Чи може AI агент стати рятівною соломинкою для Web3+AI?
Проекти AI Agent, які є популярними та зрілими в Web2 стартапах, в основному є сервісами для підприємств, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні проекти, стали основними через їхню ключову роль у побудові екосистеми.
В даний час кількість проектів AI Agent у Web3 не велика і складає 8%, але їхня частка ринкової капіталізації в AI-сегменті досягає 23%, що свідчить про їхню сильну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів, оцінка яких перевищить 1 мільярд доларів.
Для проектів Web3 впровадження технологій штучного інтелекту в продуктах, що не є основними для AI, може стати стратегічною перевагою. Щодо проектів AI Agent, важливо зосередитися на побудові екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Станом на сьогодні проєкти з'являються один за одним, а оцінки зростають
З моменту появи ChatGPT у листопаді 2022 року, за короткий проміжок у два місяці, він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати свої моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили такі великі моделі, як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI стала полем битви між конкурентами.
Змагання між великими технологічними компаніями не лише сприяло розвитку комерційних застосувань, але й з опитування та статистики досліджень у сфері відкритого штучного інтелекту ми виявили, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних із ШІ на GitHub, зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у порівнянні з попереднім роком, що відображає захопленість глобальної спільноти розробників дослідженнями в сфері ШІ.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що є подвоєнням у річному обчисленні. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів при оцінці в 24 мільярди доларів, ставши другою за величиною оцінки компанією-стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту переосмислює ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію штучного інтелекту на капітальних ринках. Нові проекти з’являються один за одним, інвестиції досягають нових висот, а оцінки зростають разом з ними. В цілому, ринок штучного інтелекту знаходиться в періоді стрімкого розвитку, великі мовні моделі та технології генерації на основі пошуку досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та питання прозорості моделей. Ці проблеми стають особливо важливими в сценаріях застосування, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми почали досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем і взаємодії з середовищем. Ця зміна знаменує собою еволюцію технології AI від чисто мовної моделі до інтелектуальної системи, здатної справді розуміти, навчатися та вирішувати реальні проблеми. Тож ми бачимо надію в розвитку AI Agent, який поступово звужує розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно перетворює архітектуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальні потужності, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми прогнозуємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перетворювальній сфері ми вважаємо, що AI Agent, з його здатністю виконувати завдання автономно, демонструє величезний потенціал для масштабного впровадження.
Для цього ми почали поглиблене дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування для глибшого розуміння глибокої інтеграції AI та Web3.
Роз'яснення концепцій: Вступ до AI Agent та огляд його класифікацій
Основи
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми проілюструємо це на реальному прикладі: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та туристичні рекомендації. Технологія, що покращує генерування пошуку, може запропонувати більш багатий і конкретний вміст про напрямки. А AI Agent нагадує Джарвіса з фільмів про Залізну Людину, він розуміє ваші потреби і може проактивно шукати рейси та готелі за вашим запитом, виконувати бронювання та додавати маршрут до календаря.
В даний час в галузі загальноприйнятим є визначення AI Agent як інтелектуальної системи, яка може сприймати навколишнє середовище та здійснювати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її та впливаючи на навколишнє середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є асистентом, який об'єднує LLM, RAG, пам'ять, планування завдань та можливість використання інструментів. Він може не лише надавати інформацію, а й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням та характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.
Візьмемо ChatGPT як приклад для уточнення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, з якої складаються AI моделі, GPT є серією моделей, що розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделі на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на основі моделей GPT.
Класифікаційний огляд
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми розглянули 204 проекти AI Agent на ринках Web2 та Web3 і класифікували їх за допомогою тегів, відповідно до помітних тегів кожного проекту, розділивши їх на основний і вторинний класи. Основний клас включає три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачем, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні рішення: ці рішення зосереджені на створенні основних елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі та базові послуги для B-клієнтів.
Інструменти для розробників: надання допоміжних інструментів та фреймворків для створення AI Agent.
Класи обробки даних: обробка та аналіз даних у різних форматах, в основному призначених для підтримки прийняття рішень та надання джерел для навчання.
Класи навчання моделей: надає послуги з навчання моделей для ШІ, включаючи розуміння, створення моделей, налаштування тощо.
B-класу послуги: в основному орієнтовані на корпоративних користувачів, пропонуючи корпоративні послуги, вертикальні рішення та автоматизовані рішення.
Платформи збору: платформи, які інтегрують різні сервіси та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, але відрізняються тим, що забезпечують постійний двосторонній інтерактив. Інтерактивні агенти не лише приймають і розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонній інтерактив з користувачами.
Емоційна підтримка: AI-агент, який надає емоційну підтримку та компанію.
GPT-тип: AI агент на основі моделі GPT (генеративний попередньо навчений трансформер).
