L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des types de services orientés vers les entreprises dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus la norme en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est peu élevé, représentant 8 %, mais leur part de marché dans le domaine de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets évalués à plus de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centrés sur l'IA peut devenir un avantage stratégique. Pour les projets d'Agent AI, la manière dont ils sont combinés doit mettre l'accent sur la construction d'un écosystème complet et la conception d'un modèle économique de token afin de favoriser la décentralisation et les effets de réseau.
La vague d'IA : état des lieux des projets émergents et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT avaient atteint un impressionnant 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA de pointe comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement d'applications commerciales, mais nous avons également découvert grâce à une enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'engouement de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI montrant une forte croissance, avec une explosion attendue au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI de plus de 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements des startups AI a même grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, détenue par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie de l'IA redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour les concepts d'IA. Les projets affluent, les investissements atteignent des sommets historiques et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération renforcée par la recherche ayant réalisé des progrès significatifs dans le domaine du traitement du langage. Néanmoins, ces modèles font encore face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans les scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la capacité à résoudre des problèmes pratiques et à interagir avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de comprendre véritablement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit constamment l'architecture de la productivité, tandis que la technologie Web3 restructure les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de décentralisation, d'économie de jetons et de contrats intelligents de Web3, nous prévoyons l'émergence d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous pensons que l'agent IA, avec sa capacité d'exécution autonome des tâches, montre un potentiel énorme pour réaliser des applications à grande échelle.
Pour ce faire, nous avons commencé à explorer en profondeur les applications diversifiées des agents AI dans Web3, allant des infrastructures Web3, du middleware, des applications, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario réel : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par recherche peut fournir un contenu de destination plus riche et spécifique. Et l'Agent IA est comme JARVIS dans le film Iron Man, capable de comprendre les besoins, mais aussi de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, en acquérant des informations environnementales par le biais de capteurs, puis en influençant l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous pensons qu'un agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans nos vies, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons préciser que le Transformer est l'architecture technologique qui compose les modèles d'IA, que GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGP est donc un agent d'IA évolué à partir du modèle GPT.
Aperçu de la classification
Le marché actuel des agents IA n'a pas encore formé de normes de classification unifiées. Nous avons classé 204 projets d'agents IA dans les marchés Web2 et Web3 en leur attribuant des étiquettes distinctes. En fonction des étiquettes significatives correspondant à chaque projet, nous avons établi une classification de premier et de deuxième niveau. Les catégories de premier niveau sont : infrastructures de base, génération de contenu et interaction utilisateur, qui sont ensuite subdivisées selon leurs cas d'utilisation réels.
Infrastructure : Cette catégorie se concentre sur la construction de contenu plus fondamental dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement et des services B2B basés sur des applications fondamentales relativement matures.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données dans différents formats, principalement utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, la configuration, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprises, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : des plateformes intégrant divers services et outils d'agent AI.
Interactionnel : semblable à la génération de contenu, la différence réside dans l'interaction bilatérale continue. Les agents interactionnels non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bilatérale avec les utilisateurs.
Agents AI de soutien émotionnel : fournissant un soutien émotionnel et une compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Type de recherche : un agent axé sur la fonction de recherche, fournissant des informations de recherche plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des instructions de l'utilisateur, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état de développement des agents AI Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 montre une tendance marquée à la concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également réalisé une certaine analyse sur ce phénomène.
Impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des Agents IA.
La demande du marché : Un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande des entreprises pour les technologies de l'IA est plus pressante, notamment en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. De plus, pour les développeurs, les flux de trésorerie des entreprises sont relativement stables, ce qui leur est favorable pour le développement de futurs projets.
Limites des cas d'application : En même temps, nous avons remarqué que les cas d'application de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une part relativement faible de l'IA générative de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous explorons en profondeur certains projets d'agents d'IA sur le marché Web2 actuel et analysons ceux-ci en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de dialoguer en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a eu 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant un caractère jeune du groupe d'utilisateurs. Character AI a bien performé sur le marché des capitaux, ayant réalisé un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage à grande échelle, ce qui indique que Character AI utilise une technologie développée en interne. Il est à noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de parcourir Internet et de fournir des réponses détaillées. En citant et en référant à des liens, il assure la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, satisfaisant ainsi les besoins diversifiés des utilisateurs en matière de requêtes.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.
Analyse technique : Le modèle principal utilisé par Perplexity est le GPT-3.5 ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Les modèles sont adaptés à la recherche académique professionnelle et à l'axe.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
20 J'aime
Récompense
20
8
Partager
Commentaire
0/400
BearMarketMonk
· 07-23 17:54
Pas grand-chose, c'est essentiellement une innovation de Ponzi.
Voir l'originalRépondre0
fork_in_the_road
· 07-22 00:54
L'univers de la cryptomonnaie ne peut vraiment pas se passer de ce remède qu'est l'IA.
Voir l'originalRépondre0
governance_ghost
· 07-21 05:32
Eh bien, la capitalisation boursière a atteint 23 %.
Voir l'originalRépondre0
DuskSurfer
· 07-21 05:29
ai+web3 cette vague est destinée à To the moon !
