Может ли AI Agent стать спасательным кругом для Web3+AI?
Проекты AI Agent в Web2 являются популярными и зрелыми, в основном в области корпоративных услуг, тогда как в области Web3 проекты по обучению моделей и платформенные решения становятся основными из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает впечатляющих 23%, что демонстрирует их сильную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня доверия со стороны рынка в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ в продукты, не являющиеся ядром ИИ, может стать стратегическим преимуществом. В проектах AI Agent следует уделять внимание построению всей экосистемы и проектированию токеномики для содействия децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года он за короткие два месяца привлек более 100 миллионов пользователей, а к маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов. После выпуска ChatGPT OpenAI также быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной обстановке традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали выпускать свои собственные ИИ-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании предложили такие большие модели, как 文心一言 и 智谱清言. Очевидно, что в области ИИ развернулась настоящая борьба за господство.
Соревнование между крупными технологическими гигантами не только способствовало развитию коммерческих приложений, но также из нашего исследования открытых AI-исследований видно, что в отчете AI Index за 2024 год количество проектов, связанных с AI на GitHub, выросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлечение глобального сообщества разработчиков AI-исследованиями.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, вторая четверть 2024 года показывает взрывной рост. В мире было 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первой четверти. Общая сумма финансирования стартапов в области ИИ также подскочила до 24 миллиардов долларов, что более чем вдвое больше по сравнению с прошлым годом. При этом xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине оцененной компанией в области ИИ после OpenAI.
Резкое развитие технологий ИИ в настоящее время перекраивает ландшафт области технологий с беспрецедентной скоростью. От напряженной конкуренции среди технологических гигантов до бурного развития проектов в открытых сообществах и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, инвестиции регулярно устанавливают новые рекорды, а оценки также растут. В целом, рынок ИИ находится в периоде быстрого роста, крупные языковые модели и технологии генерации с улучшенным поиском достигли значительного прогресса в области обработки языка. Тем не менее, эти модели все еще сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выходных данных моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти вопросы становятся особенно важными в сценариях применения, где требуется высокая надежность.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent акцентирует внимание на комплексности решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно перестраивает архитектуру производительности, в то время как технологии Web3 переопределяют производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей пересеченной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для массового применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI-агентов в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью идентификации и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Пояснение понятий: Введение в AI Agent и обзор классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем пример на основе реальной ситуации: представьте, что вы планируете путешествие. Традиционная большая языковая модель предоставляет информацию о направлениях и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатый и конкретный контент о направлениях. А AI Agent похож на Джарвиса из фильма о Железном Человеке, он понимает ваши потребности и может по вашей команде активно искать рейсы и отели, выполнять бронирование и добавлять поездку в календарь.
В настоящее время в отрасли общий термин для определения AI Agent обозначает интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружение через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который сочетает в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже давно интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автоматическое вождение уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать вводимые пользователем данные и соответственно влиять на реальную среду.
В качестве примера для уточнения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer является технологической архитектурой, на которой основаны AI модели, а GPT - это серия моделей, развитая на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на разных этапах их развития. ChatGP же T является AI агентом, эволюционировавшим на основе модели GPT.
Обзор категорий
На данный момент на рынке AI-агентов еще не сформировались единые классификационные стандарты. Мы провели маркировку 204 проектов AI-агентов на рынке Web2 и Web3, основываясь на заметных тегах каждого проекта, разделив их на первичную и вторичную классификации. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем мы дополнительно детализировали их в зависимости от реальных случаев использования:
Инфраструктурные решения: Эта категория сосредоточена 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 разработчиков: предоставление вспомогательных инструментов и фреймворков для создания AI Agent.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется 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-клиентов: в основном ориентированы на корпоративных пользователей, предоставляя решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформа типа сборника: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные агенты: похожи на агенты генерации контента, но отличаются тем, что обеспечивают непрерывное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), достигая двустороннего взаимодействия с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-тип: ИИ-агент, основанный на модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точные результаты информации.
Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в зависимости от указаний пользователя, разделяются на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном Интернете Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. Конкретно, около двух третей проектов сосредоточены в области инфраструктуры, где преобладают услуги для бизнеса и инструменты для разработчиков. Мы также провели некоторые анализы этого явления.
Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение, прежде всего благодаря своей зрелости технологий. Эти проекты, как правило, основаны на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, предоставляющей прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще один ключевой фактор - это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ на рынке предприятий более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы заметили, что применение ИИ для генерации контента на рынке B2B относительно ограничено. Из-за нестабильности его продукции предприятия более склонны к тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля ИИ для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает реальное соотношение технологической зрелости, рыночного спроса и сценариев применения. С учетом постоянного прогресса в области технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные классы все равно останутся прочным фундаментом для развития ИИ-агентов.
Анализ ведущих проектов Web2 с AI Agent
Мы углубленно исследуем некоторые текущие проекты AI Agent на рынке Web2 и проведем их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет 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: Character.AI в мае достигла 277 миллионов посещений, платформа имеет более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что свидетельствует о молодежной целевой аудитории. Character AI продемонстрировала отличные результаты на финансовом рынке, завершив финансирование в размере 150 миллионов долларов, оценка компании достигла 1 миллиарда долларов, при этом ведущим инвестором выступила a16z.
Технический анализ: Character AI подписала лицензионное соглашение на неэксклюзивное использование своей большой языковой модели с материнской компанией Google, Alphabet, что указывает на то, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас участвовали в разработке диалоговой языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и предоставляя ссылки, в то же время обучая и направляя пользователей задавать дополнительные вопросы и искать ключевые слова, что удовлетворяет разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а трафик мобильных и настольных приложений в феврале увеличился на 8,6%, привлечя около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, лидером раунда стал Дэниел Гросс, участниками стали Стэн Дракменмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная версия GPT-3.5, а также две большие модели, доработанные на основе открытых крупных моделей: 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 на Midjourney, охватывающих широкий спектр творческих потребностей от реалистичного до абстрактного. Платформа также предоставляет возможность смешивания и редактирования изображений, позволяя пользователям накладывать изображения и осуществлять перенос стилей, а функция мгновенной генерации платформы гарантирует, что пользователи смогут получить результаты за несколько десятков секунд до нескольких минут.
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» .
8 Лайков
Награда
8
6
Поделиться
комментарий
0/400
Token_Sherpa
· 07-24 23:59
еще одна пирамида, завернутая в модные слова об ИИ... та же ловушка токеномики, которую мы видели с 2017 года, смх
Посмотреть ОригиналОтветить0
0xSunnyDay
· 07-24 10:10
Будут играть для лохов опять нашли новую причину
Посмотреть ОригиналОтветить0
OptionWhisperer
· 07-22 00:46
Все только и говорят о быках, команде проекта сначала нужно привлечь пользователей.
AI Агенты: Будущие инновационные возможности и вызовы сочетания Web3 и AI
Может ли AI Agent стать спасательным кругом для Web3+AI?
Проекты AI Agent в Web2 являются популярными и зрелыми, в основном в области корпоративных услуг, тогда как в области Web3 проекты по обучению моделей и платформенные решения становятся основными из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает впечатляющих 23%, что демонстрирует их сильную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня доверия со стороны рынка в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ в продукты, не являющиеся ядром ИИ, может стать стратегическим преимуществом. В проектах AI Agent следует уделять внимание построению всей экосистемы и проектированию токеномики для содействия децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года он за короткие два месяца привлек более 100 миллионов пользователей, а к маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов. После выпуска ChatGPT OpenAI также быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной обстановке традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали выпускать свои собственные ИИ-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании предложили такие большие модели, как 文心一言 и 智谱清言. Очевидно, что в области ИИ развернулась настоящая борьба за господство.
Соревнование между крупными технологическими гигантами не только способствовало развитию коммерческих приложений, но также из нашего исследования открытых AI-исследований видно, что в отчете AI Index за 2024 год количество проектов, связанных с AI на GitHub, выросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлечение глобального сообщества разработчиков AI-исследованиями.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, вторая четверть 2024 года показывает взрывной рост. В мире было 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первой четверти. Общая сумма финансирования стартапов в области ИИ также подскочила до 24 миллиардов долларов, что более чем вдвое больше по сравнению с прошлым годом. При этом xAI, принадлежащая Маску, собрала 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине оцененной компанией в области ИИ после OpenAI.
