O Agente de IA pode tornar-se a tábua de salvação do Web3+IA?
Os projetos de Agentes de IA são tipos populares e maduros no empreendedorismo Web2, principalmente na categoria de serviços para empresas, enquanto no campo Web3, projetos de treinamento de modelos e plataformas coletivas tornaram-se mainstream devido ao seu papel fundamental na construção de ecossistemas.
Atualmente, o número de projetos de AI Agent no Web3 é pequeno, representando 8%, mas a sua participação no valor de mercado no setor de AI atinge impressionantes 23%, demonstrando assim uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com avaliação superior a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologias de IA em produtos de aplicação que não são o núcleo de IA pode se tornar uma vantagem estratégica. A forma de combinação para projetos de Agentes de IA deve focar na construção de todo o ecossistema e no design do modelo econômico de tokens, a fim de promover a descentralização e os efeitos de rede.
A onda da IA: estado atual de surgimento de projetos e valorização
Desde o lançamento do ChatGPT em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Até maio de 2024, a receita mensal do ChatGPT já havia atingido impressionantes 20,3 milhões de dólares, e a OpenAI rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o após a publicação do ChatGPT. Diante de tal ritmo acelerado, grandes gigantes da tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas lançaram o Wenxin Yiyan e o Zhipu Qingyan, entre outros grandes modelos. É evidente que o campo da IA se tornou um campo de batalha crucial.
A competição entre os grandes gigantes da tecnologia não apenas impulsionou o desenvolvimento de aplicações comerciais, mas também, a partir da investigação estatística da pesquisa em IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub saltou de 845 em 2011 para cerca de 1,8 milhão em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um crescimento robusto, com um crescimento explosivo no segundo trimestre de 2024. Globalmente, houve 16 investimentos relacionados à IA superiores a 150 milhões de dólares, o que é o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, mais que o dobro em relação ao ano anterior. Entre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a remodelar o panorama da tecnologia a uma velocidade sem precedentes. Desde a feroz concorrência entre os gigantes da tecnologia, ao florescimento de projetos da comunidade de código aberto, até à intensa procura do mercado de capitais pelo conceito de IA. Os projetos surgem a um ritmo acelerado, os investimentos atingem novos máximos, e as avaliações acompanham este crescimento. De um modo geral, o mercado de IA está numa fase de ouro de rápido desenvolvimento, com modelos de linguagem de grande escala e tecnologias de geração aumentada por pesquisa a realizarem progressos significativos na área do processamento de linguagem. Apesar disso, estes modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de alucinação na geração de informações imprecisas e questões de transparência do modelo. Estes problemas tornam-se especialmente importantes em cenários de aplicação onde a fiabilidade é extremamente exigente.
Neste contexto, começamos a investigar o Agente AI, uma vez que o Agente AI enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia AI de modelos de linguagem puramente teóricos para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do Agente AI, que está gradualmente fechando a lacuna entre a tecnologia AI e a resolução de problemas práticos. A evolução da tecnologia AI está constantemente remodelando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da AI: dados, modelos e poder computacional, se fundem com os conceitos centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo cruzado cheio de potencial, acreditamos que o Agente AI, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para a aplicação em larga escala.
Para isso, começamos a investigar em profundidade as diversas aplicações do Agente de IA no Web3, desde a infraestrutura do Web3, middleware, até o nível de aplicações, passando por diversos ângulos como o mercado de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender melhor a profunda integração entre a IA e o Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações dos Agentes de IA
Introdução Básica
Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode oferecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o J.A.R.V.I.S. do filme do Homem de Ferro, capaz de entender as necessidades e ainda pesquisar ativamente voos e hotéis com base em uma frase sua, realizar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e tomar ações correspondentes, obtendo informações do ambiente através de sensores e, após processamento, impactando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas pode fornecer informações de forma simples, mas também planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já estão integrados nas nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum destes sistemas é a capacidade de perceber as entradas dos utilizadores no mundo exterior e, com base nisso, fazer respostas que impactam o ambiente real.
Tomando o ChatGPT como exemplo para esclarecer conceitos, devemos apontar claramente que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é a série de modelos desenvolvida com base nessa arquitetura, e o GPT-1, GPT-4, e GPT-4o representam as versões dos modelos em diferentes estágios de desenvolvimento. O ChatGPT, por sua vez, é um Agente de IA que evoluiu a partir do modelo GPT.
