OKX Venturesレポート：10以上のプロジェクトを分析し、AIエージェントの全体像を理解する（上）

AI トラックは、投機的な熱狂から実際の応用への進化を遂げています。

初期の AI Meme トークンは AI のホットスポットの爆発を利用しましたが、現在ではより機能的な AI 取引ツール、スマート投資研究、オンチェーン AI 実行体が次々と登場しています。AI によるオンチェーン狙撃戦略から、AI エージェントによる自主的なオンチェーンタスクの実行、さらには AI による DeFi 収益最適化プランまで、AI トラックの影響力は急速に拡大しています。

しかし、多くの人々は AI トークンの時価総額の指数関数的な成長を見ることができる一方で、その価値論理を解読する座標系を見つけることができません。 どの AI トラックが長期的な生命力を持っているのでしょうか？ DeFAI は AI の最良の応用でしょうか？ AI プロジェクト評価の次元は何でしょうか？……OKX Ventures の最新レポートは、AI トラックの発展図を深く分析し、概念の解析、進化の過程、応用トラック、プロジェクトの事例を通じて、AI の価値を理解するためのいくつかのインスピレーションと考察を提供します。

本レポートの内容は比較的豊富であるため、皆さんが読みやすいように（上）、（下）の二篇に分けました。こちらは「上篇」です。

一、AI エージェントについて

AI エージェントは、環境を認識し、意思決定を行い、対応する行動を実行する能力を持つ知的存在です。従来の人工知能システムとは異なり、AI エージェントは独立して思考し、ツールを呼び出すことができるため、特定の目標を段階的に達成することができ、複雑なタスクを処理する際により高い自律性と柔軟性を持っています。

簡単に言えば、AI エージェントは人工知能技術によって駆動される代理人であり、そのワークフローには、認識モジュール（入力の収集）、大規模言語モデル（理解、推論、計画）、ツール呼び出し（タスクの実行）、およびフィードバックと最適化（検証と調整）が含まれます。

Open AI は、AI エージェントを大規模言語モデルを中心に、自主的な理解、認識、計画、記憶、ツール使用能力を持つシステムとして定義し、複雑なタスクを自動化して実行できるものとしています。従来の人工知能とは異なり、AI エージェントは独立して思考し、ツールを呼び出すことで設定された目標を段階的に達成することができます。

AI エージェントの定義は以下のいくつかの重要な要素で要約できます： 認識（Perception）、AI エージェントはセンサー、カメラ、または他の入力デバイスを通じて周囲の環境を認識し、必要な情報を取得します；理解と推論（Reasoning）、それは認識した情報を分析し、合理的な意思決定を行うために複雑な推論を行います；意思決定（Decision-making）、分析結果に基づいて、AI エージェントは行動計画を策定し、最適な実行経路を選択します；行動（Action）、最後に、AI エージェントは策定した計画を実行し、外部ツールやインターフェースを呼び出して他のシステムと相互作用し、予定された目標を達成します。

AI エージェントの作業原理とプロセスは通常以下のいくつかのステップを含みます： まず、情報入力、環境からの情報（ユーザーの指示、センサーデータなど）を受け取ります；次に、データ処理、内蔵のアルゴリズムとモデルを使用して入力データを処理し、短期および長期の記憶システムを組み合わせて現在の状態を理解します；その後、計画策定、処理結果に基づいて、AI エージェントは大きなタスクを管理可能な小さなタスクに分割し、具体的な実行計画を策定します。実行段階では、AI エージェントは外部 API やツールを呼び出して計画を実施し、タスクが期待通りに完了するように実行プロセスを監視します；最後に、フィードバックと学習、タスクが完了した後、AI エージェントは結果に基づいて自己反省と学習を行い、将来の意思決定の質を向上させます。

