Antecedentes: Crypto + AI, en busca de PMF

PMF (Product-Market Fit) se refiere a la alineación entre un producto y las necesidades del mercado. Esto significa que un producto debe satisfacer la demanda del mercado y, antes de comenzar una empresa, es esencial comprender el entorno del mercado y el tipo de clientes a los que dirigirse. Esto garantiza el desarrollo de un producto que realmente se necesita, no solo algo que los creadores consideren bueno pero que no sea aceptado por el mercado.

El concepto de PMF se aplica a los empresarios para evitar crear productos o servicios que puedan parecer ideales pero que no logren atraer el interés del mercado. En el espacio cripto, esto significa que los equipos de proyectos deben comprender las necesidades de los usuarios de criptomonedas al desarrollar productos, en lugar de simplemente acumular tecnología que está desconectada del mercado.

En el pasado, la mayoría de los proyectos de Cripto + IA estaban agrupados con DePIN. La narrativa giraba en torno a utilizar los datos descentralizados de la criptografía para entrenar IA, evitando depender del control de una sola entidad, como la potencia de cálculo o los datos. Los proveedores de datos podrían compartir los beneficios impulsados por la IA.

Según esta lógica, era más como cripto empoderar a AI. Aunque AI podría tokenizar y distribuir beneficios a los proveedores de energía informática, era difícil incorporar nuevos usuarios, lo que significa que este modelo no fue particularmente exitoso en términos de PMF.

La aparición de los agentes de IA representa más la capa de aplicación, mientras que DePIN + AI funciona como infraestructura. Las aplicaciones son más simples y fáciles de entender, con una mejor capacidad para atraer usuarios, lo que conduce a un PMF más sólido que DePIN + AI.

Todo comenzó cuando Marc Andreessen, cofundador de A16Z, patrocinó el desarrollo (la teoría de PMF también fue propuesta por él), y el primer gran avance de AI Agent vino de dos conversaciones de IA que llevaron a la creación de "GOAT". Ahora, con los campos de ai16z y Virtual teniendo sus fortalezas y debilidades, ¿cuál es el estado actual de los Agentes de IA en el mercado de criptomonedas? ¿Hacia dónde se dirigen en el futuro? Echemos un vistazo más de cerca con WOO X Research.

Etapa 1: Comienzos impulsados por memes

Antes de la aparición de GOAT, la tendencia más popular en el ciclo actual eran las monedas meme. El atractivo de las monedas meme radica en su inclusividad, como se ve en proyectos como el hipopótamo MOODENG del zoológico, el recién adoptado Neiro del dueño del perro y el meme nativo de Internet Popcat. Estas monedas encarnan el movimiento “todo puede ser un meme”. A pesar de la narrativa aparentemente absurda, proporcionaron un terreno fértil para el crecimiento de los Agentes de IA.

GOAT, que fue creado a través de dos conversaciones de IA, se convirtió en una criptomoneda de meme y marcó la primera vez que la IA utilizó criptomonedas e Internet para lograr sus objetivos mediante el aprendizaje del comportamiento humano. Solo las criptomonedas de meme tenían la capacidad de respaldar este proyecto experimental. Como resultado, conceptos similares brotaron rápidamente, pero la mayoría se limitaron a funciones simples como publicaciones automáticas en Twitter y respuestas sin aplicación práctica. En esta etapa, las monedas basadas en agentes de IA se denominaban típicamente IA + 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

Etapa 2: Exploración de Aplicaciones

Poco a poco, la gente se dio cuenta de que los agentes de IA podían hacer más que simples interacciones en Twitter; podrían extenderse a escenarios más valiosos. Estos incluyeron la creación de contenido en campos como la música y el video, así como servicios más cercanos a los usuarios de criptomonedas, como el análisis de inversiones y la gestión de fondos. A partir de esta etapa, los agentes de IA comenzaron a separarse de las monedas de memes, creando una nueva pista por completo.

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

Historia adicional: Plataformas de emisión

A medida que las aplicaciones de Agentes de IA florecen en diversos campos, ¿qué camino deben tomar los emprendedores para aprovechar la ola de IA y criptomonedas?

La respuesta es Launchpad.
Cuando los tokens de una plataforma tienen efectos de generación de riqueza, los usuarios buscarán y comprarán continuamente los tokens emitidos por esa plataforma. Los verdaderos beneficios generados por estas compras de usuarios fortalecen el token de la plataforma, aumentando su precio. A medida que el precio del token de la plataforma sube, los fondos fluyen hacia los tokens emitidos por la plataforma, creando un efecto de riqueza.

El modelo de negocio es claro y tiene un efecto de retroalimentación positivo. Sin embargo, es importante tener en cuenta que los Launchpads operan en un entorno de ganador se lleva todo, mostrando un Efecto Mateo. La función principal de un Launchpad es emitir nuevos tokens. En un escenario de funciones similares, la competencia radica en la calidad de los proyectos bajo cada plataforma. Si una sola plataforma puede producir consistentemente proyectos de alta calidad y generar efectos de riqueza, la lealtad del usuario a esa plataforma aumentará naturalmente, lo que dificultará que otras plataformas atraigan 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

Etapa 3: Buscando Colaboración

A medida que los Agentes de IA comienzan a implementar características más prácticas, el enfoque se centra en explorar colaboraciones entre proyectos para construir un ecosistema más robusto. En esta etapa, el énfasis está en la interoperabilidad y en expandir la red, especialmente en el potencial de sinergia con otros proyectos o protocolos de criptomonedas. Por ejemplo, los Agentes de IA podrían colaborar con protocolos DeFi para mejorar las estrategias de inversión automatizadas o integrarse con proyectos de NFT para crear herramientas más inteligentes.

