آرک اسٹریم کیپٹل ٹریک ریسرچ رپورٹ: کیا AI ایجنٹ Web3+AI کا جان بچانے والا اسٹرا بن سکتا ہے؟

TL؛ DR

• Web2 سٹارٹ اپس میں AI ایجنٹ کے پراجیکٹس کی مقبول اور بالغ قسمیں بنیادی طور پر انٹرپرائز سائیڈ سروسز ہیں، جبکہ Web3 فیلڈ میں، ماڈل ٹریننگ اور پلیٹ فارم کلیکشن پروجیکٹس ایک ماحولیاتی نظام کی تعمیر میں اپنے کلیدی کردار کی وجہ سے مرکزی دھارے میں شامل ہو گئے ہیں۔

• فی الحال، Web3 میں AI ایجنٹ کے بہت سے پروجیکٹس نہیں ہیں، جو 8% کے حساب سے ہیں، لیکن AI ٹریک میں ان کی مارکیٹ ویلیو زیادہ سے زیادہ 23% ہے، اس طرح مارکیٹ میں مضبوط مسابقت کا مظاہرہ ہوتا ہے۔ ہم توقع کرتے ہیں کہ جیسے جیسے ٹیکنالوجی پختہ ہوتی جائے گی اور مارکیٹ کی پہچان بڑھے گی، مستقبل میں US$1 بلین سے زیادہ کی قیمت کے ساتھ متعدد پروجیکٹس ہوں گے۔

• Web3 پروجیکٹس کے لیے، AI ٹیکنالوجی کا تعارف غیر AI-core ایپلیکیشن سائیڈ پروڈکٹس کے لیے ایک اسٹریٹجک فائدہ بن سکتا ہے۔ AI ایجنٹ کے منصوبوں کے لیے، مجموعہ کو پورے ایکو سسٹم کی تعمیر اور ٹوکن اقتصادی ماڈلز کے ڈیزائن پر توجہ مرکوز کرنی چاہیے تاکہ وکندریقرت اور نیٹ ورک کے اثرات کو فروغ دیا جا سکے۔

اے آئی ویو: ایک کے بعد ایک ابھرتے ہوئے پروجیکٹس کی موجودہ صورتحال اور قیمتیں بڑھ رہی ہیں۔

چونکہ ChatGPT نومبر 2022 میں شروع کیا گیا تھا، اس نے صرف دو ماہ میں 100 ملین سے زیادہ صارفین کو اپنی طرف متوجہ کیا ہے۔ مئی 2024 تک، ChatGPTs کی ماہانہ آمدنی حیران کن $20.3 ملین تک پہنچ گئی ہے۔ چیٹ جی پی ٹی کی ریلیز کے بعد، اوپن اے آئی نے تیزی سے تکراری ورژن جیسے کہ جی پی ٹی-4 اور جی پی 4-4 او لانچ کیا۔ اس طرح کے تیز رفتار رجحان کے ساتھ، بڑے روایتی ٹیکنالوجی کے بڑے اداروں نے سب سے جدید ترین AI ماڈل ایپلی کیشنز جیسے LLM کی اہمیت کو محسوس کیا ہے، اور اپنے AI ماڈلز اور ایپلی کیشنز کا آغاز کیا ہے۔ مثال کے طور پر، گوگل نے بڑی زبان کا ماڈل PaLM 2 جاری کیا، Meta نے Llama 3 لانچ کیا، اور چینی کمپنیوں نے بڑے ماڈلز جیسے وینکسین ییان اور Zhipu Qingyan کو لانچ کیا۔ ظاہر ہے کہ اے آئی کا میدان جنگ کا میدان بن چکا ہے۔
ٹیکنالوجی کے بڑے بڑے اداروں کے درمیان مسابقت نے نہ صرف تجارتی ایپلی کیشنز کی ترقی کو فروغ دیا ہے بلکہ اوپن سورس AI ریسرچ پر ہمارے سروے کے اعدادوشمار سے بھی پتہ چلا ہے کہ 2024 AI انڈیکس رپورٹ سے پتہ چلتا ہے کہ GitHub پر AI سے متعلقہ پروجیکٹس کی تعداد 845 سے بڑھ گئی ہے۔ 2011 سے 2023 میں تقریباً 1.8 ملین۔ خاص طور پر 2023 میں جی پی ٹی کے اجراء کے بعد، منصوبوں کی تعداد سال بہ سال 59.3% کا اضافہ ہوا، جو AI تحقیق کے لیے عالمی ڈویلپر کمیونٹی کے جوش و خروش کی عکاسی کرتا ہے۔
AI ٹیکنالوجی کے لیے جوش و خروش براہ راست سرمایہ کاری کی منڈی میں ظاہر ہوتا ہے، جس نے 2024 کی دوسری سہ ماہی میں زبردست ترقی اور دھماکہ خیز نمو دکھائی ہے۔ دنیا بھر میں $150 ملین سے زیادہ کی 16 AI سے متعلق سرمایہ کاری ہے، جو پہلی سہ ماہی کے مقابلے میں دو گنا زیادہ ہے۔ . AI سٹارٹ اپس کی کل فنانسنگ $24 بلین تک بڑھ گئی ہے، جو سال بہ سال دگنی سے بھی زیادہ ہے۔ ان میں سے، Musks xAI نے $24 بلین کی قدر کے ساتھ $6 بلین اکٹھا کیا ہے، جو OpenAI کے بعد دوسرا سب سے قیمتی AI اسٹارٹ اپ بن گیا ہے۔

2024 Q2 AI ٹریک فنانسنگ ٹاپ 10، ماخذ: Yiou، https://www.iyiou.com/data/202407171072366

AI ٹیکنالوجی کی تیز رفتار ترقی ٹیکنالوجی کے شعبے کے منظر نامے کو بے مثال رفتار سے نئی شکل دے رہی ہے۔ ٹیکنالوجی جنات کے درمیان سخت مقابلے سے لے کر، اوپن سورس کمیونٹی پروجیکٹس کی تیزی سے ترقی تک، کیپٹل مارکیٹوں میں AI تصورات کے پرجوش تعاقب تک۔ منصوبے ایک نہ ختم ہونے والے سلسلے میں ابھر رہے ہیں، سرمایہ کاری کی رقم نے بار بار نئی بلندیاں قائم کی ہیں، اور اسی کے مطابق قیمتیں بھی بڑھی ہیں۔ مجموعی طور پر، AI مارکیٹ تیزی سے ترقی کے سنہری دور میں ہے، اور بڑے لینگویج ماڈلز اور دوبارہ حاصل کرنے کے لیے بہتر جنریشن ٹیکنالوجیز نے لینگویج پروسیسنگ کے شعبے میں نمایاں پیش رفت حاصل کی ہے۔ اس کے باوجود، ان ماڈلز کو اب بھی تکنیکی فوائد کو حقیقی مصنوعات میں تبدیل کرنے میں چیلنجز کا سامنا ہے، جیسے کہ ماڈل آؤٹ پٹ میں غیر یقینی صورتحال، غلط معلومات کے وہم پیدا کرنے کا خطرہ، اور ماڈل کی شفافیت کے مسائل۔ یہ مسائل انتہائی اعلی قابل اعتماد تقاضوں کے ساتھ درخواست کے منظرناموں میں خاص طور پر اہم ہو جاتے ہیں۔

اس تناظر میں، ہم نے AI ایجنٹ کا مطالعہ شروع کیا، کیونکہ AI ایجنٹ عملی مسائل کو حل کرنے اور ماحول کے ساتھ تعامل کی جامعیت پر زور دیتا ہے۔ یہ تبدیلی اے آئی ٹکنالوجی کے خالص زبان کے ماڈل سے ایک ذہین نظام کی طرف ارتقاء کی نشاندہی کرتی ہے جو حقیقی معنوں میں سمجھ سکتا ہے، سیکھ سکتا ہے اور حقیقی مسائل کو حل کر سکتا ہے۔ لہذا ہم AI ایجنٹ کی ترقی میں امید دیکھتے ہیں، جو آہستہ آہستہ AI ٹیکنالوجی اور عملی مسائل کے حل کے درمیان فرق کو ختم کر رہا ہے۔ AI ٹکنالوجی کا ارتقاء پیداواری صلاحیت کے فن تعمیر کو مسلسل نئی شکل دے رہا ہے، جبکہ Web3 ٹیکنالوجی ڈیجیٹل معیشت کے پیداواری تعلقات کو نئی شکل دے رہی ہے۔ جب AI کے تین عناصر: ڈیٹا، ماڈلز اور کمپیوٹنگ پاور، Web3 کے بنیادی تصورات جیسے وکندریقرت، ٹوکن اکانومی اور سمارٹ کنٹریکٹس کے ساتھ مربوط ہو جاتے ہیں، تو ہم اندازہ لگاتے ہیں کہ جدید ایپلی کیشنز کا ایک سلسلہ جنم لے گا۔ صلاحیتوں سے بھرے اس کراس کٹنگ فیلڈ میں، ہم سمجھتے ہیں کہ AI ایجنٹ، خود مختاری سے کام انجام دینے کی اپنی صلاحیت کے ساتھ، بڑے پیمانے پر ایپلی کیشنز کے لیے بڑی صلاحیت ظاہر کرتا ہے۔ اس مقصد کے لیے، ہم نے Web3 میں AI ایجنٹ کی متنوع ایپلی کیشنز پر، بنیادی ڈھانچے، مڈل ویئر، Web3 کے ایپلیکیشن لیول سے لے کر ڈیٹا اور ماڈل مارکیٹس جیسے متعدد جہتوں تک گہرائی سے تحقیق کرنا شروع کی، جس کا مقصد انتہائی امید افزا کی شناخت اور جائزہ لینا ہے۔ AI اور Web3 کے گہرے انضمام کو گہرائی سے سمجھنے کے لیے پروجیکٹ کی اقسام اور ایپلیکیشن کے منظرنامے۔