二、進化の過程

AI トークンの進化の道筋は、初期の「MEME」現象から深い技術の融合への変化を示しています。初めは、多くのトークンが短期間の概念の炒作やソーシャルメディアの熱潮を利用してユーザーの関心を引きましたが、マーケットが成熟するにつれて、AI トークンは徐々により実用的で高度な機能へと発展し、単なる炒作のモデルから真のブロックチェーン金融ツールやデータ分析プラットフォームへと転換しています。これらのトークンがどのように概念的な存在から実際の応用価値を持つ技術製品に発展していったのかを深く探求します。

ステージ1：AI Meme（迷走期）

初期の AI トークンは主に「MEME」形式で存在し、$GOAT、$ACT、$FARTCOIN などのトークンは実際の応用や機能を持たず、その価値は主に概念の炒作と市場の感情に依存していました。この段階では、トークンの用途は明確ではなく、市場とユーザーはその潜在能力についてほとんど知らず、トークンの流行は主にソーシャルメディアの拡散と短期的な炒作に依存し、神秘的で捉えどころのない特性を示していました。

ステージ2：ソーシャル化（探索期）

市場が AI トークンに徐々に注目するようになると、これらのトークンはソーシャル領域での力を発揮し始めました。例えば、$LUNA、$BULLY などのトークンは強化されたソーシャル機能を通じてユーザーの参加を促しました。この段階では、トークンは単なる炒作ツールとして存在するだけでなく、コミュニティ主導とソーシャルインタラクションを取り入れ、市場の成長を促進しました。トークンは単なる「おしゃべり」機能から拡張し、ユーザーのソーシャルニーズと密接に結びついた機能を探求し、より多様なソーシャル属性を形成しました。

ステージ3：垂直領域（機能深化期）

AI トークンは単純なソーシャルと炒作のモデルから脱却し、垂直領域の応用シーンを深く探求し始めました。$AIXBT や $ZEREBRO などのトークンは、ブロックチェーン、DeFi、または創作ツールとの統合を通じて、トークンに力を与え、単なる投機ツールではなく、明確な機能と目的を持つデジタル資産へと進化しました。この段階は、AI トークンがより効率的で専門的な方向に発展し、独自の市場地位を形成することを示しています。

ステージ3.5：インフラストラクチャ（技術の成熟期）

トークンの応用が徐々に深まる中で、AI トークンはより堅固な技術基盤の構築に力を入れ始めました。$AI16Z、$EMP などのトークンの参加は、トークンの機能の最適化をさらに促進しました。トークンは経済的インセンティブと実用的機能に専念するだけでなく、クロスチェーン技術、分散型アプリケーション、ハードウェア統合などのインフラストラクチャの構築にも注力し、将来の持続的な発展のための技術的基盤を徐々に築いています。

ステージ4：データ分析（成熟期）

成熟期に入ると、AI トークンは市場で徐々に安定し、より複雑な暗号投資分析機能を取り入れ、トークンエコシステムとガバナンス構造の改善を促進し始めました。$TRISIG や $COOKIE などのトークンはもはや単なるツールではなく、経済システムの一部となり、データ分析、コミュニティガバナンス、投資決定などの高度な分野で広く利用されています。この時点で、AI トークンの機能は徐々に向上し、市場に深い分析と意思決定のサポートを提供できる重要な資産となっています。

ステージ4.5：金融応用（エコシステムの融合期）

DeFi 分野のさらなる発展に伴い、AI トークンは金融応用においてますます深く融合し、「DeFAI」という新しい概念を生み出しました。人工知能を通じて、DeFi の複雑な操作がより簡単になり、一般ユーザーも簡単にオンチェーン金融活動に参加できるようになりました。代表的なトークンである $GRIFFAIN、$ORBIT、$AIXBT などは、基礎的な機能から複雑な金融サービスまでの完全なチェーンを市場に形成し、オンチェーンインタラクションを最適化し、参加のハードルを下げ、ユーザーにより多くの機会と便宜を提供しています。

