Может ли AI Agent стать спасительной соломинкой для Web3+AI?
Проекты AI Agent являются популярным и зрелым типом в сфере Web2, в основном ориентированным на услуги для предприятий, тогда как в области Web3 проекты по обучению моделей и интеграции платформ стали мейнстримом из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико, составляет 8%, но их доля в рыночной капитализации на рынке AI достигает 23%, что демонстрирует их сильную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для приложений, не являющихся основными в сфере ИИ. При сочетании проектов ИИ-агентов следует сосредоточиться на построении полной экосистемы и проектировании токеномической модели, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценок
С момента выхода ChatGPT в ноябре 2022 года он всего за два месяца привлек более 100 миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг поразительных 20,3 миллиона долларов, а OpenAI также быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной обстановке крупнейшие традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали выпускать свои собственные ИИ-модели и приложения. Например, Google представила большую языковую модель PaLM2, Meta выпустила Llama3, а китайские компании представили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область ИИ стала полем битвы для всех.
Соревнование крупных технологических гигантов не только способствовало развитию коммерческих приложений, но и из результатов исследования открытого AI стало известно, что индекс AI 2024 года показывает, что количество связанных с AI проектов на GitHub выросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями AI.
Страсть к технологиям искусственного интеллекта напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире было 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что на более чем вдвое больше по сравнению с прошлым годом. При этом xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ после OpenAI по оценке.
Быстрый рост технологий ИИ кардинально изменяет ландшафт технологической сферы с беспрецедентной скоростью. От ожесточенной конкурентной борьбы между технологическими гигантами до бурного развития проектов в открытом сообществе и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, объемы инвестиций ставят новые рекорды, а оценки также растут. В целом, рынок ИИ находится в периоде быстрого роста и процветания, крупные языковые модели и технологии, усиливающие генерацию поиска, достигли значительных успехов в области обработки языка. Тем не менее, эти модели все еще сталкиваются с проблемами при превращении технологических преимуществ в реальные продукты, такими как неопределенность в выводах моделей, риск генерации неточной информации и проблемы с прозрачностью моделей. Эти вопросы становятся особенно важными в тех сценариях, где надежность имеет критическое значение.
На этом фоне мы начали исследование AI Agent, поскольку AI Agent подчеркивает целостность решения практических проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно перестраивает структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными идеями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью автономно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
С этой целью мы начинаем углубленное исследование разнообразных приложений AI Agent в Web3, охватывая несколько аспектов, таких как инфраструктура Web3, промежуточное ПО, уровень приложений, а также рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Пояснение понятий: Введение в AI Agent и обзор категорий
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем пример на реальном сценарии: предположим, вы планируете поездку. Традиционная крупная языковая модель предоставляет информацию о местах назначения и советы по путешествиям. Технология дополненной генерации поиска может предложить более богатое и конкретное содержание о местах назначения. AI Agent похож на Джарвиса из фильма о Железном человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли общепринятое определение AI Agent относится к интеллектуальным системам, которые могут воспринимать окружающую среду и реагировать соответствующим образом, получая информацию об окружающей среде с помощью датчиков, обрабатывая её и влияя на окружающую среду с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который сочетает в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже давно вписался в нашу жизнь и применяется в различных ситуациях, например, AlphaGo, Siri, автомобили Tesla с уровнем автономности L5 и выше могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они способны воспринимать пользовательский ввод из внешней среды и соответственно воздействовать на реальную среду.
Чтобы прояснить концепции на примере ChatGPT, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI-модели, а GPT — это серия моделей, развившихся на основе этой архитектуры, где GPT-1, GPT-4 и GPT-4o представляют версии модели на разных этапах её развития. ChatGP, в свою очередь, является AI-агентом, эволюционировавшим на основе модели GPT.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)
Категория обзор
На данный момент рынок AI-агентов еще не имеет единого классификационного стандарта. Мы провели тегирование 204 проектов AI-агентов на рынках Web2 и Web3, в соответствии с яркими тегами каждого проекта, разделив их на первичные и вторичные категории. Первичные категории включают три типа: инфраструктура, генерация контента и взаимодействие с пользователем, а затем они дополнительно классифицируются по реальным случаям использования:
Инфраструктурные: Этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты для разработки, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI Agent.
Классы обработки данных: обработка и анализ данных в различных форматах, в основном используются для поддержки принятия решений и предоставления источников для обучения.
Класс обучения моделей: предоставляет услуги по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т.д.
