Может ли AI Agent стать спасательным кругом для Web3+AI?
Проект AI Agent демонстрирует сильную рыночную конкурентоспособность в сегменте Web3+AI. В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля в рыночной капитализации AI-сегмента достигает 23%. Ожидается, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не связанные с ядром ИИ, может стать стратегическим преимуществом. При сочетании проектов ИИ-агентов следует уделять внимание построению всей экосистемы и проектированию токеномики для содействия децентрализации и сетевым эффектам.
Волна ИИ: современное состояние появления проектов и роста их оценки
С момента появления ChatGPT в ноябре 2022 года, за короткие два месяца он привлек более ста миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI, выпустив ChatGPT, также быстро представила такие итерационные версии, как GPT-4 и GP4-4o. В условиях такого стремительного роста, крупные традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила крупную языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI уже стала полем битвы.
Соревнование между крупнейшими технологическими гигантами не только способствовало развитию коммерческих приложений, но и согласно статистическому исследованию в области открытых AI, отчет AI Index 2024 показывает, что количество AI-проектов на GitHub с 845 в 2011 году резко возросло до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями AI.
Страсть к технологии ИИ прямо отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, в втором квартале 2024 года наблюдается взрывной рост. В мире было совершено 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ стремительно возросла до 24 миллиардов долларов, что более чем в два раза превышает показатели прошлого года. При этом xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине по оценке стартапом в области ИИ после OpenAI.
Стремительное развитие технологий ИИ в настоящее время формирует ландшафт технологической области с беспрецедентной скоростью. От ожесточенной конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, и до горячего интереса рынка капитала к концепциям ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в периоде быстрого роста, крупные языковые модели и технологии генерации с усилением поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и вопросы прозрачности модели. Эти проблемы становятся особенно важными в приложениях с крайне высокими требованиями к надежности.
В этом контексте мы начали исследовать AI-агентов, поскольку AI-агенты подчеркивают полноту решения реальных проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Поэтому мы видим надежду в развитии AI-агентов, которые постепенно преодолевают разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно изменяет структуру производительности, тогда как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с такими основными концепциями Web3, как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI-агенты с их способностью самостоятельно выполнять задачи демонстрируют огромный потенциал для масштабного применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая несколько аспектов, начиная от инфраструктуры Web3, промежуточного ПО, приложений и заканчивая рынками данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
Уточнение понятия: Введение в AI Agent и обзор классификации
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали различия между его определением и самой моделью, мы приведем пример на основе реальной ситуации: предположим, вы планируете путешествие. Традиционные крупные языковые модели предоставляют информацию о направлениях и рекомендации по путешествиям. Технологии, основанные на извлечении и генерации, могут предоставить более богатое и конкретное содержание о направлениях. AI Agent похож на Джарвиса из фильма о Железном Человеке, он понимает ваши потребности и может активно искать рейсы и отели, выполнять операции бронирования и добавлять поездки в календарь по вашему запросу.
В настоящее время в отрасли широко используется определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и принимать соответствующие меры. Она получает информацию об окружающей среде через датчики, обрабатывает её и оказывает влияние на окружение с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он может не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этой определению и характеристикам, мы можем увидеть, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общим качеством этих систем является то, что они способны воспринимать внешние пользовательские вводы и в соответствии с этим оказывать влияние на реальную среду.
На примере ChatGPT проведем прояснение концепций, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI модели, GPT - это серия моделей, развившихся на основе этой архитектуры, а GPT-1, GPT-4, GPT-4o соответственно представляют собой версии модели на разных этапах развития. ChatGP же T является AI Agent, эволюционировавшим на основе модели GPT.
Обзор категорий
На данный момент рынок AI-агентов еще не сформировал единого стандарта классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их значительных метках, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем они дополнительно классифицируются в зависимости от их фактических случаев использования:
Инфраструктурные проекты: этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки и более зрелые B2B-сервисы для базовых приложений.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс обработки данных: обработка и анализ данных различных форматов, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставляют услуги по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т.д.
Услуги B-класса: в основном ориентированы на корпоративных пользователей, предоставляют корпоративные услуги, вертикальные решения и автоматизированные решения.
Платформы объединенного типа: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные агенты: похожи на агенты, генерирующие контент, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляют более точные результаты информации.
Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по указаниям пользователя, которые делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиственном интернете Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, около двух третей проектов сосредоточены в области инфраструктуры, среди которых преобладают услуги для бизнеса и инструменты разработки. Мы также провели некоторый анализ этого явления.
Влияние уровня зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно основаны на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от предприятий относительно стабильны, что способствует разработке последующих проектов.
Ограничения применяемых сценариев: в то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно увеличивать производительность. Это приводит к тому, что AI для генерации контента занимает небольшую долю в библиотеке проектов.
Этот тренд отражает реальную оценку зрелости технологий, рыночного спроса и сценариев применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы подробно рассмотрим некоторые текущие проекты AI Agent на рынке Web2 и проведем их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет основанные на искусственном интеллекте системы диалога и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалог на естественном языке и выполнять определенные задачи.
Анализ данных: Character.AI в мае имел 277 миллионов посещений, на платформе более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует характерную для молодежи аудиторию. Character AI показал отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, оценка достигла 1 миллиарда долларов, возглавляемая a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке разговорной языковой модели Llama от Google.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет ссылок и референсных ссылок, в то же время обучая и направляя пользователей задавать дополнительные вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: ежемесячное количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На финансовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестиции возглавил Дэниел Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная GPT-3.5, а также две крупные модели, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в вертикальных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих широкий спектр творческих потребностей от реалистичных до абстрактных. Платформа также предлагает смешивание и редактирование изображений, позволяя пользователям накладывать изображения и переносить стили, а функция генерации в реальном времени на платформе гарантирует, что пользователи получат результаты за считанные секунды.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
14 Лайков
Награда
14
6
Репост
Поделиться
комментарий
0/400
AirdropHunterXM
· 12ч назад
Снова появилась волна, разыгрывающая людей как лохов.
Посмотреть ОригиналОтветить0
LayerZeroHero
· 12ч назад
в конце концов все зависит от агента
Посмотреть ОригиналОтветить0
MEVSandwichVictim
· 12ч назад
Можем сначала разобраться с сэндвичем, а потом поговорим об ИИ.
Посмотреть ОригиналОтветить0
GhostAddressMiner
· 12ч назад
Снова вижу, как капитал надувает пузыри, я так устал смотреть на данные ранних адресов аирдропа... Многие команды проекта в этой волне AI — это старые волки с периода web2.
Посмотреть ОригиналОтветить0
AlwaysMissingTops
· 12ч назад
Опять рисуют пустые обещания, играя с ИИ, накачивают.
Будущее AI-агентов имеет огромный потенциал и может стать новым двигателем развития Web3 + AI
Может ли AI Agent стать спасательным кругом для Web3+AI?
Проект AI Agent демонстрирует сильную рыночную конкурентоспособность в сегменте Web3+AI. В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля в рыночной капитализации AI-сегмента достигает 23%. Ожидается, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не связанные с ядром ИИ, может стать стратегическим преимуществом. При сочетании проектов ИИ-агентов следует уделять внимание построению всей экосистемы и проектированию токеномики для содействия децентрализации и сетевым эффектам.
Волна ИИ: современное состояние появления проектов и роста их оценки
С момента появления ChatGPT в ноябре 2022 года, за короткие два месяца он привлек более ста миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI, выпустив ChatGPT, также быстро представила такие итерационные версии, как GPT-4 и GP4-4o. В условиях такого стремительного роста, крупные традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила крупную языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI уже стала полем битвы.
Соревнование между крупнейшими технологическими гигантами не только способствовало развитию коммерческих приложений, но и согласно статистическому исследованию в области открытых AI, отчет AI Index 2024 показывает, что количество AI-проектов на GitHub с 845 в 2011 году резко возросло до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями AI.
Страсть к технологии ИИ прямо отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, в втором квартале 2024 года наблюдается взрывной рост. В мире было совершено 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ стремительно возросла до 24 миллиардов долларов, что более чем в два раза превышает показатели прошлого года. При этом xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине по оценке стартапом в области ИИ после OpenAI.