三、AI エージェントフレームワーク

（一）Web3 と Web2 データの比較

Web2 の AI エージェントが推薦アルゴリズムで内輪もめをしている間、Web3 の実験場もより多くの AI エージェントの革新を育んでいます。しかし、データは、Web3 と Web2 のプロジェクトが貢献者の分布、コードの提出、GitHub スターの状況において明らかな違いを示していることを示しています。Web3 と Web2 プロジェクトのデータを比較することで、技術革新、コミュニティの活発さ、市場の受容度などの面での現状をよりよく理解できます。特に GitHub プラットフォームでは、これらのプロジェクトの活発さと人気が重要な指標を提供し、将来の技術発展のトレンドやコミュニティエコシステムの変化を洞察するのに役立ちます。

開発者の参加に関して、Web2 プロジェクトの貢献者数は明らかに Web3 プロジェクトを上回っています。具体的には、Web3 プロジェクトの貢献者は 575 人であるのに対し、Web2 プロジェクトの貢献者は 9,940 人に達し、Web2 エコシステムの成熟とより広範な開発者基盤を反映しています。貢献者数が最も多いプロジェクトは：Starkchain 3,102 人の貢献者；Informers - agents 3,009 人の貢献者；Llamaindex 1,391 人の貢献者です。

コード提出の分布に関して、Web2 プロジェクトの提出量も明らかに Web3 プロジェクトを上回っています。Web3 プロジェクトの総提出回数は 9,238 回であるのに対し、Web2 プロジェクトは 40,151 回に達し、Web2 プロジェクトの開発活発度が高く、更新頻度が安定していることを示しています。コード提出量が最も多いプロジェクトは：ElipsOS で 5,905 回の提出をリードしています；次いでDust が 5,602 回のコードを提出；LangChain が第3位で、提出回数は 5,506 回です。

GitHub スターの分布に関して。 Web2 プロジェクトは GitHub での人気が Web3 プロジェクトを大きく上回り、Web2 プロジェクトは累計 526,747 スターを獲得し、Web3 プロジェクトは 15,676 スターを獲得しました。この差は、Web2 プロジェクトが開発者コミュニティで広く認識され、長期的に市場に影響を与えていることを反映しています。スター数が最も多いプロジェクトは：JS Agents が間違いなく最も人気があり、137,534 スターを獲得しました；次いでLangChain が 98,184 スターで第2位、MetaGPT が第3位で 46,676 スターを獲得しました。

総じて、Web2 プロジェクトは貢献者数とコード提出頻度において明らかにリードしており、その成熟した安定したエコシステムを示しています。大規模な開発者基盤と持続的な技術革新により、Web2 プロジェクトは市場で強力な競争力を維持しています。それに対して、Web3 プロジェクトは貢献者数が少ないものの、一部のプロジェクトはコード提出頻度において優れたパフォーマンスを示しており、安定したコア開発チームを持ち、プロジェクトの発展を持続的に推進できることを示しています。Web3 エコシステムは現在まだ初歩的ですが、その潜在能力は無視できず、徐々に形成される開発者コミュニティとユーザーベースは将来の成長のための堅固な基盤を築いています。

プロジェクトの人気に関しては、GitHub スターの分布が JavaScript と Python が AI エージェントフレームワークの開発において重要な地位を占めていることを明らかにしています。JS Agents と LangChain は最も人気のあるプロジェクトであり、AI と暗号通貨の結合のトレンドが広く注目されていることを示しています。Web3 プロジェクトのスター数は Web2 プロジェクトに比べて遥かに少ないものの、MetaGPT のような一部の Web3 プロジェクトは依然として優れたパフォーマンスを示し、開発者の認識を得ています。全体的に見て、Web3 プロジェクトは追い上げの段階にありますが、技術のさらなる成熟とエコシステムの拡大に伴い、将来の市場における地位は着実に向上することが期待されます。

