Проект AI Agent является популярным и зрелым типом в Web2 стартапах, в основном в сфере корпоративных услуг, тогда как в области Web3 проекты, связанные с обучением моделей и платформами, становятся основными из-за их ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится множество проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для приложений, не являющихся основными ИИ-продуктами. При разработке проектов AI Agent следует уделять внимание построению всей экосистемы и дизайну токеномики для содействия децентрализации и сетевым эффектам.
Волна ИИ: Текущее состояние появления проектов и повышения оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более ста миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг поразительных 20,3 миллиона долларов, а OpenAI быстро выпустила такие итерационные версии, как GPT-4 и GP4-4o после запуска ChatGPT. В такой стремительной ситуации традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили модели, такие как Вэньсинь Иянь и Жипу Циньянь. Очевидно, что область AI стала ареной, за которую идет борьба.
Соревнование между крупными технологическими гигантами не только способствует развитию коммерческих приложений, но также, согласно исследованиям открытого AI, мы обнаружили, что в отчете AI Index за 2024 год количество проектов, связанных с AI, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно в 2023 году, после выхода GPT, количество проектов выросло на 59,3% по сравнению с предыдущим годом, что отражает увлеченность мирового сообщества разработчиков исследованием AI.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, в втором квартале 2024 года наблюдается взрывной рост. В мире произошло 16 сделок с инвестициями в ИИ на сумму свыше 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в ИИ взлетела до 24 миллиардов долларов, что более чем в два раза превышает аналогичный показатель прошлого года. Среди них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине оцененной стартап-компанией в области ИИ после OpenAI.
Быстрое развитие технологий ИИ переосмысляет ландшафт технологической сферы с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах и до горячего интереса капитальных рынков к концепции ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, где крупные языковые модели и технологии, усиливающие генерацию поиска, достигли значительного прогресса в области обработки языка. Тем не менее, эти модели все еще сталкиваются с вызовами при преобразовании технических преимуществ в реальные продукты, такими как неопределенность вывода модели, риск генерации неточной информации и проблемы с прозрачностью модели. Эти вопросы становятся особенно важными в сценариях с высокими требованиями к надежности.
В этом контексте мы начинаем исследование AI Agent, поскольку AI Agent подчеркивает полноту взаимодействия с реальной проблемой и окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, обучаться и решать реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим возникновение ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для реализации масштабных приложений.
В этой связи мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая разные аспекты, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)
Пояснение понятий: Введение в AI Agent и обзор классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете путешествие. Традиционные большие языковые модели предоставляют информацию о направлениях и советы по путешествию. Технология, основанная на извлечении и генерации, может предоставить более богатое и конкретное содержание о направлениях. А AI Agent подобен Джарвису из фильма о Железном Человеке, он понимает потребности и может самостоятельно искать рейсы и отели по вашему запросу, выполнять бронирование и добавлять поездку в календарь.
В настоящее время в отрасли общее определение AI Agent означает интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружающую среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет LLM, RAG, память, планирование задач и способности использования инструментов. Он не только может предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже давно вошел в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать входные данные от пользователей и соответственно влиять на реальную среду.
В качестве примера для прояснения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer является технической архитектурой, на которой основаны AI-модели, а GPT — это серия моделей, развивающаяся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют версии модели на разных стадиях ее развития. ChatGP, в свою очередь, представляет собой AI-агента, эволюционировавшего на основе модели GPT.
Сводка по категориям
На данный момент рынок AI-агентов не сформировал единого классификационного стандарта. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их значительных тегах, и разделили их на первичную и вторичную классификацию. Первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователями, которые затем были дополнительно уточнены 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, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймворки для создания AI-агентов.
Класс обработки данных: обработка и анализ данных в разных форматах, в основном для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т.д.
Услуги для B-класса: в основном ориентированные на корпоративных пользователей, предлагающие решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы объединения: платформы, интегрирующие различные услуги и инструменты AI Agent.
Интерактивные агенты: они схожи с агентами по созданию контента, 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), тем самым реализуя двустороннее взаимодействие с пользователями.
Эмоциональная поддержка: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые: Агент, сосредоточенный на функции поиска, который предоставляет более точный поиск информации.
