¿Puede el Agente de IA ser la salvación para Web3+IA?
El proyecto AI Agent muestra una fuerte competitividad en el mercado dentro del sector Web3+AI. Actualmente, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en el valor de mercado dentro del sector AI es del 23%. Se espera que, a medida que la tecnología madure y aumente el reconocimiento del mercado, aparezcan varios proyectos con una valoración superior a los 1,000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales de AI puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de AI Agent debe centrarse en la construcción de todo el ecosistema y el diseño del modelo de economía de tokens, para promover la descentralización y el efecto de red.
Ola de IA: la situación actual de proyectos emergentes y aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras lanzar ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Ante esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM y lanzaron sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta presentó Llama3, y las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de batalla crucial.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de estadísticas sobre AI de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con AI en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023, especialmente después del lanzamiento de GPT en 2023, donde el número de proyectos creció un 59.3% interanualmente, reflejando el entusiasmo de la comunidad de desarrolladores global hacia la investigación de AI.
El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. La financiación total de las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación interanual. Entre ellas, xAI de Musk ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre las grandes empresas tecnológicas, hasta el florecimiento de proyectos en comunidades de código abierto, y el ferviente interés del mercado de capitales en el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, donde los grandes modelos de lenguaje y la tecnología de generación aumentada por recuperación han logrado avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir sus ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y el problema de la transparencia del modelo. Estos problemas son especialmente importantes en escenarios donde se requiere una alta confiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo del Agente de IA, ya que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y poder computacional, se fusionan con las ideas centrales de la Web3, como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, el middleware, el nivel de aplicación, hasta el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de la IA y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, ilustremos con un escenario práctico: supongamos que estás planificando un viaje. Los modelos de lenguaje de gran tamaño tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación aumentada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, capaz de entender las necesidades, buscar proactivamente vuelos y hoteles según tu solicitud y realizar reservas, así como agregar el itinerario al calendario.
Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y afectando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que reúne capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas de verdad.
Según esta definición y características, podemos descubrir que los Agentes de IA ya se han integrado en nuestra vida, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, hacer que su entorno real tenga un impacto correspondiente.
Tomando ChatGPT como ejemplo para clarificar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos desarrollada a partir de esta arquitectura, y GPT-1, GPT-4, GPT-4o representan diferentes versiones del modelo en distintas etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
En la actualidad, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. Clasificamos 204 proyectos de Agentes de IA en los mercados de Web2 y Web3 mediante la etiquetación de cada proyecto según sus etiquetas distintivas, dividiéndolos en categorías de primer y segundo nivel. Las categorías de primer nivel son infraestructura básica, generación de contenido e interacción con el usuario, y luego se dividen en función de sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más fundamental en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B que son aplicaciones de fondo más maduras.
Herramientas de desarrollo: proporcionar herramientas y marcos auxiliares para que los desarrolladores construyan Agentes de IA.
Clase de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para AI, incluyendo inferencia, establecimiento y configuración de modelos, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. El agente de interacción no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clase de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo del agente de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en el Web2 tradicional muestra una clara tendencia de concentración en sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más comunes. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: los proyectos de infraestructura ocupan una posición dominante principalmente gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones que mejoren la eficiencia operativa y reduzcan costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas prefieren aplicaciones que puedan mejorar la productividad de manera estable. Esto ha llevado a que la IA generativa de contenido ocupe una proporción menor en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA avanza continuamente y la demanda del mercado se clarifica aún más, anticipamos que este patrón podría ajustarse, pero las infraestructuras seguirán siendo la base sólida para el desarrollo de Agentes de IA.
Análisis del proyecto líder de AI Agent en Web2
Analizamos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2, utilizando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
AI de personajes:
Introducción del producto: Character.AI ofrece un sistema de diálogo basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales, los cuales pueden mantener diálogos en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con su empresa matriz Google, Alphabet, para utilizar su modelo de lenguaje grande, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información a través de citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para realizar preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, cubriendo una amplia gama de necesidades creativas que van desde lo realista hasta lo abstracto. La plataforma también ofrece mezcla y edición de imágenes, permitiendo a los usuarios superponer imágenes y realizar transferencias de estilo, y la función de generación en tiempo real de la plataforma garantiza que los usuarios obtengan resultados en decenas de segundos.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
14 me gusta
Recompensa
14
6
Republicar
Compartir
Comentar
0/400
AirdropHunterXM
· hace12h
Otra ola de máquinas que toman a la gente por tonta ha aparecido.
Ver originalesResponder0
LayerZeroHero
· hace12h
al final todo depende del agente
Ver originalesResponder0
MEVSandwichVictim
· hace12h
¿Podemos aclarar primero el sandwich antes de hablar de la IA?
