI-Agenten mit einzelnen Fehlerquellen und Datenschutzproblemen konfrontiert sind. Durch die dezentrale Natur von Web3 kann das Multi-Agent-System dezentraler und autonomer werden Auf dem Knoten werden die von den Benutzern gestellten Anforderungen autonom ausgeführt, was die Robustheit und Sicherheit erhöht. Die Einrichtung von Anreiz- und Bestrafungsmechanismen für Pfandgeber und Delegatoren durch PoS, DPoS und andere Mechanismen kann die Demokratisierung von Einzel-KI-Agenten- oder Multi-Agenten-Systemen fördern.

In dieser Hinsicht haben GaiaNet, Theoriq, PIN AI und HajimeAI alle sehr innovative Ansätze.

  • Theoriq ist ein Projekt, das „KI für Web3“ dient. Ziel ist es, über das Agentic Protocol ein Aufruf- und Wirtschaftssystem für KI-Agenten zu etablieren, die Entwicklung von Web3 und vielen Funktionsszenarien bekannt zu machen und überprüfbare Modellbegründungsfunktionen für Web3-dApps bereitzustellen.

  • GaiaNet ist eine knotenbasierte Umgebung zur Erstellung und Bereitstellung von KI-Agenten, deren Ausgangspunkt der Schutz des geistigen Eigentums und der Privatsphäre von Experten und Benutzern ist, um mit dem zentralisierten OpenAI GPT Store zu konkurrieren.

  • HajimeAI baut auf beiden auf, um KI-Agent-Workflows auf der Grundlage tatsächlicher Bedürfnisse zu etablieren und die Absicht selbst zu intelligentisieren und zu automatisieren, was die von PIN AI erwähnte „Personalisierung der KI-Intelligenz“ widerspiegelt.

  • Gleichzeitig haben Modulus Labs und ORA Protocol Fortschritte in der Algorithmenrichtung von zkML bzw. opML von AI Agent gemacht.

Schließlich erfordert die Entwicklung und Iteration von AI-Agent- und Multi-Agent-Systemen häufig eine große finanzielle Unterstützung, und Web3 kann potenziellen AI-Agent-Projekten dabei helfen, wertvolle frühzeitige Unterstützung durch die Funktion der vorab bereitgestellten Liquidität zu erhalten.

Sowohl Spectral als auch HajimeAI haben Produktkonzepte vorgeschlagen, die die Ausgabe von AI Agent-Assets in der Kette unterstützen: Durch die Ausgabe von Token über IAO (Initial Agent Offering) können AI Agents direkt Gelder von Investoren erhalten und gleichzeitig Mitglied der DAO werden Governance, die Investoren die Möglichkeit bietet, sich an der Projektentwicklung zu beteiligen und an zukünftigen Gewinnen teilzuhaben. Unter anderem hofft Benchmark DAO von HajimeAI, die dezentrale Bewertung von KI-Agenten und die Ausgabe von Vermögenswerten von KI-Agenten durch Crowdfunding und Token-Anreize organisch zu kombinieren, um einen geschlossenen Kreislauf von KI-Agenten zu schaffen, der auf Web3-Finanzierung und Kaltstart basiert, was ebenfalls ein relativ neuer Versuch ist.

Die KI-Büchse der Pandora wurde geöffnet und jeder darin ist sowohl aufgeregt als auch verwirrt. Niemand weiß, ob der Wahnsinn eine Chance oder eine versteckte Gefahr ist. Heutzutage befinden sich nicht mehr alle Lebensbereiche im Zeitalter der PPT-Finanzierung. Egal wie modern die Technologie ist, ein Wert kann nur dann realisiert werden, wenn sie implementiert wird. Die Zukunft von AI Agent wird ein langer Marathon sein, und Web3 stellt sicher, dass es in diesem Rennen nicht untergeht.