Чи може AI-агент стати рятівним кругом для Web3+AI?
Проект AI Agent є популярним і зрілим типом підприємницької діяльності в Web2, головним чином у сфері корпоративних послуг, у той час як у Web3 домінують проекти з моделювання навчання та платформ, які відіграють ключову роль у побудові екосистеми.
Наразі проєктів AI Agent у Web3 небагато — лише 8%, але їхня частка на ринку AI становить вражаючі 23%, що демонструє їхню потужну конкурентоспроможність. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проєктів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів на прикладному рівні, які не є ядром ШІ. У проектах AI Agent слід зосередитися на побудові екосистеми та проєктуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля штучного інтелекту: поточний стан появи проектів і підвищення оцінок
З моменту появи ChatGPT у листопаді 2022 року, він швидко привернув понад 100 мільйонів користувачів всього за два місяці. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI швидко випустила ітераційні версії, такі як GPT-4, GP4-4o. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і розпочали випуск своїх AI моделей та застосунків. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили такі великі моделі, як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що поле AI стало ареною запеклої боротьби.
Змагання між великими технологічними гігантами не тільки сприяло розвитку комерційних застосувань, але й з результатів дослідження відкритого AI ми дізналися, що звіт AI Index за 2024 рік показує, що кількість AI-проектів на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, а в другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ стрімко зросла до 24 мільярдів доларів, збільшившись більш ніж удвічі в річному обчисленні. Серед них, xAI під керівництвом Маска залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінкою компанією у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту формує ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ на фінансових ринках. Проекти з'являються один за одним, обсяги інвестицій постійно б’ють рекорди, а оцінки також стрімко зростають. В цілому, ринок ШІ перебуває в періоді стрімкого зростання, великі мовні моделі та технології генерації з покращенням пошуку досягли значного прогресу в обробці мови. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці проблеми стають особливо важливими в контексті застосувань, що вимагають високої надійності.
На цьому фоні ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює цілісність вирішення практичних проблем і взаємодії з середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно можуть розуміти, вчитися та вирішувати реальні проблеми. Отже, ми бачимо надію в розвитку AI Agent, який поступово звужує розрив між технологією AI та вирішенням практичних проблем. Еволюція технологій AI постійно перетворює структуру продуктивності, тоді як технології Web3 переосмислюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, поєднуються з такими основними концепціями Web3, як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent зі своєю здатністю самостійно виконувати завдання демонструє величезний потенціал для досягнення масштабних застосувань.
Для цього ми почали глибоко досліджувати різноманітні застосування 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 та сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд його класифікації
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та моделлю, ми розглянемо реальний приклад: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технології, що покращують генерування запитів, можуть надати більш багатий та конкретний контент про місця призначення. А AI Agent - це як Джарвіс з фільмів про Залізну людину, він може зрозуміти ваші потреби і на основі одного вашого речення активно шукати рейси та готелі, виконувати операції з бронювання, додавати маршрути до календаря.
Зараз у галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та виконувати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її та впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який поєднує в собі можливості LLM, RAG, пам'яті, планування завдань і використання інструментів. Він не лише може надавати інформацію, але також здатен планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо помітити, що AI Agent вже давно інтегрований у наше життя і застосовується в різних сценах, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.
Розглядаючи приклад ChatGPT для уточнення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає AI-моделі, а GPT є серією моделей, що розвинулися на основі цієї архітектури; GPT-1, GPT-4, GPT-4o відповідно представляють версії моделі на різних етапах розвитку. ChatGP є AI-агентом, що еволюціонував на основі моделі GPT.
Класифікаційний огляд
На даний момент ринок AI агентів ще не склав єдиного стандарту класифікації. Ми пройшли шляхом маркування 204 проектів AI агентів на ринках Web2 і Web3, відповідно до помітних тегів кожного проекту, розділивши їх на перший і другий рівні класифікації. При цьому перший рівень класифікації складається з трьох категорій: інфраструктура, генерація контенту та взаємодія з користувачами, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні категорії: Ця категорія зосереджена на створенні базових елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові застосунки для B-клієнтів.
Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI агентів.
Класи обробки даних: обробка та аналіз даних різних форматів, які в основному використовуються для підтримки прийняття рішень, надання джерел для навчання.
Класи моделей навчання: надає послуги навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги для бізнесу: головним чином націлені на підприємства, пропонуючи корпоративні, вертикальні та автоматизовані рішення.
Платформений клас об'єднання: платформа, що інтегрує різноманітні служби та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, відрізняються наявністю безперервної двосторонньої взаємодії. Інтерактивні агенти не лише приймають і розуміють потреби користувача, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI агент, який надає емоційну підтримку та супроводження.
GPT-клас: AI-агент на базі моделі GPT (генеративний попередньо навчений трансформер).
Пошуковий клас: зосереджений на функціях пошуку, надає більш точну інформацію для агентів.
Генерація контенту: Цей тип проектів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 розробка AI Agent демонструє помітну тенденцію до концентрації в певних сегментах. Зокрема, близько двох третин проектів зосереджено на інфраструктурних рішеннях, серед яких переважають послуги для B-кінцевих користувачів і інструменти для розробки. 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 та рамках, що знижує складність і ризики розробки. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує міцну основу для розробки та застосування AI Agent.
Рух ринкового попиту: ще одним ключовим фактором є ринковий попит. У порівнянні з споживчим ринком, попит на технології ШІ з боку корпоративного сектора є більш нагальним, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з корпоративного сектора є відносно стабільними, що сприяє розвитку наступних проектів.
Обмеження у застосуванні: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність підприємства більше схильні до використання тих додатків, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту у проектній базі є досить маленькою.
Ця тенденція відображає зрілість технологій, попит на ринку та реальні аспекти застосування. З постійним прогресом технологій ШІ та подальшим уточненням попиту на ринку, ми очікуємо, що ця картина може зазнати змін, але інфраструктурні рішення залишаться міцною основою для розвитку AI Agent.
Аналіз провідного проекту AI Agent Web2
Ми детально розглянемо деякі поточні проекти AI Agent на ринку Web2 та проведемо їхній аналіз, взявши три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI надає системи діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, тренувати та взаємодіяти з віртуальними персонажами, які можуть вести природну мовну бесіду та виконувати певні завдання.
Аналіз даних: Character.AI у травні отримала 277 мільйонів відвідувачів, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодіжний характер користувацької аудиторії. Character AI продемонструвала відмінні результати на фінансових ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet на неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Перплексити ІІ:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та довідковим лінкам забезпечується надійність та точність інформації, а також він навчає, орієнтує користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні потреби запитів користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних і десктопних додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінивши компанію в 1,04 мільярда доларів, під керівництвом Даніеля Гросса, з учасниками, такими як Стен Друкенміллер та NVIDIA.
Технічний аналіз: Основна модель, яку використовує Perplexity, є доопрацьованою версією GPT-3.5, а також двома великими моделями, доопрацьованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних наукових досліджень і запитів у вертикальних сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем за допомогою Prompts на Midjourney, охоплюючи широкий спектр творчих потреб від реалістичних до абстрактних. Платформа також пропонує змішування та редагування зображень, що дозволяє користувачам накладати зображення та переносити стилі, а функція миттєвого генерування платформи гарантує, що користувачі зможуть отримати результати протягом кількох секунд до кількох хвилин.
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.
8 лайків
Нагородити
8
6
Поділіться
Прокоментувати
0/400
Token_Sherpa
· 07-24 23:59
ще одна понзі, загорнута в хайп AI... та ж пастка токеноміки, яку ми бачили з 2017 року, смх
Переглянути оригіналвідповісти на0
0xSunnyDay
· 07-24 10:10
Обман для дурнів знову знайшов нову причину
Переглянути оригіналвідповісти на0
OptionWhisperer
· 07-22 00:46
Усі кажуть, що бик, вечірка проєкту спочатку хай залучить трошки користувачів.
