Чи може AI-агент стати рятівною соломинкою для Web3+AI?
Проекти AI Agent в Web2 популярні і зрілі, головним чином у сфері послуг для підприємств, тоді як у Web3 моделі навчання та проекти з об'єднання платформ стали основними через їхню ключову роль у побудові екосистеми.
На сьогоднішній день кількість проектів AI Agent у Web3 невелика і складає 8%, але їхня частка на ринку AI досягає 23%, що свідчить про їхню сильну конкурентоспроможність. Ми очікуємо, що з розвитком технологій і підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій ШІ для продуктів, що не є основою ШІ, може стати стратегічною перевагою. У проектах AI Agent важливо зосередитися на побудові цілісної екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевому ефекту.
Хвиля ШІ: сучасний стан проектів і зростання оцінок
Від моменту виходу ChatGPT у листопаді 2022 року, всього за два місяці він привернув понад сто мільйонів користувачів. У травні 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а після випуску ChatGPT OpenAI швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій динамічній обстановці великі традиційні технологічні гіганти усвідомлюють важливість застосування найсучасніших AI-моделей, таких як LLM, і починають випускати власні моделі та програми, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, тоді як китайські компанії запустили великі моделі, такі як Wenxin Yiyan, Zhipu Qingyan. Очевидно, що сфера AI стала полем бою для конкурентів.
Змагання великих технологічних компаній не лише прискорило розвиток комерційних додатків, але й з результатів дослідження відкритого AI ми дізналися, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо після випуску GPT у 2023 році кількість проектів зросла на 59,3% в річному обчисленні, що відображає захоплення світової спільноти розробників дослідженням AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було 16 угод з інвестиціями в ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що є більш ніж подвоєнням у порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінки компанією-стартапом ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту кардинально змінює ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між великими технологічними компаніями, до бурхливого розвитку проектів в open-source спільнотах, до гарячого попиту на концепцію AI на ринку капіталу. Проекти з'являються один за одним, обсяги інвестицій б’ють рекорди, а оцінки також зростають. В цілому, ринок AI перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в обробці мови. Незважаючи на це, ці моделі все ще стикаються з викликами при перетворенні технічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми прозорості моделей. Ці проблеми стають особливо важливими в сценаріях використання, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з навколишнім середовищем. Ця зміна відзначає еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно розуміють, навчаються та вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово нівелює розрив між технологією AI та вирішенням реальних проблем. Еволюція технологій AI постійно переформатовує структуру продуктивності, в той час як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перехідній області ми вважаємо, що AI Agent завдяки своїй здатності виконувати завдання самостійно демонструє величезний потенціал для реалізації масштабних застосувань.
Для цього ми почали детально досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і застосунків, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Прояснення понять: Вступ до AI Agent та огляд його класифікації
Основна інформація
Перед тим, як представити AI Agent, для кращого розуміння читачами різниці між його визначенням та моделлю, ми наведемо приклад з реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та рекомендації щодо подорожей. Технології генерації з покращенням пошуку можуть надати більш багатий та конкретний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину, він може зрозуміти ваші потреби та, на основі вашої фрази, активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.
В даний час у галузі загальною є визначення AI Agent, яке означає інтелектуальну систему, здатну сприймати середовище та реагувати на нього, 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 об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно впроваджений у наше життя, застосовуючись у різних сценаріях, 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 на основі цього впливати на реальне середовище.
Візьмемо ChatGPT як приклад для прояснення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає основу AI-моделей, GPT є серією моделей, що розвиваються на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP є AI-агентом, який еволюціонував на основі моделі GPT.
Категорія огляд
На даний момент ринок AI Agent ще не має єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 і Web3, відповідно до їхніх помітних тегів, розділивши їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачами, а далі ми деталізували їх за реальними випадками використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні базових елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти розробки та більш зрілі прикладні рішення для B-класу.
Інструменти для розробників: надання розробникам допоміжних інструментів і фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, в основному використовується для підтримки прийняття рішень, забезпечуючи джерела для навчання.
Класи моделей навчання: надає послуги з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
Послуги для бізнесу: в основному спрямовані на корпоративних користувачів, пропонують корпоративні послуги, вертикальні рішення та автоматизовані рішення.
Платформи для збору: платформи, що інтегрують різні AI Agent сервіси та інструменти.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують постійну двосторонню взаємодію. 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 супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошукові: зосереджені на функції пошуку, забезпечуючи більш точний агент для інформаційного пошуку.
