L'Agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Le projet AI Agent montre une forte compétitivité sur le marché dans le domaine Web3 + AI. Actuellement, le nombre de projets AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23 %. On s'attend à ce qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergent à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut devenir un avantage stratégique. Pour les projets d'agent AI, la manière de les combiner doit se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : État des projets émergents et des évaluations en hausse
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont réalisé l'importance des applications de modèles d'IA à la pointe comme les LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le grand modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles comme Wenxin Yiyan et Zhipu Qingyan. Il est évident que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des statistiques de recherche en AI open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'AI sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en AI.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, où le marché des investissements en AI montre une forte croissance, avec une explosion attendue au cours du deuxième trimestre de 2024. Il y a eu un total de 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, avec une augmentation de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence intense entre les géants technologiques, au développement florissant des projets de la communauté open source, jusqu'à l'engouement du marché des capitaux pour le concept d'AI. Les projets affluent, les investissements atteignent des sommets historiques, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est en période de croissance rapide, avec des modèles linguistiques avancés et des technologies de génération améliorée par recherche réalisant des progrès significatifs dans le traitement du langage. Néanmoins, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque de génération d'informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les Agents IA, car les Agents IA mettent l'accent sur la résolution de problèmes réels et l'interaction avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA, passant de modèles de langage purement théoriques à des systèmes intelligents capables de comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des Agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes concrets. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se combinent avec les concepts centraux du Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine croisé plein de potentiel, nous pensons que les Agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans le Web3, depuis l'infrastructure Web3, les middleware, les applications, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de comprendre en profondeur la fusion de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme JARVIS dans les films Iron Man, capable de comprendre les besoins et, selon une de vos phrases, de rechercher activement des vols et des hôtels, d'effectuer des réservations et d'ajouter l'itinéraire au calendrier.
La définition généralement acceptée des agents d'IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations sur l'environnement par le biais de capteurs, puis en influençant l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent d'IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations de manière simple, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que l'agent IA s'est déjà intégré dans notre vie, étant appliqué dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. Ces systèmes partagent la caractéristique commune de pouvoir percevoir les entrées des utilisateurs externes et d'agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts, nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est un Agent IA évolué à partir du modèle GPT.
Aperçu des catégories
Le marché actuel des agents AI n'a pas encore établi de normes de classification uniformes. Nous avons étiqueté 204 projets d'agents AI sur les marchés Web2 et Web3, classant chaque projet en fonction de ses étiquettes distinctives, en les divisant en catégories de premier et de second niveau. Parmi celles-ci, les catégories de premier niveau sont l'infrastructure de base, la génération de contenu et l'interaction utilisateur, puis elles sont subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure: Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et des applications de base.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents AI.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : offre des services de formation de modèles pour l'IA, y compris l'inférence, la création et la configuration des modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme intégrant divers services et outils d'agent IA.
Interacting types : similaires aux types de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents d'accompagnement émotionnel : Agents IA fournissant un soutien émotionnel et de la compagnie.
Type GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : se concentrer sur la fonction de recherche, fournir un Agent principalement axé sur la récupération d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu en fonction des instructions de l'utilisateur, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents AI dans le Web2 traditionnel présente une tendance évidente de concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également effectué certaines analyses sur ce phénomène.
Impact de la maturité technologique : la domination des projets d'infrastructure est avant tout due à leur maturité technologique. Ces projets reposent généralement sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pioche" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La poussée de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande pour les technologies d'IA sur le marché des entreprises est plus pressante, en particulier en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. De plus, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets ultérieurs.
Limitations des cas d'utilisation : En même temps, nous avons remarqué que les scénarios d'application de l'IA génératrice de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de ses résultats, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une faible proportion de l'IA génératrice de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront une pierre angulaire solide du développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant pour exemple trois projets : Character AI, Perplexity AI et Midjourney.
Caractère IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant une caractéristique de groupe d'utilisateurs jeune. Character AI a excellé sur le marché des capitaux, ayant complété un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity peut extraire et fournir des réponses détaillées depuis Internet. En citant et en référant des liens, il garantit la fiabilité et la précision des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, satisfaisant ainsi les besoins variés des utilisateurs en matière de requêtes.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles basés sur des grands modèles open source affiné : pplx-7b-online et pplx-70b-online. Les modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstraction. La plateforme offre également un mélange et une édition d'images, permettant aux utilisateurs de superposer des images et de transférer des styles, et la fonction de génération en temps réel de la plateforme garantit que les utilisateurs obtiennent des résultats en quelques dizaines de secondes.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
14 J'aime
Récompense
14
6
Reposter
Partager
Commentaire
0/400
AirdropHunterXM
· Il y a 12h
Encore une vague de machines à prendre les gens pour des idiots est apparue.
Voir l'originalRépondre0
LayerZeroHero
· Il y a 12h
l'IA dépendra finalement de l'agent.
Voir l'originalRépondre0
MEVSandwichVictim
· Il y a 12h
Peut-on d'abord comprendre le sandwich avant de parler de l'IA.