Resumo de Categorias
Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Através da rotulagem de 204 projetos de Agentes de IA nos mercados Web2 + Web3, dividimos em uma classificação de nível superior e uma classificação de nível inferior com base nas etiquetas significativas correspondentes a cada projeto. Dentre elas, a classificação de nível superior consiste em três categorias: infraestrutura básica, geração de conteúdo e interação com o usuário, e depois são subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais no domínio dos Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento e serviços B2B de aplicações mais maduras e básicas.
Ferramentas de desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir agentes de IA.
Classe de processamento de dados: processar e analisar diferentes formatos de dados, principalmente utilizados para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelos: oferece serviços de treinamento de modelos para IA, incluindo inferência, construção e definição de modelos, etc.
Serviços B2B: direcionados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de agregação: uma plataforma que integra vários serviços e ferramentas de AI Agent.
Interativos: Semelhante à geração de conteúdo, a diferença está na interação bidirecional contínua. O agente interativo não só aceita e compreende as necessidades do usuário, mas também fornece feedback por meio de tecnologias como o processamento de linguagem natural (NLP), realizando uma interação bidirecional com o usuário.
Classe de acompanhamento emocional: Agente de IA que oferece suporte emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).
Classe de Pesquisa: Focada na funcionalidade de busca, oferecendo um agente principal para recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologias de grandes modelos para gerar várias formas de conteúdo de acordo com as instruções dos usuários, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento de Agentes de IA Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma clara tendência de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, principalmente em serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre este fenômeno.
Impacto da maturidade tecnológica: A razão pela qual projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Esses projetos geralmente se baseiam em tecnologias e estruturas testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivalente à "pá" no campo da IA, fornece uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulso da demanda do mercado: Outro fator-chave é a demanda do mercado. Em comparação com o mercado consumidor, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que aumentem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que favorece o desenvolvimento de projetos futuros.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA geradora de conteúdo no mercado B2B é relativamente limitada. Devido à instabilidade da sua produção, as empresas tendem a preferir aplicações que possam melhorar a produtividade de forma estável. Isso resulta em uma proporção menor de IA geradora de conteúdo no repositório de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos casos de uso. Com o constante avanço da tecnologia de IA e a clareza crescente na demanda do mercado, esperamos que este padrão possa ser ajustado, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder de Agentes de IA do Web2
Nós exploramos profundamente alguns projetos de Agentes de IA atuais no mercado Web2 e os analisamos, usando os projetos Character AI, Perplexity AI e Midjourney como exemplo.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de conversação baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite que os utilizadores criem, treinem e interajam com personagens virtuais, que conseguem manter diálogos em linguagem natural e realizar tarefas específicas.
Análise de dados: O Character.AI teve 277 milhões de visitas em maio, com mais de 3,5 milhões de usuários ativos diários, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um grupo de usuários mais jovem. O Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI está a utilizar tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: O Perplexity é capaz de extrair e fornecer respostas detalhadas da Internet. Através de citações e links de referência, garante a fiabilidade e precisão da informação, enquanto educa e orienta os utilizadores a fazer perguntas adicionais e pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos utilizadores.
Análise de dados: O número de utilizadores ativos mensais da Perplexity alcançou 10 milhões, com um crescimento de 8,6% no tráfego das suas aplicações móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de utilizadores. No mercado de capitais, a Perplexity AI anunciou recentemente que levantou 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O modelo principal utilizado pela Perplexity é o GPT-3.5 afinado, juntamente com dois grandes modelos afinados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. Os modelos são adequados para pesquisa acadêmica profissional e consultas em áreas verticais, garantindo a veracidade e a confiabilidade das informações.
Midjourney:
Apresentação do produto: os usuários podem criar imagens de vários estilos e temas no Midjourney através de Prompts, abrangendo desde o realista até
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
16 gostos
Recompensa
16
6
Partilhar
Comentar
0/400
BearMarketSurvivor
· 7h atrás
O que é palha e o que não é palha, o mercado realmente depende se o grande capital entra ou não.
Ver originalResponder0
GasWrangler
· 07-25 22:23
tecnicamente falando, a capitalização de mercado não significa nada se a camada base não estiver otimizada...smh
Ver originalResponder0
NFTArchaeologis
· 07-25 22:21
Como o ponto de viragem após a bolha da Internet, familiar e estranha.
