Чи може AI Agent стати рятувальним соломинкою для Web3+AI?
Проекти AI Agent є популярними та зрілими у сфері підприємництва Web2, головним чином у галузі корпоративних послуг, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні сервіси, стали основними через їхню ключову роль у побудові екосистем.
На сьогоднішній день кількість проектів AI Agent у Web3 невелика, становить 8%, але їхня частка на ринку в AI-секторі досягає 23%, що демонструє їхню сильну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технології штучного інтелекту в продукти, які не є основою AI, може стати стратегічною перевагою. У проектах AI Agent слід зосередитися на побудові цілісної екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Сучасний стан виходу проектів та підвищення оцінки
З моменту виходу ChatGPT у листопаді 2022 року, лише за два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT сягнув приголомшливих 20,3 мільйона доларів, а OpenAI після випуску ChatGPT швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій швидкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати власні AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили великі моделі, такі як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI вже стала полем битви для багатьох.
Змагання між великими технологічними компаніями не лише сприяло розвитку комерційних додатків, але й з огляду на дослідження відкритого AI, ми виявили, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI на GitHub, зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо в 2023 році, після випуску GPT, кількість проектів зросла на 59,3% в порівнянні з попереднім роком, що відображає захоплення світового спільноти розробників AI-дослідженнями.
Пристрасть до технологій штучного інтелекту прямо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі налічується 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ також підскочила до 24 мільярдів доларів, що на понад 100% більше в порівнянні з минулим роком. Зокрема, xAI, що належить Ілону Маску, зібрала 6 мільярдів доларів, а її оцінка склала 24 мільярди доларів, що робить її другою за величиною оцінкою компанією-стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту перетворює ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритому доступі, а також до гарячого попиту на концепцію штучного інтелекту на капітальних ринках. Проекти з'являються один за іншим, інвестиції постійно оновлюють рекорди, а оцінки зростають. В цілому, ринок штучного інтелекту перебуває в золотий період швидкого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в сфері обробки мови. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в застосунках, що вимагають високої надійності.
У цьому контексті ми починаємо дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна означає еволюцію AI технологій від чисто мовних моделей до інтелектуальних систем, які здатні насправді розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між AI технологіями та вирішенням практичних проблем. Еволюція AI технологій постійно трансформує структуру продуктивності, тоді як технології Web3 переосмислюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, об'єднуються з основними концепціями децентралізації, токеноміки та смарт-контрактів Web3, ми передбачаємо, що це призведе до появи цілого ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності автономно виконувати завдання, демонструє величезний потенціал для реалізації масових застосувань.
Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня додатків та ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і застосунків, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення концепцій: Вступ до AI Agent та огляд класифікацій
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самою моделлю, ми наведемо приклад на основі реальної ситуації: уявимо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технологія генерації з підвищенням пошуку може надати більш багатий і конкретний контент про напрямки. А AI Agent діє як Джарвіс з фільмів про Залізну Людину, розуміє потреби та може за вашим запитом активно шукати рейси та готелі, виконувати операції з бронювання та додавати подорож до календаря.
На сьогодні в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та вчиняти відповідні дії, отримуючи інформацію про середовище через сенсори, обробляючи її та впливаючи на навколишнє середовище через виконавчі пристрої (Стюарт Рассел та Петер Норвіг, 2020). Ми вважаємо, що AI Agent — це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, а й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовуючись у різних ситуаціях, таких як AlphaGo, Siri, автомобілі з автоматичним керуванням рівня L5 і вище від Tesla, які всі можуть вважатися прикладами AI Agent. Спільною рисою цих систем є те, що вони здатні сприймати зовнішні користувацькі ввідні дані і на їх основі впливати на реальне середовище.
Візьмемо ChatGPT як приклад для прояснення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, яка складає AI моделі, GPT - це серія моделей, яка розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на основі моделі GPT.
Класифікаційний огляд
На даний момент на ринку AI Agent ще не сформовано єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринку Web2+Web3, виходячи з їхніх помітних тегів, і розділили їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: інфраструктура, генерація контенту, взаємодія з користувачем, які далі поділяються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні більш базових аспектів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі базові послуги для B-сторони.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, переважно використовується для допомоги прийняттю рішень, для надання джерел для навчання.
Класи моделювання: надає послуги з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
B-класу послуги: в основному націлені на підприємства, пропонуючи рішення для корпоративних послуг, вертикальних рішень і автоматизації.
Платформи класу агрегаторів: платформи, які інтегрують різні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, але відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають і розуміють потреби користувача, але й надають зворотній зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навчений трансформер).
Пошукові агенти: зосереджені на функції пошуку, пропонують більш точний агент для інформаційного запиту.
Проекти генерації контенту: Цей тип проектів зосереджений на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI Agent у традиційному Інтернеті Web2 демонструє помітну тенденцію до концентрації в певних сегментах. Конкретно, приблизно дві третини проектів зосереджені в інфраструктурному сегменті, зокрема, переважно у сфері B2B послуг та розробницьких інструментів, і ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на перевірених часом технологіях і рамках, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує надійну основу для розробки та застосування ШІ-агентів.