Услуги для B-класса: в основном ориентированы на корпоративных пользователей, предлагая решения для бизнеса, вертикальные и автоматизированные.
Платформы класса агрегаторов: платформы, интегрирующие различные сервисы и инструменты AI Agent.
Интерактивные агенты: аналогичны агентам генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и компанию.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляют более точные результаты для восстановления информации.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в соответствии с указаниями пользователей, делятся на четыре категории: текстовая генерация, генерация изображений, генерация видео и генерация аудио.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определённых сегментах. Конкретно, примерно две трети проектов сосредоточены в области инфраструктуры, где преобладают услуги для бизнеса и инструменты для разработчиков. Мы также провели некоторые анализы этого явления.
Влияние уровня зрелости технологий: Проекты инфраструктуры занимают доминирующее положение прежде всего благодаря своему уровню зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, предоставляющей прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще один ключевой фактор - это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время, для разработчиков денежные потоки от предприятий относительно стабильны, что благоприятно сказывается на их разработке последующих проектов.
Ограничения по сценариям применения: В то же время мы замечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса мы ожидаем, что эта структура может претерпеть изменения, но инфраструктурные решения по-прежнему будут прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести разговоры на естественном языке и выполнять определенные задачи.
Анализ данных: В мае Character.AI достигло 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодежный характер пользовательской базы. Character AI показала отличные результаты на капиталовложениях, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.
Технический анализ: Character AI подписала лицензионное соглашение на неэксклюзивное использование своей крупной языковой модели с материнской компанией Google Alphabet, что свидетельствует о том, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке диалоговой языковой модели Llama от Google.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, а также обучает и направляет пользователей на дополнительные вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: ежемесячное количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовложениях Perplexity AI недавно объявила о получении 62,7 миллиона долларов финансирования, оценка достигла 1,04 миллиарда долларов, возглавил раунд финансирования Дэниел Гросс, среди участников были Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, — это доработанная версия GPT-3.5, а также две большие модели, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и ниш.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
20 Лайков
Награда
20
8
Поделиться
комментарий
0/400
BearMarketMonk
· 07-23 17:54
Ничего полезного, по сути это просто инновация Понци.
Посмотреть ОригиналОтветить0
fork_in_the_road
· 07-22 00:54
мир криптовалют真离不开AI这味药咯
Посмотреть ОригиналОтветить0
governance_ghost
· 07-21 05:32
Хороший парень, рыночная капитализация уже достигла 23%.
Может ли AI-агент стать ключевым двигателем слияния Web3 и ИИ?
Может ли AI Agent стать спасительной соломинкой для Web3+AI?
Проекты AI Agent являются популярным и зрелым типом в сфере Web2, в основном ориентированным на услуги для предприятий, тогда как в области Web3 проекты по обучению моделей и интеграции платформ стали мейнстримом из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико, составляет 8%, но их доля в рыночной капитализации на рынке AI достигает 23%, что демонстрирует их сильную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для приложений, не являющихся основными в сфере ИИ. При сочетании проектов ИИ-агентов следует сосредоточиться на построении полной экосистемы и проектировании токеномической модели, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценок
С момента выхода ChatGPT в ноябре 2022 года он всего за два месяца привлек более 100 миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг поразительных 20,3 миллиона долларов, а OpenAI также быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной обстановке крупнейшие традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали выпускать свои собственные ИИ-модели и приложения. Например, Google представила большую языковую модель PaLM2, Meta выпустила Llama3, а китайские компании представили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область ИИ стала полем битвы для всех.
Соревнование крупных технологических гигантов не только способствовало развитию коммерческих приложений, но и из результатов исследования открытого AI стало известно, что индекс AI 2024 года показывает, что количество связанных с AI проектов на GitHub выросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями AI.
Страсть к технологиям искусственного интеллекта напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире было 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что на более чем вдвое больше по сравнению с прошлым годом. При этом xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ после OpenAI по оценке.
Быстрый рост технологий ИИ кардинально изменяет ландшафт технологической сферы с беспрецедентной скоростью. От ожесточенной конкурентной борьбы между технологическими гигантами до бурного развития проектов в открытом сообществе и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, объемы инвестиций ставят новые рекорды, а оценки также растут. В целом, рынок ИИ находится в периоде быстрого роста и процветания, крупные языковые модели и технологии, усиливающие генерацию поиска, достигли значительных успехов в области обработки языка. Тем не менее, эти модели все еще сталкиваются с проблемами при превращении технологических преимуществ в реальные продукты, такими как неопределенность в выводах моделей, риск генерации неточной информации и проблемы с прозрачностью моделей. Эти вопросы становятся особенно важными в тех сценариях, где надежность имеет критическое значение.
