Os projetos de Agente de IA são predominantemente serviços voltados para empresas no Web2, enquanto no domínio do Web3, projetos de treinamento de modelos e plataformas integradas se tornaram predominantes devido ao seu papel crucial na construção de ecossistemas.
Atualmente, a quantidade de projetos de Agentes de IA no Web3 é reduzida, representando 8%, mas sua participação no valor de mercado na pista de IA é de impressionantes 23%, demonstrando assim uma forte competitividade de mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologia de IA em produtos de aplicação que não são centrais em IA pode se tornar uma vantagem estratégica. A forma de combinação dos projetos de Agente de IA deve focar na construção de um ecossistema completo e no design de modelos econômicos de tokens, a fim de promover a descentralização e os efeitos de rede.
A Onda da IA: O Estado Atual de Projetos Emergentes e Apreciações de Valor
Desde que o ChatGPT foi lançado em novembro de 2022, ele atraiu mais de cem milhões de usuários em apenas dois meses. Até maio de 2024, a receita mensal do ChatGPT já alcançou impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o. Com tal ritmo acelerado, os grandes gigantes da tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas lançaram grandes modelos como o Wenxin Yiyan e o Zhipu Qingyan. É evidente que o campo da IA se tornou um terreno de disputa essencial.
A corrida entre os grandes gigantes da tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, mas também, a partir de uma pesquisa estatística sobre a pesquisa em IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023. Em particular, após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, que demonstra um crescimento robusto, com um crescimento explosivo no mercado de investimentos em IA no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA que superaram os 150 milhões de dólares, o dobro do que foi registrado no primeiro trimestre. O montante total de financiamento para startups de IA disparou para 24 bilhões de dólares, mais do que o dobro do ano anterior. Dentre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama da área tecnológica a uma velocidade sem precedentes. Desde a intensa competição entre gigantes tecnológicos, ao florescimento de projetos na comunidade de código aberto, até à entusiástica procura do mercado de capitais pelo conceito de IA. Projetos surgem a cada instante, os investimentos atingem novos máximos e as avaliações sobem em consequência. De forma geral, o mercado de IA está a passar por um período de ouro de rápido desenvolvimento, com modelos de linguagem de grande escala e tecnologias de geração aumentada por pesquisa a realizarem avanços significativos na área de processamento de linguagem. No entanto, estes modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de ilusões que geram informações imprecisas e a questão da transparência dos modelos. Estes problemas tornam-se particularmente importantes em cenários de aplicação onde a fiabilidade é extremamente exigente.
Neste contexto, começamos a investigar os Agentes de IA, uma vez que os Agentes de IA enfatizam a abrangência na resolução de problemas práticos e na interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos puramente linguísticos para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento dos Agentes de IA, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA está constantemente remodelando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos fundamentais da IA: dados, modelos e poder computacional, se fundem com os conceitos centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo cruzado cheio de potencial, acreditamos que os Agentes de IA, com sua capacidade de executar tarefas de forma autônoma, demonstram um enorme potencial para a aplicação em larga escala.
Para isso, começamos a investigar profundamente as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, camadas de aplicação, até mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender melhor a profunda fusão entre AI e Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações de Agentes de IA
Introdução básica
Antes de apresentar o Agente de IA, para que os leitores possam entender melhor a diferença entre sua definição e o próprio modelo, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os grandes modelos de linguagem tradicionais oferecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação consegue fornecer conteúdos de destino mais ricos e específicos. Já o Agente de IA é como o Jarvis do filme do Homem de Ferro, capaz de entender suas necessidades e, com base em uma frase sua, buscar proativamente voos e hotéis, realizar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente capaz de perceber o ambiente e tomar ações correspondentes, obtendo informações ambientais através de sensores, processando-as e, em seguida, impactando o ambiente por meio de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não só pode fornecer informações de forma simples, mas também planejar, decompor tarefas e realmente executá-las.
De acordo com essa definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível 5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do mundo exterior e, com base nisso, fazer correspondentes que impactam o ambiente real.
Tomando o ChatGPT como exemplo para clarificação de conceitos, devemos apontar claramente que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos que se desenvolveu com base nesta arquitetura, e o GPT-1, GPT-4, e GPT-4o representam as versões dos modelos em diferentes estágios de desenvolvimento. O ChatGPT, por sua vez, é um Agente de IA que evoluiu a partir do modelo GPT.