Переглянути оригіналвідповісти на0
HashBrownies
· 07-22 00:44
невдахи真好 обдурювати людей, як лохів
Переглянути оригіналвідповісти на0
AirdropSweaterFan
· 07-22 00:37
Ця пастка для грошей грає новими способами.
Переглянути оригіналвідповісти на0
LiquidationWatcher
· 07-22 00:34
Знову придумали нову концепцію, щоб обдурити людей, як лохів
AI Агент: Інноваційні можливості та виклики майбутнього, поєднуючи Web3 та AI
Чи може AI-агент стати рятівним кругом для Web3+AI?
Проект AI Agent є популярним і зрілим типом підприємницької діяльності в Web2, головним чином у сфері корпоративних послуг, у той час як у Web3 домінують проекти з моделювання навчання та платформ, які відіграють ключову роль у побудові екосистеми.
Наразі проєктів AI Agent у Web3 небагато — лише 8%, але їхня частка на ринку AI становить вражаючі 23%, що демонструє їхню потужну конкурентоспроможність. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проєктів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів на прикладному рівні, які не є ядром ШІ. У проектах AI Agent слід зосередитися на побудові екосистеми та проєктуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля штучного інтелекту: поточний стан появи проектів і підвищення оцінок
З моменту появи ChatGPT у листопаді 2022 року, він швидко привернув понад 100 мільйонів користувачів всього за два місяці. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI швидко випустила ітераційні версії, такі як GPT-4, GP4-4o. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і розпочали випуск своїх AI моделей та застосунків. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили такі великі моделі, як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що поле AI стало ареною запеклої боротьби.
Змагання між великими технологічними гігантами не тільки сприяло розвитку комерційних застосувань, але й з результатів дослідження відкритого AI ми дізналися, що звіт AI Index за 2024 рік показує, що кількість AI-проектів на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, а в другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ стрімко зросла до 24 мільярдів доларів, збільшившись більш ніж удвічі в річному обчисленні. Серед них, xAI під керівництвом Маска залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінкою компанією у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту формує ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ на фінансових ринках. Проекти з'являються один за одним, обсяги інвестицій постійно б’ють рекорди, а оцінки також стрімко зростають. В цілому, ринок ШІ перебуває в періоді стрімкого зростання, великі мовні моделі та технології генерації з покращенням пошуку досягли значного прогресу в обробці мови. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці проблеми стають особливо важливими в контексті застосувань, що вимагають високої надійності.
На цьому фоні ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює цілісність вирішення практичних проблем і взаємодії з середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно можуть розуміти, вчитися та вирішувати реальні проблеми. Отже, ми бачимо надію в розвитку AI Agent, який поступово звужує розрив між технологією AI та вирішенням практичних проблем. Еволюція технологій AI постійно перетворює структуру продуктивності, тоді як технології Web3 переосмислюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, поєднуються з такими основними концепціями Web3, як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent зі своєю здатністю самостійно виконувати завдання демонструє величезний потенціал для досягнення масштабних застосувань.
Для цього ми почали глибоко досліджувати різноманітні застосування 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 та сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд його класифікації
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та моделлю, ми розглянемо реальний приклад: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технології, що покращують генерування запитів, можуть надати більш багатий та конкретний контент про місця призначення. А AI Agent - це як Джарвіс з фільмів про Залізну людину, він може зрозуміти ваші потреби і на основі одного вашого речення активно шукати рейси та готелі, виконувати операції з бронювання, додавати маршрути до календаря.
Зараз у галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та виконувати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її та впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який поєднує в собі можливості LLM, RAG, пам'яті, планування завдань і використання інструментів. Він не лише може надавати інформацію, але також здатен планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо помітити, що AI Agent вже давно інтегрований у наше життя і застосовується в різних сценах, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.
Розглядаючи приклад ChatGPT для уточнення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає AI-моделі, а GPT є серією моделей, що розвинулися на основі цієї архітектури; GPT-1, GPT-4, GPT-4o відповідно представляють версії моделі на різних етапах розвитку. ChatGP є AI-агентом, що еволюціонував на основі моделі GPT.
