¿Puede el Agente de IA convertirse en la tabla de salvación de Web3+IA?
Los proyectos de Agente de IA son principalmente un tipo de servicio orientado a empresas que es popular y maduro en el emprendimiento Web2, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
En la actualidad, hay pocos proyectos de agentes de IA en Web3, representando solo el 8%, pero su capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y se incremente el reconocimiento del mercado, surgirán múltiples proyectos con una valoración superior a los 1.000 millones de dólares.
Para los proyectos de Web3, la incorporación de tecnología AI en productos de aplicaciones que no son centrales de AI puede convertirse en una ventaja estratégica. La forma en que se combine el proyecto de Agente AI debe centrarse en la construcción de un ecosistema completo y el diseño del modelo económico de tokens, para fomentar la descentralización y el efecto de red.
Ola de IA: Estado actual de proyectos emergentes y aumento de valor de mercado
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de los modelos de IA de vanguardia como LLM, y lanzaron sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhizhu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia crucial.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de estadísticas de AI de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con AI en GitHub se ha disparado de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en AI.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con IA que superan los 150 millones de dólares, lo que representa el doble que en el primer trimestre. El total de financiamiento para las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, bajo el mando de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y la ferviente búsqueda del mercado de capitales por conceptos de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje de gran tamaño y tecnologías de generación mejorada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones al generar información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, anticipamos que se generará una serie de aplicaciones innovadoras. En este campo de cruce lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de forma autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, el middleware, hasta el nivel de aplicación y los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para entender mejor la profunda integración de la IA y Web3.
Aclaración de conceptos: Introducción y visión general de las categorías de agentes de IA
Introducción básica
Antes de presentar el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario práctico como ejemplo: supongamos que estás planificando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente de IA es como JARVIS en la película de Iron Man, capaz de entender las necesidades y también buscar proactivamente vuelos y hoteles con base en una de tus frases, realizar reservas y agregar el itinerario al calendario.
Actualmente, la definición común en la industria para un Agente de IA se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información simple, sino que también puede planificar, descomponer tareas y llevarlas a cabo de manera efectiva.
Según esta definición y características, podemos ver que el Agente IA ya se ha integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, hacer que su entorno real se vea afectado.
Tomando ChatGPT como ejemplo para aclarar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es una serie de modelos desarrollados sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. A través de un etiquetado separado de 204 proyectos de Agentes de IA en el mercado de Web2+Web3, los hemos clasificado en categorías principales y secundarias según las etiquetas significativas correspondientes a cada proyecto. Las categorías principales son infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdividen según sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y de aplicaciones básicas.
Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clase de procesamiento de datos: manejar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluidos la inferencia, la construcción de modelos, la configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo agregador: una plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Clase de acompañamiento emocional: agente de IA que ofrece apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Tipo de búsqueda: Un agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en la creación de contenido, utilizando la tecnología de grandes modelos para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de video y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional de Internet muestra una clara tendencia de concentración en ciertos sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en infraestructura, siendo predominantemente servicios B2B y herramientas de desarrollo, y hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: La razón por la que los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos generalmente se basan en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Se asemeja a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnologías de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de caja proveniente de las empresas es relativamente estable, lo que les beneficia en el desarrollo de proyectos posteriores.
Limitaciones en los casos de uso: Al mismo tiempo, hemos observado que los casos de uso de la IA generadora de contenido en el mercado B2B son relativamente limitados. Debido a la inestabilidad de sus resultados, las empresas tienden a preferir aquellas aplicaciones que puedan mejorar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción relativamente pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la mayor claridad en la demanda del mercado, prevemos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis del proyecto líder en agentes de IA de Web2
Exploramos en profundidad algunos proyectos de agentes de IA en el mercado actual de Web2 y analizamos tres proyectos como ejemplos: Character AI, Perplexity AI y Midjourney.
Character AI：
Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un rendimiento sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Vale la pena mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, han participado en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción del producto: Perplexity puede rastrear y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para que realicen preguntas adicionales y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: el número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente una financiación de 62.7 millones de dólares, con una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.
Midjourney:
Introducción del producto: Los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, abarcando desde realistas hasta
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
17 me gusta
Recompensa
17
7
Compartir
Comentar
0/400
OldLeekNewSickle
· hace5h
Otra ola de toma a la gente por tonta, ver pero no decir.
Ver originalesResponder0
BearMarketSurvivor
· hace19h
¿Qué paja no es paja? El mercado realmente depende de si el gran capital entra o no.