Visão geral da classificação
Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Nós categorizamos 204 projetos de Agentes de IA nos mercados Web2 e Web3 através da rotulagem, com base nos rótulos significativos correspondentes a cada projeto, dividindo-os em classificações primárias e secundárias. Entre elas, as classificações primárias são infraestrutura básica, geração de conteúdo e interação com o usuário, que são então subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Este tipo foca na construção de conteúdos mais básicos na área de Agents, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, além de serviços B2B de aplicações mais maduras e básicas.
Ferramentas de desenvolvimento: fornecer ferramentas e estruturas auxiliares para desenvolvedores construírem Agentes de IA.
Classe de processamento de dados: processar e analisar diferentes formatos de dados, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelo: fornece serviços de treinamento de modelo voltados para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços B2B: direcionados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de tipo agregador: uma plataforma que integra vários serviços e ferramentas de AI Agent.
Interativos: Semelhante à geração de conteúdo, a diferença está na interação contínua e bidirecional. Agentes interativos não apenas aceitam e compreendem as necessidades dos usuários, mas também fornecem feedback através de técnicas como processamento de linguagem natural (NLP), realizando uma interação bidirecional com os usuários.
Acompanhamento emocional: Agente de IA que oferece apoio emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).
Classe de busca: Focada na funcionalidade de busca, fornece um agente que se concentra na recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de grandes modelos para gerar várias formas de conteúdo com base nas instruções dos usuários, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento do Agente AI Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma tendência clara de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, sendo que a maioria se refere a serviços B2B e ferramentas de desenvolvimento. Também realizamos alguma análise sobre este fenômeno.
Impacto da maturidade tecnológica: a razão pela qual os projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Estes projetos geralmente são construídos sobre tecnologias e estruturas testadas pelo tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivalente a uma "pá" no campo da IA, fornece uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
A impulsão da demanda do mercado: outro fator chave é a demanda do mercado. Em comparação com o mercado consumidor, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que aumentem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é benéfico para o desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resultou em uma proporção menor de IA de geração de conteúdo no repositório de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com o contínuo avanço da tecnologia de IA e a clarificação adicional da demanda do mercado, antecipamos que este padrão poderá ser ajustado, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder em AI Agent Web2
Nós exploramos profundamente alguns projetos de Agentes de IA no atual mercado Web2 e analisamos-os, usando como exemplo os três projetos: Character AI, Perplexity AI e Midjourney.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para criação de personagens virtuais. A sua plataforma permite aos utilizadores criar, treinar e interagir com personagens virtuais que podem conduzir diálogos em linguagem natural e realizar tarefas específicas.
Análise de dados: Character.AI teve 277 milhões de visitas em maio, a plataforma possui mais de 3,5 milhões de utilizadores ativos diários, dos quais a maioria tem entre 18 e 34 anos, mostrando características de um grupo de utilizadores mais jovem. A Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderada pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, indicando que a Character AI utiliza tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity é capaz de buscar e fornecer respostas detalhadas da internet. A confiabilidade e a precisão da informação são garantidas através de citações e links de referência, ao mesmo tempo que educa e orienta os usuários a fazer perguntas adicionais e pesquisar palavras-chave, atendendo às diversas necessidades de consulta dos usuários.
Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um crescimento de 8,6% nas visitas aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que arrecadou 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O modelo principal utilizado pelo Perplexity é o GPT-3.5 ajustado, além de duas grandes modelos ajustados com base em modelos grandes de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e vertical.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
20 Curtidas
Recompensa
20
8
Compartilhar
Comentário
0/400
BearMarketMonk
· 07-23 17:54
Não serve para nada. A essência é uma inovação de Ponzi.
Ver originalResponder0
fork_in_the_road
· 07-22 00:54
O mundo crypto realmente não pode ficar sem este remédio chamado IA.
Ver originalResponder0
governance_ghost
· 07-21 05:32
Boa rapaziada, a capitalização de mercado já foi para 23%.
Ver originalResponder0
DuskSurfer
· 07-21 05:29
ai+web3 esta onda está destinada a Até à lua!