Контентные проекты: Эти проекты сосредоточены на создании контента с использованием технологий больших моделей для генерации различных форм контента в соответствии с инструкциями пользователей, 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 традиционном интернете Web2 демонстрирует явную тенденцию к концентрации в определенных секторах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где основное внимание уделяется B2B-сервисам и инструментам разработки. Мы также провели некоторые анализы этого явления.
Влияние технологической зрелости: проекты инфраструктуры занимают лидирующие позиции прежде всего благодаря своей технологической зрелости. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. 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. В отличие от потребительского рынка, спрос на технологии ИИ в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от бизнеса относительно стабильны, что способствует разработке последующих проектов.
Ограничения сценариев применения: в то же время мы заметили, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его выходных данных компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает факторы зрелости технологий, рыночного спроса и реальных сценариев применения. С учетом постоянного прогресса в области технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся надежным фундаментом 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 предлагает систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: В мае Character.AI посетили 277 миллионов раз, платформа имеет более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует характеристику молодой аудитории. Character AI показывает отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, под руководством a16z.
Технический анализ: Character AI подписала лицензионное соглашение на неэксклюзивное использование своей крупной языковой модели с материнской компанией Google Alphabet, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас ранее участвовали в разработке разговорной языковой модели Llama от Google.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и предоставляя ссылки, а также обучает и направляет пользователей задавать дополнительные вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а количество посещений его мобильных и настольных приложений в феврале увеличилось на 8,6%, что привлекло около 50 миллионов пользователей. На капиталовложениях 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 версия GPT-3.5, а также две большие модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем с помощью Prompts в Midjourney, охватывающих от реалистичного до
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» .
25 Лайков
Награда
25
5
Репост
Поделиться
комментарий
0/400
PoolJumper
· 08-06 03:43
Рынок еще не созрел, а уже идет безумное раздувание.
Посмотреть ОригиналОтветить0
ConsensusBot
· 08-05 22:25
Снова поднимают AI для спасения рынка.
Посмотреть ОригиналОтветить0
TaxEvader
· 08-05 02:36
Эти web3 - все лопаты, кто верит, тот дурак.
Посмотреть ОригиналОтветить0
TokenAlchemist
· 08-05 02:35
meh... Протокол динамика показывает явные неэффективности в принятии агентов. web3 нуждается в лучших переходах состояния, а не в большем ажиотаже вокруг ИИ, если честно.
Сможет ли AI Agent стать прорывной точкой в слиянии Web3 и AI?
Может ли AI Agent стать спасением для Web3+AI?
Проект AI Agent является популярным и зрелым типом в Web2 стартапах, в основном в сфере корпоративных услуг, тогда как в области Web3 проекты, связанные с обучением моделей и платформами, становятся основными из-за их ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится множество проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для приложений, не являющихся основными ИИ-продуктами. При разработке проектов AI Agent следует уделять внимание построению всей экосистемы и дизайну токеномики для содействия децентрализации и сетевым эффектам.
Волна ИИ: Текущее состояние появления проектов и повышения оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более ста миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг поразительных 20,3 миллиона долларов, а OpenAI быстро выпустила такие итерационные версии, как GPT-4 и GP4-4o после запуска ChatGPT. В такой стремительной ситуации традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили модели, такие как Вэньсинь Иянь и Жипу Циньянь. Очевидно, что область AI стала ареной, за которую идет борьба.
Соревнование между крупными технологическими гигантами не только способствует развитию коммерческих приложений, но также, согласно исследованиям открытого AI, мы обнаружили, что в отчете AI Index за 2024 год количество проектов, связанных с AI, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно в 2023 году, после выхода GPT, количество проектов выросло на 59,3% по сравнению с предыдущим годом, что отражает увлеченность мирового сообщества разработчиков исследованием AI.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, в втором квартале 2024 года наблюдается взрывной рост. В мире произошло 16 сделок с инвестициями в ИИ на сумму свыше 150 миллионов долларов, что в два раза больше, чем в первом квартале. Общая сумма финансирования стартапов в ИИ взлетела до 24 миллиардов долларов, что более чем в два раза превышает аналогичный показатель прошлого года. Среди них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине оцененной стартап-компанией в области ИИ после OpenAI.