Ver originalesResponder0
GasWrangler
· 07-25 22:23
técnicamente hablando, la capitalización de mercado no significa nada si la capa base no está optimizada...smh
Ver originalesResponder0
NFTArchaeologis
· 07-25 22:21
Como el punto de inflexión después de la burbuja de Internet de aquellos años, familiar pero extraño.
Ver originalesResponder0
ThreeHornBlasts
· 07-25 22:11
Aunque la proporción es pequeña, el dinero no es poco.
¿Puede el Agente de IA convertirse en el motor clave de la fusión Web3 + IA?
¿Puede el Agente de IA convertirse en la tabla de salvación de Web3+IA?
Los proyectos de Agente de IA son principalmente un tipo de servicio orientado a empresas que es popular y maduro en el emprendimiento Web2, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
En la actualidad, hay pocos proyectos de agentes de IA en Web3, representando solo el 8%, pero su capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y se incremente el reconocimiento del mercado, surgirán múltiples proyectos con una valoración superior a los 1.000 millones de dólares.
Para los proyectos de Web3, la incorporación de tecnología AI en productos de aplicaciones que no son centrales de AI puede convertirse en una ventaja estratégica. La forma en que se combine el proyecto de Agente AI debe centrarse en la construcción de un ecosistema completo y el diseño del modelo económico de tokens, para fomentar la descentralización y el efecto de red.
Ola de IA: Estado actual de proyectos emergentes y aumento de valor de mercado
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de los modelos de IA de vanguardia como LLM, y lanzaron sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhizhu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia crucial.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de estadísticas de AI de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con AI en GitHub se ha disparado de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en AI.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con IA que superan los 150 millones de dólares, lo que representa el doble que en el primer trimestre. El total de financiamiento para las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, bajo el mando de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y la ferviente búsqueda del mercado de capitales por conceptos de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje de gran tamaño y tecnologías de generación mejorada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones al generar información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, anticipamos que se generará una serie de aplicaciones innovadoras. En este campo de cruce lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de forma autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, el middleware, hasta el nivel de aplicación y los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para entender mejor la profunda integración de la IA y Web3.
Aclaración de conceptos: Introducción y visión general de las categorías de agentes de IA
Introducción básica
Antes de presentar el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario práctico como ejemplo: supongamos que estás planificando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente de IA es como JARVIS en la película de Iron Man, capaz de entender las necesidades y también buscar proactivamente vuelos y hoteles con base en una de tus frases, realizar reservas y agregar el itinerario al calendario.
Actualmente, la definición común en la industria para un Agente de IA se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información simple, sino que también puede planificar, descomponer tareas y llevarlas a cabo de manera efectiva.
Según esta definición y características, podemos ver que el Agente IA ya se ha integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, hacer que su entorno real se vea afectado.
Tomando ChatGPT como ejemplo para aclarar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es una serie de modelos desarrollados sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. A través de un etiquetado separado de 204 proyectos de Agentes de IA en el mercado de Web2+Web3, los hemos clasificado en categorías principales y secundarias según las etiquetas significativas correspondientes a cada proyecto. Las categorías principales son infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdividen según sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y de aplicaciones básicas.
Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clase de procesamiento de datos: manejar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluidos la inferencia, la construcción de modelos, la configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo agregador: una plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Clase de acompañamiento emocional: agente de IA que ofrece apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Tipo de búsqueda: Un agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en la creación de contenido, utilizando la tecnología de grandes modelos para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de video y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional de Internet muestra una clara tendencia de concentración en ciertos sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en infraestructura, siendo predominantemente servicios B2B y herramientas de desarrollo, y hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: La razón por la que los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos generalmente se basan en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Se asemeja a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, la demanda de tecnologías de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de caja proveniente de las empresas es relativamente estable, lo que les beneficia en el desarrollo de proyectos posteriores.
Limitaciones en los casos de uso: Al mismo tiempo, hemos observado que los casos de uso de la IA generadora de contenido en el mercado B2B son relativamente limitados. Debido a la inestabilidad de sus resultados, las empresas tienden a preferir aquellas aplicaciones que puedan mejorar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción relativamente pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la mayor claridad en la demanda del mercado, prevemos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis del proyecto líder en agentes de IA de Web2
Exploramos en profundidad algunos proyectos de agentes de IA en el mercado actual de Web2 y analizamos tres proyectos como ejemplos: Character AI, Perplexity AI y Midjourney.
Character AI：
Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un rendimiento sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Vale la pena mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, han participado en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción del producto: Perplexity puede rastrear y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para que realicen preguntas adicionales y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: el número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente una financiación de 62.7 millones de dólares, con una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.
Midjourney:
Introducción del producto: Los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, abarcando desde realistas hasta