Класифікаційний огляд
На даний момент ринок AI агентів ще не склав єдиного стандарту класифікації. Ми пройшли шляхом маркування 204 проектів AI агентів на ринках Web2 і Web3, відповідно до помітних тегів кожного проекту, розділивши їх на перший і другий рівні класифікації. При цьому перший рівень класифікації складається з трьох категорій: інфраструктура, генерація контенту та взаємодія з користувачами, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні категорії: Ця категорія зосереджена на створенні базових елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові застосунки для B-клієнтів.
Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI агентів.
Класи обробки даних: обробка та аналіз даних різних форматів, які в основному використовуються для підтримки прийняття рішень, надання джерел для навчання.
Класи моделей навчання: надає послуги навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги для бізнесу: головним чином націлені на підприємства, пропонуючи корпоративні, вертикальні та автоматизовані рішення.
Платформений клас об'єднання: платформа, що інтегрує різноманітні служби та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, відрізняються наявністю безперервної двосторонньої взаємодії. Інтерактивні агенти не лише приймають і розуміють потреби користувача, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI агент, який надає емоційну підтримку та супроводження.
GPT-клас: AI-агент на базі моделі GPT (генеративний попередньо навчений трансформер).
Пошуковий клас: зосереджений на функціях пошуку, надає більш точну інформацію для агентів.
Генерація контенту: Цей тип проектів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 розробка AI Agent демонструє помітну тенденцію до концентрації в певних сегментах. Зокрема, близько двох третин проектів зосереджено на інфраструктурних рішеннях, серед яких переважають послуги для B-кінцевих користувачів і інструменти для розробки. 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 та рамках, що знижує складність і ризики розробки. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує міцну основу для розробки та застосування AI Agent.
Рух ринкового попиту: ще одним ключовим фактором є ринковий попит. У порівнянні з споживчим ринком, попит на технології ШІ з боку корпоративного сектора є більш нагальним, особливо у пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з корпоративного сектора є відносно стабільними, що сприяє розвитку наступних проектів.
Обмеження у застосуванні: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність підприємства більше схильні до використання тих додатків, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту у проектній базі є досить маленькою.
Ця тенденція відображає зрілість технологій, попит на ринку та реальні аспекти застосування. З постійним прогресом технологій ШІ та подальшим уточненням попиту на ринку, ми очікуємо, що ця картина може зазнати змін, але інфраструктурні рішення залишаться міцною основою для розвитку AI Agent.
Аналіз провідного проекту AI Agent Web2
Ми детально розглянемо деякі поточні проекти AI Agent на ринку Web2 та проведемо їхній аналіз, взявши три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI надає системи діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, тренувати та взаємодіяти з віртуальними персонажами, які можуть вести природну мовну бесіду та виконувати певні завдання.
Аналіз даних: Character.AI у травні отримала 277 мільйонів відвідувачів, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодіжний характер користувацької аудиторії. Character AI продемонструвала відмінні результати на фінансових ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet на неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Перплексити ІІ:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та довідковим лінкам забезпечується надійність та точність інформації, а також він навчає, орієнтує користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні потреби запитів користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних і десктопних додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінивши компанію в 1,04 мільярда доларів, під керівництвом Даніеля Гросса, з учасниками, такими як Стен Друкенміллер та NVIDIA.
Технічний аналіз: Основна модель, яку використовує Perplexity, є доопрацьованою версією GPT-3.5, а також двома великими моделями, доопрацьованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних наукових досліджень і запитів у вертикальних сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем за допомогою Prompts на Midjourney, охоплюючи широкий спектр творчих потреб від реалістичних до абстрактних. Платформа також пропонує змішування та редагування зображень, що дозволяє користувачам накладати зображення та переносити стилі, а функція миттєвого генерування платформи гарантує, що користувачі зможуть отримати результати протягом кількох секунд до кількох хвилин.