Ver originalesResponder0
GhostAddressMiner
· hace12h
Una vez más, el capital está inflando burbujas, estoy cansado de mirar los datos de las primeras DIRECCIÓN de Airdrop... Muchos de los equipos detrás del proyecto que juegan con IA en esta ronda son viejos zancudos de la época de web2.
Ver originalesResponder0
AlwaysMissingTops
· hace12h
Otra vez pintando sueños y jugando con la IA bomba.
Ver originalesResponder0
NFTFreezer
· hace12h
Otra vez hablando de la IA, ¿no tienen nada mejor que hacer?
El potencial futuro del Agente AI es enorme y podría convertirse en un nuevo motor de desarrollo para Web3+AI.
¿Puede el Agente de IA ser la salvación para Web3+IA?
El proyecto AI Agent muestra una fuerte competitividad en el mercado dentro del sector Web3+AI. Actualmente, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en el valor de mercado dentro del sector AI es del 23%. Se espera que, a medida que la tecnología madure y aumente el reconocimiento del mercado, aparezcan varios proyectos con una valoración superior a los 1,000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales de AI puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de AI Agent debe centrarse en la construcción de todo el ecosistema y el diseño del modelo de economía de tokens, para promover la descentralización y el efecto de red.
Ola de IA: la situación actual de proyectos emergentes y aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras lanzar ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Ante esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM y lanzaron sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta presentó Llama3, y las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de batalla crucial.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de estadísticas sobre AI de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con AI en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023, especialmente después del lanzamiento de GPT en 2023, donde el número de proyectos creció un 59.3% interanualmente, reflejando el entusiasmo de la comunidad de desarrolladores global hacia la investigación de AI.
El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. La financiación total de las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación interanual. Entre ellas, xAI de Musk ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre las grandes empresas tecnológicas, hasta el florecimiento de proyectos en comunidades de código abierto, y el ferviente interés del mercado de capitales en el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, donde los grandes modelos de lenguaje y la tecnología de generación aumentada por recuperación han logrado avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir sus ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y el problema de la transparencia del modelo. Estos problemas son especialmente importantes en escenarios donde se requiere una alta confiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo del Agente de IA, ya que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y poder computacional, se fusionan con las ideas centrales de la Web3, como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, el middleware, el nivel de aplicación, hasta el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de la IA y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, ilustremos con un escenario práctico: supongamos que estás planificando un viaje. Los modelos de lenguaje de gran tamaño tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación aumentada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, capaz de entender las necesidades, buscar proactivamente vuelos y hoteles según tu solicitud y realizar reservas, así como agregar el itinerario al calendario.
Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y afectando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que reúne capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas de verdad.
Según esta definición y características, podemos descubrir que los Agentes de IA ya se han integrado en nuestra vida, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, hacer que su entorno real tenga un impacto correspondiente.
Tomando ChatGPT como ejemplo para clarificar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos desarrollada a partir de esta arquitectura, y GPT-1, GPT-4, GPT-4o representan diferentes versiones del modelo en distintas etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
En la actualidad, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. Clasificamos 204 proyectos de Agentes de IA en los mercados de Web2 y Web3 mediante la etiquetación de cada proyecto según sus etiquetas distintivas, dividiéndolos en categorías de primer y segundo nivel. Las categorías de primer nivel son infraestructura básica, generación de contenido e interacción con el usuario, y luego se dividen en función de sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más fundamental en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B que son aplicaciones de fondo más maduras.
Herramientas de desarrollo: proporcionar herramientas y marcos auxiliares para que los desarrolladores construyan Agentes de IA.
Clase de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para AI, incluyendo inferencia, establecimiento y configuración de modelos, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. El agente de interacción no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clase de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo del agente de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en el Web2 tradicional muestra una clara tendencia de concentración en sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más comunes. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: los proyectos de infraestructura ocupan una posición dominante principalmente gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones que mejoren la eficiencia operativa y reduzcan costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas prefieren aplicaciones que puedan mejorar la productividad de manera estable. Esto ha llevado a que la IA generativa de contenido ocupe una proporción menor en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA avanza continuamente y la demanda del mercado se clarifica aún más, anticipamos que este patrón podría ajustarse, pero las infraestructuras seguirán siendo la base sólida para el desarrollo de Agentes de IA.
Análisis del proyecto líder de AI Agent en Web2
Analizamos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2, utilizando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
AI de personajes:
Introducción del producto: Character.AI ofrece un sistema de diálogo basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales, los cuales pueden mantener diálogos en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con su empresa matriz Google, Alphabet, para utilizar su modelo de lenguaje grande, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información a través de citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para realizar preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, cubriendo una amplia gama de necesidades creativas que van desde lo realista hasta lo abstracto. La plataforma también ofrece mezcla y edición de imágenes, permitiendo a los usuarios superponer imágenes y realizar transferencias de estilo, y la función de generación en tiempo real de la plataforma garantiza que los usuarios obtengan resultados en decenas de segundos.