Проект AI Agent является популярным и зрелым типом в сфере Web2, в основном ориентированным на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и платформенные решения стали основными благодаря своей ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке в сегменте AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для приложений, не являющихся основными на базе ИИ. При разработке проектов AI Agent следует акцентировать внимание на создании полной экосистемы и дизайне токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценки
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 впечатляющих 20,3 миллиона долларов, а OpenAI быстро выпустила такие итерационные версии, как GPT-4 и GP4-4o после запуска ChatGPT. В условиях такого быстрого роста крупнейшие традиционные технологические компании осознали важность применения передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании представили модели, такие как Wénxīn Yīyán и Zhìpǔ Qīngyán. Очевидно, что область AI стала полем битвы.
Соревнование крупных технологических гигантов не только способствует развитию коммерческих приложений, но и из нашего исследования открытых AI технологий видно, что в отчете AI Index 2024 года показывается, что количество AI-проектов на GitHub увеличилось 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 прошлым 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 зарегистрировано 16 инвестиций, связанных с ИИ, каждая из которых превышает 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что более чем вдвое превышает уровень предыдущего года. Из них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, ее оценка составляет 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ по оценке после OpenAI.
Быстрое развитие технологий ИИ кардинально меняет ландшафт технологической сферы невиданными ранее темпами. От жесткой конкуренции среди технологических гигантов до бурного роста проектов в открытых сообществах, и до горячего интереса фондового рынка к концепции ИИ. Проекты появляются один за другим, объемы инвестиций бьют рекорды, а оценки также растут. В целом, рынок ИИ находится в периоде золотого века быстрого роста, крупные языковые модели и технологии генерации с поддержкой поиска достигли значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выводов моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти вопросы становятся особенно важными в сценариях применения с высокими требованиями к надежности.
В этом контексте мы начали исследование AI Agent, поскольку AI Agent подчеркивает комплексность решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий искусственного интеллекта 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 сокращает разрыв между технологиями AI и решением практических задач. Эволюция технологий AI постоянно перестраивает архитектуру производительных сил, в то время как технологии Web3 переосмысляют производственные отношения цифровой экономики. Когда три ключевых элемента AI: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеновая экономика и смарт-контракты, мы предвосхищаем появление ряда инновационных приложений. В этой перспективной перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начали углублённое исследование разнообразных приложений AI Agent в Web3, начиная с инфраструктуры Web3, промежуточного ПО, уровня приложений и заканчивая данными и рынками моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение понятий: Введение в AI Agent и обзор классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли различие между его определением и самой моделью, мы приведем пример на реальной ситуации: предположим, вы планируете поездку. Традиционные большие языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на улучшенной генерации поиска, может предоставить более богатое и конкретное содержание о местах назначения. AI Agent похож на Джарвиса из фильмов о Железном Человеке, он понимает потребности и также может активно искать рейсы и отели на основе вашего запроса, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли широко принято определять AI Agent как интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде с помощью сенсоров, обрабатывая её и влияя на окружающую среду через исполнительные механизмы (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет 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 этой определению и характеристикам, мы можем обнаружить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать внешние пользовательские вводы и на основе этого оказывать влияние на реальную среду.
Для прояснения концепции на примере ChatGPT, мы должны ясно указать, что Transformer является технологической архитектурой, составляющей основу AI-моделей, а GPT — это серия моделей, развившаяся на основе этой архитектуры, причем GPT-1, GPT-4 и GPT-4o представляют версии модели на различных стадиях развития. ChatGPT, в свою очередь, является AI-агентом, эволюционировавшим на основе модели GPT.
Категория
В настоящее время на рынке AI-агентов еще не сформированы единые стандарты классификации. Мы провели разметку 204 проектов AI-агентов на рынке Web2+Web3, основываясь на значимых метках каждого проекта, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователем, а далее мы проводим их детализацию на основе фактических примеров использования:
Инфраструктурные проекты: Этот тип фокусируется 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: предоставление разработчикам вспомогательных инструментов и фреймворков для создания AI Agent.