（二）主流のブロックチェーン AI エージェントフレームワーク

|----------|----------------|--------------------------|--------------------------------------------------------------------------------------------------------------------| | 主流のブロックチェーン AI エージェントフレームワーク |||| | トークンシンボル | プロジェクト名 | 主な特徴 | 詳細な説明 | | AI16 z | ai16 zdao | AI エージェント主導の避難基金、低リスクと高リスク投資の組み合わせ | "盗版 M a rc " によって発行された M eme プロジェクトで、a 16 z 概念に基づいています。低リスク投資と AI Dege n Sp a rt a n 管理の高リスク投資を組み合わせています。背後の構造は "Eli z a" のオープンソースで、V2 更新により柔軟性と安全性が向上しました。 | | ZEREBRO | 0xzerebro | 音楽、Meme、アート作品、NFTを創作する知的存在 | Crypto Twitter で人気のある知的存在で、複数のプラットフォームで独立して運営し、ソーシャルメディアの投稿を作成し、Spotify にアルバムを公開し、Polygon でアート作品を作成・販売し、DeFi プロトコルと協力します。 | | ARC | arcdotfun | AI 開発フレームワーク "rig"、"意味の海" を処理 | チームが開発した "rig" フレームワークで、開発者が "意味の海" をナビゲートするのを助けます------人間の脳が文脈と意味を処理するのに似た AI システムです。ソフトウェア開発が純粋な論理構築から "意味処理" への転換を示しています。 | | AIXBT | aixbt_agent | Base プラットフォームに基づく知的存在、市場分析を提供 | スマート分析ツールを通じて Crypto Twitter と市場トレンドを監視し、ユーザーに市場の洞察を提供します。一部の分析は公開されており、残りはトークン保有者のみが専用端末を通じてアクセスできます。 | | GRIFFAIN | griffaindotcom | Solana に基づく AI エージェントエンジン | Copilot や Perplexity に似た AI エージェントエンジンで、AI 時代の検索エンジンの最終形態と見なされています。ユーザーが直接要求を提出し、AI が結果や解決策を提供します。単にウェブページのリンクを提供するのではありません。 | | GRIFT | orbitcryptoai | AI エージェントトークン、Meme 取引を簡素化 | SphereOne チームによって導入され、Meme 取引をより簡単にします。ユーザーはワンクリックするだけで、GRIFT が高取引量の Meme をスキャンし、自動的に購入し、取引時間と労力を節約します。 | | ZODS | zodsonsol | Solana エコシステムの多機能統合プラットフォーム | "Solana のスイスアーミーナイフ" と呼ばれ、取引ツール、トークン発行、ウォレット管理、オンチェーンインサイト、ソーシャルメディア管理を統合しています。多言語をサポートし、AI エージェント、DCA 注文、クジラウォレットの追跡などの機能を提供します。 | | ALCH | alchemistAIapp | コード不要の AI アプリ生成プラットフォーム | ユーザーが自然言語で説明することで、公共の AI 能力を利用して迅速に異なるアプリや製品を生成できます。ユーザーはウォレットを接続し、アプリの説明を入力するだけで、プラットフォームが自動的に対応するプログラムを生成します。 |

データソース： https :// www . aiagenttoolkit . xyz /# frameworks

（三）既存のブロックチェーン AI エージェントフレームワークが直面する課題

大手企業の競合による「次元の打撃」。OpenAI、Google、Microsoft などのテクノロジー大手は、公式の多ツールエージェントを迅速に展開しており、強力な資金と技術的優位性を持って市場を占有し、スタートアップフレームワークを周辺化する可能性があります。大規模言語モデル（LLM）、クラウドサービス、ツールエコシステムを深く統合することで、これらの大手企業は包括的かつ効率的なソリューションを提供でき、中小型フレームワークはより大きな競争圧力に直面し、生存空間が大幅に圧迫されています。

安定性とメンテナンス性が不足している。 現在、すべての AI エージェントは一般的に高いエラー率と「幻覚」問題に直面しており、特に複数回のモデル呼び出し時に無限ループや互換性のバグが発生しやすいです。エージェントが複数のサブタスクを実行するよう要求されると、これらのエラーはしばしば累積的に増幅され、システムの不安定性を引き起こします。高度な信頼性が求められる企業アプリケーションにとって、これらのフレームワークは現在十分な安定性と生産レベルの保証を提供できず、実際の商業環境での広範な応用を制限しています。