На этом фоне мы начали исследование AI Agent, поскольку AI Agent подчеркивает целостность решения практических проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно перестраивает структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными идеями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью автономно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
С этой целью мы начинаем углубленное исследование разнообразных приложений AI Agent в Web3, охватывая несколько аспектов, таких как инфраструктура Web3, промежуточное ПО, уровень приложений, а также рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Пояснение понятий: Введение в AI Agent и обзор категорий
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем пример на реальном сценарии: предположим, вы планируете поездку. Традиционная крупная языковая модель предоставляет информацию о местах назначения и советы по путешествиям. Технология дополненной генерации поиска может предложить более богатое и конкретное содержание о местах назначения. AI Agent похож на Джарвиса из фильма о Железном человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли общепринятое определение AI Agent относится к интеллектуальным системам, которые могут воспринимать окружающую среду и реагировать соответствующим образом, получая информацию об окружающей среде с помощью датчиков, обрабатывая её и влияя на окружающую среду с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который сочетает в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже давно вписался в нашу жизнь и применяется в различных ситуациях, например, AlphaGo, Siri, автомобили Tesla с уровнем автономности L5 и выше могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они способны воспринимать пользовательский ввод из внешней среды и соответственно воздействовать на реальную среду.
Чтобы прояснить концепции на примере ChatGPT, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI-модели, а GPT — это серия моделей, развившихся на основе этой архитектуры, где GPT-1, GPT-4 и GPT-4o представляют версии модели на разных этапах её развития. ChatGP, в свою очередь, является AI-агентом, эволюционировавшим на основе модели GPT.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)
Категория обзор
На данный момент рынок AI-агентов еще не имеет единого классификационного стандарта. Мы провели тегирование 204 проектов AI-агентов на рынках Web2 и Web3, в соответствии с яркими тегами каждого проекта, разделив их на первичные и вторичные категории. Первичные категории включают три типа: инфраструктура, генерация контента и взаимодействие с пользователем, а затем они дополнительно классифицируются по реальным случаям использования:
Инфраструктурные: Этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты для разработки, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI Agent.
Классы обработки данных: обработка и анализ данных в различных форматах, в основном используются для поддержки принятия решений и предоставления источников для обучения.
Класс обучения моделей: предоставляет услуги по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т.д.
Услуги для B-класса: в основном ориентированы на корпоративных пользователей, предлагая решения для бизнеса, вертикальные и автоматизированные.
Платформы класса агрегаторов: платформы, интегрирующие различные сервисы и инструменты AI Agent.
Интерактивные агенты: аналогичны агентам генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и компанию.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляют более точные результаты для восстановления информации.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в соответствии с указаниями пользователей, делятся на четыре категории: текстовая генерация, генерация изображений, генерация видео и генерация аудио.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определённых сегментах. Конкретно, примерно две трети проектов сосредоточены в области инфраструктуры, где преобладают услуги для бизнеса и инструменты для разработчиков. Мы также провели некоторые анализы этого явления.
Влияние уровня зрелости технологий: Проекты инфраструктуры занимают доминирующее положение прежде всего благодаря своему уровню зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, предоставляющей прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще один ключевой фактор - это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время, для разработчиков денежные потоки от предприятий относительно стабильны, что благоприятно сказывается на их разработке последующих проектов.
Ограничения по сценариям применения: В то же время мы замечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса мы ожидаем, что эта структура может претерпеть изменения, но инфраструктурные решения по-прежнему будут прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести разговоры на естественном языке и выполнять определенные задачи.
Анализ данных: В мае Character.AI достигло 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодежный характер пользовательской базы. Character AI показала отличные результаты на капиталовложениях, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.
Технический анализ: Character AI подписала лицензионное соглашение на неэксклюзивное использование своей крупной языковой модели с материнской компанией Google Alphabet, что свидетельствует о том, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке диалоговой языковой модели Llama от Google.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, а также обучает и направляет пользователей на дополнительные вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: ежемесячное количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовложениях Perplexity AI недавно объявила о получении 62,7 миллиона долларов финансирования, оценка достигла 1,04 миллиарда долларов, возглавил раунд финансирования Дэниел Гросс, среди участников были Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, — это доработанная версия GPT-3.5, а также две большие модели, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и ниш.