L'agent IA peut-il devenir le sauveur de Web3+IA ?
Le projet AI Agent est principalement un type de service destiné aux entreprises dans le Web2, qui est populaire et mature, tandis que dans le domaine du Web3, les projets de formation de modèles et de plateformes collectives deviennent mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est faible, représentant 8 %, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets évalués à plus de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centraux à l'IA peut devenir un avantage stratégique. Pour les projets d'agent AI, la manière dont ils sont combinés doit se concentrer sur la construction d'un écosystème entier et la conception d'un modèle économique de jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : Émergence de projets et augmentation des valorisations
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 avaient atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la publication de ChatGPT. Face à cette dynamique fulgurante, les grandes entreprises technologiques traditionnelles ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que LLM, et ont chacune lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que les entreprises chinoises ont présenté des modèles comme Wenxin Yiyan et Zhicheng Qingyan. Il est évident que le domaine de l'IA est désormais un terrain de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également constaté à partir des statistiques d'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA 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, ce qui reflète l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, avec un marché des investissements AI affichant une forte croissance, connaissant une croissance explosive au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double de ceux du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon 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 IA redessine le paysage du domaine technologique à une vitesse sans précédent. De la concurrence féroce entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets affluent, les investissements atteignent des sommets historiques, et les évaluations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est en période de forte croissance, avec des avancées significatives réalisées dans le traitement du langage grâce aux grands modèles de langage et aux technologies de génération augmentée par la recherche. Néanmoins, ces modèles font face à des défis lorsqu'il s'agit de transformer des avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est d'une exigence extrême.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la résolution de problèmes pratiques et l'interaction avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA, passant de modèles linguistiques purs à des systèmes intelligents capables de véritablement 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 pratiques. 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 : les données, les modèles et la puissance de calcul, se fusionnent avec les concepts fondamentaux de Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons que cela donnera naissance à une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous croyons que les agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un immense potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents AI dans le Web3, allant des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu de la classification des agents IA
Introduction de base
Avant de présenter l'agent AI, afin de permettre aux lecteurs de mieux comprendre la distinction entre sa définition et le modèle lui-même, nous allons donner un exemple à travers une situation réelle : 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 AI est comme J.A.R.V.I.S. dans les films Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'exécuter des réservations et d'ajouter l'itinéraire à votre calendrier.
Dans l'industrie, la définition courante d'un agent AI désigne un système intelligent capable de percevoir son environnement et de prendre des actions appropriées. Il acquiert des informations sur l'environnement par des capteurs, les traite et influence l'environnement via des effecteurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent AI est un assistant qui combine des capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais également planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et plus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs dans le monde extérieur et y répondre de manière à influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier le concept. 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, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différentes étapes de développement. ChatGPT, quant à lui, est un agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Le marché des agents AI n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous avons divisé en catégories principales et secondaires. Les catégories principales comprennent l'infrastructure de base, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Ce type se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services B2B d'applications de base plus matures.
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 utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création et la configuration de modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, fournissant des solutions de services aux entreprises, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactions : Semblable à la génération de contenu, la différence réside dans l'interaction bilatérale continue. Les agents d'interaction non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours via des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bilatérale avec les utilisateurs.
Agents AI d'accompagnement émotionnel : fournissent un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur les fonctionnalités de recherche, offrant une recherche d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, réparties en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement d'agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans le domaine des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord 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. Équivalent dans le domaine de l'IA à une "pelle", ils fournissent une base solide pour le développement et l'application des agents IA.
La pression de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour la technologie AI est plus pressante, en particulier en ce qui concerne la recherche de solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, le flux de trésorerie provenant des entreprises est relativement stable, ce qui leur permet de développer des projets futurs.
Limitations des cas d'utilisation : Dans le même temps, nous avons remarqué que l'application des IA génératrices de contenu sur le marché B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent celles qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible d'IA génératrices 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 de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets phares d'agents IA Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.
Intelligence Artificielle Caractéristique :
Introduction au 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, d'entraîner et d'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, avec plus de 3,5 millions d'utilisateurs actifs quotidiens sur la plateforme, dont la plupart ont entre 18 et 34 ans, montrant ainsi des caractéristiques d'un public jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée 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 est capable de récupérer des réponses détaillées sur Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins variés de recherche des utilisateurs.
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 NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 finement ajusté, ainsi que deux grands modèles ajustés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant l'authenticité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de différents styles et thèmes dans Midjourney grâce aux Prompts, couvrant du réalisme à
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.
25 J'aime
Récompense
25
5
Reposter
Partager
Commentaire
0/400
PoolJumper
· 08-06 03:43
Le secteur n'est pas encore mature et déjà une frénésie de spéculation.
Voir l'originalRépondre0
ConsensusBot
· 08-05 22:25
Encore un coup de pouce de l'IA pour sauver le marché.
Voir l'originalRépondre0
TaxEvader
· 08-05 02:36
Ces web3 sont tous des faux, ceux qui y croient sont des idiots.