Ver originalResponder0
GasFeeSobber
· 07-21 05:28
Qual é a utilidade dos números? É tudo apenas uma especulação de conceitos.
Ver originalResponder0
StakeOrRegret
· 07-21 05:28
Esses dados são realmente sedutores Até à lua
Ver originalResponder0
DeFi_Dad_Jokes
· 07-21 05:24
Quem se importa com a proporção? APE必涨
Ver originalResponder0
SilentObserver
· 07-21 05:09
A sensação é que é um novo truque para fazer as pessoas de parvas.
O Agente de IA pode tornar-se o motor chave para a fusão de Web3 e IA.
O Agente de IA pode ser a salvação do Web3+IA?
Os projetos de Agente de IA são predominantemente serviços voltados para empresas no Web2, enquanto no domínio do Web3, projetos de treinamento de modelos e plataformas integradas se tornaram predominantes devido ao seu papel crucial na construção de ecossistemas.
Atualmente, a quantidade de projetos de Agentes de IA no Web3 é reduzida, representando 8%, mas sua participação no valor de mercado na pista de IA é de impressionantes 23%, demonstrando assim uma forte competitividade de mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologia de IA em produtos de aplicação que não são centrais em IA pode se tornar uma vantagem estratégica. A forma de combinação dos projetos de Agente de IA deve focar na construção de um ecossistema completo e no design de modelos econômicos de tokens, a fim de promover a descentralização e os efeitos de rede.
A Onda da IA: O Estado Atual de Projetos Emergentes e Apreciações de Valor
Desde que o ChatGPT foi lançado em novembro de 2022, ele atraiu mais de cem milhões de usuários em apenas dois meses. Até maio de 2024, a receita mensal do ChatGPT já alcançou impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o. Com tal ritmo acelerado, os grandes gigantes da tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas lançaram grandes modelos como o Wenxin Yiyan e o Zhipu Qingyan. É evidente que o campo da IA se tornou um terreno de disputa essencial.
A corrida entre os grandes gigantes da tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, mas também, a partir de uma pesquisa estatística sobre a pesquisa em IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023. Em particular, após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, que demonstra um crescimento robusto, com um crescimento explosivo no mercado de investimentos em IA no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA que superaram os 150 milhões de dólares, o dobro do que foi registrado no primeiro trimestre. O montante total de financiamento para startups de IA disparou para 24 bilhões de dólares, mais do que o dobro do ano anterior. Dentre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama da área tecnológica a uma velocidade sem precedentes. Desde a intensa competição entre gigantes tecnológicos, ao florescimento de projetos na comunidade de código aberto, até à entusiástica procura do mercado de capitais pelo conceito de IA. Projetos surgem a cada instante, os investimentos atingem novos máximos e as avaliações sobem em consequência. De forma geral, o mercado de IA está a passar por um período de ouro de rápido desenvolvimento, com modelos de linguagem de grande escala e tecnologias de geração aumentada por pesquisa a realizarem avanços significativos na área de processamento de linguagem. No entanto, estes modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de ilusões que geram informações imprecisas e a questão da transparência dos modelos. Estes problemas tornam-se particularmente importantes em cenários de aplicação onde a fiabilidade é extremamente exigente.
Neste contexto, começamos a investigar os Agentes de IA, uma vez que os Agentes de IA enfatizam a abrangência na resolução de problemas práticos e na interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos puramente linguísticos para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento dos Agentes de IA, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA está constantemente remodelando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos fundamentais da IA: dados, modelos e poder computacional, se fundem com os conceitos centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo cruzado cheio de potencial, acreditamos que os Agentes de IA, com sua capacidade de executar tarefas de forma autônoma, demonstram um enorme potencial para a aplicação em larga escala.
Para isso, começamos a investigar profundamente as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, camadas de aplicação, até mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender melhor a profunda fusão entre AI e Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações de Agentes de IA
Introdução básica
Antes de apresentar o Agente de IA, para que os leitores possam entender melhor a diferença entre sua definição e o próprio modelo, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os grandes modelos de linguagem tradicionais oferecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação consegue fornecer conteúdos de destino mais ricos e específicos. Já o Agente de IA é como o Jarvis do filme do Homem de Ferro, capaz de entender suas necessidades e, com base em uma frase sua, buscar proativamente voos e hotéis, realizar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente capaz de perceber o ambiente e tomar ações correspondentes, obtendo informações ambientais através de sensores, processando-as e, em seguida, impactando o ambiente por meio de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não só pode fornecer informações de forma simples, mas também planejar, decompor tarefas e realmente executá-las.
