L'Agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des types de services destinés aux entreprises dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 10 milliards de dollars apparaîtront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application non centrés sur l'IA peut constituer un avantage stratégique. Pour les projets d'Agent AI, l'accent devrait être mis sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : État des lieux des projets émergents et de la hausse 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 ont 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 une telle dynamique, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications des modèles d'IA de pointe comme LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grands géants de la technologie a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des enquêtes statistiques sur la recherche en IA open source que le rapport AI Index 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, reflétant l'engouement de la communauté des développeurs mondiaux pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI connaît une forte croissance, avec une explosion au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars, soit le double par rapport au premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, soit une augmentation de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI redessine le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée 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'AI. Les projets affluent, les montants d'investissement atteignent des sommets, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est dans une période d'or de croissance rapide, les modèles de langage de grande taille et les technologies de génération améliorée par recherche ont réalisé des progrès significatifs dans le domaine du traitement du langage. Cela dit, ces modèles font encore face à des défis lorsqu'il s'agit de transformer un avantage technologique en produits réels, tels que l'incertitude des sorties du modèle, 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 cruciale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur l'intégralité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de véritablement comprendre, d'apprendre et de résoudre des problèmes réels. Nous voyons donc de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes concrets. L'évolution de la technologie IA continue de remodeler l'architecture de la productivité, tandis que la technologie Web3 reconfigure 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 centraux de la Web3 tels que la décentralisation, l'économie de jetons et les contrats intelligents, nous prévoyons qu'une série d'applications novatrices émergera. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour une application à grande échelle.
Pour ce faire, nous avons commencé à étudier en profondeur les diverses applications de l'Agent AI dans le Web3, allant des infrastructures Web3, des middleware, des niveaux 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 comprendre en profondeur la fusion de l'AI et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur la destination et des conseils de voyage. La technologie de génération augmentée par la recherche peut fournir un contenu de destination plus riche et spécifique. Et l'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre vos besoins et de rechercher de manière proactive des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un Agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, obtenant des informations environnementales par le biais de capteurs, puis influençant l'environnement à travers des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine LLM, RAG, mémoire, planification de tâches et capacité d'utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que l'Agent AI est déjà intégré dans notre vie, appliqué dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-dessus de Tesla, qui peuvent tous être considérés comme des exemples d'Agent AI. La qualité commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et en conséquence influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier le concept. Nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développés sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT, en revanche, est un agent d'IA évolué basé sur le modèle GPT.
Aperçu de la catégorie
Le marché actuel 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 créé des classifications de premier et de deuxième niveau. Parmi celles-ci, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu et interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B relativement matures et basés sur des applications fondamentales.
Outils de développement : Fournir aux développeurs des outils et des frameworks pour construire des agents AI.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : fournit des services de formation de modèles pour l'IA, y compris l'inférence, la création de modèles, les réglages, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprise, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : plateformes intégrant divers services et outils d'agents AI.
Interactionnels : similaires aux agents de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactionnels non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de soutien 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 la fonction de recherche, offrant une récupération 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 divers types de contenu en fonction des instructions de l'utilisateur, divisés 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 des agents IA dans le Web2 traditionnel présente une tendance de concentration évidente des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans le domaine des infrastructures, principalement des services B2B et des outils de développement, et nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : la domination des projets d'infrastructure est principalement due à leur maturité technologique. Ces projets sont généralement construits sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et les risques de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La demande du marché comme moteur : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande du marché des entreprises pour les technologies d'IA est plus urgente, en particulier en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.
Limites des cas d'utilisation : En même temps, nous avons remarqué que l'application des IA génératives de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable leur productivité. Cela a conduit à une faible proportion d'IA génératives de contenu dans le répertoire des projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des scénarios d'application. Avec les progrès continus de la technologie AI et la clarification des besoins du marché, nous prévoyons que ce schéma pourrait subir des ajustements, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets phares d'agents AI 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.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels, qui peuvent mener des dialogues en langage naturel et exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité ont entre 18 et 34 ans, montrant une caractéristique de groupe d'utilisateurs jeune. Character AI a excellé 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, pour utiliser son modèle linguistique de grande taille, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de mentionner que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle linguistique conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en référencant des liens, 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 de recherche diversifiés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % des visites de ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de différents styles et thèmes dans Midjourney grâce aux Prompts, couvrant de réaliste 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.
13 J'aime
Récompense
13
2
Partager
Commentaire
0/400
StakeWhisperer
· Il y a 15h
Les données sont vraiment bonnes.
