PMF (Product Market Fit) se refiere al grado de ajuste del producto al mercado, lo que significa que el producto debe satisfacer las necesidades del mercado. Antes de emprender, es crucial confirmar la situación del mercado, entender qué tipo de clientes se desea vender y tener claro el entorno del mercado en la pista actual antes de desarrollar el producto.
El concepto de PMF es aplicable a los emprendedores, para evitar crear productos/servicios que se sientan bien pero que el mercado no valida, y este concepto también es aplicable en el mercado de criptomonedas; los equipos de proyecto deben entender las necesidades de los jugadores del ecosistema para crear productos, en lugar de acumular tecnología desconectada del mercado.
Anteriormente, la mayoría de los Crypto AI estaban ligados a DePIN, narrando la utilización de datos descentralizados de Crypto para entrenar AI, evitando así depender del control de una única entidad, como la potencia de cálculo, datos, etc., mientras que los proveedores de datos podrían compartir los beneficios que AI genera.
Siguiendo la lógica anterior, en realidad se asemeja más a Crypto empoderando a AI. AI, además de beneficiar a los proveedores de potencia de cálculo con la distribución de tokens, tiene dificultades para incorporar a más nuevos usuarios; también se puede decir que este modelo no ha tenido tanto éxito en términos de PMF.
La aparición de AI Agent se asemeja más al lado de la aplicación, en comparación con DePIN + AI que se asemeja a la infraestructura. Y claramente, las aplicaciones son más simples y comprensibles, y tienen una mejor capacidad para atraer usuarios, teniendo un mejor PMF que DePIN + AI.
Primero, obtuvo el patrocinio de Marc Andreessen, fundador de A16Z (la teoría PMF también fue propuesta por él), y a través de dos AI conversando se generó GOAT, que dio inicio a la primera etapa de AI Agent. Ahora, ai16z y Virtual tienen sus ventajas y desventajas en cada lado, ¿cuál es la trayectoria de desarrollo de AI Agent en el ecosistema de criptomonedas? ¿En qué etapa estamos actualmente? ¿Y hacia dónde nos dirigimos en el futuro? Veamos con WOO X Research.
Primera etapa: Inicio de memes
Antes de la llegada de GOAT, la pista más popular de este ciclo eran los memes, y la característica de los memes es su alta inclusividad, desde el hipopótamo MOODENG del zoológico, hasta Neiro, el nuevo adoptado por el dueño de DOGE, y los memes nativos de internet como Popcat, todos muestran la tendencia de "todo puede ser meme". Y bajo esta narrativa aparentemente sin sentido, también proporciona el suelo para el crecimiento de AI Agent.
GOAT es un meme token generado a partir de dos AI conversando, y esta es la primera vez que AI logra sus objetivos a través de criptomonedas y la web, aprendiendo del comportamiento humano. Solo los meme tokens pueden soportar proyectos de tan alta naturaleza experimental, y al mismo tiempo, conceptos similares surgen como setas después de la lluvia, aunque la mayoría de las funciones se limitan a publicaciones automáticas en Twitter, respuestas, etc., sin aplicaciones prácticas. En este momento, los tokens de AI Agent suelen ser llamados AI + Meme.
Proyectos representativos:
Fartcoin: Capitalización de mercado 812M, liquidez en cadena 15.9M
GOAT: Capitalización de mercado 430M, liquidez en cadena 8.1M
Bully: Capitalización de mercado 43M, liquidez en cadena 2M
Shoggoth: Capitalización de mercado 38M, liquidez en cadena 1.8M
Segunda etapa: Exploración de aplicaciones
Gradualmente, todos se dieron cuenta de que AI Agent no solo podía interactuar de manera simple en Twitter, sino que podía extenderse a más escenarios valiosos. Esto incluye la producción de contenidos como música y video, y también surgieron servicios más alineados con los usuarios de criptomonedas, como análisis de inversiones y gestión de fondos. A partir de esta etapa, AI Agent se separa de los memes, formando una nueva pista.