تصور کی وضاحت: AI ایجنٹ کا تعارف اور درجہ بندی کا جائزہ

بنیادی تعارف

AI ایجنٹ کو متعارف کرانے سے پہلے، قارئین کو اس کی تعریف اور خود ماڈل کے درمیان فرق کو بہتر طور پر سمجھنے میں مدد کرنے کے لیے، ہم مثال کے طور پر ایک حقیقی دنیا کے منظر نامے کا استعمال کرتے ہیں: فرض کریں کہ آپ سفر کا منصوبہ بنا رہے ہیں۔ روایتی بڑے زبان کے ماڈل منزل کی معلومات اور سفری تجاویز فراہم کرتے ہیں۔ بازیافت میں اضافہ شدہ جنریشن ٹیکنالوجی زیادہ بھرپور اور زیادہ مخصوص منزل کا مواد فراہم کر سکتی ہے۔ اے آئی ایجنٹ آئرن مین مووی میں جارویس کی طرح ہے، جو ضروریات کو سمجھ سکتا ہے، آپ کے الفاظ کی بنیاد پر پروازوں اور ہوٹلوں کو فعال طور پر تلاش کرسکتا ہے، ریزرویشن آپریشنز انجام دے سکتا ہے، اور سفر نامہ کو کیلنڈر میں شامل کرسکتا ہے۔
صنعت میں AI ایجنٹ کی عمومی تعریف یہ ہے کہ یہ ایک ذہین نظام ہے جو ماحول کو دیکھ سکتا ہے اور اس سے متعلقہ اقدامات کر سکتا ہے، سینسرز کے ذریعے ماحولیاتی معلومات حاصل کر سکتا ہے، اور پروسیسنگ کے بعد ایکچیوٹرز کے ذریعے ماحول کو متاثر کر سکتا ہے (اسٹیورٹ رسل پیٹر نارویگ، 2020)۔ ہمارا ماننا ہے کہ AI ایجنٹ ایک اسسٹنٹ ہے جو LLM، RAG، میموری، ٹاسک پلاننگ اور ٹول کے استعمال کی صلاحیتوں کو یکجا کرتا ہے۔ یہ نہ صرف معلومات فراہم کر سکتا ہے بلکہ منصوبہ بندی بھی کر سکتا ہے، کاموں کو تحلیل کر سکتا ہے اور درحقیقت ان پر عمل درآمد کر سکتا ہے۔
اس تعریف اور خصوصیات کی بنیاد پر، ہم یہ جان سکتے ہیں کہ AI ایجنٹس طویل عرصے سے ہماری زندگیوں میں ضم ہو چکے ہیں اور مختلف منظرناموں میں لاگو ہوتے ہیں۔ مثال کے طور پر، AlphaGo، Siri، Teslas L5 اور اس سے اوپر کی خود مختار ڈرائیونگ سبھی کو AI ایجنٹوں کی مثال کے طور پر شمار کیا جا سکتا ہے۔ ان سسٹمز کی عام خصوصیت یہ ہے کہ وہ بیرونی صارف کے ان پٹ کو سمجھ سکتے ہیں اور حقیقی ماحول کو متاثر کرنے کے لیے اس کے مطابق جواب دے سکتے ہیں۔
تصور کو واضح کرنے کے لیے ChatGPT کو ایک مثال کے طور پر لیتے ہوئے، ہمیں واضح طور پر بتانا چاہیے کہ ٹرانسفارمر ایک تکنیکی فن تعمیر ہے جو AI ماڈل کو تشکیل دیتا ہے، GPT ایک ماڈل سیریز ہے جو اس فن تعمیر کی بنیاد پر تیار کی گئی ہے، اور GPT-1، GPT-4، اور GPT- 4 o ترقی کے مختلف مراحل میں ماڈل کے ورژن کی نمائندگی کرتا ہے۔ ChatGP ایک AI ایجنٹ ہے جو GPT ماڈل سے تیار ہوا ہے۔

درجہ بندی کا جائزہ

فی الحال، AI ایجنٹ مارکیٹ نے ابھی تک ایک متحد درجہ بندی کا معیار نہیں بنایا ہے۔ ہم نے Web2+Web3 مارکیٹ میں 204 AI ایجنٹ پروجیکٹس کو پرائمری اور سیکنڈری کیٹیگریز میں تقسیم کیا ہے ہر پروجیکٹ سے متعلقہ اہم لیبلز کے مطابق۔ بنیادی درجہ بندی کو تین زمروں میں تقسیم کیا گیا ہے: بنیادی ڈھانچے کی تعمیر، مواد کی تخلیق، اور صارف کے تعامل، جو کہ ان کے حقیقی استعمال کے معاملات کے مطابق مزید ذیلی تقسیم کیے گئے ہیں:

انفراسٹرکچر: یہ زمرہ ایجنٹ فیلڈ میں نچلی سطح کے مواد کی تعمیر پر توجہ مرکوز کرتا ہے، بشمول پلیٹ فارمز، ماڈلز، ڈیٹا، ڈویلپمنٹ ٹولز، اور بنیادی ایپلی کیشنز کے لیے زیادہ بالغ بی سائیڈ سروسز۔

• ڈویلپمنٹ ٹول کلاس: ڈویلپرز کو AI ایجنٹس بنانے کے لیے معاون ٹولز اور فریم ورک فراہم کرتا ہے۔

• ڈیٹا پروسیسنگ: مختلف فارمیٹس میں ڈیٹا پر کارروائی اور تجزیہ کرنا، بنیادی طور پر فیصلہ سازی میں مدد کرنے اور تربیت کے ذرائع فراہم کرنے کے لیے استعمال ہوتا ہے۔

• ماڈل ٹریننگ: AI مخصوص ماڈل ٹریننگ کی خدمات فراہم کرتا ہے، بشمول استدلال، ماڈل کی تعمیر، اور ترتیبات۔

• بی سائیڈ سروسز: بنیادی طور پر کارپوریٹ صارفین کے لیے، انٹرپرائز سروسز، عمودی خدمات اور آٹومیشن حل فراہم کرنا۔

• پلیٹ فارم جمع کرنے کا زمرہ: ایک پلیٹ فارم جو متعدد AI ایجنٹ کی خدمات اور ٹولز کو مربوط کرتا ہے۔

انٹرایکٹو ایجنٹس: مواد پیدا کرنے والے ایجنٹوں کی طرح، فرق مسلسل دو طرفہ تعامل ہے۔ انٹرایکٹو ایجنٹ نہ صرف صارف کی ضروریات کو قبول کرتے اور سمجھتے ہیں بلکہ صارفین کے ساتھ دو طرفہ تعامل حاصل کرنے کے لیے قدرتی زبان کی پروسیسنگ (NLP) جیسی ٹیکنالوجیز کے ذریعے رائے بھی دیتے ہیں۔

• جذباتی صحبت: AI ایجنٹس جو جذباتی مدد اور صحبت فراہم کرتے ہیں۔

• GPT کلاس: AI ایجنٹ GPT (جنریٹو پری ٹرینڈ ٹرانسفارمر) ماڈل پر مبنی ہے۔

• تلاش کی قسم: ایجنٹ جو تلاش کے افعال پر توجہ مرکوز کرتے ہیں اور مزید درست معلومات کی بازیافت فراہم کرتے ہیں۔

مواد کی تخلیق: اس قسم کا پروجیکٹ مواد بنانے پر توجہ مرکوز کرتا ہے، بڑی ماڈل ٹیکنالوجی کا استعمال کرتے ہوئے صارف کی ہدایات پر مبنی مواد کی مختلف شکلیں تیار کرتا ہے۔ اسے چار اقسام میں تقسیم کیا گیا ہے: ٹیکسٹ جنریشن، امیج جنریشن، ویڈیو جنریشن، اور آڈیو جنریشن۔

Web2 AI ایجنٹ کی موجودہ ترقی کی حالت کا تجزیہ

ہمارے اعداد و شمار کے مطابق، روایتی Web2 انٹرنیٹ میں AI ایجنٹوں کی ترقی سیکٹر کے ارتکاز کے واضح رجحان کو ظاہر کرتی ہے۔ خاص طور پر، تقریباً دو تہائی پروجیکٹ بنیادی ڈھانچے کے زمرے میں مرکوز ہیں، خاص طور پر بی سائیڈ سروسز اور ڈویلپمنٹ ٹولز۔ ہم نے اس رجحان پر کچھ تجزیہ بھی کیا ہے۔

• ٹیکنالوجی کی پختگی کا اثر: بنیادی ڈھانچے کے منصوبوں کے غلبہ کی وجہ سب سے پہلے ان کی ٹیکنالوجی کی پختگی ہے۔ یہ منصوبے عام طور پر وقت کی آزمائشی ٹیکنالوجیز اور فریم ورک پر بنائے جاتے ہیں، جو ترقی کی مشکلات اور خطرے کو کم کرتے ہیں۔ وہ AI کے میدان میں بیلچے کے برابر ہیں، جو AI ایجنٹوں کی ترقی اور اطلاق کے لیے ایک ٹھوس بنیاد فراہم کرتے ہیں۔

• مارکیٹ کی طلب سے کارفرما: ایک اور اہم عنصر مارکیٹ کی طلب ہے۔ صارفین کی مارکیٹ کے مقابلے میں، انٹرپرائز مارکیٹ کو AI ٹیکنالوجی کی زیادہ فوری ضرورت ہے، خاص طور پر آپریشنل کارکردگی کو بہتر بنانے اور لاگت کو کم کرنے کے لیے حل تلاش کرنے میں۔ ایک ہی وقت میں، ڈویلپرز کے لیے، کاروباری اداروں سے کیش فلو نسبتاً مستحکم ہے، جو ان کے بعد کے پروجیکٹس کی ترقی کے لیے سازگار ہے۔

• درخواست کے منظرناموں کی حد: ایک ہی وقت میں، ہم نے دیکھا کہ B-end مارکیٹ میں مواد کی پیداوار AI کے اطلاق کے منظرنامے نسبتاً محدود ہیں۔ اس کے آؤٹ پٹ کے عدم استحکام کی وجہ سے، کاروباری ادارے ایسی ایپلی کیشنز کو ترجیح دیتے ہیں جو مستحکم طور پر پیداواری صلاحیت کو بہتر بنا سکیں۔ اس کی وجہ سے پراجیکٹ لائبریری میں مواد تیار کرنے والے AI کا ایک چھوٹا سا تناسب ہے۔