Класс обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Класс обучения моделей: предоставляет услуги по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т. д.
Услуги для B-клиентов: в основном ориентированы на корпоративных пользователей, предлагая решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы сбора: платформы, интегрирующие различные услуги и инструменты AI Agent.
Интерактивные агенты: По аналогии с агентами генерации контента, они 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), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI Agent, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точную информацию для поиска.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в соответствии с инструкциями пользователей, которые 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 Agent в традиционном интернете Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, около двух третей проектов сосредоточены в области инфраструктуры, из которых большинство относятся к услугам для бизнеса и инструментам разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно строятся 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 один ключевой фактор — это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков потоки наличности от предприятий относительно стабильны, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы заметили, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его продукции компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектном портфеле остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным развитием технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения все еще останутся прочным фундаментом для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко изучаем некоторые текущие проекты AI Agent на рынке Web2 и анализируем их на примере трех проектов: Character AI, Perplexity AI, Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает разговорные системы 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 миллионов активных пользователей в день, большая часть которых в возрасте от 18 до 34 лет, что демонстрирует черты молодежной аудитории. Character AI показала отличные результаты на капиталовложениях, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.
Технический анализ: Character AI подписала неэксклюзивное лицензионное соглашение с материнской компанией Google Alphabet на использование своей модели языка, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке диалоговой языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, а также обучает и направляет пользователей к дополнительным вопросам и поиску ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Число активных пользователей Perplexity достигло 10 миллионов, а количество посещений его мобильных и настольных приложений увеличилось на 8,6% в феврале, привлечя около 50 миллионов пользователей. На капитальных рынках Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования с оценкой в 1,04 миллиарда долларов, возглавляемой Даниэлем Гроссом, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, — это дообученная модель GPT-3.5, а также две крупные модели, дообученные на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
Миджорни:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, 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» .
Спаситель Web3+AI AI Agent: Анализ классификации проектов и перспективы развития
Может ли AI Agent стать спасением для Web3+AI?
Проект AI Agent является популярным и зрелым типом в сфере Web2, в основном ориентированным на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и платформенные решения стали основными благодаря своей ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке в сегменте AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для приложений, не являющихся основными на базе ИИ. При разработке проектов AI Agent следует акцентировать внимание на создании полной экосистемы и дизайне токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценки
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 впечатляющих 20,3 миллиона долларов, а OpenAI быстро выпустила такие итерационные версии, как GPT-4 и GP4-4o после запуска ChatGPT. В условиях такого быстрого роста крупнейшие традиционные технологические компании осознали важность применения передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании представили модели, такие как Wénxīn Yīyán и Zhìpǔ Qīngyán. Очевидно, что область AI стала полем битвы.
Соревнование крупных технологических гигантов не только способствует развитию коммерческих приложений, но и из нашего исследования открытых AI технологий видно, что в отчете AI Index 2024 года показывается, что количество AI-проектов на GitHub увеличилось 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 прошлым 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 зарегистрировано 16 инвестиций, связанных с ИИ, каждая из которых превышает 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что более чем вдвое превышает уровень предыдущего года. Из них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, ее оценка составляет 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ по оценке после OpenAI.
Быстрое развитие технологий ИИ кардинально меняет ландшафт технологической сферы невиданными ранее темпами. От жесткой конкуренции среди технологических гигантов до бурного роста проектов в открытых сообществах, и до горячего интереса фондового рынка к концепции ИИ. Проекты появляются один за другим, объемы инвестиций бьют рекорды, а оценки также растут. В целом, рынок ИИ находится в периоде золотого века быстрого роста, крупные языковые модели и технологии генерации с поддержкой поиска достигли значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выводов моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти вопросы становятся особенно важными в сценариях применения с высокими требованиями к надежности.