Пошуковий тип: зосереджений на функції пошуку, забезпечує більш точний агент для інформаційного запиту.
Генерація контенту: Цей тип проєктів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 розвиток AI Agent демонструє помітну тенденцію до концентрації в певних сегментах. Конкретно, близько двох третин проектів зосереджені в галузі інфраструктури, зокрема, переважно в категорії B-кінцевих послуг та інструментів розробки, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалент "лопати" у сфері ШІ, що забезпечує міцну основу для розробки та використання AI Agent.
Стимулювання попиту на ринку: ще одним ключовим фактором є попит на ринку. У порівнянні з споживчим ринком, попит на технології ШІ з боку бізнесу є більш терміновим, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє їхній розробці подальших проектів.
Обмеження сценаріїв застосування: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його виходу компанії більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному портфелі є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди застосувань. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишатимуться міцним підґрунтям для розвитку агентів ШІ.
Аналіз провідних проектів AI агентів Web2
Ми глибоко вивчаємо деякі з поточних проектів AI Agent на ринку Web2 та аналізуємо їх на прикладі трьох проектів: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI пропонує систему діалогів на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які здатні вести бесіди природною мовою та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні мала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодіжну характеристику користувацької бази. Character AI показала відмінні результати на капітальних ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про ненадійне використання своєї великої мовної моделі, що свідчить про те, що Character AI використовує розроблені самостійно технології. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Переплутаність ШІ:
Опис продукту: Perplexity може витягувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референсним лінкам забезпечується надійність та точність інформації, при цьому він навчає, направляє користувачів на додаткові запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних і десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, з оцінкою в 1,04 мільярда доларів, під керівництвом Daniel Gross, з участю Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, що використовується в Perplexity, є налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online і pplx-70b-online. Моделі підходять для професійних академічних досліджень і вертикалей.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
20 лайків
Нагородити
20
8
Поділіться
Прокоментувати
0/400
BearMarketMonk
· 07-23 17:54
Немає сенсу, по суті, це інновація Понці.
Переглянути оригіналвідповісти на0
fork_in_the_road
· 07-22 00:54
криптосвіт справді не може обійтися без ліків AI.
Переглянути оригіналвідповісти на0
governance_ghost
· 07-21 05:32
Добре, ринкова капіталізація вже досягла 23%.
Переглянути оригіналвідповісти на0
DuskSurfer
· 07-21 05:29
ai+web3 ця хвиля неодмінно До місяця!
Переглянути оригіналвідповісти на0
GasFeeSobber
· 07-21 05:28
Яка користь від цифр, це всього лише спекуляція на концепціях.
Переглянути оригіналвідповісти на0
StakeOrRegret
· 07-21 05:28
Ці дані занадто привабливі, правда? До місяця
Переглянути оригіналвідповісти на0
DeFi_Dad_Jokes
· 07-21 05:24
Хто піклується про частку? APE обов'язково зростання.
Чи може агент ШІ стати ключовим двигуном інтеграції Web3 та ШІ
Чи може AI агент стати рятівною соломинкою для Web3+AI?
Проекти AI Agent, які є популярними та зрілими в Web2 стартапах, в основному є сервісами для підприємств, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні проекти, стали основними через їхню ключову роль у побудові екосистеми.
В даний час кількість проектів AI Agent у Web3 не велика і складає 8%, але їхня частка ринкової капіталізації в AI-сегменті досягає 23%, що свідчить про їхню сильну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів, оцінка яких перевищить 1 мільярд доларів.
Для проектів Web3 впровадження технологій штучного інтелекту в продуктах, що не є основними для AI, може стати стратегічною перевагою. Щодо проектів AI Agent, важливо зосередитися на побудові екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Станом на сьогодні проєкти з'являються один за одним, а оцінки зростають
З моменту появи ChatGPT у листопаді 2022 року, за короткий проміжок у два місяці, він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати свої моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили такі великі моделі, як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI стала полем битви між конкурентами.
Змагання між великими технологічними компаніями не лише сприяло розвитку комерційних застосувань, але й з опитування та статистики досліджень у сфері відкритого штучного інтелекту ми виявили, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних із ШІ на GitHub, зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у порівнянні з попереднім роком, що відображає захопленість глобальної спільноти розробників дослідженнями в сфері ШІ.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що є подвоєнням у річному обчисленні. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів при оцінці в 24 мільярди доларів, ставши другою за величиною оцінки компанією-стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту переосмислює ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію штучного інтелекту на капітальних ринках. Нові проекти з’являються один за одним, інвестиції досягають нових висот, а оцінки зростають разом з ними. В цілому, ринок штучного інтелекту знаходиться в періоді стрімкого розвитку, великі мовні моделі та технології генерації на основі пошуку досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та питання прозорості моделей. Ці проблеми стають особливо важливими в сценаріях застосування, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми почали досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем і взаємодії з середовищем. Ця зміна знаменує собою еволюцію технології AI від чисто мовної моделі до інтелектуальної системи, здатної справді розуміти, навчатися та вирішувати реальні проблеми. Тож ми бачимо надію в розвитку AI Agent, який поступово звужує розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно перетворює архітектуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальні потужності, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми прогнозуємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перетворювальній сфері ми вважаємо, що AI Agent, з його здатністю виконувати завдання автономно, демонструє величезний потенціал для масштабного впровадження.