Proyectos representativos:
ai16z: Capitalización de mercado 1.67B, liquidez en cadena 14.7M
Zerebro: Capitalización de mercado 453M, liquidez en cadena 14M
AIXBT: Capitalización de mercado 500M, liquidez en cadena 19.2M
GRIFFAIN: Capitalización de mercado 243M, liquidez en cadena 7.5M
ALCH: Capitalización de mercado 68M, liquidez en cadena 2.8M
Episodio especial: Plataforma de emisión
Cuando las aplicaciones de AI Agent florecen, ¿qué tipo de pista debería elegir un emprendedor para aprovechar esta ola de AI y Crypto?
La respuesta es Launchpad.
Cuando los tokens emitidos por la plataforma tienen un efecto de riqueza, los usuarios seguirán buscando y comprando tokens emitidos por esa plataforma, y los ingresos reales generados por las compras de los usuarios también empoderan al token de la plataforma para impulsar el aumento de precios. A medida que el precio del token de la plataforma sigue subiendo, el capital se desbordará a los tokens emitidos, formando un efecto de riqueza.
El modelo de negocio es claro y tiene un efecto de rueda positiva, pero aún hay que tener en cuenta que: Launchpad pertenece a un efecto Mateo donde el ganador se lo lleva todo. La función central de Launchpad es emitir nuevos tokens; en condiciones funcionalmente similares, lo que se debe competir es la calidad de los proyectos bajo la plataforma. Si una única plataforma puede producir constantemente proyectos de calidad y tiene un efecto de creación de riqueza, la adhesión de los usuarios a esa plataforma de emisión naturalmente aumentará, y otros proyectos tendrán dificultades para robar usuarios.
Proyectos representativos:
VIRTUAL: Capitalización de mercado 3.4B, liquidez en cadena 52M
CLANKER: Capitalización de mercado 62M, liquidez en cadena 1.2M
VVAIFU: Capitalización de mercado 81M, liquidez en cadena 3.5M
VAPOR: Capitalización de mercado 105M
Tercera etapa: Buscar colaboración
A medida que AI Agent comienza a implementar más funciones prácticas, se empieza a explorar la colaboración entre proyectos, estableciendo un ecosistema más robusto. El enfoque de esta etapa es la interoperabilidad y la expansión de la red ecológica, especialmente si puede generar sinergias con otros proyectos o protocolos de criptomonedas. Por ejemplo, AI Agent podría colaborar con protocolos DeFi para mejorar las estrategias de inversión automatizadas o integrarse con proyectos NFT para crear herramientas más inteligentes.
Para lograr una colaboración eficiente, primero se necesita establecer un marco normativo que proporcione a los desarrolladores componentes predefinidos, conceptos abstractos y herramientas relacionadas, para simplificar el proceso de desarrollo de AI Agents complejos. A través de soluciones estandarizadas a desafíos comunes en el desarrollo de AI Agents, estos marcos pueden ayudar a los desarrolladores a concentrar su energía en la singularidad de sus aplicaciones, en lugar de empezar desde cero en el diseño de la infraestructura, evitando así el problema de reinventar la rueda.
Proyectos representativos:
ELIZA: Capitalización de mercado 100M, liquidez en cadena 3.6M
GAME: Capitalización de mercado 237M, liquidez en cadena 31M
ARC: Capitalización de mercado 300M, liquidez en cadena 5M
FXN: Capitalización de mercado 76M, liquidez en cadena 1.5M
SWARMS: Capitalización de mercado 63M, liquidez en cadena 20M
Cuarta etapa: Gestión de fondos
Desde la perspectiva del producto, AI Agent puede actuar más como una herramienta simple, como brindar asesoramiento de inversión y generar informes. Sin embargo, la gestión de fondos requiere habilidades de mayor nivel, incluyendo diseño de estrategias, ajustes dinámicos y pronósticos de mercado, lo que indica que AI Agent no es solo una herramienta, sino que también comienza a participar en el proceso de creación de valor.