یہ رجحان ٹیکنالوجی کی پختگی، مارکیٹ کی طلب، اور درخواست کے منظرناموں کے حقیقی تحفظات کی عکاسی کرتا ہے۔ جیسا کہ AI ٹیکنالوجی آگے بڑھ رہی ہے اور مارکیٹ کی طلب واضح ہوتی جا رہی ہے، ہم توقع کرتے ہیں کہ یہ پیٹرن ایڈجسٹ ہو جائے گا، لیکن بنیادی ڈھانچہ پھر بھی AI ایجنٹوں کی ترقی کے لیے ٹھوس بنیاد رہے گا۔

ویب 2 کے معروف AI ایجنٹ پروجیکٹس کا تجزیہ

Web2 AI ایجنٹ معروف پروجیکٹس، ماخذ: ArkStream پروجیکٹ ڈیٹا بیس

ہم Web2 مارکیٹ پر موجودہ AI ایجنٹ کے کچھ پروجیکٹس کا گہرائی سے جائزہ لیتے ہیں اور کریکٹر AI، Perplexity AI، اور Midjourney کو بطور مثال لیتے ہوئے ان کا تجزیہ کرتے ہیں۔

کریکٹر AI:

• پروڈکٹ کی تفصیل: Character.AI AI پر مبنی ڈائیلاگ سسٹم اور ورچوئل کریکٹر بنانے کے ٹولز فراہم کرتا ہے۔ اس کا پلیٹ فارم صارفین کو ورچوئل کرداروں کو تخلیق کرنے، تربیت دینے اور ان کے ساتھ بات چیت کرنے کی اجازت دیتا ہے جو قدرتی زبان کی گفتگو میں مشغول ہونے اور مخصوص کام انجام دینے کے قابل ہوتے ہیں۔

• ڈیٹا کا تجزیہ: Character.AI نے مئی میں 277 ملین وزٹ کیے اور روزانہ 3.5 ملین سے زیادہ فعال صارفین، جن میں سے زیادہ تر کی عمر 18 سے 34 سال کے درمیان ہے، جو ایک نوجوان صارف گروپ کی خصوصیات کو ظاہر کرتی ہے۔ کریکٹر AI نے کیپٹل مارکیٹ میں اچھی کارکردگی کا مظاہرہ کرتے ہوئے، a16z کی قیادت میں $1 بلین کی ویلیویشن کے ساتھ $150 ملین فنانسنگ راؤنڈ مکمل کیا۔

• تکنیکی تجزیہ: کریکٹر AI نے اپنے بڑے لینگویج ماڈل کو استعمال کرنے کے لیے Googles کی پیرنٹ کمپنی Alphabet کے ساتھ ایک غیر خصوصی لائسنسنگ معاہدے پر دستخط کیے ہیں، جو اس بات کی نشاندہی کرتا ہے کہ کریکٹر AI خود تیار کردہ ٹیکنالوجی کا استعمال کرتا ہے۔ یہ بات قابل ذکر ہے کہ کمپنی کے بانی Noam Shazeer اور Daniel De Freitas نے Googles کی بات چیت کی زبان کے ماڈل Llama کی ترقی میں حصہ لیا ہے۔

الجھن AI:

• پروڈکٹ کا تعارف: پریشانی رینگ سکتی ہے اور انٹرنیٹ سے تفصیلی جوابات فراہم کر سکتی ہے۔ یہ حوالہ جات اور حوالہ جات کے ذریعے معلومات کی وشوسنییتا اور درستگی کو یقینی بناتا ہے۔ ایک ہی وقت میں، یہ صارفین کو سوالات پوچھنے اور مطلوبہ الفاظ کی تلاش کے لیے تعلیم دیتا ہے اور رہنمائی کرتا ہے، صارفین کی مختلف سوالات کی ضروریات کو پورا کرتا ہے۔

• ڈیٹا کا تجزیہ: Perplexity ماہانہ فعال صارفین کی تعداد 10 ملین تک پہنچ گئی ہے، اور فروری میں اس کے موبائل اور ڈیسک ٹاپ ایپلی کیشنز کے وزٹس کی تعداد میں 8.6% کا اضافہ ہوا، جس سے تقریباً 50 ملین صارفین متوجہ ہوئے۔ کیپٹل مارکیٹ میں، Perplexity AI نے حال ہی میں اعلان کیا ہے کہ اس نے $62.7 ملین فنانسنگ حاصل کی ہے، جس کی مالیت $1.04 بلین ہے، جس کی قیادت ڈینیئل گراس کر رہے ہیں، اور Stan Druckenmiller اور NVIDIA کی شرکت سے۔

• تکنیکی تجزیہ: Perplexity کے ذریعے استعمال ہونے والا مرکزی ماڈل فائن ٹیونڈ GPT-3.5 ہے، نیز اوپن سورس بڑے ماڈلز پر مبنی دو بڑے ماڈلز فائن ٹیونڈ ہیں: pplx-7 b-online اور pplx-70 b-آن لائن۔ یہ ماڈل پیشہ ورانہ علمی تحقیق اور عمودی فیلڈ سوالات کے لیے موزوں ہے تاکہ معلومات کی صداقت اور وشوسنییتا کو یقینی بنایا جا سکے۔

وسط سفر:

• پروڈکٹ کا تعارف: صارف Mid Journey میں مختلف طرزوں اور تھیمز کی تصاویر بنانے کے لیے Prompts کا استعمال کر سکتے ہیں، جس میں حقیقت پسندی سے تجرید تک تخلیقی ضروریات کی ایک وسیع رینج کا احاطہ کیا جا سکتا ہے۔ یہ پلیٹ فارم امیج مکسنگ اور ایڈیٹنگ بھی فراہم کرتا ہے، جس سے صارفین کو امیج اوورلے اور اسٹائل ٹرانسفر کرنے کا موقع ملتا ہے۔ پلیٹ فارمز کا ریئل ٹائم جنریشن فنکشن اس بات کو یقینی بناتا ہے کہ صارفین دسیوں سیکنڈ سے منٹوں میں تیار کردہ تصویر حاصل کر سکیں۔

• ڈیٹا کا تجزیہ: پلیٹ فارم کے پاس پہلے ہی 15 ملین رجسٹرڈ صارفین اور 1.5 سے 2.5 ملین فعال صارفین ہیں۔ ایک ہی وقت میں، عوامی مارکیٹ کی معلومات کے مطابق، مڈجرنی نے سرمایہ کاری کے اداروں سے پیسے نہیں لیے، خود کفیل ترقی کے حصول کے لیے بانی ڈیوڈز کے متعدد کاروباری تجربات کی ساکھ اور وسائل پر انحصار کرتے ہوئے۔

• تکنیکی تجزیہ: مڈجرنی اپنا کلوز سورس ماڈل استعمال کرتا ہے، اور پلیٹ فارم اگست 2022 میں مڈجرنی V4 کی ریلیز کے بعد سے پھیلاؤ پر مبنی جنریٹو AI ماڈل استعمال کر رہا ہے۔ کہا جاتا ہے کہ ماڈل کے تربیتی پیرامیٹرز 30 سے 40 کے درمیان ہیں۔ ارب، اور پیرامیٹرز کی یہ بڑی تعداد ان تصاویر کے تنوع اور درستگی کے لیے ایک ٹھوس بنیاد فراہم کرتی ہے۔

کمرشلائزیشن کا مخمصہ

متعدد Web2 AI ایجنٹوں کا تجربہ کرنے کے بعد، ہم نے پروڈکٹ کی تکرار کے عمومی راستے کا مشاہدہ کیا: ابتدائی مراحل میں ایک واحد، بہتر کام پر توجہ مرکوز کرنے سے لے کر بعد کے مراحل میں زیادہ پیچیدہ ملٹی ٹاسک منظرناموں کو سنبھالنے کی صلاحیتوں کو بڑھانے تک۔ یہ رجحان نہ صرف کام کی کارکردگی اور جدت کو بہتر بنانے میں AI ایجنٹوں کی صلاحیت کی عکاسی کرتا ہے بلکہ یہ بھی اشارہ کرتا ہے کہ وہ مستقبل میں مزید اہم کردار ادا کریں گے۔ Web2 میں 125 AI ایجنٹ پروجیکٹس کے ابتدائی اعدادوشمار کے ذریعے، ہم نے پایا کہ پراجیکٹس بنیادی طور پر مواد کی تیاری (جیسے Jasper AI)، ترقیاتی ٹولز (جیسے Replit)، اور سب سے بڑی تعداد میں B-side سروسز (جیسے Cresta) پر مرکوز ہیں۔ )۔ یہ دریافت ہماری توقعات کے برعکس ہے۔ سب سے پہلے، ہم نے توقع کی کہ AI ماڈل ٹیکنالوجی کی بڑھتی ہوئی پختگی کے ساتھ، C-end مارکیٹ AI ایجنٹوں کی دھماکہ خیز ترقی کا آغاز کرے گی۔ تاہم، تجزیہ کے بعد، ہم نے محسوس کیا کہ C-end AI ایجنٹوں کی کمرشلائزیشن کا راستہ توقع سے کہیں زیادہ ناہموار اور پیچیدہ ہے۔

مثال کے طور پر کریکٹر اے آئی کو لیں۔ ایک طرف، Character.AI کی بہترین ٹریفک کارکردگی ہے۔ تاہم، اپنے واحد کاروباری ماڈل کی وجہ سے، یہ 9.9 USD کی سبسکرپشن فیس پر انحصار کرتا ہے۔ سبسکرپشن کی تھوڑی سی آمدنی اور صارف کے استدلال کی بھاری لاگت کے پیش نظر، ٹریفک منیٹائزیشن میں دشواریوں اور کیپیٹل چین کے مسائل کی وجہ سے بالآخر پوری ٹیم کو گوگل نے حاصل کر لیا۔ یہ کیس اس بات کی عکاسی کرتا ہے کہ اتنی اچھی ٹریفک اور فنانسنگ کے باوجود بھی C-end AI ایجنٹ کی درخواستیں کمرشلائزیشن کے عمل میں مشکل ہیں۔ یہ اس بات کی عکاسی کرتا ہے کہ مصنوعات کی اکثریت ابھی تک دستی مزدوری کو تبدیل کرنے یا مؤثر طریقے سے مدد کرنے کے معیار تک نہیں پہنچی ہے، جس کے نتیجے میں C-end کے صارفین موجودہ مصنوعات کی ادائیگی کے لیے مضبوط آمادگی نہیں رکھتے ہیں۔ ہماری اصل تحقیق اور تفتیش میں، ہم نے پایا کہ بہت سے سٹارٹ اپ پروجیکٹس کو Character.ai سے ملتے جلتے مسائل کا سامنا کرنا پڑا ہے۔ C-end AI ایجنٹ کی ترقی ہموار جہاز رانی نہیں ہے، لیکن اس کے لیے ٹیکنالوجی کی پختگی، مصنوعات کی قیمت، اور کاروباری ماڈل کی جدت طرازی کی مزید گہرائی سے تحقیق کی ضرورت ہے تاکہ سی-اینڈ مارکیٹ میں اس کی صلاحیت اور قدر کا ادراک کیا جا سکے۔