Розвиток ринкового попиту: ще одним ключовим фактором є ринковий попит. У порівнянні з споживчим ринком, попит на AI-технології з боку бізнесу є більш нагальним, особливо у пошуку рішень для підвищення ефективності операцій та зниження витрат. Водночас для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє їхньому розвитку подальших проектів.
Обмеження сфери застосування: У той же час ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його продуктивності підприємства більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що AI для генерації контенту займає невелику частку в бібліотеці проектів.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні фактори застосування. З постійним прогресом технології ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може змінитися, але інфраструктурні рішення все ще залишатимуться міцною основою для розвитку агентів ШІ.
Аналіз провідних проектів AI Agent у Web2
Ми детально розглянемо деякі проекти AI Agent на сучасному ринку Web2 та проведемо їх аналіз, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI надає засоби для створення віртуальних персонажів та системи діалогу на основі штучного інтелекту. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести діалоги природною мовою та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких у віці від 18 до 34 років, що свідчить про молодіжний характер користувацької бази. Character AI продемонструвала чудові результати на капітальних ринках, залучивши 150 мільйонів доларів фінансування при оцінці у 1 мільярд доларів, в якому головним інвестором виступила a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання своєї великої мовної моделі, що свідчить про те, що Character AI використовує технології, розроблені власними силами. Варто зазначити, що засновники компанії Ноам Шазір та Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Штучний інтелект Perplexity:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки цитатам і посиланням на джерела забезпечується надійність та точність інформації, при цьому він навчає, направляє користувачів до подальших запитань та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity за місяць досягла 10 мільйонів, а кількість відвідувань його мобільних та десктопних додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінка компанії досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основна модель, яку використовує Perplexity, - це налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Ці моделі підходять для професійних академічних досліджень і запитів у вертикальних сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем на Midjourney за допомогою Prompts, охоплюючи від реалістичного до
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
19 лайків
Нагородити
19
5
Поділіться
Прокоментувати
0/400
PoolJumper
· 3год тому
Трек ще не дозрів, а вже шалено спекулюють.
Переглянути оригіналвідповісти на0
ConsensusBot
· 9год тому
Знову рятують ринок за допомогою штучного інтелекту.
Переглянути оригіналвідповісти на0
TaxEvader
· 08-05 02:36
Ці web3 - це серп, хто вірить, той дурний.
Переглянути оригіналвідповісти на0
TokenAlchemist
· 08-05 02:35
мех... протокол динаміка показує очевидні неефективності в прийнятті агентів. web3 потребує кращих станів переходів, а не більше хайпу навколо ШІ, якщо чесно
Чи може AI-агент стати точкою прориву в інтеграції Web3 та AI
Чи може AI Agent стати рятувальним соломинкою для Web3+AI?
Проекти AI Agent є популярними та зрілими у сфері підприємництва Web2, головним чином у галузі корпоративних послуг, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні сервіси, стали основними через їхню ключову роль у побудові екосистем.
На сьогоднішній день кількість проектів AI Agent у Web3 невелика, становить 8%, але їхня частка на ринку в AI-секторі досягає 23%, що демонструє їхню сильну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технології штучного інтелекту в продукти, які не є основою AI, може стати стратегічною перевагою. У проектах AI Agent слід зосередитися на побудові цілісної екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Сучасний стан виходу проектів та підвищення оцінки
З моменту виходу ChatGPT у листопаді 2022 року, лише за два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT сягнув приголомшливих 20,3 мільйона доларів, а OpenAI після випуску ChatGPT швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій швидкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати власні AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили великі моделі, такі як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI вже стала полем битви для багатьох.
Змагання між великими технологічними компаніями не лише сприяло розвитку комерційних додатків, але й з огляду на дослідження відкритого AI, ми виявили, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI на GitHub, зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо в 2023 році, після випуску GPT, кількість проектів зросла на 59,3% в порівнянні з попереднім роком, що відображає захоплення світового спільноти розробників AI-дослідженнями.
Пристрасть до технологій штучного інтелекту прямо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі налічується 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ також підскочила до 24 мільярдів доларів, що на понад 100% більше в порівнянні з минулим роком. Зокрема, xAI, що належить Ілону Маску, зібрала 6 мільярдів доларів, а її оцінка склала 24 мільярди доларів, що робить її другою за величиною оцінкою компанією-стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту перетворює ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритому доступі, а також до гарячого попиту на концепцію штучного інтелекту на капітальних ринках. Проекти з'являються один за іншим, інвестиції постійно оновлюють рекорди, а оцінки зростають. В цілому, ринок штучного інтелекту перебуває в золотий період швидкого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в сфері обробки мови. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в застосунках, що вимагають високої надійності.