A medida que el capital financiero tradicional acelera su entrada en el mercado de criptomonedas, la demanda de especialización y escalabilidad sigue aumentando. La automatización y alta eficiencia de AI Agent pueden satisfacer esta demanda, especialmente al ejecutar funciones como estrategias de arbitraje, reequilibrio de activos y cobertura de riesgos, donde AI Agent puede mejorar significativamente la competitividad de los fondos.
Proyectos representativos:
ai16z: Capitalización de mercado 1.67B, liquidez en cadena 14.7M
Vader: Capitalización de mercado 91M, liquidez en cadena 3.7M
SEKOIA: Capitalización de mercado 33M, liquidez en cadena 1.5M
AiSTR: Capitalización de mercado 13.7M, liquidez en cadena 675K
Expectativa de la quinta etapa: reconfigurar Agentnomics
Actualmente nos encontramos en la cuarta etapa; dejando de lado el precio de los tokens, la mayoría de los Crypto AI Agents aún no se han implementado en nuestras aplicaciones diarias. Por ejemplo, el AI Agent que más utilizo es Perplexity de Web2, y ocasionalmente reviso los tuits de análisis de AIXBT. Aparte de eso, la frecuencia de uso de Crypto AI Agents es muy baja, por lo que en la cuarta etapa podría permanecer durante un tiempo prolongado, ya que el nivel del producto aún no ha madurado.
Y creo que en la quinta etapa, AI Agent no solo será un conjunto de funciones o aplicaciones, sino el núcleo de todo el modelo económico: la reconfiguración de Agentnomics (Economía de Agents). El desarrollo en esta etapa no solo involucra la evolución técnica, sino que es crucial redefinir la relación económica de tokens entre el distribuidor (Distributor), la plataforma (Platform) y el proveedor de Agent (Agent Vendor), creando un nuevo ecosistema. A continuación se presentan las características principales de esta etapa:
1. Analizar la historia de desarrollo de Internet
El proceso de formación de Agentnomics puede compararse con la evolución de la economía de Internet, como el nacimiento de aplicaciones súper como WeChat y Alipay. Estas aplicaciones integran la economía de plataformas, introduciendo aplicaciones independientes en su propio ecosistema, convirtiéndose en entradas multifuncionales. En este proceso, se forma un modelo económico de colaboración y simbiosis entre los proveedores de aplicaciones y la plataforma, y AI Agent también repetirá un proceso similar en la quinta etapa, pero basado en criptomonedas y tecnología descentralizada.
2. Reconfiguración de la relación entre distribuidor, plataforma y proveedor de Agent
En el ecosistema de AI Agent, los tres establecerán una red económica interconectada:
Distribuidor (Distributor): Responsable de promover AI Agents a los usuarios finales, por ejemplo, a través de mercados de aplicaciones especializados o ecosistemas DApp.
Plataforma (Platform): Proporciona infraestructura y un marco de colaboración, permitiendo que múltiples proveedores de Agent operen en un entorno unificado y gestionen las reglas y la asignación de recursos del ecosistema.
Proveedor de Agent (Agent Vendor): Desarrolla y ofrece diferentes funcionalidades de AI Agents, aportando aplicaciones innovadoras y servicios al ecosistema.
A través del diseño de la economía de tokens, los intereses entre el distribuidor, la plataforma y los proveedores se distribuirán de manera descentralizada, como mecanismos de reparto, retornos de contribución y derechos de gobernanza, promoviendo así la colaboración e incentivando la innovación.
3. Entrada e integración de aplicaciones súper
Cuando AI Agent evoluciona a una entrada de aplicación súper, podrá integrar múltiples economías de plataforma, absorbiendo y gestionando una gran cantidad de Agents independientes. Esto es similar a cómo WeChat y Alipay integran aplicaciones independientes en su ecosistema; la aplicación súper de AI Agent romperá aún más las islas de aplicaciones tradicionales.