性能とコストが高い。 エージェント化プロセスは通常、大量の推論呼び出し（ループ自己検査、ツール関数など）を必要とし、基盤となる依存関係が GPT-4 などの大規模モデルである場合、高額な呼び出しコストに直面し、迅速な応答のニーズを満たすことができないことがよくあります。一部のフレームワークはコストを削減するためにオープンソースモデルを組み合わせてローカル推論を試みていますが、この方法は依然として強力な計算能力に依存し、推論結果の質が安定しないため、システムの信頼性と性能を確保するために専門チームによる継続的な最適化が必要です。

開発エコシステムと柔軟性が不足している。 現在、これらの AI エージェントフレームワークは開発言語と拡張性において統一された標準が欠如しており、開発者は選択時に一定の混乱と制限に直面しています。例えば、Eliza は TypeScript を使用しており、扱いやすいですが、高度な複雑なシナリオでの拡張性が低いです；Rig は Rust を採用しており、性能は優れていますが、学習のハードルが高いです；ZerePy（ZEREBRO）は Python に基づいており、創造的生成アプリケーションに適していますが、機能は相対的に限られています。他のフレームワーク、例えば AIXBT と Griffain は特定のブロックチェーンや垂直領域のアプリケーションに集中しており、市場での検証には時間がかかります。開発者はこれらのフレームワーク間で使いやすさ、性能、マルチプラットフォーム適応性の間でトレードオフを行う必要があり、より広範な応用における柔軟性と発展の可能性に影響を与えています。

安全性とコンプライアンスリスク。 多エージェントシステムは外部 API へのアクセス、重要な取引の実行、または自動化された意思決定を行う際に、権限を超えた呼び出し、プライバシーの漏洩、または脆弱性の操作などの安全上のリスクが発生しやすいです。多くのフレームワークは安全ポリシーと監査記録の処理が十分ではなく、特に企業や金融アプリケーションのシナリオでは、これらの問題が非常に顕著であり、厳格なコンプライアンス要件を満たすことが難しいです。これにより、システムが実際に展開される際に、極めて大きな法的リスクとデータセキュリティの課題に直面する可能性があります。

これらの問題を考慮すると、多くの業界関係者は現在の AI エージェントフレームワークが「次の技術的ブレークスルー」や「大手企業の統合ソリューション」の圧力の下でさらに圧迫される可能性があると考えています。しかし、特定の領域、例えばオンチェーンシーン、創造的生成、またはコミュニティプラグインの接続などにおいて、スタートアップフレームワークが独自の価値を発揮できるという意見もあります。信頼性、コスト管理、エコシステム構築の面でブレークスルーを達成できれば、これらのフレームワークは大手企業のエコシステムの外で実行可能な発展の道を見つけることができるでしょう。全体として、「高コスト、エラーが発生しやすい」と「多シーンの柔軟性を実現する」という二大課題を解決することが、すべての AI エージェントフレームワークが直面する重要な挑戦となります。

三、AI エージェントの発展方向

マルチモーダル AI の普及
技術の急速な進展に伴い、マルチモーダル AI は各業界における重要な推進力となりつつあります。マルチモーダル AI は、テキスト、画像、動画、音声などのさまざまなデータ形式を処理できるため、複数の分野で巨大な潜在能力を示しています。特に医療分野では、医療記録、画像データ、ゲノム情報を統合することで、マルチモーダル AI は個別化医療の実施を支援し、医師が患者に対してより正確に治療計画をカスタマイズするのを助けます。小売業や製造業においても、この技術を活用することで、AI は生産プロセスを最適化し、効率を向上させるとともに、顧客体験を向上させ、企業の競争力を強化します。データと計算能力の向上に伴い、今後マルチモーダル AI はさらに多くの業界でその変革的な役割を果たし、技術の迅速な反復と応用の拡大を推進することが期待されます。