У цьому контексті ми починаємо дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна означає еволюцію AI технологій від чисто мовних моделей до інтелектуальних систем, які здатні насправді розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово зменшує розрив між AI технологіями та вирішенням практичних проблем. Еволюція AI технологій постійно трансформує структуру продуктивності, тоді як технології Web3 переосмислюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, об'єднуються з основними концепціями децентралізації, токеноміки та смарт-контрактів Web3, ми передбачаємо, що це призведе до появи цілого ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності автономно виконувати завдання, демонструє величезний потенціал для реалізації масових застосувань.
Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня додатків та ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і застосунків, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення концепцій: Вступ до AI Agent та огляд класифікацій
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самою моделлю, ми наведемо приклад на основі реальної ситуації: уявимо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технологія генерації з підвищенням пошуку може надати більш багатий і конкретний контент про напрямки. А AI Agent діє як Джарвіс з фільмів про Залізну Людину, розуміє потреби та може за вашим запитом активно шукати рейси та готелі, виконувати операції з бронювання та додавати подорож до календаря.
На сьогодні в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та вчиняти відповідні дії, отримуючи інформацію про середовище через сенсори, обробляючи її та впливаючи на навколишнє середовище через виконавчі пристрої (Стюарт Рассел та Петер Норвіг, 2020). Ми вважаємо, що AI Agent — це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, а й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовуючись у різних ситуаціях, таких як AlphaGo, Siri, автомобілі з автоматичним керуванням рівня L5 і вище від Tesla, які всі можуть вважатися прикладами AI Agent. Спільною рисою цих систем є те, що вони здатні сприймати зовнішні користувацькі ввідні дані і на їх основі впливати на реальне середовище.
Візьмемо ChatGPT як приклад для прояснення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, яка складає AI моделі, GPT - це серія моделей, яка розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на основі моделі GPT.
Класифікаційний огляд
На даний момент на ринку AI Agent ще не сформовано єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринку Web2+Web3, виходячи з їхніх помітних тегів, і розділили їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: інфраструктура, генерація контенту, взаємодія з користувачем, які далі поділяються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні більш базових аспектів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі базові послуги для B-сторони.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, переважно використовується для допомоги прийняттю рішень, для надання джерел для навчання.
Класи моделювання: надає послуги з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
B-класу послуги: в основному націлені на підприємства, пропонуючи рішення для корпоративних послуг, вертикальних рішень і автоматизації.
Платформи класу агрегаторів: платформи, які інтегрують різні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, але відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають і розуміють потреби користувача, але й надають зворотній зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навчений трансформер).
Пошукові агенти: зосереджені на функції пошуку, пропонують більш точний агент для інформаційного запиту.
Проекти генерації контенту: Цей тип проектів зосереджений на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI Agent у традиційному Інтернеті Web2 демонструє помітну тенденцію до концентрації в певних сегментах. Конкретно, приблизно дві третини проектів зосереджені в інфраструктурному сегменті, зокрема, переважно у сфері B2B послуг та розробницьких інструментів, і ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на перевірених часом технологіях і рамках, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує надійну основу для розробки та застосування ШІ-агентів.
Розвиток ринкового попиту: ще одним ключовим фактором є ринковий попит. У порівнянні з споживчим ринком, попит на AI-технології з боку бізнесу є більш нагальним, особливо у пошуку рішень для підвищення ефективності операцій та зниження витрат. Водночас для розробників грошові потоки з бізнесу є відносно стабільними, що сприяє їхньому розвитку подальших проектів.
Обмеження сфери застосування: У той же час ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його продуктивності підприємства більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що AI для генерації контенту займає невелику частку в бібліотеці проектів.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні фактори застосування. З постійним прогресом технології ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може змінитися, але інфраструктурні рішення все ще залишатимуться міцною основою для розвитку агентів ШІ.
Аналіз провідних проектів AI Agent у Web2
Ми детально розглянемо деякі проекти AI Agent на сучасному ринку Web2 та проведемо їх аналіз, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI надає засоби для створення віртуальних персонажів та системи діалогу на основі штучного інтелекту. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести діалоги природною мовою та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких у віці від 18 до 34 років, що свідчить про молодіжний характер користувацької бази. Character AI продемонструвала чудові результати на капітальних ринках, залучивши 150 мільйонів доларів фінансування при оцінці у 1 мільярд доларів, в якому головним інвестором виступила a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання своєї великої мовної моделі, що свідчить про те, що Character AI використовує технології, розроблені власними силами. Варто зазначити, що засновники компанії Ноам Шазір та Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Штучний інтелект Perplexity:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки цитатам і посиланням на джерела забезпечується надійність та точність інформації, при цьому він навчає, направляє користувачів до подальших запитань та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity за місяць досягла 10 мільйонів, а кількість відвідувань його мобільних та десктопних додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінка компанії досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основна модель, яку використовує Perplexity, - це налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Ці моделі підходять для професійних академічних досліджень і запитів у вертикальних сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем на Midjourney за допомогою Prompts, охоплюючи від реалістичного до