L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agents IA sont principalement des services pour les entreprises, un type populaire et mature dans les startups Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus mainstream en raison de leur rôle clé dans la construction des écosystèmes.
Actuellement, le nombre de projets d'AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché en termes de capitalisation boursière dans le secteur de l'IA atteint 23 %, démontrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets avec une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'intégration de la technologie AI dans les produits d'application non centrés sur l'IA pourrait devenir un avantage stratégique. La manière dont les projets d'agent AI sont combinés doit se concentrer sur la construction de l'écosystème complet et la conception du modèle économique des tokens, afin de promouvoir la décentralisation et l'effet réseau.
La vague d'IA : l'état actuel des projets émergents et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de cent millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications des modèles d'IA à la pointe, comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a sorti Llama3, tandis que des entreprises chinoises ont présenté des modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La course entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais en même temps, nous avons découvert à partir des statistiques d'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI connaît une forte croissance, avec une explosion prévue au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI dépassant les 150 millions de dollars, soit le double du trimestre précédent. Le montant total des financements des startups AI a également grimpé à 24 milliards de dollars, en hausse de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI recompose le paysage technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets fusent, les investissements atteignent des sommets historiques, et les évaluations montent en flèche. Dans l'ensemble, le marché de l'AI est en pleine période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération améliorée par recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles font face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties du modèle, le risque d'illusions générant des informations inexactes et les problèmes de transparence du modèle. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est primordiale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la globalité de la résolution des problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de véritablement comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution des problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement la structure de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : les données, les modèles et la puissance de calcul, s'intègrent aux concepts fondamentaux de la décentralisation, de l'économie des jetons et des contrats intelligents de Web3, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine d'intersection plein de potentiel, nous croyons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à explorer en profondeur les applications diversifiées des agents IA dans le Web3, des infrastructures Web3, des intermédiaires et des couches d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur la destination et des conseils de voyage. La technologie de génération augmentée par récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre les besoins et de rechercher proactivement des vols et des hôtels en fonction de votre phrase, d'exécuter des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en utilisant des capteurs pour obtenir des informations sur l'environnement, qui sont ensuite traitées et utilisées par des actionneurs pour influencer cet environnement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il ne se contente pas de fournir des informations, mais il est également capable de planifier, de décomposer des tâches et de les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. Ces systèmes partagent une caractéristique commune : ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier le concept, nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, GPT est une série de modèles développés sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est donc un agent IA évolué à partir du modèle GPT.
Aperçu de la classification
Le marché actuel des agents AI n'a pas encore formé de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi eux, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu, interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que les services de type B destinés aux applications de base plus matures.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données dans différents formats, principalement utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, les réglages, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : des plateformes qui intègrent divers services et outils d'Agent AI.
Classe interactive : similaire à la classe de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des techniques telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI d'accompagnement émotionnel : fournissent un soutien émotionnel et une compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonctionnalité de recherche, fournissant principalement des récupérations d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration évidente. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également effectué une analyse de ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est équivalent à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour les technologies AI est plus pressante, en particulier dans la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.
Limites des cas d'utilisation : Dans le même temps, nous avons constaté que les cas d'utilisation des IA génératrices de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable leur productivité. Cela a conduit à une proportion relativement faible des IA génératrices de contenu dans le répertoire des projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations réelles des scénarios d'application. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront une base solide pour le développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de mener des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant ainsi une caractéristique de la population d'utilisateurs jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la maison mère de Google, Alphabet, pour l'utilisation de son grand modèle de langage, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en référant à des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et recherches de mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation de 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open source affinés : pplx-7b-online et pplx-70b-online. Ces modèles sont adaptés à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité de l'information.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images dans divers styles et thèmes sur Midjourney grâce aux invites, couvrant tout, du réalisme à
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
17 J'aime
Récompense
17
7
Partager
Commentaire
0/400
OldLeekNewSickle
· Il y a 9h
Encore une vague de prise de pigeons, voir à travers sans en parler.
Voir l'originalRépondre0
BearMarketSurvivor
· Il y a 23h
Quel chaume, peu importe, le marché dépend vraiment de l'entrée ou non de gros capitaux.
Voir l'originalRépondre0
GasWrangler
· 07-25 22:23
techniquement parlant, la capitalisation boursière ne signifie rien si la couche de base n'est pas optimisée...smh
Voir l'originalRépondre0
NFTArchaeologis
· 07-25 22:21
Comme au point de retournement après la bulle Internet d'autrefois, familier mais étrange.