Voir l'originalRépondre0
GhostAddressMiner
· Il y a 12h
Encore vu des capitaux gonfler des bulles, je suis fatigué de regarder les données des adresses d'Airdrop précoces... Beaucoup des projets de fête qui jouent à l'IA cette fois-ci sont de vieux fantômes de l'époque web2.
Voir l'originalRépondre0
AlwaysMissingTops
· Il y a 12h
Encore en train de faire des promesses avec l'IA, pump.
Le potentiel futur des agents IA est énorme et pourrait devenir un nouveau moteur de développement pour le Web3 + IA.
L'Agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Le projet AI Agent montre une forte compétitivité sur le marché dans le domaine Web3 + AI. Actuellement, le nombre de projets AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23 %. On s'attend à ce qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergent à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut devenir un avantage stratégique. Pour les projets d'agent AI, la manière de les combiner doit se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : État des projets émergents et des évaluations en hausse
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont réalisé l'importance des applications de modèles d'IA à la pointe comme les LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le grand modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles comme Wenxin Yiyan et Zhipu Qingyan. Il est évident que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des statistiques de recherche en AI open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'AI sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en AI.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, où le marché des investissements en AI montre une forte croissance, avec une explosion attendue au cours du deuxième trimestre de 2024. Il y a eu un total de 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, avec une augmentation de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence intense entre les géants technologiques, au développement florissant des projets de la communauté open source, jusqu'à l'engouement du marché des capitaux pour le concept d'AI. Les projets affluent, les investissements atteignent des sommets historiques, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est en période de croissance rapide, avec des modèles linguistiques avancés et des technologies de génération améliorée par recherche réalisant des progrès significatifs dans le traitement du langage. Néanmoins, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque de génération d'informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les Agents IA, car les Agents IA mettent l'accent sur la résolution de problèmes réels et l'interaction avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA, passant de modèles de langage purement théoriques à des systèmes intelligents capables de comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des Agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes concrets. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se combinent avec les concepts centraux du Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine croisé plein de potentiel, nous pensons que les Agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans le Web3, depuis l'infrastructure Web3, les middleware, les applications, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de comprendre en profondeur la fusion de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme JARVIS dans les films Iron Man, capable de comprendre les besoins et, selon une de vos phrases, de rechercher activement des vols et des hôtels, d'effectuer des réservations et d'ajouter l'itinéraire au calendrier.
La définition généralement acceptée des agents d'IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations sur l'environnement par le biais de capteurs, puis en influençant l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent d'IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations de manière simple, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que l'agent IA s'est déjà intégré dans notre vie, étant appliqué dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. Ces systèmes partagent la caractéristique commune de pouvoir percevoir les entrées des utilisateurs externes et d'agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts, nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est un Agent IA évolué à partir du modèle GPT.
Aperçu des catégories
Le marché actuel des agents AI n'a pas encore établi de normes de classification uniformes. Nous avons étiqueté 204 projets d'agents AI sur les marchés Web2 et Web3, classant chaque projet en fonction de ses étiquettes distinctives, en les divisant en catégories de premier et de second niveau. Parmi celles-ci, les catégories de premier niveau sont l'infrastructure de base, la génération de contenu et l'interaction utilisateur, puis elles sont subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure: Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et des applications de base.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents AI.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : offre des services de formation de modèles pour l'IA, y compris l'inférence, la création et la configuration des modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme intégrant divers services et outils d'agent IA.
Interacting types : similaires aux types de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents d'accompagnement émotionnel : Agents IA fournissant un soutien émotionnel et de la compagnie.
Type GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : se concentrer sur la fonction de recherche, fournir un Agent principalement axé sur la récupération d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu en fonction des instructions de l'utilisateur, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents AI dans le Web2 traditionnel présente une tendance évidente de concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également effectué certaines analyses sur ce phénomène.
Impact de la maturité technologique : la domination des projets d'infrastructure est avant tout due à leur maturité technologique. Ces projets reposent généralement sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pioche" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La poussée de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande pour les technologies d'IA sur le marché des entreprises est plus pressante, en particulier en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. De plus, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets ultérieurs.
Limitations des cas d'utilisation : En même temps, nous avons remarqué que les scénarios d'application de l'IA génératrice de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de ses résultats, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une faible proportion de l'IA génératrice de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront une pierre angulaire solide du développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant pour exemple trois projets : Character AI, Perplexity AI et Midjourney.
Caractère IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant une caractéristique de groupe d'utilisateurs jeune. Character AI a excellé sur le marché des capitaux, ayant complété un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity peut extraire et fournir des réponses détaillées depuis Internet. En citant et en référant des liens, il garantit la fiabilité et la précision des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, satisfaisant ainsi les besoins variés des utilisateurs en matière de requêtes.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles basés sur des grands modèles open source affiné : pplx-7b-online et pplx-70b-online. Les modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstraction. La plateforme offre également un mélange et une édition d'images, permettant aux utilisateurs de superposer des images et de transférer des styles, et la fonction de génération en temps réel de la plateforme garantit que les utilisateurs obtiennent des résultats en quelques dizaines de secondes.