De acordo com essa definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível 5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do mundo exterior e, com base nisso, fazer correspondentes que impactam o ambiente real.
Tomando o ChatGPT como exemplo para clarificação de conceitos, devemos apontar claramente que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos que se desenvolveu com base nesta arquitetura, e o GPT-1, GPT-4, e GPT-4o representam as versões dos modelos em diferentes estágios de desenvolvimento. O ChatGPT, por sua vez, é um Agente de IA que evoluiu a partir do modelo GPT.
Visão geral da classificação
Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Nós categorizamos 204 projetos de Agentes de IA nos mercados Web2 e Web3 através da rotulagem, com base nos rótulos significativos correspondentes a cada projeto, dividindo-os em classificações primárias e secundárias. Entre elas, as classificações primárias são infraestrutura básica, geração de conteúdo e interação com o usuário, que são então subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Este tipo foca na construção de conteúdos mais básicos na área de Agents, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, além de serviços B2B de aplicações mais maduras e básicas.
Ferramentas de desenvolvimento: fornecer ferramentas e estruturas auxiliares para desenvolvedores construírem Agentes de IA.
Classe de processamento de dados: processar e analisar diferentes formatos de dados, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelo: fornece serviços de treinamento de modelo voltados para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços B2B: direcionados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de tipo agregador: uma plataforma que integra vários serviços e ferramentas de AI Agent.
Interativos: Semelhante à geração de conteúdo, a diferença está na interação contínua e bidirecional. Agentes interativos não apenas aceitam e compreendem as necessidades dos usuários, mas também fornecem feedback através de técnicas como processamento de linguagem natural (NLP), realizando uma interação bidirecional com os usuários.
Acompanhamento emocional: Agente de IA que oferece apoio emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).
Classe de busca: Focada na funcionalidade de busca, fornece um agente que se concentra na recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de grandes modelos para gerar várias formas de conteúdo com base nas instruções dos usuários, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento do Agente AI Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma tendência clara de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, sendo que a maioria se refere a serviços B2B e ferramentas de desenvolvimento. Também realizamos alguma análise sobre este fenômeno.
Impacto da maturidade tecnológica: a razão pela qual os projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Estes projetos geralmente são construídos sobre tecnologias e estruturas testadas pelo tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivalente a uma "pá" no campo da IA, fornece uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
A impulsão da demanda do mercado: outro fator chave é a demanda do mercado. Em comparação com o mercado consumidor, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que aumentem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é benéfico para o desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resultou em uma proporção menor de IA de geração de conteúdo no repositório de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com o contínuo avanço da tecnologia de IA e a clarificação adicional da demanda do mercado, antecipamos que este padrão poderá ser ajustado, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder em AI Agent Web2
Nós exploramos profundamente alguns projetos de Agentes de IA no atual mercado Web2 e analisamos-os, usando como exemplo os três projetos: Character AI, Perplexity AI e Midjourney.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para criação de personagens virtuais. A sua plataforma permite aos utilizadores criar, treinar e interagir com personagens virtuais que podem conduzir diálogos em linguagem natural e realizar tarefas específicas.
Análise de dados: Character.AI teve 277 milhões de visitas em maio, a plataforma possui mais de 3,5 milhões de utilizadores ativos diários, dos quais a maioria tem entre 18 e 34 anos, mostrando características de um grupo de utilizadores mais jovem. A Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderada pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, indicando que a Character AI utiliza tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity é capaz de buscar e fornecer respostas detalhadas da internet. A confiabilidade e a precisão da informação são garantidas através de citações e links de referência, ao mesmo tempo que educa e orienta os usuários a fazer perguntas adicionais e pesquisar palavras-chave, atendendo às diversas necessidades de consulta dos usuários.
Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um crescimento de 8,6% nas visitas aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que arrecadou 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O modelo principal utilizado pelo Perplexity é o GPT-3.5 ajustado, além de duas grandes modelos ajustados com base em modelos grandes de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e vertical.