زیادہ تر AI ایجنٹ پراجیکٹس کی قیمتوں کو گننے سے، OpenAI اور xAI جیسے زیادہ سے زیادہ پراجیکٹس کے مقابلے میں تشخیص کے لیے تقریباً 10-50 گنا گنجائش باقی ہے۔ یہ ناقابل تردید ہے کہ C-end Agent کی درخواستوں کی حد اب بھی کافی اونچی ہے، یہ ثابت کرتی ہے کہ یہ اب بھی ایک اچھا ٹریک ہے۔ لیکن مندرجہ بالا تجزیہ کی بنیاد پر، ہم سمجھتے ہیں کہ C-end کے مقابلے میں، B-end مارکیٹ AI ایجنٹ کی آخری منزل ہو سکتی ہے۔ ایک پلیٹ فارم بنا کر، انٹرپرائزز AI ایجنٹ کو عمودی فیلڈز، CRM، آفس OA اور دیگر مینجمنٹ سوفٹ ویئر میں ضم کرتے ہیں، جو نہ صرف کاروباری اداروں کے لیے بہتر آپریشنل کارکردگی لاتا ہے، بلکہ AI ایجنٹ کے لیے ایک وسیع تر ایپلیکیشن کی جگہ بھی فراہم کرتا ہے۔ لہذا، ہمارے پاس یہ یقین کرنے کی وجہ ہے کہ مختصر مدت میں Web2 کے روایتی انٹرنیٹ میں AI ایجنٹ کی ترقی کی اہم سمت B-end خدمات ہوں گی۔

Web3 AI ایجنٹ کی ترقی کی موجودہ حیثیت اور امکانات کا تجزیہ

پروجیکٹ جائزہ

اوپر دیئے گئے تجزیے کے مطابق، یہاں تک کہ AI ایجنٹ ایپلی کیشنز جنہوں نے اعلیٰ سطح کی فنانسنگ حاصل کی ہے اور ان کے پاس صارف کا اچھا ٹریفک ہے، تجارتی وصولی کے مسئلے کا سامنا ہے۔ اس کے بعد، ہم Web3 میں AI ایجنٹ پروجیکٹس کی موجودہ ترقی کا گہرائی میں تجزیہ کریں گے۔ نمائندہ منصوبوں کی ایک سیریز کا جائزہ لے کر – بشمول ان کی تکنیکی جدت، مارکیٹ کی کارکردگی، صارف کے تاثرات، اور ترقی کی صلاحیت، ہمارا مقصد متاثر کن تجاویز کو تلاش کرنا ہے۔ مندرجہ ذیل اعداد و شمار کئی نمائندہ پروجیکٹوں کو دکھاتا ہے جنہوں نے ٹوکن جاری کیے ہیں اور ان کی مارکیٹ ویلیو زیادہ ہے:

Web2 AI ایجنٹ معروف پروجیکٹس، ماخذ: ArkStream پروجیکٹ ڈیٹا بیس

Web3 AI ایجنٹ مارکیٹ پر ہمارے اعداد و شمار کے مطابق، پراجیکٹ کی ترقی کی اقسام بھی پلیٹ کے ارتکاز کے واضح رجحان کو ظاہر کرتی ہیں۔ پروجیکٹوں کی اکثریت کو بنیادی ڈھانچے کے طور پر درجہ بندی کیا گیا ہے، اور نسبتاً کم مواد تیار کرنے والے منصوبے ہیں۔ زیادہ تر پروجیکٹس صارفین کو تقسیم شدہ ڈیٹا، کمپیوٹنگ پاور، وغیرہ فراہم کرنے کی اجازت دے کر پروجیکٹ پارٹی کی ماڈل ٹریننگ کی ضروریات کو حل کرنے کی کوشش کرتے ہیں۔ یا ایک ون اسٹاپ پلیٹ فارم بنانے کی کوشش کرتے ہیں جو مختلف قسم کی AI ایجنٹ ایپلیکیشن سروسز اور ٹولز کو سرایت کرتا ہے۔ ڈویلپمنٹ ٹولز سے لے کر فرنٹ اینڈ انٹرایکٹو ایپلی کیشنز، جنریٹو ایپلی کیشنز وغیرہ تک۔ روایتی AI ایجنٹ انڈسٹری فی الحال بنیادی طور پر اوپن سورس پیرامیٹر ایڈجسٹمنٹ یا ایپلی کیشنز بنانے کے لیے موجودہ ماڈلز کو لاگو کرنے تک محدود ہے۔ یہ نقطہ نظر انٹرپرائز اور انفرادی صارف کی سطح پر ایک اہم نیٹ ورک اثر بنانے میں ناکام رہا ہے۔

موجودہ حالات کا تجزیہ

ہمارا ماننا ہے کہ اس مرحلے پر یہ رجحان درج ذیل عوامل کی وجہ سے ہو سکتا ہے:

بازار اور ٹیکنالوجی کی مماثلت: Web3 اور AI ایجنٹ کے امتزاج کا فی الحال روایتی مارکیٹ کے مقابلے میں کوئی واضح فائدہ نہیں ہے۔ اس کا اصل فائدہ پیداواری تعلقات کو بہتر بنانے اور وسائل اور تعاون کو بہتر بنانے میں ہے۔ یہ کچھ متعامل اور تخلیقی ایپلی کیشنز کا باعث بن سکتا ہے جن میں مضبوط تکنیکی اور مالی طاقت کے ساتھ روایتی حریفوں کے سامنے مسابقت کی کمی ہے۔

درخواست کے منظر نامے کی حدود: Web3 ماحول میں، امیجز، ویڈیوز، ٹیکسٹ وغیرہ بنانے کے لیے اتنی زیادہ عملی ضرورتیں نہیں ہو سکتی ہیں۔ اس کے برعکس، Web3 کی وکندریقرت اور تقسیم شدہ خصوصیات کو اکثر لاگت کو کم کرنے اور کارکردگی کو بڑھانے کے لیے استعمال کیا جاتا ہے۔ روایتی AI فیلڈ، نئے ایپلیکیشن کے منظرناموں کو بڑھانے کے بجائے۔

ہمیں یقین ہے کہ اس رجحان کی جڑ AI صنعت کی موجودہ ترقی کی حیثیت اور اس کی مستقبل کی سمت میں تلاش کی جا سکتی ہے۔ اس کی وجہ یہ ہو سکتی ہے کہ موجودہ AI ٹکنالوجی ابھی بھی اپنے ابتدائی دور میں ہے، جیسا کہ عبوری دور کی طرح جب صنعتی انقلاب کے ابتدائی دنوں میں بھاپ کے انجنوں کو برقی موٹروں سے بدل دیا گیا تھا، اور ابھی تک وسیع پیمانے پر برقی کاری کے دور تک نہیں پہنچا ہے۔

ہمارے پاس یہ یقین کرنے کی وجہ ہے کہ AI کے مستقبل کی ترقی کا رجحان بھی اسی طرح کے راستے پر چل سکتا ہے۔ عام ماڈلز بتدریج مضبوط ہوں گے، جبکہ فائن ٹیوننگ ماڈل متنوع ترقی کو ظاہر کریں گے۔ AI ایپلی کیشنز کو مختلف کاروباری اداروں اور انفرادی صارفین کے درمیان وسیع پیمانے پر منتشر کیا جائے گا، اور توجہ ماڈلز کے درمیان باہمی ربط اور تعامل پر مرکوز ہو جائے گی۔ یہ رجحان Web3 کے تصور کے ساتھ انتہائی مطابقت رکھتا ہے، کیونکہ Web3 اپنی کمپوز ایبلٹی اور اجازت کے بغیر خصوصیات کے لیے جانا جاتا ہے، جو ڈی سینٹرلائزڈ ماڈل فائن ٹیوننگ کے تصور سے مطابقت رکھتا ہے۔ ڈویلپرز کو زیادہ آزادی کے ساتھ مختلف ماڈلز کو یکجا کرنے اور ایڈجسٹ کرنے کی اجازت ہے۔ ایک ہی وقت میں، وکندریقرت خصوصیت ڈیٹا پرائیویسی کے تحفظ اور کمپیوٹنگ وسائل کی تقسیم کے لحاظ سے ماڈل ٹریننگ کے منفرد فوائد بھی لاتی ہے۔

ٹیکنالوجی کی ترقی کے ساتھ، خاص طور پر نئی ٹیکنالوجیز جیسے کہ LoRA (Low-Rank Adaptation) کے ابھرنے سے، ماڈل فائن ٹیوننگ کی لاگت اور تکنیکی حد بہت کم ہو گئی ہے۔ اس سے مخصوص منظرناموں کے لیے عوامی ماڈل تیار کرنا یا صارفین کی ذاتی ضروریات کو پورا کرنا آسان ہو جاتا ہے۔ Web3 کے اندر موجود AI ایجنٹ کے پروجیکٹس اس تکنیکی ترقی کا مکمل استعمال کر سکتے ہیں تاکہ جدید تربیتی طریقوں، اختراعی ترغیبی میکانزم، اور ماڈل ٹریننگ اور فائن ٹیوننگ کے شعبے میں ماڈل شیئرنگ اور تعاون کے نئے ماڈلز کو تلاش کیا جا سکے، جنہیں روایتی طریقوں میں حاصل کرنا اکثر مشکل ہوتا ہے۔ مرکزی نظام.