В этом контексте мы начали исследование AI Agent, поскольку AI Agent подчеркивает комплексность решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий искусственного интеллекта 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 сокращает разрыв между технологиями AI и решением практических задач. Эволюция технологий AI постоянно перестраивает архитектуру производительных сил, в то время как технологии Web3 переосмысляют производственные отношения цифровой экономики. Когда три ключевых элемента AI: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеновая экономика и смарт-контракты, мы предвосхищаем появление ряда инновационных приложений. В этой перспективной перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начали углублённое исследование разнообразных приложений AI Agent в Web3, начиная с инфраструктуры Web3, промежуточного ПО, уровня приложений и заканчивая данными и рынками моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение понятий: Введение в AI Agent и обзор классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли различие между его определением и самой моделью, мы приведем пример на реальной ситуации: предположим, вы планируете поездку. Традиционные большие языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на улучшенной генерации поиска, может предоставить более богатое и конкретное содержание о местах назначения. AI Agent похож на Джарвиса из фильмов о Железном Человеке, он понимает потребности и также может активно искать рейсы и отели на основе вашего запроса, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли широко принято определять AI Agent как интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде с помощью сенсоров, обрабатывая её и влияя на окружающую среду через исполнительные механизмы (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет 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 этой определению и характеристикам, мы можем обнаружить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать внешние пользовательские вводы и на основе этого оказывать влияние на реальную среду.
Для прояснения концепции на примере ChatGPT, мы должны ясно указать, что Transformer является технологической архитектурой, составляющей основу AI-моделей, а GPT — это серия моделей, развившаяся на основе этой архитектуры, причем GPT-1, GPT-4 и GPT-4o представляют версии модели на различных стадиях развития. ChatGPT, в свою очередь, является AI-агентом, эволюционировавшим на основе модели GPT.
Категория
В настоящее время на рынке AI-агентов еще не сформированы единые стандарты классификации. Мы провели разметку 204 проектов AI-агентов на рынке Web2+Web3, основываясь на значимых метках каждого проекта, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователем, а далее мы проводим их детализацию на основе фактических примеров использования:
Инфраструктурные проекты: Этот тип фокусируется 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: предоставление разработчикам вспомогательных инструментов и фреймворков для создания AI Agent.
Класс обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Класс обучения моделей: предоставляет услуги по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т. д.
Услуги для B-клиентов: в основном ориентированы на корпоративных пользователей, предлагая решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы сбора: платформы, интегрирующие различные услуги и инструменты AI Agent.
Интерактивные агенты: По аналогии с агентами генерации контента, они 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), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI Agent, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точную информацию для поиска.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в соответствии с инструкциями пользователей, которые 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 Agent в традиционном интернете Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, около двух третей проектов сосредоточены в области инфраструктуры, из которых большинство относятся к услугам для бизнеса и инструментам разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно строятся 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 один ключевой фактор — это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков потоки наличности от предприятий относительно стабильны, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы заметили, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его продукции компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектном портфеле остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным развитием технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения все еще останутся прочным фундаментом для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко изучаем некоторые текущие проекты AI Agent на рынке Web2 и анализируем их на примере трех проектов: Character AI, Perplexity AI, Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает разговорные системы 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 миллионов активных пользователей в день, большая часть которых в возрасте от 18 до 34 лет, что демонстрирует черты молодежной аудитории. Character AI показала отличные результаты на капиталовложениях, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.
Технический анализ: Character AI подписала неэксклюзивное лицензионное соглашение с материнской компанией Google Alphabet на использование своей модели языка, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке диалоговой языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, а также обучает и направляет пользователей к дополнительным вопросам и поиску ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Число активных пользователей Perplexity достигло 10 миллионов, а количество посещений его мобильных и настольных приложений увеличилось на 8,6% в феврале, привлечя около 50 миллионов пользователей. На капитальных рынках Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования с оценкой в 1,04 миллиарда долларов, возглавляемой Даниэлем Гроссом, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, — это дообученная модель GPT-3.5, а также две крупные модели, дообученные на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
Миджорни:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих от реалистичного до