Резкое развитие технологий ИИ в настоящее время перекраивает ландшафт области технологий с беспрецедентной скоростью. От напряженной конкуренции среди технологических гигантов до бурного развития проектов в открытых сообществах и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, инвестиции регулярно устанавливают новые рекорды, а оценки также растут. В целом, рынок ИИ находится в периоде быстрого роста, крупные языковые модели и технологии генерации с улучшенным поиском достигли значительного прогресса в области обработки языка. Тем не менее, эти модели все еще сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выходных данных моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти вопросы становятся особенно важными в сценариях применения, где требуется высокая надежность.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent акцентирует внимание на комплексности решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно перестраивает архитектуру производительности, в то время как технологии Web3 переопределяют производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей пересеченной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для массового применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI-агентов в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью идентификации и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Пояснение понятий: Введение в AI Agent и обзор классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем пример на основе реальной ситуации: представьте, что вы планируете путешествие. Традиционная большая языковая модель предоставляет информацию о направлениях и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатый и конкретный контент о направлениях. А AI Agent похож на Джарвиса из фильма о Железном Человеке, он понимает ваши потребности и может по вашей команде активно искать рейсы и отели, выполнять бронирование и добавлять поездку в календарь.
В настоящее время в отрасли общий термин для определения AI Agent обозначает интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружение через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который сочетает в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже давно интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автоматическое вождение уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать вводимые пользователем данные и соответственно влиять на реальную среду.
В качестве примера для уточнения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer является технологической архитектурой, на которой основаны AI модели, а GPT - это серия моделей, развитая на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на разных этапах их развития. ChatGP же T является AI агентом, эволюционировавшим на основе модели GPT.
Обзор категорий
На данный момент на рынке AI-агентов еще не сформировались единые классификационные стандарты. Мы провели маркировку 204 проектов AI-агентов на рынке Web2 и Web3, основываясь на заметных тегах каждого проекта, разделив их на первичную и вторичную классификации. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем мы дополнительно детализировали их в зависимости от реальных случаев использования:
Инфраструктурные решения: Эта категория сосредоточена 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 разработчиков: предоставление вспомогательных инструментов и фреймворков для создания AI Agent.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется 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-клиентов: в основном ориентированы на корпоративных пользователей, предоставляя решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформа типа сборника: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные агенты: похожи на агенты генерации контента, но отличаются тем, что обеспечивают непрерывное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), достигая двустороннего взаимодействия с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-тип: ИИ-агент, основанный на модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точные результаты информации.
Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в зависимости от указаний пользователя, разделяются на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-173f9f15b8fca29b0681fc31a0c64768.webp)
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном Интернете Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. Конкретно, около двух третей проектов сосредоточены в области инфраструктуры, где преобладают услуги для бизнеса и инструменты для разработчиков. Мы также провели некоторые анализы этого явления.
Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение, прежде всего благодаря своей зрелости технологий. Эти проекты, как правило, основаны на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, предоставляющей прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще один ключевой фактор - это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ на рынке предприятий более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы заметили, что применение ИИ для генерации контента на рынке B2B относительно ограничено. Из-за нестабильности его продукции предприятия более склонны к тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля ИИ для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает реальное соотношение технологической зрелости, рыночного спроса и сценариев применения. С учетом постоянного прогресса в области технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные классы все равно останутся прочным фундаментом для развития ИИ-агентов.
Анализ ведущих проектов Web2 с AI Agent
Мы углубленно исследуем некоторые текущие проекты AI Agent на рынке Web2 и проведем их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет 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: Character.AI в мае достигла 277 миллионов посещений, платформа имеет более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что свидетельствует о молодежной целевой аудитории. Character AI продемонстрировала отличные результаты на финансовом рынке, завершив финансирование в размере 150 миллионов долларов, оценка компании достигла 1 миллиарда долларов, при этом ведущим инвестором выступила a16z.
Технический анализ: Character AI подписала лицензионное соглашение на неэксклюзивное использование своей большой языковой модели с материнской компанией Google, Alphabet, что указывает на то, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас участвовали в разработке диалоговой языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и предоставляя ссылки, в то же время обучая и направляя пользователей задавать дополнительные вопросы и искать ключевые слова, что удовлетворяет разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а трафик мобильных и настольных приложений в феврале увеличился на 8,6%, привлечя около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, лидером раунда стал Дэниел Гросс, участниками стали Стэн Дракменмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная версия GPT-3.5, а также две большие модели, доработанные на основе открытых крупных моделей: 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 на Midjourney, охватывающих широкий спектр творческих потребностей от реалистичного до абстрактного. Платформа также предоставляет возможность смешивания и редактирования изображений, позволяя пользователям накладывать изображения и осуществлять перенос стилей, а функция мгновенной генерации платформы гарантирует, что пользователи смогут получить результаты за несколько десятков секунд до нескольких минут.