اس کے علاوہ، ماڈل ٹریننگ میں Web3 پروجیکٹس کا ارتکاز بھی پورے AI ماحولیاتی نظام میں ایک اہم مقام پر فائز ہونے کے بارے میں ان کے اسٹریٹجک تحفظات کی عکاسی کرتا ہے۔ لہذا، Web3 انڈسٹری میں AI ایجنٹ کے منصوبے ماڈل ٹریننگ کے شعبے میں مرکوز ہیں، جو ٹیکنالوجی کی ترقی کے رجحانات، مارکیٹ کی طلب اور Web3 صنعت کے فوائد کا ایک فطری تقاطع ہے۔ اگلا، ہم Web23 انڈسٹری میں کئی ماڈل ٹریننگ پروجیکٹس کا حوالہ دیں گے اور ان کا موازنہ کریں گے۔

ماڈل ٹریننگ پروجیکٹس

Humans.ai

• پروجیکٹ کا تعارف: Humans.ai ایک متنوع AI الگورتھم ماڈل لائبریری اور تربیتی تعیناتی کا ماحول ہے، جس میں متعدد شعبوں جیسے کہ تصاویر، ویڈیوز، آڈیو، ٹیکسٹ وغیرہ کا احاطہ کیا گیا ہے۔ پلیٹ فارم نہ صرف ڈیولپرز کو ماڈلز کو مزید تربیت دینے اور بہتر بنانے میں مدد فراہم کرتا ہے، بلکہ اس کی اجازت بھی دیتا ہے۔ وہ اپنے ماڈلز کا اشتراک اور تجارت کرنے کے لیے۔ ایک اہم اختراع یہ ہے کہ Humans.ai AI ماڈلز اور صارف کے بائیو میٹرک ڈیٹا کو ذخیرہ کرنے کے لیے NFT کو ایک میڈیم کے طور پر استعمال کرتا ہے، جس سے AI مواد کی تخلیق کے عمل کو زیادہ ذاتی اور محفوظ بنایا جاتا ہے۔

• ڈیٹا کا تجزیہ: Humans.ai اس کے ٹوکن ہارٹ کی مارکیٹ ویلیو تقریباً $68 ملین ہے۔ ٹویٹر کے پیروکاروں کی تعداد 56k ہے، اور اس کے صارف کا ڈیٹا ظاہر نہیں کیا گیا ہے۔

• تکنیکی تجزیہ: Humans.ai اپنے ماڈلز تیار نہیں کرتا ہے، لیکن ایک ماڈیولر اپروچ اپناتا ہے، تمام فراہم کردہ ماڈلز کو NFTs میں سمیٹتا ہے، اور صارفین کو ایک لچکدار اور توسیع پذیر AI حل فراہم کرتا ہے۔

FLlock.io

• پروجیکٹ کا تعارف: FLock.io ایک AI کو-کریشن پلیٹ فارم ہے جس کی بنیاد فیڈریٹڈ لرننگ ٹیکنالوجی پر ہے (ایک وکندریقرت مشین لرننگ طریقہ جو ڈیٹا کی رازداری پر زور دیتا ہے)۔ یہ AI ٹریک میں درد کے نکات کو حل کرنے کے لیے پرعزم ہے، جیسے کہ کم عوامی شرکت، ناکافی رازداری کا تحفظ، اور بڑی کمپنیوں کے ذریعے AI ٹیکنالوجی کی اجارہ داری۔ یہ پلیٹ فارم صارفین کو پرائیویسی کی حفاظت کرتے ہوئے، ڈیموکریٹائزیشن اور اے آئی ٹیکنالوجی کی وکندریقرت کو فروغ دینے کے ساتھ ساتھ ڈیٹا کا حصہ ڈالنے کی اجازت دیتا ہے۔

• ڈیٹا کا تجزیہ: 2024 کے اوائل میں، اس نے Lightspeed Faction اور Tagus Capital کی قیادت میں $6 ملین سیڈ راؤنڈ فنانسنگ مکمل کی، اور اس کے بعد DCG، OKX وینچرز اور دیگر ادارے۔

• تکنیکی تجزیہ: FLock.ios تکنیکی فن تعمیر فیڈریٹڈ لرننگ پر مبنی ہے، ایک ایسا طریقہ جو ڈیٹا کی رازداری کی حفاظت کرتے ہوئے وکندریقرت کو فروغ دیتا ہے۔ اس کے علاوہ، FLock.io ڈیٹا کی رازداری کے لیے اضافی تحفظ فراہم کرنے کے لیے zkFL، homomorphic encryption، اور محفوظ ملٹی پارٹی کمپیوٹنگ (SMPC) جیسی ٹیکنالوجیز کا بھی استعمال کرتا ہے۔

• یہ Web3 انڈسٹری میں AI ایجنٹ کے لیے ایک ماڈل ٹریننگ پروجیکٹ ہے۔ Web2 میں بھی اسی طرح کے پلیٹ فارم ہیں جو ماڈل ٹریننگ کی خدمات فراہم کرتے ہیں، جیسے کہ Predibase۔

Predibase

• پروجیکٹ کا تعارف: Predibase AI اور بڑے لینگویج ماڈل آپٹیمائزیشن پر فوکس کرتا ہے، جس سے صارفین کو اوپن سورس کے بڑے لینگویج ماڈلز جیسے لاما، کوڈ للاما، فائی، وغیرہ کو ٹھیک کرنے اور تعینات کرنے کی اجازت ملتی ہے۔ ، اور میموری سے موثر تقسیم شدہ تربیت۔

• ڈیٹا کا تجزیہ: Predibase نے Felicis کی قیادت میں $12.2 ملین سیریز A فنڈنگ راؤنڈ کی تکمیل کا اعلان کیا۔ بڑی کمپنیاں جیسے Uber، Apple، Meta اور سٹارٹ اپس جیسے Paradigm اور Koble.ai سبھی پلیٹ فارم کے صارفین ہیں۔

• تکنیکی تجزیہ: Predibase صارفین نے 250 سے زیادہ ماڈلز کو تربیت دی ہے۔ پلیٹ فارم فی الحال LoRAX فن تعمیر اور Ludwig فریم ورک کو اپناتا ہے: LoRAX صارفین کو ایک ہی GPU پر ہزاروں فائن ٹیونڈ LLMs پیش کرنے کے قابل بناتا ہے، جس سے تھرو پٹ یا تاخیر کو متاثر کیے بغیر لاگت کو بہت کم کیا جاتا ہے۔ Ludwig ایک اعلانیہ فریم ورک ہے جسے Predibase جدید ترین ڈیپ لرننگ اور بڑے لینگویج ماڈلز کو تیار کرنے، تربیت دینے، ٹھیک کرنے، اور تعینات کرنے کے لیے استعمال کرتا ہے۔

• پروجیکٹ تجزیہ: Predibase پلیٹ فارم صارف دوست ہے اور مختلف سطحوں پر صارفین کے لیے اپنی مرضی کے مطابق AI ایپلیکیشن بنانے کی خدمات فراہم کرتا ہے، چاہے وہ C-end اور B-end کے صارفین کے لیے ہو، یا AI فیلڈ میں نئے یا تجربہ کار لوگوں کے لیے۔

نوزائیدہوں کے لیے، Predibase پلیٹ فارم کا ایک کلک آٹومیشن فنکشن ماڈل کی تعمیر اور تربیت کے عمل کو آسان بناتا ہے۔ پلیٹ فارم خود کار طریقے سے پیچیدہ عمارت اور تعیناتی کے مراحل کو مکمل کرتا ہے۔ تجربہ کار صارفین کے لیے، یہ مزید گہرائی سے حسب ضرورت کے اختیارات فراہم کرتا ہے۔ یہ نہ صرف آٹومیشن سروسز فراہم کرتا ہے، بلکہ یہ صارفین کو مزید پیشہ ورانہ پیرامیٹر سیٹنگز تک رسائی اور ایڈجسٹ کرنے کی بھی اجازت دیتا ہے۔ Web3 فیلڈ میں روایتی AI ماڈل ٹریننگ پلیٹ فارمز کا AI پروجیکٹس کے ساتھ موازنہ کرتے ہوئے، اگرچہ وہ مجموعی فریم ورک اور منطق میں ایک جیسے ہو سکتے ہیں، ہم نے پایا کہ تکنیکی فن تعمیر اور کاروباری ماڈل میں دونوں کے درمیان کچھ اہم فرق ہیں۔

• تکنیکی گہرائی اور جدت: روایتی AI ماڈل ٹریننگ پلیٹ فارم اکثر گہری تکنیکی رکاوٹوں کو اپناتے ہیں، جیسے کہ خود تیار کردہ ٹیکنالوجیز جیسے LoRAX فن تعمیر اور Ludwig فریم ورک کا استعمال۔ یہ فریم ورک طاقتور فنکشن فراہم کرتے ہیں جو پلیٹ فارم کو AI ماڈل کے پیچیدہ تربیتی کاموں کو سنبھالنے کے قابل بناتے ہیں۔ تاہم، Web3 پروجیکٹوں میں گہرائی کی ٹیکنالوجی کے بغیر وکندریقرت اور کھلے پن پر زیادہ توجہ دی جا سکتی ہے۔

• کاروباری ماڈل کی لچک: روایتی AI ماڈل کی تربیت کے میدان میں، ہم نے دیکھا ہے کہ ایک عام رکاوٹ کاروباری ماڈل میں لچک کی کمی ہے۔ پلیٹ فارم صارفین سے ماڈل کی تربیت کے لیے ادائیگی کرنے کا تقاضا کرتا ہے، اور فنڈز کا ذریعہ پروجیکٹ کی پائیدار ترقی کی جگہ کو محدود کرتا ہے، خاص طور پر ابتدائی مراحل میں جس کے لیے صارفین کی وسیع شرکت اور ڈیٹا اکٹھا کرنے کی ضرورت ہوتی ہے۔ اس کے برعکس، Web3 پروجیکٹس میں زیادہ لچکدار کاروباری ماڈل ہوں گے، جیسے کہ ٹوکن اکانومی کے کمیونٹی سے چلنے والے ماڈل۔

• رازداری کے تحفظ کے چیلنجز: رازداری کا تحفظ ایک اور اہم مسئلہ ہے۔ Predibase کو مثال کے طور پر لیں۔ اگرچہ یہ AWS پر ورچوئل پرائیویٹ کلاؤڈ سروسز فراہم کرتا ہے، لیکن یہ فن تعمیر جو تیسرے فریق پر انحصار کرتا ہے ہمیشہ ڈیٹا کے اخراج کا ممکنہ خطرہ رہتا ہے۔