Voir l'originalRépondre0
GasFeeSobber
· 07-21 05:28
À quoi servent les chiffres, ce ne sont que des concepts spéculatifs.
Voir l'originalRépondre0
StakeOrRegret
· 07-21 05:28
Ces données sont vraiment trop séduisantes, To the moon.
Voir l'originalRépondre0
DeFi_Dad_Jokes
· 07-21 05:24
Qui se soucie de la part de marché ? APE doit hausser.
Voir l'originalRépondre0
SilentObserver
· 07-21 05:09
On a l'impression que c'est un nouveau moyen de se faire prendre pour des cons.
L'agent IA peut-il devenir le moteur clé de la fusion entre Web3 et l'IA ?
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des types de services orientés vers les entreprises dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus la norme en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est peu élevé, représentant 8 %, mais leur part de marché dans le domaine de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets évalués à plus de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centrés sur l'IA peut devenir un avantage stratégique. Pour les projets d'Agent AI, la manière dont ils sont combinés doit mettre l'accent sur la construction d'un écosystème complet et la conception d'un modèle économique de token afin de favoriser la décentralisation et les effets de réseau.
La vague d'IA : état des lieux des projets émergents et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT avaient atteint un impressionnant 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA de pointe comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement d'applications commerciales, mais nous avons également découvert grâce à une enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'engouement de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI montrant une forte croissance, avec une explosion attendue au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI de plus de 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements des startups AI a même grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, détenue par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie de l'IA redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour les concepts d'IA. Les projets affluent, les investissements atteignent des sommets historiques et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération renforcée par la recherche ayant réalisé des progrès significatifs dans le domaine du traitement du langage. Néanmoins, ces modèles font encore face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans les scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la capacité à résoudre des problèmes pratiques et à interagir avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de comprendre véritablement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit constamment l'architecture de la productivité, tandis que la technologie Web3 restructure les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de décentralisation, d'économie de jetons et de contrats intelligents de Web3, nous prévoyons l'émergence d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous pensons que l'agent IA, avec sa capacité d'exécution autonome des tâches, montre un potentiel énorme pour réaliser des applications à grande échelle.
Pour ce faire, nous avons commencé à explorer en profondeur les applications diversifiées des agents AI dans Web3, allant des infrastructures Web3, du middleware, des applications, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario réel : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par recherche peut fournir un contenu de destination plus riche et spécifique. Et l'Agent IA est comme JARVIS dans le film Iron Man, capable de comprendre les besoins, mais aussi de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, en acquérant des informations environnementales par le biais de capteurs, puis en influençant l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous pensons qu'un agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans nos vies, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons préciser que le Transformer est l'architecture technologique qui compose les modèles d'IA, que GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGP est donc un agent d'IA évolué à partir du modèle GPT.
Aperçu de la classification
Le marché actuel des agents IA n'a pas encore formé de normes de classification unifiées. Nous avons classé 204 projets d'agents IA dans les marchés Web2 et Web3 en leur attribuant des étiquettes distinctes. En fonction des étiquettes significatives correspondant à chaque projet, nous avons établi une classification de premier et de deuxième niveau. Les catégories de premier niveau sont : infrastructures de base, génération de contenu et interaction utilisateur, qui sont ensuite subdivisées selon leurs cas d'utilisation réels.
Infrastructure : Cette catégorie se concentre sur la construction de contenu plus fondamental dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement et des services B2B basés sur des applications fondamentales relativement matures.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données dans différents formats, principalement utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, la configuration, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprises, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : des plateformes intégrant divers services et outils d'agent AI.
Interactionnel : semblable à la génération de contenu, la différence réside dans l'interaction bilatérale continue. Les agents interactionnels non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bilatérale avec les utilisateurs.
Agents AI de soutien émotionnel : fournissant un soutien émotionnel et une compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Type de recherche : un agent axé sur la fonction de recherche, fournissant des informations de recherche plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des instructions de l'utilisateur, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état de développement des agents AI Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 montre une tendance marquée à la concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également réalisé une certaine analyse sur ce phénomène.
Impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des Agents IA.
La demande du marché : Un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande des entreprises pour les technologies de l'IA est plus pressante, notamment en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. De plus, pour les développeurs, les flux de trésorerie des entreprises sont relativement stables, ce qui leur est favorable pour le développement de futurs projets.
Limites des cas d'application : En même temps, nous avons remarqué que les cas d'application de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une part relativement faible de l'IA générative de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous explorons en profondeur certains projets d'agents d'IA sur le marché Web2 actuel et analysons ceux-ci en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de dialoguer en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a eu 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant un caractère jeune du groupe d'utilisateurs. Character AI a bien performé sur le marché des capitaux, ayant réalisé un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage à grande échelle, ce qui indique que Character AI utilise une technologie développée en interne. Il est à noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de parcourir Internet et de fournir des réponses détaillées. En citant et en référant à des liens, il assure la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, satisfaisant ainsi les besoins diversifiés des utilisateurs en matière de requêtes.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.
Analyse technique : Le modèle principal utilisé par Perplexity est le GPT-3.5 ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Les modèles sont adaptés à la recherche académique professionnelle et à l'axe.