Ver originalResponder0
ThreeHornBlasts
· 07-25 22:11
Embora a proporção seja pequena, o dinheiro não é pouco.
Ver originalResponder0
AirdropHunterXM
· 07-25 22:08
Vamos lá, vamos lá, temos que entrar na corrida de IA novamente.
Será que o Agente de IA pode tornar-se o motor chave da fusão Web3+IA
O Agente de IA pode tornar-se a tábua de salvação do Web3+IA?
Os projetos de Agentes de IA são tipos populares e maduros no empreendedorismo Web2, principalmente na categoria de serviços para empresas, enquanto no campo Web3, projetos de treinamento de modelos e plataformas coletivas tornaram-se mainstream devido ao seu papel fundamental na construção de ecossistemas.
Atualmente, o número de projetos de AI Agent no Web3 é pequeno, representando 8%, mas a sua participação no valor de mercado no setor de AI atinge impressionantes 23%, demonstrando assim uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurece e a aceitação do mercado aumenta, surgirão vários projetos com avaliação superior a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologias de IA em produtos de aplicação que não são o núcleo de IA pode se tornar uma vantagem estratégica. A forma de combinação para projetos de Agentes de IA deve focar na construção de todo o ecossistema e no design do modelo econômico de tokens, a fim de promover a descentralização e os efeitos de rede.
A onda da IA: estado atual de surgimento de projetos e valorização
Desde o lançamento do ChatGPT em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Até maio de 2024, a receita mensal do ChatGPT já havia atingido impressionantes 20,3 milhões de dólares, e a OpenAI rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o após a publicação do ChatGPT. Diante de tal ritmo acelerado, grandes gigantes da tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas lançaram o Wenxin Yiyan e o Zhipu Qingyan, entre outros grandes modelos. É evidente que o campo da IA se tornou um campo de batalha crucial.
A competição entre os grandes gigantes da tecnologia não apenas impulsionou o desenvolvimento de aplicações comerciais, mas também, a partir da investigação estatística da pesquisa em IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub saltou de 845 em 2011 para cerca de 1,8 milhão em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um crescimento robusto, com um crescimento explosivo no segundo trimestre de 2024. Globalmente, houve 16 investimentos relacionados à IA superiores a 150 milhões de dólares, o que é o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, mais que o dobro em relação ao ano anterior. Entre elas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a remodelar o panorama da tecnologia a uma velocidade sem precedentes. Desde a feroz concorrência entre os gigantes da tecnologia, ao florescimento de projetos da comunidade de código aberto, até à intensa procura do mercado de capitais pelo conceito de IA. Os projetos surgem a um ritmo acelerado, os investimentos atingem novos máximos, e as avaliações acompanham este crescimento. De um modo geral, o mercado de IA está numa fase de ouro de rápido desenvolvimento, com modelos de linguagem de grande escala e tecnologias de geração aumentada por pesquisa a realizarem progressos significativos na área do processamento de linguagem. Apesar disso, estes modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de alucinação na geração de informações imprecisas e questões de transparência do modelo. Estes problemas tornam-se especialmente importantes em cenários de aplicação onde a fiabilidade é extremamente exigente.
Neste contexto, começamos a investigar o Agente AI, uma vez que o Agente AI enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia AI de modelos de linguagem puramente teóricos para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do Agente AI, que está gradualmente fechando a lacuna entre a tecnologia AI e a resolução de problemas práticos. A evolução da tecnologia AI está constantemente remodelando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da AI: dados, modelos e poder computacional, se fundem com os conceitos centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo cruzado cheio de potencial, acreditamos que o Agente AI, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para a aplicação em larga escala.
Para isso, começamos a investigar em profundidade as diversas aplicações do Agente de IA no Web3, desde a infraestrutura do Web3, middleware, até o nível de aplicações, passando por diversos ângulos como o mercado de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de compreender melhor a profunda integração entre a IA e o Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações dos Agentes de IA
Introdução Básica
Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode oferecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o J.A.R.V.I.S. do filme do Homem de Ferro, capaz de entender as necessidades e ainda pesquisar ativamente voos e hotéis com base em uma frase sua, realizar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e tomar ações correspondentes, obtendo informações do ambiente através de sensores e, após processamento, impactando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas pode fornecer informações de forma simples, mas também planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já estão integrados nas nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum destes sistemas é a capacidade de perceber as entradas dos utilizadores no mundo exterior e, com base nisso, fazer respostas que impactam o ambiente real.