تفریق کے یہ تمام نکات روایتی AI صنعت میں رکاوٹ بن گئے ہیں۔ انٹرنیٹ کی خصوصیات کی وجہ سے، ان مسائل کو ایک موثر طریقے سے حل کرنا مشکل ہونا مقدر ہے۔ ساتھ ہی، یہ Web3 کے لیے مواقع اور چیلنجز بھی لاتا ہے۔ پراجیکٹ پارٹی جو ان مسائل کو حل کرنے میں پیش قدمی کرتی ہے، غالباً صنعت میں ایک علمبردار بن جائے گی۔

Web3 دیگر ایجنٹ پروجیکٹس

ماڈل ٹریننگ کے لیے AI ایجنٹ کے پراجیکٹس پر بات کرنے کے بعد، ہم Web3 انڈسٹری میں AI ایجنٹ پروجیکٹس کی دیگر اقسام تک اپنے افق کو وسعت دیں گے۔ اگرچہ یہ پروجیکٹس صرف ماڈل ٹریننگ پر مرکوز نہیں ہیں، یہ فنانسنگ ڈیٹا، فہرست سازی کی کارکردگی، ٹوکن مارکیٹ ویلیو وغیرہ کے لحاظ سے مختلف ہیں۔

ذیل میں ان کے متعلقہ شعبوں میں کئی نمائندہ اور بااثر AI ایجنٹ کے منصوبے ہیں:

میشیل

• پروڈکٹ کا تعارف: یہ ایک جامع AI ایجنٹ پلیٹ فارم مہیا کرتا ہے جہاں صارف AI ایجنٹس کو تخلیق، اشتراک اور ذاتی نوعیت کا بنا سکتے ہیں۔ یہ ایجنٹ صحبت فراہم کر سکتے ہیں اور کارکردگی کو بہتر بنانے کے لیے کام میں مدد کر سکتے ہیں۔ پلیٹ فارم مختلف قسم کے AI ایجنٹ طرزوں کا احاطہ کرتا ہے، بشمول دو جہتی اور روایتی طرزیں، اور انٹرایکٹو شکلوں میں آڈیو، ویڈیو اور متن شامل ہیں۔ MyShell کے بارے میں خاص بات یہ ہے کہ یہ GPT 4 o، GPT 4، اور Claude سمیت متعدد موجودہ ماڈلز کو اکٹھا کرتا ہے، جو صارفین کو روایتی ادا شدہ AI ایجنٹوں کا اعلیٰ سطح کا تجربہ فراہم کرتا ہے۔ اس کے علاوہ، پلیٹ فارم FT بانڈنگ کریو کی طرح ایک تجارتی نظام متعارف کرایا ہے، جو تخلیق کاروں کو اعلیٰ قیمت والے AI ماڈل تیار کرنے کی ترغیب دیتا ہے جبکہ صارفین کو سرمایہ کاری اور فوائد کا اشتراک کرنے کا موقع فراہم کرتا ہے۔

• ڈیٹا کا تجزیہ: مائی شیلز فنانسنگ کے آخری دور کی مالیت تقریباً $80 ملین تھی، جس کی قیادت Dragonfly کر رہے تھے، اور دیگر معروف سرمایہ کاروں جیسے Binance، Hashkey اور Folius نے بھی شرکت کی۔ اگرچہ صارف تک رسائی کا کوئی خاص ڈیٹا موجود نہیں ہے، لیکن MyShell کے سوشل میڈیا پر تقریباً 180K ٹوئٹر فالوورز ہیں، اور آن لائن ڈسکارڈ صارفین کی تعداد عام طور پر مداحوں کی کل تعداد کے دسویں حصے سے زیادہ نہیں ہوتی، لیکن اس سے ظاہر ہوتا ہے کہ اس پروجیکٹ کے پاس ایک وفادار صارف ہے۔ اور ڈویلپر کی بنیاد۔

• تکنیکی تجزیہ: MyShell AI ماڈلز کو آزادانہ طور پر تیار نہیں کرتا ہے، لیکن ایک مربوط پلیٹ فارم کے طور پر، یہ کلاڈ، GPT-4، 4 o جیسے جدید ماڈلز کو اکٹھا کرتا ہے اور دوسرے بند سورس ماڈلز کو سپورٹ کرنے کا دعویٰ کرتا ہے۔ یہ حکمت عملی MyShell کو موجودہ تکنیکی وسائل سے فائدہ اٹھانے کے قابل بناتی ہے تاکہ صارفین کو ایک متحد اور جدید AI تجربہ فراہم کیا جا سکے۔

• موضوعی تجربہ: MyShell صارفین کو ان کی ضروریات کے مطابق آزادانہ طور پر AI ایجنٹوں کو بنانے اور اپنی مرضی کے مطابق بنانے کی اجازت دیتا ہے، چاہے وہ ذاتی ساتھی ہوں یا پیشہ ور معاون کے طور پر، اور آڈیو اور ویڈیو جیسے مختلف منظرناموں کے مطابق ڈھال سکتے ہیں۔ یہاں تک کہ اگر صارف MyShells ایجنٹوں کا استعمال نہیں کرتے ہیں، تو وہ کم قیمت پر مربوط Web2 ادائیگی کے ماڈل سے لطف اندوز ہو سکتے ہیں۔ اس کے علاوہ، پلیٹ فارم FT کے معاشی تصور کو یکجا کرتا ہے، جس سے صارفین نہ صرف AI سروسز استعمال کر سکتے ہیں، بلکہ AI ایجنٹس میں سرمایہ کاری بھی کر سکتے ہیں جن کے بارے میں وہ پر امید ہیں، بانڈنگ کریو میکانزم کے ذریعے دولت کے اثر کو بڑھاتا ہے۔

ڈیلیسیم

• پروڈکٹ کا تعارف: ڈیلیزیم ایک ارادے پر مبنی AI ایجنٹ نیٹ ورک فراہم کرتا ہے، جس سے ایجنٹوں کو صارفین کو ایک دوستانہ Web3 تجربہ دلانے کے لیے بہتر تعاون کرنے کی اجازت ملتی ہے۔ فی الحال، Delysium نے دو AI ایجنٹوں کو لانچ کیا ہے: لوسی اور جیری۔ لوسی ایک نیٹ ورک شدہ AI ایجنٹ ہے جس کے پاس ٹول جیسی مدد فراہم کرنے کا وژن ہے، جیسے کہ سکے رکھنے والے ٹاپ 10 ایڈریسز کے بارے میں استفسار کرنا وغیرہ۔ تاہم، آن چین ارادوں کو انجام دینے کا ایجنٹ کا کام ابھی کھلا نہیں ہے، اور یہ صرف کچھ کو ہی انجام دے سکتا ہے۔ بنیادی ہدایات، جیسے ماحولیاتی نظام میں AGI کو شامل کرنا یا USDT کے لیے اس کا تبادلہ کرنا۔ جیری ڈیلیزیم ایکو سسٹم میں جی پی ٹی کی طرح ہے، اور بنیادی طور پر ماحولیاتی نظام میں سوالات کے جوابات دینے کے لیے ذمہ دار ہے، جیسے کہ ٹوکن ایلوکیشن۔

• ڈیٹا کا تجزیہ: 2022 میں، فنڈ ریزنگ کا پہلا دور 4 ملین امریکی ڈالر تھا، اور اسی سال، اس نے 10 ملین امریکی ڈالر کی اسٹریٹجک فنانسنگ کی تکمیل کا اعلان کیا۔ اس کے ٹوکن AGI کے پاس فی الحال تقریباً 130 ملین امریکی ڈالر کا FDV ہے۔ کوئی تازہ ترین صارف ڈیٹا نہیں ہے۔ Delysiums کے سرکاری اعدادوشمار کے مطابق، جون 2023 تک، لوسی نے 1.4 ملین سے زیادہ آزاد والٹ کنکشنز جمع کر لیے ہیں۔

بے نیند AI

• پروڈکٹ کا تعارف: یہ جذباتی رفاقت گیم پلیٹ فارم Web3 اور AI ایجنٹ ٹیکنالوجی کو یکجا کرتا ہے، ورچوئل ساتھی گیمز HIM اور HER فراہم کرتا ہے، اور AIGC اور LLM کا استعمال صارفین کو ورچوئل کرداروں کے ساتھ تعامل میں غرق کرنے کے لیے کرتا ہے۔ صارفین مسلسل مکالمے کے عمل کے دوران کرداروں کی خصوصیات، لباس وغیرہ میں ترمیم کر سکتے ہیں۔ اس کا ہم آہنگ بڑی زبان کا ماڈل اس بات کو یقینی بناتا ہے کہ کردار ہر مکالمے میں خود کو دہراتا ہے اور صارف کو زیادہ سمجھتا ہے۔

• ڈیٹا کا تجزیہ: پراجیکٹ نے مجموعی طور پر $3.7 ملین اکٹھے کیے ہیں، جس میں سرمایہ کار بشمول Binance Labs، Foresight Ventures اور Folius Ventures شامل ہیں۔ ٹوکن کی کل مارکیٹ ویلیو فی الحال $400 ملین کے قریب ہے۔ ٹویٹر کے 116K فالوورز ہیں، اور سرکاری اعداد و شمار کے مطابق رجسٹرڈ اپائنٹمنٹس کی تعداد 190K تک پہنچ گئی ہے، اور اس کے فعال صارفین کی تعداد 43K تک پہنچ گئی ہے۔ یہ کہا جا سکتا ہے کہ اس کا صارف چپچپا اب بھی کافی مضبوط ہے۔

• تکنیکی تجزیہ: اگرچہ اہلکار نے یہ ظاہر نہیں کیا ہے کہ مارکیٹ میں ان کی پروڈکٹ کس بڑی زبان کے ماڈل پر مبنی ہے، اس بات کو یقینی بنانے کے لیے کہ صارفین کو یہ محسوس ہو کہ وہ کردار انہیں چیٹ کے دوران زیادہ سے زیادہ جانتا ہے، Sleepless AI ہر ایک کے لیے الگ ماڈل کی تربیت دیتا ہے۔ ایل ایل ایم ٹریننگ ڈیزائن کرتے وقت کریکٹر، اور کریکٹر کو میموری دینے کے لیے ویکٹر ڈیٹا بیس اور پرسنیلٹی پیرامیٹر سسٹم کو یکجا کرتا ہے۔