Voir l'originalRépondre0
TokenAlchemist
· 08-05 02:35
meh... les dynamiques de protocole montrent des inefficacités claires dans l'adoption des agents. web3 a besoin de meilleures transitions d'état, pas de plus de battage autour de l'IA pour être honnête.
L'Agent IA peut-il devenir un point de rupture pour la fusion Web3+IA
L'agent IA peut-il devenir le sauveur de Web3+IA ?
Le projet AI Agent est principalement un type de service destiné aux entreprises dans le Web2, qui est populaire et mature, tandis que dans le domaine du Web3, les projets de formation de modèles et de plateformes collectives deviennent mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est faible, représentant 8 %, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets évalués à plus de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centraux à l'IA peut devenir un avantage stratégique. Pour les projets d'agent AI, la manière dont ils sont combinés doit se concentrer sur la construction d'un écosystème entier et la conception d'un modèle économique de jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : Émergence de projets et augmentation des valorisations
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 avaient atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la publication de ChatGPT. Face à cette dynamique fulgurante, les grandes entreprises technologiques traditionnelles ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que LLM, et ont chacune lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que les entreprises chinoises ont présenté des modèles comme Wenxin Yiyan et Zhicheng Qingyan. Il est évident que le domaine de l'IA est désormais un terrain de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également constaté à partir des statistiques d'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA 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, ce qui reflète l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, avec un marché des investissements AI affichant une forte croissance, connaissant une croissance explosive au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double de ceux du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon 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 IA redessine le paysage du domaine technologique à une vitesse sans précédent. De la concurrence féroce entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets affluent, les investissements atteignent des sommets historiques, et les évaluations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est en période de forte croissance, avec des avancées significatives réalisées dans le traitement du langage grâce aux grands modèles de langage et aux technologies de génération augmentée par la recherche. Néanmoins, ces modèles font face à des défis lorsqu'il s'agit de transformer des avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est d'une exigence extrême.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la résolution de problèmes pratiques et l'interaction avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA, passant de modèles linguistiques purs à des systèmes intelligents capables de véritablement 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 pratiques. 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 : les données, les modèles et la puissance de calcul, se fusionnent avec les concepts fondamentaux de Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons que cela donnera naissance à une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous croyons que les agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un immense potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées des agents AI dans le Web3, allant des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu de la classification des agents IA
Introduction de base
Avant de présenter l'agent AI, afin de permettre aux lecteurs de mieux comprendre la distinction entre sa définition et le modèle lui-même, nous allons donner un exemple à travers une situation réelle : 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 AI est comme J.A.R.V.I.S. dans les films Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'exécuter des réservations et d'ajouter l'itinéraire à votre calendrier.
Dans l'industrie, la définition courante d'un agent AI désigne un système intelligent capable de percevoir son environnement et de prendre des actions appropriées. Il acquiert des informations sur l'environnement par des capteurs, les traite et influence l'environnement via des effecteurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent AI est un assistant qui combine des capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais également planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et plus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs dans le monde extérieur et y répondre de manière à influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier le concept. 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, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différentes étapes de développement. ChatGPT, quant à lui, est un agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Le marché des agents AI n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous avons divisé en catégories principales et secondaires. Les catégories principales comprennent l'infrastructure de base, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Ce type se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services B2B d'applications de base plus matures.
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 utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création et la configuration de modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, fournissant des solutions de services aux entreprises, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactions : Semblable à la génération de contenu, la différence réside dans l'interaction bilatérale continue. Les agents d'interaction non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours via des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bilatérale avec les utilisateurs.
Agents AI d'accompagnement émotionnel : fournissent un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur les fonctionnalités de recherche, offrant une recherche d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, réparties en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement d'agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans le domaine des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord 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. Équivalent dans le domaine de l'IA à une "pelle", ils fournissent une base solide pour le développement et l'application des agents IA.
La pression de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour la technologie AI est plus pressante, en particulier en ce qui concerne la recherche de solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, le flux de trésorerie provenant des entreprises est relativement stable, ce qui leur permet de développer des projets futurs.
Limitations des cas d'utilisation : Dans le même temps, nous avons remarqué que l'application des IA génératrices de contenu sur le marché B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent celles qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible d'IA génératrices 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 de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets phares d'agents IA Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.
Intelligence Artificielle Caractéristique :
Introduction au 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, d'entraîner et d'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, avec plus de 3,5 millions d'utilisateurs actifs quotidiens sur la plateforme, dont la plupart ont entre 18 et 34 ans, montrant ainsi des caractéristiques d'un public jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée 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 est capable de récupérer des réponses détaillées sur Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins variés de recherche des utilisateurs.
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 NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 finement ajusté, ainsi que deux grands modèles ajustés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant l'authenticité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de différents styles et thèmes dans Midjourney grâce aux Prompts, couvrant du réalisme à