Для цього ми почали поглиблене дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування для глибшого розуміння глибокої інтеграції AI та Web3.
Роз'яснення концепцій: Вступ до AI Agent та огляд його класифікацій
Основи
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми проілюструємо це на реальному прикладі: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та туристичні рекомендації. Технологія, що покращує генерування пошуку, може запропонувати більш багатий і конкретний вміст про напрямки. А AI Agent нагадує Джарвіса з фільмів про Залізну Людину, він розуміє ваші потреби і може проактивно шукати рейси та готелі за вашим запитом, виконувати бронювання та додавати маршрут до календаря.
В даний час в галузі загальноприйнятим є визначення AI Agent як інтелектуальної системи, яка може сприймати навколишнє середовище та здійснювати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її та впливаючи на навколишнє середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є асистентом, який об'єднує LLM, RAG, пам'ять, планування завдань та можливість використання інструментів. Він може не лише надавати інформацію, а й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням та характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.
Візьмемо ChatGPT як приклад для уточнення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, з якої складаються AI моделі, GPT є серією моделей, що розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделі на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на основі моделей GPT.
Класифікаційний огляд
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми розглянули 204 проекти AI Agent на ринках Web2 та Web3 і класифікували їх за допомогою тегів, відповідно до помітних тегів кожного проекту, розділивши їх на основний і вторинний класи. Основний клас включає три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачем, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні рішення: ці рішення зосереджені на створенні основних елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі та базові послуги для B-клієнтів.
Інструменти для розробників: надання допоміжних інструментів та фреймворків для створення AI Agent.
Класи обробки даних: обробка та аналіз даних у різних форматах, в основному призначених для підтримки прийняття рішень та надання джерел для навчання.
Класи навчання моделей: надає послуги з навчання моделей для ШІ, включаючи розуміння, створення моделей, налаштування тощо.
B-класу послуги: в основному орієнтовані на корпоративних користувачів, пропонуючи корпоративні послуги, вертикальні рішення та автоматизовані рішення.
Платформи збору: платформи, які інтегрують різні сервіси та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, але відрізняються тим, що забезпечують постійний двосторонній інтерактив. Інтерактивні агенти не лише приймають і розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонній інтерактив з користувачами.
Емоційна підтримка: AI-агент, який надає емоційну підтримку та компанію.
GPT-тип: AI агент на основі моделі GPT (генеративний попередньо навчений трансформер).
Пошуковий тип: зосереджений на функції пошуку, забезпечує більш точний агент для інформаційного запиту.
Генерація контенту: Цей тип проєктів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 розвиток AI Agent демонструє помітну тенденцію до концентрації в певних сегментах. Конкретно, близько двох третин проектів зосереджені в галузі інфраструктури, зокрема, переважно в категорії B-кінцевих послуг та інструментів розробки, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалент "лопати" у сфері ШІ, що забезпечує міцну основу для розробки та використання AI Agent.
Стимулювання попиту на ринку: ще одним ключовим фактором є попит на ринку. У порівнянні з споживчим ринком, попит на технології ШІ з боку бізнесу є більш терміновим, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє їхній розробці подальших проектів.
Обмеження сценаріїв застосування: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його виходу компанії більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному портфелі є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди застосувань. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишатимуться міцним підґрунтям для розвитку агентів ШІ.
Аналіз провідних проектів AI агентів Web2
Ми глибоко вивчаємо деякі з поточних проектів AI Agent на ринку Web2 та аналізуємо їх на прикладі трьох проектів: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI пропонує систему діалогів на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які здатні вести бесіди природною мовою та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні мала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодіжну характеристику користувацької бази. Character AI показала відмінні результати на капітальних ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про ненадійне використання своєї великої мовної моделі, що свідчить про те, що Character AI використовує розроблені самостійно технології. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Переплутаність ШІ:
Опис продукту: Perplexity може витягувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референсним лінкам забезпечується надійність та точність інформації, при цьому він навчає, направляє користувачів на додаткові запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних і десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, з оцінкою в 1,04 мільярда доларів, під керівництвом Daniel Gross, з участю Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, що використовується в Perplexity, є налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online і pplx-70b-online. Моделі підходять для професійних академічних досліджень і вертикалей.