• سبجیکٹیو تجربہ: سلیپلیس AI AI بوائے فرینڈ اور AI گرل فرینڈ کو فری ٹو پلے کے نقطہ نظر سے کاٹنے کے لیے استعمال کرتا ہے، اور یہ ڈائیلاگ روبوٹ کے چیٹ باکس کو صرف مربوط نہیں کرتا ہے۔ یہ پروجیکٹ اعلیٰ لاگت والے آرٹ، مسلسل دہرائے جانے والے زبان کے ماڈلز، اعلیٰ معیار اور مکمل ڈبنگ، اور الارم کلاک، نیند کے آلات، ماہواری کے ریکارڈ، اور سیکھنے کے ساتھیوں جیسے افعال کی ایک سیریز کے ذریعے ورچوئل لوگوں کی صداقت کو بہت زیادہ بڑھاتا ہے۔ اس طرح کی جذباتی قدر کو مارکیٹ میں موجود دیگر ایپلی کیشنز کے ذریعے محسوس نہیں کیا جا سکتا۔ اس کے علاوہ، Sleepless AI نے زیادہ طویل مدتی اور متوازن مواد کی ادائیگی کا طریقہ کار بنایا ہے۔ صارفین P2E یا Ponzi کے مخمصے میں پڑے بغیر NFTs فروخت کرنے کا انتخاب کر سکتے ہیں۔ یہ ماڈل کھلاڑیوں کی آمدنی اور کھیل کے تجربے دونوں کو مدنظر رکھتا ہے۔

امکانی تجزیہ

Web3 انڈسٹری میں، AI ایجنٹ پروجیکٹس متعدد شعبوں کا احاطہ کرتے ہیں جن میں پبلک چینز، ڈیٹا مینجمنٹ، پرائیویسی پروٹیکشن، سوشل نیٹ ورکس، پلیٹ فارم سروسز اور کمپیوٹنگ پاور شامل ہیں۔ ٹوکن مارکیٹ ویلیو کے نقطہ نظر سے، AI ایجنٹ پروجیکٹس کی کل ٹوکن مارکیٹ ویلیو تقریباً $3.8 بلین تک پہنچ گئی ہے، جبکہ پورے AI ٹریک کی کل مارکیٹ ویلیو $16.2 بلین کے قریب ہے۔ AI ٹریک میں AI ایجنٹ پروجیکٹس کی مارکیٹ ویلیو تقریباً 23% ہے۔

اگرچہ صرف ایک درجن کے قریب AI ایجنٹ پروجیکٹس ہیں، جو کہ پورے AI ٹریک کے مقابلے نسبتاً چھوٹے ہیں، لیکن ان کی قیمت مارکیٹ کا تقریباً ایک چوتھائی ہے۔ اے آئی ٹریک کا مارکیٹ ویلیو شیئر ایک بار پھر ہماری تصدیق کی تصدیق کرتا ہے کہ اس ذیلی ٹریک میں ترقی کی زبردست صلاحیت ہے۔

اعداد و شمار کے بعد، ہم نے ایک بنیادی سوال پوچھا: ایجنٹ پروجیکٹس کو بہترین فنانسنگ کو راغب کرنے اور سرفہرست ایکسچینجز میں درج ہونے کے لیے کیا خصوصیات ہوتی ہیں؟ اس سوال کا جواب دینے کے لیے، ہم نے ایسے پروجیکٹس کی کھوج کی جنہوں نے ایجنٹ انڈسٹری میں نتائج حاصل کیے ہیں، جیسے Fetch.ai، Olas Network، SingularityNET، اور Myshell۔

یہ جاننا مشکل نہیں ہے کہ ان منصوبوں میں کچھ نمایاں خصوصیات ہیں: ان سب کا تعلق بنیادی ڈھانچے کے زمرے میں پلیٹ فارم جمع کرنے کے منصوبے سے ہے، ایک پل بنانا، ایک سرے B-end یا C-end کے صارفین کو جوڑتا ہے جنہیں ایجنٹوں کی ضرورت ہوتی ہے، اور دوسرا۔ اینڈ سرونگ ڈویلپرز اور تصدیق کنندگان - یہ ماڈل ڈیبگنگ اور ماڈل ٹریننگ کے ذمہ دار صارفین ہیں۔ درخواست کی سطح سے قطع نظر، انہوں نے ایک مکمل ماحولیاتی نظام کا ایک بند لوپ قائم کیا ہے۔

ہم نے دیکھا کہ ان کی فراہم کردہ مصنوعات آن چین یا آف چین سے متعلق ہیں، یہ سب سے زیادہ اہم عوامل نہیں لگتے ہیں۔ یہ ہمیں ایک ابتدائی نتیجے کی طرف لے جاتا ہے: Web3 کے میدان میں، Web2 کی منطق جو عملی ایپلی کیشنز پر زور دیتی ہے پوری طرح سے لاگو نہیں ہو سکتی۔ Web3 میں معروف AI ایجنٹ پروڈکٹس کے لیے، ایک مکمل ماحولیاتی نظام کی تعمیر اور متنوع افعال فراہم کرنا کسی ایک پروڈکٹ کے معیار اور کارکردگی سے زیادہ اہم ہو سکتا ہے۔ دوسرے لفظوں میں، کسی پروجیکٹ کی کامیابی کا انحصار نہ صرف اس بات پر ہوتا ہے کہ وہ کیا فراہم کرتا ہے، بلکہ اس بات پر بھی کہ یہ کس طرح وسائل کو مربوط کرتا ہے، تعاون کو فروغ دیتا ہے، اور ماحولیاتی نظام کے اندر نیٹ ورک کے اثرات پیدا کرتا ہے۔ اس ماحولیاتی نظام کو بنانے کی صلاحیت AI ایجنٹ کے پروجیکٹس کے لیے Web3 ٹریک میں نمایاں ہونے کے لیے ایک اہم عنصر ہو سکتی ہے۔

AI ایجنٹ پروجیکٹس کے لیے Web3 میں ضم ہونے کا صحیح طریقہ یہ ہے کہ کسی ایک ایپلیکیشن کی گہری ترقی پر توجہ مرکوز نہ کی جائے، بلکہ ایک جامع ماڈل کو اپنایا جائے۔ اس نقطہ نظر میں ویب 2 دور کے متنوع پروڈکٹ فریم ورک اور مصنوعات کی اقسام کو Web3 ماحول میں منتقل کرنا اور ان کو مربوط کرنا شامل ہے تاکہ ایک خود گردش کرنے والا ماحولیاتی نظام بنایا جا سکے۔ اسے OpenAIs اسٹریٹجک شفٹ سے بھی دیکھا جا سکتا ہے، جس نے اس سال صرف ماڈل کو اپ ڈیٹ کرنے کے بجائے ایک ایپلیکیشن پلیٹ فارم لانچ کرنے کا انتخاب کیا۔

خلاصہ طور پر، ہم سمجھتے ہیں کہ AI ایجنٹ کے منصوبوں کو درج ذیل پہلوؤں پر توجہ مرکوز کرنی چاہیے:

• ماحولیاتی نظام کی تعمیر: ایک ایپلیکیشن سے آگے بڑھیں اور ایک ایسا ماحولیاتی نظام بنائیں جس میں متعدد خدمات اور فنکشنز شامل ہوں تاکہ مختلف اجزاء کے درمیان تعامل اور ویلیو ایڈ کو فروغ دیا جاسکے۔

• ٹوکن اقتصادی ماڈل: صارفین کو نیٹ ورک کی تعمیر میں حصہ لینے اور ڈیٹا اور کمپیوٹنگ پاور میں حصہ ڈالنے کی ترغیب دینے کے لیے ایک معقول ٹوکن اقتصادی ماڈل ڈیزائن کریں۔

• کراس ڈومین انٹیگریشن: مختلف شعبوں میں AI ایجنٹ کی درخواست کی صلاحیت کو دریافت کریں اور کراس ڈومین انٹیگریشن کے ذریعے استعمال کے نئے منظرنامے اور قدر بنائیں۔

• ان تینوں پہلوؤں کا خلاصہ کرنے کے بعد، ہم پراجیکٹ پارٹیوں کے لیے مختلف توجہ کے ساتھ کچھ مستقبل کی تجاویز بھی فراہم کرتے ہیں۔ پہلا ان غیر AI کور ایپلی کیشن پروڈکٹس کے لیے ہے، اور دوسرا مقامی پروجیکٹس کے لیے ہے جو AI ایجنٹ ٹریک پر فوکس کرتے ہیں۔

غیر اے آئی کور ایپلی کیشن سائیڈ پروڈکٹس کے لیے:

طویل مدتی کو برقرار رکھنا، AI ٹیکنالوجی کو مربوط کرتے ہوئے اپنی بنیادی مصنوعات پر توجہ مرکوز کرنا، وقت کے مطابق ڈھالنا اور ہوا کا انتظار کرنا۔ موجودہ ٹیکنالوجی اور مارکیٹ کے رجحانات کے تحت، ہم سمجھتے ہیں کہ صارفین کو اپنی طرف متوجہ کرنے اور مصنوعات کی مسابقت کو بڑھانے کے لیے AI کو بطور ٹریفک میڈیم استعمال کرنا مسابقت کا ایک اہم ذریعہ بن گیا ہے۔ اگرچہ حقیقت یہ ہے کہ AI ٹیکنالوجی دراصل اس منصوبے کی طویل مدتی ترقی میں کتنا حصہ ڈالتی ہے، یہ اب بھی ایک سوالیہ نشان ہے، لیکن ہم سمجھتے ہیں کہ یہ ان علمبرداروں کے لیے ایک قابل قدر ونڈو فراہم کرتا ہے جو AI ٹیکنالوجی کو جلد اپنانے کی ہمت کرتے ہیں۔ یقینا، بنیاد یہ ہے کہ ان کے پاس پہلے سے ہی ایک بہت مضبوط مصنوع ہے۔