Генерація контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI агентів
Згідно з нашою статистикою, розробка AI Agent у традиційному інтернеті Web2 демонструє помітну тенденцію до концентрації в секторах. Конкретно, приблизно дві третини проектів зосереджені в інфраструктурному класі, серед яких переважають послуги для бізнесу та інструменти для розробки. Ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури домінують, 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 штучного інтелекту, що забезпечує надійну основу для розробки та застосування AI Agent.
Рух ринкових запитів: ще один ключовий фактор - це ринковий попит. У порівнянні з споживчим ринком, попит на AI технології з боку бізнесу є більш терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з боку бізнесу є відносно стабільними, що сприяє розробці подальших проектів.
Обмеження застосування: водночас ми помічаємо, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його продукції підприємства більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному портфелі є досить малою.
Ця тенденція відображає реальні міркування щодо зрілості технологій, попиту на ринку та сценаріїв застосування. З постійним прогресом технологій штучного інтелекту та подальшим уточненням попиту на ринку, ми очікуємо, що ця структура може дещо змінитися, але інфраструктурні рішення залишатимуться міцним фундаментом для розвитку агентів ШІ.
Аналіз провідних проектів AI-агентів Web2
Ми детально розглянемо деякі поточні проекти AI Agent на ринку Web2 і проведемо їх аналіз, взявши за приклад три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI пропонує систему діалогу на базі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які здатні вести розмови природною мовою та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона щоденних активних користувачів, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну характеристику користувацької бази. Character AI показала відмінні результати на капітальному ринку, залучивши 150 мільйонів доларів фінансування, а її оцінка досягла 1 мільярда доларів, при цьому основним інвестором стала a16z.
Технічний аналіз: Character AI підписала угоду про ліцензування на неексклюзивне використання своєї великої мовної моделі з материнською компанією Google, Alphabet, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазеер та Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Штучний інтелект Perplexity:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з інтернету. Завдяки цитуванням і посиланням на джерела забезпечується надійність та точність інформації, водночас він навчає, направляє користувачів на додаткові запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних та десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, її оцінка досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а серед учасників – Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основна модель, що використовується Perplexity, є доопрацьованою версією GPT-3.5, а також дві великі моделі, доопрацьовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних наукових досліджень та запитів у вузьких галузях, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем у Midjourney за допомогою Prompts, охоплюючи від реалістичних до
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Web3+AI рятівник AI Agent: Аналіз класифікації проектів та перспективи розвитку
Чи може AI-агент стати рятівною соломинкою для Web3+AI?
Проекти AI Agent в Web2 популярні і зрілі, головним чином у сфері послуг для підприємств, тоді як у Web3 моделі навчання та проекти з об'єднання платформ стали основними через їхню ключову роль у побудові екосистеми.
На сьогоднішній день кількість проектів AI Agent у Web3 невелика і складає 8%, але їхня частка на ринку AI досягає 23%, що свідчить про їхню сильну конкурентоспроможність. Ми очікуємо, що з розвитком технологій і підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій ШІ для продуктів, що не є основою ШІ, може стати стратегічною перевагою. У проектах AI Agent важливо зосередитися на побудові цілісної екосистеми та дизайні токеноміки, щоб сприяти децентралізації та мережевому ефекту.
Хвиля ШІ: сучасний стан проектів і зростання оцінок
Від моменту виходу ChatGPT у листопаді 2022 року, всього за два місяці він привернув понад сто мільйонів користувачів. У травні 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а після випуску ChatGPT OpenAI швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій динамічній обстановці великі традиційні технологічні гіганти усвідомлюють важливість застосування найсучасніших AI-моделей, таких як LLM, і починають випускати власні моделі та програми, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, тоді як китайські компанії запустили великі моделі, такі як Wenxin Yiyan, Zhipu Qingyan. Очевидно, що сфера AI стала полем бою для конкурентів.
Змагання великих технологічних компаній не лише прискорило розвиток комерційних додатків, але й з результатів дослідження відкритого AI ми дізналися, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році. Особливо після випуску GPT у 2023 році кількість проектів зросла на 59,3% в річному обчисленні, що відображає захоплення світової спільноти розробників дослідженням AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було 16 угод з інвестиціями в ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що є більш ніж подвоєнням у порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінки компанією-стартапом ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту кардинально змінює ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між великими технологічними компаніями, до бурхливого розвитку проектів в open-source спільнотах, до гарячого попиту на концепцію AI на ринку капіталу. Проекти з'являються один за одним, обсяги інвестицій б’ють рекорди, а оцінки також зростають. В цілому, ринок AI перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в обробці мови. Незважаючи на це, ці моделі все ще стикаються з викликами при перетворенні технічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми прозорості моделей. Ці проблеми стають особливо важливими в сценаріях використання, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з навколишнім середовищем. Ця зміна відзначає еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно розуміють, навчаються та вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово нівелює розрив між технологією AI та вирішенням реальних проблем. Еволюція технологій AI постійно переформатовує структуру продуктивності, в той час як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перехідній області ми вважаємо, що AI Agent завдяки своїй здатності виконувати завдання самостійно демонструє величезний потенціал для реалізації масштабних застосувань.