Voir l'originalRépondre0
ThreeHornBlasts
· 07-25 22:11
Bien que la part soit faible, l'argent n'est pas négligeable.
Voir l'originalRépondre0
AirdropHunterXM
· 07-25 22:08
Roulez, roulez, il faut encore se lancer dans la course AI.
L'agent IA peut-il devenir le moteur clé de la fusion Web3 + IA
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agents IA sont principalement des services pour les entreprises, un type populaire et mature dans les startups Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus mainstream en raison de leur rôle clé dans la construction des écosystèmes.
Actuellement, le nombre de projets d'AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché en termes de capitalisation boursière dans le secteur de l'IA atteint 23 %, démontrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets avec une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'intégration de la technologie AI dans les produits d'application non centrés sur l'IA pourrait devenir un avantage stratégique. La manière dont les projets d'agent AI sont combinés doit se concentrer sur la construction de l'écosystème complet et la conception du modèle économique des tokens, afin de promouvoir la décentralisation et l'effet réseau.
La vague d'IA : l'état actuel des projets émergents et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de cent millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, tandis qu'OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications des modèles d'IA à la pointe, comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a sorti Llama3, tandis que des entreprises chinoises ont présenté des modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La course entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais en même temps, nous avons découvert à partir des statistiques d'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements en AI connaît une forte croissance, avec une explosion prévue au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI dépassant les 150 millions de dollars, soit le double du trimestre précédent. Le montant total des financements des startups AI a également grimpé à 24 milliards de dollars, en hausse de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI recompose le paysage technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets fusent, les investissements atteignent des sommets historiques, et les évaluations montent en flèche. Dans l'ensemble, le marché de l'AI est en pleine période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération améliorée par recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles font face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties du modèle, le risque d'illusions générant des informations inexactes et les problèmes de transparence du modèle. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est primordiale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur la globalité de la résolution des problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique pur vers des systèmes intelligents capables de véritablement comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution des problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement la structure de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : les données, les modèles et la puissance de calcul, s'intègrent aux concepts fondamentaux de la décentralisation, de l'économie des jetons et des contrats intelligents de Web3, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine d'intersection plein de potentiel, nous croyons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à explorer en profondeur les applications diversifiées des agents IA dans le Web3, des infrastructures Web3, des intermédiaires et des couches d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur la destination et des conseils de voyage. La technologie de génération augmentée par récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre les besoins et de rechercher proactivement des vols et des hôtels en fonction de votre phrase, d'exécuter des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en utilisant des capteurs pour obtenir des informations sur l'environnement, qui sont ensuite traitées et utilisées par des actionneurs pour influencer cet environnement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il ne se contente pas de fournir des informations, mais il est également capable de planifier, de décomposer des tâches et de les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. Ces systèmes partagent une caractéristique commune : ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier le concept, nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, GPT est une série de modèles développés sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est donc un agent IA évolué à partir du modèle GPT.
Aperçu de la classification
Le marché actuel des agents AI n'a pas encore formé de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi eux, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu, interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que les services de type B destinés aux applications de base plus matures.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données dans différents formats, principalement utilisées pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, les réglages, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : des plateformes qui intègrent divers services et outils d'Agent AI.
Classe interactive : similaire à la classe de génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des techniques telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI d'accompagnement émotionnel : fournissent un soutien émotionnel et une compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonctionnalité de recherche, fournissant principalement des récupérations d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration évidente. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également effectué une analyse de ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est équivalent à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour les technologies AI est plus pressante, en particulier dans la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.
Limites des cas d'utilisation : Dans le même temps, nous avons constaté que les cas d'utilisation des IA génératrices de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable leur productivité. Cela a conduit à une proportion relativement faible des IA génératrices de contenu dans le répertoire des projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations réelles des scénarios d'application. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront une base solide pour le développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de mener des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant ainsi une caractéristique de la population d'utilisateurs jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la maison mère de Google, Alphabet, pour l'utilisation de son grand modèle de langage, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en référant à des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et recherches de mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation de 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open source affinés : pplx-7b-online et pplx-70b-online. Ces modèles sont adaptés à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité de l'information.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images dans divers styles et thèmes sur Midjourney grâce aux invites, couvrant tout, du réalisme à