Стремительное развитие технологий ИИ в настоящее время формирует ландшафт технологической области с беспрецедентной скоростью. От ожесточенной конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, и до горячего интереса рынка капитала к концепциям ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в периоде быстрого роста, крупные языковые модели и технологии генерации с усилением поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и вопросы прозрачности модели. Эти проблемы становятся особенно важными в приложениях с крайне высокими требованиями к надежности.
В этом контексте мы начали исследовать AI-агентов, поскольку AI-агенты подчеркивают полноту решения реальных проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Поэтому мы видим надежду в развитии AI-агентов, которые постепенно преодолевают разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно изменяет структуру производительности, тогда как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с такими основными концепциями Web3, как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI-агенты с их способностью самостоятельно выполнять задачи демонстрируют огромный потенциал для масштабного применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая несколько аспектов, начиная от инфраструктуры Web3, промежуточного ПО, приложений и заканчивая рынками данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
Уточнение понятия: Введение в AI Agent и обзор классификации
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали различия между его определением и самой моделью, мы приведем пример на основе реальной ситуации: предположим, вы планируете путешествие. Традиционные крупные языковые модели предоставляют информацию о направлениях и рекомендации по путешествиям. Технологии, основанные на извлечении и генерации, могут предоставить более богатое и конкретное содержание о направлениях. AI Agent похож на Джарвиса из фильма о Железном Человеке, он понимает ваши потребности и может активно искать рейсы и отели, выполнять операции бронирования и добавлять поездки в календарь по вашему запросу.
В настоящее время в отрасли широко используется определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и принимать соответствующие меры. Она получает информацию об окружающей среде через датчики, обрабатывает её и оказывает влияние на окружение с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он может не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этой определению и характеристикам, мы можем увидеть, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общим качеством этих систем является то, что они способны воспринимать внешние пользовательские вводы и в соответствии с этим оказывать влияние на реальную среду.
На примере ChatGPT проведем прояснение концепций, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI модели, GPT - это серия моделей, развившихся на основе этой архитектуры, а GPT-1, GPT-4, GPT-4o соответственно представляют собой версии модели на разных этапах развития. ChatGP же T является AI Agent, эволюционировавшим на основе модели GPT.
Обзор категорий
На данный момент рынок AI-агентов еще не сформировал единого стандарта классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их значительных метках, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем они дополнительно классифицируются в зависимости от их фактических случаев использования:
Инфраструктурные проекты: этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки и более зрелые B2B-сервисы для базовых приложений.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс обработки данных: обработка и анализ данных различных форматов, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставляют услуги по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т.д.
Услуги B-класса: в основном ориентированы на корпоративных пользователей, предоставляют корпоративные услуги, вертикальные решения и автоматизированные решения.
Платформы объединенного типа: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные агенты: похожи на агенты, генерирующие контент, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляют более точные результаты информации.
Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по указаниям пользователя, которые делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиственном интернете Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, около двух третей проектов сосредоточены в области инфраструктуры, среди которых преобладают услуги для бизнеса и инструменты разработки. Мы также провели некоторый анализ этого явления.
Влияние уровня зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно основаны на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от предприятий относительно стабильны, что способствует разработке последующих проектов.
Ограничения применяемых сценариев: в то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно увеличивать производительность. Это приводит к тому, что AI для генерации контента занимает небольшую долю в библиотеке проектов.
Этот тренд отражает реальную оценку зрелости технологий, рыночного спроса и сценариев применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы подробно рассмотрим некоторые текущие проекты AI Agent на рынке Web2 и проведем их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет основанные на искусственном интеллекте системы диалога и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалог на естественном языке и выполнять определенные задачи.
Анализ данных: Character.AI в мае имел 277 миллионов посещений, на платформе более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует характерную для молодежи аудиторию. Character AI показал отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, оценка достигла 1 миллиарда долларов, возглавляемая a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке разговорной языковой модели Llama от Google.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет ссылок и референсных ссылок, в то же время обучая и направляя пользователей задавать дополнительные вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: ежемесячное количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На финансовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестиции возглавил Дэниел Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная GPT-3.5, а также две крупные модели, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в вертикальных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих широкий спектр творческих потребностей от реалистичных до абстрактных. Платформа также предлагает смешивание и редактирование изображений, позволяя пользователям накладывать изображения и переносить стили, а функция генерации в реальном времени на платформе гарантирует, что пользователи получат результаты за считанные секунды.