Для цього ми почали детально досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і застосунків, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Прояснення понять: Вступ до AI Agent та огляд його класифікації
Основна інформація
Перед тим, як представити AI Agent, для кращого розуміння читачами різниці між його визначенням та моделлю, ми наведемо приклад з реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та рекомендації щодо подорожей. Технології генерації з покращенням пошуку можуть надати більш багатий та конкретний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину, він може зрозуміти ваші потреби та, на основі вашої фрази, активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.
В даний час у галузі загальною є визначення AI Agent, яке означає інтелектуальну систему, здатну сприймати середовище та реагувати на нього, 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 об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно впроваджений у наше життя, застосовуючись у різних сценаріях, 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 на основі цього впливати на реальне середовище.
Візьмемо ChatGPT як приклад для прояснення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає основу AI-моделей, GPT є серією моделей, що розвиваються на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP є AI-агентом, який еволюціонував на основі моделі GPT.
Категорія огляд
На даний момент ринок AI Agent ще не має єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 і Web3, відповідно до їхніх помітних тегів, розділивши їх на перший і другий рівні класифікації. Перший рівень класифікації включає три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачами, а далі ми деталізували їх за реальними випадками використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні базових елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти розробки та більш зрілі прикладні рішення для B-класу.
Інструменти для розробників: надання розробникам допоміжних інструментів і фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, в основному використовується для підтримки прийняття рішень, забезпечуючи джерела для навчання.
Класи моделей навчання: надає послуги з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
Послуги для бізнесу: в основному спрямовані на корпоративних користувачів, пропонують корпоративні послуги, вертикальні рішення та автоматизовані рішення.
Платформи для збору: платформи, що інтегрують різні AI Agent сервіси та інструменти.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують постійну двосторонню взаємодію. 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 супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошукові: зосереджені на функції пошуку, забезпечуючи більш точний агент для інформаційного пошуку.
Генерація контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI агентів
Згідно з нашою статистикою, розробка AI Agent у традиційному інтернеті Web2 демонструє помітну тенденцію до концентрації в секторах. Конкретно, приблизно дві третини проектів зосереджені в інфраструктурному класі, серед яких переважають послуги для бізнесу та інструменти для розробки. Ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури домінують, 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 штучного інтелекту, що забезпечує надійну основу для розробки та застосування AI Agent.
Рух ринкових запитів: ще один ключовий фактор - це ринковий попит. У порівнянні з споживчим ринком, попит на AI технології з боку бізнесу є більш терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з боку бізнесу є відносно стабільними, що сприяє розробці подальших проектів.
Обмеження застосування: водночас ми помічаємо, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через нестабільність його продукції підприємства більше схиляються до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному портфелі є досить малою.
Ця тенденція відображає реальні міркування щодо зрілості технологій, попиту на ринку та сценаріїв застосування. З постійним прогресом технологій штучного інтелекту та подальшим уточненням попиту на ринку, ми очікуємо, що ця структура може дещо змінитися, але інфраструктурні рішення залишатимуться міцним фундаментом для розвитку агентів ШІ.
Аналіз провідних проектів AI-агентів Web2
Ми детально розглянемо деякі поточні проекти AI Agent на ринку Web2 і проведемо їх аналіз, взявши за приклад три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI пропонує систему діалогу на базі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які здатні вести розмови природною мовою та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона щоденних активних користувачів, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну характеристику користувацької бази. Character AI показала відмінні результати на капітальному ринку, залучивши 150 мільйонів доларів фінансування, а її оцінка досягла 1 мільярда доларів, при цьому основним інвестором стала a16z.
Технічний аналіз: Character AI підписала угоду про ліцензування на неексклюзивне використання своєї великої мовної моделі з материнською компанією Google, Alphabet, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазеер та Даніель Де Фрейтас брали участь у розробці діалогової мовної моделі Google Llama.
Штучний інтелект Perplexity:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з інтернету. Завдяки цитуванням і посиланням на джерела забезпечується надійність та точність інформації, водночас він навчає, направляє користувачів на додаткові запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних та десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, її оцінка досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а серед учасників – Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основна модель, що використовується Perplexity, є доопрацьованою версією GPT-3.5, а також дві великі моделі, доопрацьовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних наукових досліджень та запитів у вузьких галузях, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем у Midjourney за допомогою Prompts, охоплюючи від реалістичних до