具身知能と自主知能
具身知能（Embodied AI）とは、人工知能システムが環境を理解し適応するために、感知と物理的世界との相互作用を通じて行動することを指します。この技術はロボットの発展方向を大きく変え、自動運転、スマートシティ、その他の応用シーンでの普及の基盤を築くことになります。2025 年は「具身知能元年」と見なされており、この技術は複数の分野で広く応用されることが期待されています。ロボットに感知、理解、自主的な意思決定の能力を与えることで、具身知能は物理的世界とデジタル世界の深い融合を促進し、生産性を向上させ、各業界のスマート化を推進します。個人アシスタント、自動運転車、スマート工場など、具身知能は人々と機械との相互作用の方法を変えるでしょう。

AI エージェント（Agentic AI）の台頭
AI エージェント（Agentic AI）とは、複雑なタスクを独立して完了できる人工知能システムを指します。この種の AI エージェントは、初期の単純なクエリ応答ツールから、より高度な自主的意思決定システムへと変化しており、業務プロセスの最適化、顧客サービス、産業自動化などの分野で広く応用されています。例えば、AI エージェントは顧客の問い合わせを自主的に処理し、個別化されたサービスを提供し、さらには最適化された意思決定を行うことができます。産業自動化において、AI エージェントは設備の稼働状態を監視し、故障を予測し、問題が発生する前に調整や修理を行うことができます。AI エージェントが成熟するにつれて、各業界での応用はさらに深まり、効率を向上させ、コストを削減する重要なツールとなるでしょう。

AI の科学研究への応用
AI の導入は、特に複雑なデータ分析の分野で科学研究の進展を加速させています。AI4S（AI for Science）は新しい研究トレンドとなり、大規模モデルによるデータの深い分析を活用して、AI は研究者が従来の研究の限界を突破するのを助けています。生物医学、材料科学、エネルギー研究などの分野で、AI の応用は基礎科学の突破を促進しています。顕著な例としては、AlphaFold があり、これはタンパク質構造の予測を通じて、長年科学者を悩ませてきた問題を解決し、生物医学研究の進展を大いに促進しました。今後、AI は研究の進展、新材料や薬物の発見などにおいて、ますます重要な役割を果たすでしょう。

AI の安全性と倫理
AI 技術の普及に伴い、AI の安全性と倫理の問題は徐々に世界的な関心の焦点となっています。AI システムの意思決定の透明性、公平性、潜在的な安全リスクは、多くの議論を引き起こしています。AI 技術の持続可能な発展を確保するために、企業や政府は技術革新を推進しつつ、そのリスクを効果的に管理するための適切なガバナンスフレームワークを構築する努力を加速しています。特に自動化された意思決定、データプライバシー、自主システムなどの分野では、技術の進歩と社会的責任のバランスを取ることが、AI 技術の正の影響を確保するための鍵となります。これは技術の発展にとっての挑戦であるだけでなく、倫理的および法的な観点からも重要な問題であり、AI が将来の社会における役割と地位に影響を与えます。

「下篇」では、AI エージェントの応用とプロジェクトを詳しく紹介し、評価フレームワークを提示しますので、ぜひご期待ください。

免責事項

この内容は参考のためのものであり、(i) 投資のアドバイスまたは推奨、(ii) デジタル資産の購入、販売、または保有のオファーまたは勧誘、または (iii) 財務、会計、法律、または税務のアドバイスとして解釈されるべきではありません。私たちは、これらの情報の正確性、完全性、または有用性を保証しません。デジタル資産（安定コインや NFT を含む）は市場の変動の影響を受け、高リスクを伴い、価値が減少する可能性があり、最終的には無価値になることもあります。あなたは自分の財務状況とリスク耐性に基づいて、デジタル資産の取引または保有が自分に適しているかどうかを慎重に考慮する必要があります。あなたの具体的な状況については、法律/税務/投資の専門家に相談してください。すべての製品がすべての地域で提供されているわけではありません。詳細については、OKX のサービス規約およびリスク開示＆免責事項をご覧ください。OKX Web3 モバイルウォレットおよびその派生サービスは、別個のサービス規約に従います。あなた自身が地元の適用法令を理解し、遵守する責任があります。