Voir l'originalRépondre0
ForkYouPayMe
· Il y a 16h
La hausse de la capitalisation boursière est incroyable.
Le sauveur de Web3+AI, l'Agent IA : Analyse de la classification des projets et des perspectives de développement.
L'Agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des types de services destinés aux entreprises dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 10 milliards de dollars apparaîtront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application non centrés sur l'IA peut constituer un avantage stratégique. Pour les projets d'Agent AI, l'accent devrait être mis sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : État des lieux des projets émergents et de la hausse 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 ont 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 une telle dynamique, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications des modèles d'IA de pointe comme LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grands géants de la technologie a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des enquêtes statistiques sur la recherche en IA open source que le rapport AI Index 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, reflétant l'engouement de la communauté des développeurs mondiaux pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI connaît une forte croissance, avec une explosion au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars, soit le double par rapport au premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, soit une augmentation de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI redessine le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée 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'AI. Les projets affluent, les montants d'investissement atteignent des sommets, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est dans une période d'or de croissance rapide, les modèles de langage de grande taille et les technologies de génération améliorée par recherche ont réalisé des progrès significatifs dans le domaine du traitement du langage. Cela dit, ces modèles font encore face à des défis lorsqu'il s'agit de transformer un avantage technologique en produits réels, tels que l'incertitude des sorties du modèle, 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 cruciale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur l'intégralité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de véritablement comprendre, d'apprendre et de résoudre des problèmes réels. Nous voyons donc de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes concrets. L'évolution de la technologie IA continue de remodeler l'architecture de la productivité, tandis que la technologie Web3 reconfigure 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 centraux de la Web3 tels que la décentralisation, l'économie de jetons et les contrats intelligents, nous prévoyons qu'une série d'applications novatrices émergera. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, grâce à leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour une application à grande échelle.
Pour ce faire, nous avons commencé à étudier en profondeur les diverses applications de l'Agent AI dans le Web3, allant des infrastructures Web3, des middleware, des niveaux 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 comprendre en profondeur la fusion de l'AI et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur la destination et des conseils de voyage. La technologie de génération augmentée par la recherche peut fournir un contenu de destination plus riche et spécifique. Et l'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre vos besoins et de rechercher de manière proactive des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un Agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, obtenant des informations environnementales par le biais de capteurs, puis influençant l'environnement à travers des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine LLM, RAG, mémoire, planification de tâches et capacité d'utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que l'Agent AI est déjà intégré dans notre vie, appliqué dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-dessus de Tesla, qui peuvent tous être considérés comme des exemples d'Agent AI. La qualité commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et en conséquence influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier le concept. Nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développés sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT, en revanche, est un agent d'IA évolué basé sur le modèle GPT.
Aperçu de la catégorie
Le marché actuel 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 créé des classifications de premier et de deuxième niveau. Parmi celles-ci, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu et interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B relativement matures et basés sur des applications fondamentales.
Outils de développement : Fournir aux développeurs des outils et des frameworks pour construire des agents AI.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : fournit des services de formation de modèles pour l'IA, y compris l'inférence, la création de modèles, les réglages, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprise, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : plateformes intégrant divers services et outils d'agents AI.
Interactionnels : similaires aux agents de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactionnels non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de soutien 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 la fonction de recherche, offrant une récupération 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 divers types de contenu en fonction des instructions de l'utilisateur, divisés 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 des agents IA dans le Web2 traditionnel présente une tendance de concentration évidente des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans le domaine des infrastructures, principalement des services B2B et des outils de développement, et nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : la domination des projets d'infrastructure est principalement due à leur maturité technologique. Ces projets sont généralement construits sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et les risques de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La demande du marché comme moteur : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande du marché des entreprises pour les technologies d'IA est plus urgente, en particulier en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.
Limites des cas d'utilisation : En même temps, nous avons remarqué que l'application des IA génératives de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable leur productivité. Cela a conduit à une faible proportion d'IA génératives de contenu dans le répertoire des projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des scénarios d'application. Avec les progrès continus de la technologie AI et la clarification des besoins du marché, nous prévoyons que ce schéma pourrait subir des ajustements, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets phares d'agents AI 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.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels, qui peuvent mener des dialogues en langage naturel et exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité ont entre 18 et 34 ans, montrant une caractéristique de groupe d'utilisateurs jeune. Character AI a excellé 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, pour utiliser son modèle linguistique de grande taille, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de mentionner que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle linguistique conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en référencant des liens, 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 de recherche diversifiés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % des visites de ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de différents styles et thèmes dans Midjourney grâce aux Prompts, couvrant de réaliste à