¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente del tipo de servicios empresariales, que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y plataformas de agregación se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, la cantidad de proyectos de Agentes de IA en Web3 es escasa, representando solo el 8%, pero su participación en el valor de mercado en la pista de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos valorados en más de 1,000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales de IA puede convertirse en una ventaja estratégica. La combinación de proyectos de Agentes de IA debe centrarse en la construcción de todo el ecosistema y el diseño de modelos económicos de tokens para fomentar la descentralización y los efectos de red.
Ola de IA: la situación de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia feroz.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, a partir de la investigación estadística de la IA de código abierto, descubrimos que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con la IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% interanualmente, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre los gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje grandes y tecnologías de generación mejorada por búsqueda logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren alta fiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Esta transformación marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes capaces de realmente entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA sigue reconfigurando la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que darán lugar a una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de forma autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente AI en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en múltiples dimensiones como el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para entender en profundidad la fusión entre AI y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, usaremos un escenario práctico como ejemplo: imagina que estás planificando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación aumentada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como Jarvis en la película de Iron Man, puede entender tus necesidades y también buscar proactivamente vuelos y hoteles según una de tus frases, realizar reservas y agregar el itinerario a tu calendario.
Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego impactando el entorno mediante actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que integra LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino también planificar, descomponer tareas y realmente ejecutarlas.
Según esta definición y características, podemos observar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, hacer que impacten en el entorno real.
Tomemos como ejemplo ChatGPT para aclarar conceptos. Debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, mientras que GPT-1, GPT-4 y GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. Hemos etiquetado 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, y según las etiquetas significativas correspondientes a cada proyecto, los hemos dividido en categorías de primer y segundo nivel. Entre ellas, las categorías de primer nivel son: infraestructura básica, generación de contenido e interacción con el usuario, y luego se dividen en función de sus casos de uso reales.
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B de aplicaciones de base más maduras.
Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.
Clases de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente para ayudar en la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, proporcionando soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de agentes de IA.
Clase interactiva: Similar a la clase de generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.
Tipo GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clasificación de búsqueda: un agente centrado en la función de búsqueda que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 del internet tradicional muestra una clara tendencia de concentración en sectores específicos. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, donde predominan los servicios B2B y las herramientas de desarrollo. También hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es, ante todo, su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los casos de uso: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción menor en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón puede ajustarse, pero las infraestructuras seguirán siendo la base sólida para el desarrollo de Agentes de IA.
Análisis del proyecto líder en AI Agent de Web2
Analizamos en profundidad algunos proyectos de AI Agent en el actual mercado de Web2, tomando como ejemplos tres proyectos: Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción al producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener diálogos en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderado por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para hacer preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la ronda, y participantes que incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos grandes de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para la investigación académica profesional y vertical.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
20 me gusta
Recompensa
20
8
Compartir
Comentar
0/400
BearMarketMonk
· 07-23 17:54
No sirve de nada, es esencialmente una innovación de Ponzi.
Ver originalesResponder0
fork_in_the_road
· 07-22 00:54
El mundo Cripto realmente no puede prescindir de esta medicina llamada IA.
Ver originalesResponder0
governance_ghost
· 07-21 05:32
¡Vaya! La capitalización de mercado ha llegado al 23%.
Ver originalesResponder0
DuskSurfer
· 07-21 05:29
ai+web3 esta ola está destinada a To the moon!
Ver originalesResponder0
GasFeeSobber
· 07-21 05:28
¿Para qué sirven los números? Todo es solo炒概念罢了.
Ver originalesResponder0
StakeOrRegret
· 07-21 05:28
Estos datos son demasiado tentadores, ¿verdad? To the moon.
Ver originalesResponder0
DeFi_Dad_Jokes
· 07-21 05:24
¿A quién le importa la proporción? APE必涨
Ver originalesResponder0
SilentObserver
· 07-21 05:09
La sensación es que es un nuevo truco para tomar a la gente por tonta.
¿Puede el Agente de IA convertirse en el motor clave para la fusión de Web3 y AI?
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente del tipo de servicios empresariales, que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y plataformas de agregación se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, la cantidad de proyectos de Agentes de IA en Web3 es escasa, representando solo el 8%, pero su participación en el valor de mercado en la pista de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos valorados en más de 1,000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales de IA puede convertirse en una ventaja estratégica. La combinación de proyectos de Agentes de IA debe centrarse en la construcción de todo el ecosistema y el diseño de modelos económicos de tokens para fomentar la descentralización y los efectos de red.
Ola de IA: la situación de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia feroz.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, a partir de la investigación estadística de la IA de código abierto, descubrimos que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con la IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% interanualmente, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre los gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje grandes y tecnologías de generación mejorada por búsqueda logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren alta fiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Esta transformación marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes capaces de realmente entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA sigue reconfigurando la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que darán lugar a una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de forma autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente AI en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en múltiples dimensiones como el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para entender en profundidad la fusión entre AI y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, usaremos un escenario práctico como ejemplo: imagina que estás planificando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación aumentada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como Jarvis en la película de Iron Man, puede entender tus necesidades y también buscar proactivamente vuelos y hoteles según una de tus frases, realizar reservas y agregar el itinerario a tu calendario.
Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego impactando el entorno mediante actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que integra LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino también planificar, descomponer tareas y realmente ejecutarlas.
Según esta definición y características, podemos observar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, hacer que impacten en el entorno real.
Tomemos como ejemplo ChatGPT para aclarar conceptos. Debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, mientras que GPT-1, GPT-4 y GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. Hemos etiquetado 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, y según las etiquetas significativas correspondientes a cada proyecto, los hemos dividido en categorías de primer y segundo nivel. Entre ellas, las categorías de primer nivel son: infraestructura básica, generación de contenido e interacción con el usuario, y luego se dividen en función de sus casos de uso reales.
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B de aplicaciones de base más maduras.
Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.
Clases de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente para ayudar en la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, proporcionando soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de agentes de IA.
Clase interactiva: Similar a la clase de generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.
Tipo GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clasificación de búsqueda: un agente centrado en la función de búsqueda que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 del internet tradicional muestra una clara tendencia de concentración en sectores específicos. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, donde predominan los servicios B2B y las herramientas de desarrollo. También hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es, ante todo, su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los casos de uso: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción menor en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón puede ajustarse, pero las infraestructuras seguirán siendo la base sólida para el desarrollo de Agentes de IA.
Análisis del proyecto líder en AI Agent de Web2
Analizamos en profundidad algunos proyectos de AI Agent en el actual mercado de Web2, tomando como ejemplos tres proyectos: Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción al producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener diálogos en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderado por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para hacer preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la ronda, y participantes que incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos grandes de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para la investigación académica profesional y vertical.