Para lograr una colaboración eficiente, es necesario establecer un marco estandarizado que proporcione a los desarrolladores componentes preestablecidos, conceptos abstractos y herramientas relevantes para simplificar el complejo proceso de desarrollo de Agentes de IA. Al ofrecer soluciones estandarizadas a los desafíos comunes en el desarrollo de Agentes de IA, estos marcos pueden ayudar a los desarrolladores a centrarse en la singularidad de sus aplicaciones, en lugar de comenzar desde cero cada vez, evitando así el problema de reinventar la rueda.

Proyectos representativos:

• [ ]

ELIZA: Capitalización de mercado $100M, liquidez en cadena $3.6M

JUEGO: 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

Etapa 4: Gestión de Fondos

Desde una perspectiva de producto, los Agentes de IA pueden servir inicialmente como herramientas simples, brindando asesoramiento de inversión y generando informes. Sin embargo, la gestión de fondos requiere capacidades de nivel superior, incluyendo diseño de estrategias, ajustes dinámicos y predicciones de mercado. Esto marca un cambio en el que los Agentes de IA ya no son solo herramientas, sino que comienzan a participar en el proceso de creación de valor.

A medida que el capital financiero tradicional acelera su entrada en el mercado cripto, la demanda de especialización y escalabilidad continúa aumentando. La automatización y la eficiencia de los Agentes de IA abordan perfectamente esta necesidad, especialmente al ejecutar funciones como estrategias de arbitraje, reequilibrio de activos y cobertura de riesgos. Los Agentes de IA pueden 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 on-chain $1.5M

AiSTR: Capitalización de mercado $13.7M, liquidez en cadena $675K

Etapa anticipada 5: Reconfiguración de Agentnomics

Actualmente, estamos en la cuarta etapa. Dejando de lado los precios de los tokens, la mayoría de los Agentes de IA de Cripto aún no se han integrado en nuestras aplicaciones diarias. Por ejemplo, la herramienta AI Agent más utilizada por el autor sigue siendo la herramienta Web 2 Perplexity, y ocasionalmente, revisan análisis de tweets de AIXBT. Aparte de eso, la frecuencia de uso de los Agentes de IA de Cripto sigue siendo bastante baja, lo que sugiere que la cuarta etapa puede prolongarse por un tiempo, ya que el producto aún no está completamente maduro.

Sin embargo, el autor cree que en la quinta etapa, los Agentes de IA evolucionarán más allá de ser simplemente agregadores de funciones o aplicaciones. Se convertirán en el núcleo de un nuevo modelo económico—Agentnomics. El desarrollo de esta etapa no solo implicará avances tecnológicos, sino que también será crucial para redefinir las relaciones económicas de tokens entre distribuidores, plataformas y vendedores de Agentes, creando en última instancia un ecosistema completamente nuevo. A continuación se presentan las principales características de esta etapa:

1. Análogo al desarrollo de Internet

La formación de Agentnomics se puede comparar con la evolución de la economía de Internet, especialmente la aparición de superaplicaciones como WeChat y Alipay. Estas plataformas integraron varias aplicaciones independientes en sus ecosistemas, creando puntos de entrada multifuncionales. Durante este proceso, surgió un modelo económico de colaboración y simbiosis entre proveedores de aplicaciones y plataformas. De la misma manera, los agentes de IA seguirán un proceso similar en la quinta etapa, pero basado en criptomonedas y tecnologías descentralizadas.

2. Reconfigurando la relación entre distribuidores, plataformas y proveedores de agentes

En el ecosistema de Agentes de IA, las tres entidades clave formarán una red económica estrechamente unida:

• [ ]

Distribuidor: Responsable de promover AI Agents a los usuarios finales, como a través de mercados de aplicaciones especializadas o ecosistemas DApp.

Plataforma: Proporciona la infraestructura y marcos de colaboración que permiten a múltiples proveedores de Agentes operar en un entorno unificado, administrando las reglas del ecosistema y la asignación de recursos.

Agente Vendedor: Desarrolla y proporciona diversos Agentes de IA con diferentes funcionalidades, contribuyendo a aplicaciones y servicios innovadores en el ecosistema.

A través del diseño económico del token, los intereses de los distribuidores, las plataformas y los proveedores se descentralizarán, con mecanismos como el reparto de ingresos, las recompensas por contribución y los derechos de gobernanza para fomentar la colaboración y incentivar la innovación.

3. Puntos de entrada y integración de Super App

A medida que los agentes de IA evolucionan hacia puntos de entrada de superaplicaciones, podrán integrar diversas economías de plataforma, gestionando y consolidando un gran número de agentes independientes. Esto es similar a cómo WeChat y Alipay integraron aplicaciones independientes en sus ecosistemas. La superaplicación para agentes de IA romperá aún más los silos tradicionales de aplicaciones, facilitando una colaboración más amplia y creando una experiencia más fluida para los usuarios.

Descargo de responsabilidad:

1. Este artículo es reimpreso de [PANews]. Todos los derechos de autor pertenecen al autor original [WOO]. Si hay objeciones a esta reimpresión, por favor contacte al Aprender Gateequipo y lo resolverán rápidamente.
2. Renuncia de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.