طویل مدت میں، اگر AI ٹیکنالوجی مستقبل میں نئی کامیابیاں حاصل کرتی ہے، تو وہ پروجیکٹ پارٹیاں جنہوں نے AI کو مربوط کیا ہے، اپنی مصنوعات کو زیادہ تیزی سے دہرانے کے قابل ہو جائیں گے، اس طرح مواقع سے فائدہ اٹھا کر صنعت کے رہنما بن سکیں گے۔ یہ بالکل ایسے ہی ہے جیسے پچھلے کچھ سالوں میں، سوشل میڈیا پلیٹ فارمز پر لائیو سٹریمنگ نے آہستہ آہستہ آف لائن سیلز کو ٹریفک کی برآمدات کے لیے ایک نئے سیلز طریقہ کے طور پر بدل دیا ہے۔ اس وقت، وہ مرچنٹس جن کے پاس بہترین پروڈکٹس تھے اور انہوں نے نئے رجحان کی پیروی کرنے اور لائیو سٹریمنگ کو آزمانے کا انتخاب کیا، جب لائیو سٹریمنگ ای کامرس واقعی پھوٹ پڑی، تو یہ مرچنٹس فوری مداخلت کے فائدہ کے ساتھ باہر کھڑے ہو گئے۔

ہم سمجھتے ہیں کہ مارکیٹ کی غیر یقینی صورتحال کے درمیان، غیر AI-کور ایپلیکیشن سائیڈ پروڈکٹس کے لیے، یہ ایک حکمت عملی فیصلہ ہو سکتا ہے کہ صحیح وقت پر AI ایجنٹوں کو متعارف کرانے پر غور کیا جائے۔ اس سے نہ صرف اس وقت پروڈکٹ کی مارکیٹ ایکسپوزر میں اضافہ ہوگا بلکہ AI ٹیکنالوجی کی مسلسل ترقی کے ساتھ پروڈکٹ میں ترقی کے نئے پوائنٹس بھی آئیں گے۔

AI ایجنٹوں پر مرکوز مقامی پروجیکٹس کے لیے:

تکنیکی جدت اور مارکیٹ کی طلب میں توازن کامیابی کی کلید ہے۔ مقامی AI ایجنٹ کے منصوبوں میں، پراجیکٹ کے مالکان کو صرف ٹیکنالوجی کی تحقیق اور ترقی کے بجائے مارکیٹ کے رجحانات پر توجہ مرکوز کرنے کی ضرورت ہے۔ فی الحال، مارکیٹ میں کچھ ایجنٹ پروجیکٹس جو Web3 کو یکجا کرتے ہیں ایک ہی تکنیکی سمت میں ترقی کرنے پر بہت زیادہ توجہ مرکوز کر سکتے ہیں، یا ایک عظیم وژن بنایا ہے لیکن مصنوعات کی ترقی کو برقرار رکھنے میں ناکام رہے ہیں۔ دونوں انتہائیں منصوبے کی طویل مدتی ترقی کے لیے سازگار نہیں ہیں۔

لہذا، ہم تجویز کرتے ہیں کہ پراجیکٹ کے مالکان کو پروڈکٹ کے معیار کو یقینی بناتے ہوئے مارکیٹ کی حرکیات پر توجہ دینی چاہیے، اور یہ سمجھنا چاہیے کہ روایتی انٹرنیٹ انڈسٹری میں AI ایپلیکیشن کی منطق Web3 پر لاگو نہیں ہوتی ہے۔ اس کے بجائے، انہیں ان منصوبوں سے سیکھنے کی ضرورت ہے جنہوں نے Web3 مارکیٹ میں نتائج حاصل کیے ہیں۔ ان کے پاس موجود لیبلز پر دھیان دیں، جیسے کہ آرٹیکل میں مذکور ماڈل ٹریننگ اور پلیٹ فارم کلیکشن جیسے بنیادی افعال، نیز ان کی تخلیق کردہ بیانیہ، جیسے AI ماڈیولرائزیشن اور ملٹی ایجنٹ تعاون۔ سیکسی داستانوں کی کھوج مارکیٹ میں کسی پروجیکٹ کی پیش رفت کی کلید ہو سکتی ہے۔

نتیجہ چاہے یہ ایک غیر AI بنیادی پروڈکٹ ہو یا مقامی AI ایجنٹ پروجیکٹ، سب سے اہم چیز یہ ہے کہ بدلتی ہوئی مارکیٹ میں مسابقت اور جدت کو یقینی بنانے کے لیے صحیح وقت اور تکنیکی راستہ تلاش کیا جائے۔ پراجیکٹ کے مالکان کو مارکیٹ کے رجحانات کا مشاہدہ کرنا چاہیے، کامیاب کیسز سے سیکھنا چاہیے، اور مصنوعات کے معیار کو برقرار رکھتے ہوئے مارکیٹ میں پائیدار ترقی حاصل کرنے کے لیے اختراع کرنا چاہیے۔

خلاصہ کریں۔

مضمون کے آخر میں، ہم Web3 AI ایجنٹ ٹریک کا متعدد زاویوں سے تجزیہ کرتے ہیں:

• کیپٹل انویسٹمنٹ اور مارکیٹ کی توجہ: اگرچہ Web3 انڈسٹری میں AI ایجنٹ کے پراجیکٹس کو فہرستوں کی تعداد کے لحاظ سے کوئی فائدہ نہیں ہے، لیکن وہ مارکیٹ کی تشخیص میں تقریباً 50% کا حصہ ہیں، جس سے ظاہر ہوتا ہے کہ کیپٹل مارکیٹ اس ٹریک کو بہت زیادہ پہچانتی ہے۔ زیادہ سرمایہ کاری اور مارکیٹ کی توجہ میں اضافہ کے ساتھ، یہ یقینی ہے کہ AI ایجنٹ کے ٹریک میں زیادہ قیمتی پروجیکٹس ظاہر ہوں گے۔

• مسابقت اور اختراعی صلاحیتیں: Web3 انڈسٹری میں AI ایجنٹ ٹریک کا مسابقت کا منظر نامہ ابھی تک مکمل طور پر تشکیل نہیں پایا ہے۔ درخواست کی سطح پر، ChatGPT جیسی کوئی غیرمعمولی اور سرکردہ مصنوعات نہیں ہیں، جو نئی پراجیکٹ پارٹیوں کو ترقی اور اختراع کے لیے کافی جگہ فراہم کرتی ہے۔ ٹیکنالوجی کی پختگی اور پچھلے منصوبوں کی جدت کے ساتھ، ٹریک سے زیادہ مسابقتی مصنوعات تیار کرنے اور پورے ٹریک کی قدر کو فروغ دینے کی امید ہے۔

• ٹوکن اکانومی اور صارف کی ترغیبات پر زور: Web3 کی اہمیت پیداواری تعلقات کو نئی شکل دینا ہے، جس سے AI ماڈلز کی تعیناتی اور تربیت کے اصل مرکزی عمل کو مزید وکندریقرت بنایا جائے۔ معقول ٹوکن اقتصادی ڈیزائن اور صارف کی ترغیباتی اسکیموں کے ذریعے، ناکارہ کمپیوٹنگ پاور یا ذاتی ڈیٹا سیٹس کو دوبارہ تقسیم کیا جا سکتا ہے، اور ڈیٹا کی رازداری کو ZKML جیسے حل کے ذریعے محفوظ کیا جا سکتا ہے۔ یہ کمپیوٹنگ پاور اور ڈیٹا کے اخراجات کو مزید کم کر سکتا ہے اور مزید انفرادی صارفین کو AI انڈسٹری کی تعمیر میں حصہ لینے کی اجازت دے سکتا ہے۔

خلاصہ یہ کہ ہم AI ایجنٹ ٹریک کے بارے میں پر امید ہیں۔ ہمارے پاس یہ یقین کرنے کی وجہ ہے کہ AI ایجنٹ ٹریک میں 1 بلین امریکی ڈالر سے زیادہ کی قیمتوں کے ساتھ متعدد پروجیکٹس ہوں گے۔ افقی موازنہ کے لحاظ سے، AI ایجنٹ کا بیانیہ کافی سیکسی ہے اور مارکیٹ کی جگہ کافی بڑی ہے۔ اس وقت مارکیٹ کی قیمتیں عام طور پر کم ہیں۔ AI ٹیکنالوجی کی تیز رفتار ترقی، مارکیٹ کی طلب میں اضافے، سرمائے کی سرمایہ کاری، اور ٹریک میں کاروباری اداروں کی اختراعی صلاحیت کو مدنظر رکھتے ہوئے، مستقبل میں، جیسے جیسے ٹیکنالوجی کی پختگی اور مارکیٹ کی پہچان میں اضافہ ہوتا ہے، اس ٹریک سے متعدد کا ظہور متوقع ہے۔ 1 بلین سے زیادہ قیمتوں کے ساتھ منصوبے۔

یہ مضمون انٹرنیٹ سے حاصل کیا گیا ہے: ArkStream Capital track ریسرچ رپورٹ: کیا AI ایجنٹ Web3+AI کا جان بچانے والا اسٹرا بن سکتا ہے؟

متعلقہ: منتخب کردہ Gitcoin گرانٹ کے قابل عطیہ منصوبوں کے 21 راؤنڈ

اصل یہ دور (Gitcoin گرانٹس راؤنڈ 21) Gitcoin کے لیے عطیات کا 21 واں دور ہے۔ Gitcoin گرانٹس راؤنڈ 21 (GG 21) ایک راؤنڈ ہے جو ماحولیاتی نظام اور کمیونٹی سے چلنے پر مرکوز ہے۔ موضوعات تعاون، نئے حکمرانی کے عمل، اور بیرونی شراکت داریاں ہیں۔ اسے 9 کمیونٹی راؤنڈز میں تقسیم کیا گیا ہے، جس میں بنیادی طور پر آربٹرم چین پر توجہ دی گئی ہے، اور عطیہ کی ابتدائی آخری تاریخ 21 اگست کو 19:00 بجے (بیجنگ وقت) ہے۔ میں Gitcoin گرانٹ کے تعارف اور عمل کے بارے میں زیادہ تفصیل میں نہیں جاؤں گا۔ آپ اسے پچھلے Gitcoin گرانٹ عطیہ سے متعلق مواد میں تلاش کر سکتے ہیں (جیسے Gitcoin Grants 20 rounds minimalist گائیڈ)۔ اس مضمون میں، Odaily Planet Daily ماحولیات کے مطابق GG 21 میں عطیہ کرنے کے قابل 29 پروجیکٹس کا انتخاب کرتا ہے…