Быстрое развитие технологий ИИ переосмысляет ландшафт технологической сферы с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах и до горячего интереса капитальных рынков к концепции ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, где крупные языковые модели и технологии, усиливающие генерацию поиска, достигли значительного прогресса в области обработки языка. Тем не менее, эти модели все еще сталкиваются с вызовами при преобразовании технических преимуществ в реальные продукты, такими как неопределенность вывода модели, риск генерации неточной информации и проблемы с прозрачностью модели. Эти вопросы становятся особенно важными в сценариях с высокими требованиями к надежности.
В этом контексте мы начинаем исследование AI Agent, поскольку AI Agent подчеркивает полноту взаимодействия с реальной проблемой и окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, обучаться и решать реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим возникновение ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для реализации масштабных приложений.
В этой связи мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая разные аспекты, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)
Пояснение понятий: Введение в AI Agent и обзор классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете путешествие. Традиционные большие языковые модели предоставляют информацию о направлениях и советы по путешествию. Технология, основанная на извлечении и генерации, может предоставить более богатое и конкретное содержание о направлениях. А AI Agent подобен Джарвису из фильма о Железном Человеке, он понимает потребности и может самостоятельно искать рейсы и отели по вашему запросу, выполнять бронирование и добавлять поездку в календарь.
В настоящее время в отрасли общее определение AI Agent означает интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружающую среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет LLM, RAG, память, планирование задач и способности использования инструментов. Он не только может предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже давно вошел в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать входные данные от пользователей и соответственно влиять на реальную среду.
В качестве примера для прояснения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer является технической архитектурой, на которой основаны AI-модели, а GPT — это серия моделей, развивающаяся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют версии модели на разных стадиях ее развития. ChatGP, в свою очередь, представляет собой AI-агента, эволюционировавшего на основе модели GPT.
Сводка по категориям
На данный момент рынок AI-агентов не сформировал единого классификационного стандарта. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их значительных тегах, и разделили их на первичную и вторичную классификацию. Первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователями, которые затем были дополнительно уточнены 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, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймворки для создания AI-агентов.
Класс обработки данных: обработка и анализ данных в разных форматах, в основном для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т.д.
Услуги для B-класса: в основном ориентированные на корпоративных пользователей, предлагающие решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы объединения: платформы, интегрирующие различные услуги и инструменты AI Agent.
Интерактивные агенты: они схожи с агентами по созданию контента, 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), тем самым реализуя двустороннее взаимодействие с пользователями.
Эмоциональная поддержка: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые: Агент, сосредоточенный на функции поиска, который предоставляет более точный поиск информации.
Контентные проекты: Эти проекты сосредоточены на создании контента с использованием технологий больших моделей для генерации различных форм контента в соответствии с инструкциями пользователей, 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 традиционном интернете Web2 демонстрирует явную тенденцию к концентрации в определенных секторах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где основное внимание уделяется B2B-сервисам и инструментам разработки. Мы также провели некоторые анализы этого явления.
Влияние технологической зрелости: проекты инфраструктуры занимают лидирующие позиции прежде всего благодаря своей технологической зрелости. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. 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. В отличие от потребительского рынка, спрос на технологии ИИ в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от бизнеса относительно стабильны, что способствует разработке последующих проектов.
Ограничения сценариев применения: в то же время мы заметили, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его выходных данных компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает факторы зрелости технологий, рыночного спроса и реальных сценариев применения. С учетом постоянного прогресса в области технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся надежным фундаментом 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 предлагает систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: В мае Character.AI посетили 277 миллионов раз, платформа имеет более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует характеристику молодой аудитории. Character AI показывает отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, под руководством a16z.
Технический анализ: Character AI подписала лицензионное соглашение на неэксклюзивное использование своей крупной языковой модели с материнской компанией Google Alphabet, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас ранее участвовали в разработке разговорной языковой модели Llama от Google.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и предоставляя ссылки, а также обучает и направляет пользователей задавать дополнительные вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а количество посещений его мобильных и настольных приложений в феврале увеличилось на 8,6%, что привлекло около 50 миллионов пользователей. На капиталовложениях 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 версия GPT-3.5, а также две большие модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем с помощью Prompts в Midjourney, охватывающих от реалистичного до