Tomando o ChatGPT como exemplo para esclarecer conceitos, devemos apontar claramente que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é a série de modelos desenvolvida com base nessa arquitetura, e o GPT-1, GPT-4, e GPT-4o representam as versões dos modelos em diferentes estágios de desenvolvimento. O ChatGPT, por sua vez, é um Agente de IA que evoluiu a partir do modelo GPT.
Resumo de Categorias
Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Através da rotulagem de 204 projetos de Agentes de IA nos mercados Web2 + Web3, dividimos em uma classificação de nível superior e uma classificação de nível inferior com base nas etiquetas significativas correspondentes a cada projeto. Dentre elas, a classificação de nível superior consiste em três categorias: infraestrutura básica, geração de conteúdo e interação com o usuário, e depois são subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais no domínio dos Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento e serviços B2B de aplicações mais maduras e básicas.
Ferramentas de desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir agentes de IA.
Classe de processamento de dados: processar e analisar diferentes formatos de dados, principalmente utilizados para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelos: oferece serviços de treinamento de modelos para IA, incluindo inferência, construção e definição de modelos, etc.
Serviços B2B: direcionados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de agregação: uma plataforma que integra vários serviços e ferramentas de AI Agent.
Interativos: Semelhante à geração de conteúdo, a diferença está na interação bidirecional contínua. O agente interativo não só aceita e compreende as necessidades do usuário, mas também fornece feedback por meio de tecnologias como o processamento de linguagem natural (NLP), realizando uma interação bidirecional com o usuário.
Classe de acompanhamento emocional: Agente de IA que oferece suporte emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-treinado Generativo).
Classe de Pesquisa: Focada na funcionalidade de busca, oferecendo um agente principal para recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologias de grandes modelos para gerar várias formas de conteúdo de acordo com as instruções dos usuários, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento de Agentes de IA Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma clara tendência de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, principalmente em serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre este fenômeno.
Impacto da maturidade tecnológica: A razão pela qual projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Esses projetos geralmente se baseiam em tecnologias e estruturas testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. Equivalente à "pá" no campo da IA, fornece uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulso da demanda do mercado: Outro fator-chave é a demanda do mercado. Em comparação com o mercado consumidor, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que aumentem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que favorece o desenvolvimento de projetos futuros.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA geradora de conteúdo no mercado B2B é relativamente limitada. Devido à instabilidade da sua produção, as empresas tendem a preferir aplicações que possam melhorar a produtividade de forma estável. Isso resulta em uma proporção menor de IA geradora de conteúdo no repositório de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos casos de uso. Com o constante avanço da tecnologia de IA e a clareza crescente na demanda do mercado, esperamos que este padrão possa ser ajustado, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder de Agentes de IA do Web2
Nós exploramos profundamente alguns projetos de Agentes de IA atuais no mercado Web2 e os analisamos, usando os projetos Character AI, Perplexity AI e Midjourney como exemplo.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de conversação baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite que os utilizadores criem, treinem e interajam com personagens virtuais, que conseguem manter diálogos em linguagem natural e realizar tarefas específicas.
Análise de dados: O Character.AI teve 277 milhões de visitas em maio, com mais de 3,5 milhões de usuários ativos diários, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um grupo de usuários mais jovem. O Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI está a utilizar tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: O Perplexity é capaz de extrair e fornecer respostas detalhadas da Internet. Através de citações e links de referência, garante a fiabilidade e precisão da informação, enquanto educa e orienta os utilizadores a fazer perguntas adicionais e pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos utilizadores.
Análise de dados: O número de utilizadores ativos mensais da Perplexity alcançou 10 milhões, com um crescimento de 8,6% no tráfego das suas aplicações móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de utilizadores. No mercado de capitais, a Perplexity AI anunciou recentemente que levantou 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O modelo principal utilizado pela Perplexity é o GPT-3.5 afinado, juntamente com dois grandes modelos afinados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. Os modelos são adequados para pesquisa acadêmica profissional e consultas em áreas verticais, garantindo a veracidade e a confiabilidade das informações.
Midjourney:
Apresentação do produto: os usuários podem criar imagens de vários estilos e temas no Midjourney através de Prompts, abrangendo desde o realista até