Проекты AI Agent, популярные и зрелые в Web2, в основном относятся к корпоративным услугам, тогда как в области Web3 проекты по обучению моделей и платформам становятся основными из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля рыночной капитализации в сегменте AI достигает 23%, что демонстрирует их сильную конкурентоспособность на рынке. Мы ожидаем, что по мере зрелости технологий и повышения признания на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ в не-AI-ориентированные приложения может стать стратегическим преимуществом. В проектах AI Agent следует уделить внимание построению всей экосистемы и дизайну токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: Текущая ситуация с новыми проектами и ростом оценок
С момента появления ChatGPT в ноябре 2022 года он за короткий срок привлек более ста миллионов пользователей, и к маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI, выпустив ChatGPT, быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В условиях такого стремительного развития крупнейшие традиционные технологические компании осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большой языковую модель PaLM2, Meta представила Llama3, а китайские компании запустили модели, такие как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для конкурентов.
Соревнование крупных технологических гигантов не только способствовало развитию коммерческих приложений, но и, согласно статистике исследований в области открытого ИИ, отчет AI Index за 2024 год показывает, что количество проектов, связанных с ИИ, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение сообщества разработчиков по всему миру исследованиями в области ИИ.
Страсть к технологиям ИИ прямо отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, вторая четверть 2024 года показала взрывной рост. В мире произошло 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первой четверти. Общая сумма финансирования стартапов в области ИИ также стремительно возросла до 24 миллиардов долларов, увеличившись более чем в два раза по сравнению с прошлым годом. Среди них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ после OpenAI по оценке.
Стремительное развитие технологий ИИ кардинально меняет ландшафт технологической сферы с беспрецедентной скоростью. От ожесточенной конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, а также до горячего интереса со стороны капитального рынка к концепции ИИ. Проекты возникают один за другим, объемы инвестиций постоянно устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотой эпохе быстрого развития, где крупные языковые модели и технологии улучшенного поиска и генерации достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность вывода моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти проблемы становятся особенно важными в приложениях, где требования к надежности крайне высоки.
На этом фоне мы начинаем исследовать AI Agent, поскольку AI Agent подчеркивает полноту решения практических проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий AI от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, обучаются и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями AI и решением практических проблем. Эволюция технологий AI постоянно преобразует архитектуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три основных элемента AI: данные, модели и вычислительная мощность, сливаются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим, что это приведет к ряду инновационных приложений. В этой многообещающей перекрестной области мы полагаем, что AI Agent, обладая способностью к самостоятельному выполнению задач, демонстрирует огромный потенциал для достижения широкомасштабного применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, приложений до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и приложений для глубокого понимания глубокой интеграции AI и Web3.
Прояснение понятий: Введение в AI-агентов и обзор их классификации
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали различие между его определением и самой моделью, мы приведем реальный пример: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на увеличении поиска, может предоставить более богатый и конкретный контент о местах назначения. AI Agent похож на Джарвиса из фильмов о Железном человеке: он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли широко принято определять AI Agent как интеллектуальную систему, способную воспринимать окружающую среду и принимать соответствующие меры, получая информацию об окружающей среде через датчики, обрабатывая ее и влияя на окружающую среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже давно вписался в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они способны воспринимать внешние пользовательские вводы и в соответствии с этим влиять на реальную среду.
Для прояснения концепции на примере ChatGPT, мы должны четко указать, что Transformer является технической архитектурой, составляющей AI модели, GPT — это серия моделей, развивающихся на основе этой архитектуры, а GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах ее развития. ChatGPT же является AI агентом, эволюционировавшим на основе модели GPT.
Категория Обзор
На текущий момент рынок AI Agent еще не выработал единого классификационного стандарта. Мы провели маркировку 204 проектов AI Agent на рынке Web2 и Web3, основываясь на их значительных ярлыках, разделив их на первичную и вторичную классификации. Первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователем, а затем мы дополнительно уточнили их на основе фактических случаев использования.
Базовая инфраструктура: этот тип сосредоточен на создании более базового контента в области агентства, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для услуг B2B.
Инструменты разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т. д.
B-канальные услуги: в основном нацелены на корпоративных пользователей, предоставляя услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформа типа сборника: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные агенты: схожи с классом генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: ИИ-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точный поиск информации.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по указаниям пользователей, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, в традиционном интернете Web2 наблюдается явная тенденция к концентрации разработки AI-агентов в определенных сегментах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, в основном это услуги B-стороны и инструменты разработки, мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты инфраструктуры занимают доминирующее положение в первую очередь благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает трудности и риски разработки. Это эквивалент "лопаты" в области ИИ, обеспечивающей прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения сценариев применения: В то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании больше склонны к тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов достаточно мала.
Этот тренд отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, однако инфраструктурные решения по-прежнему будут прочным фундаментом для развития AI Agent.
Анализ ведущего проекта AI Agent в Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и анализируем их, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает системы диалога на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести естественный языковой диалог и выполнять определенные задачи.
Анализ данных: Character.AI в мае имела 277 миллионов посещений, платформа имеет более 3,5 миллиона ежедневных активных пользователей, большинство из которых в возрасте от 18 до 34 лет, что показывает характерную молодую аудиторию. Character AI демонстрирует отличные результаты на капиталовложенческом рынке, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемое a16z.
Технический анализ: Character AI подписала нен-exclusive лицензионное соглашение с материнской компанией Google Alphabet на использование своей крупной языковой модели, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Благодаря цитированию и ссылкам обеспечивается надежность и точность информации, в то же время он обучает и направляет пользователей задавать уточняющие вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Количество активных пользователей Perplexity достигло 10 миллионов в месяц, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлечя около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании составила 1,04 миллиарда долларов, возглавил раунд финансирования Дэниел Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, представляет собой доработанный GPT-3.5, а также две большие модели, доработанные на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в специализированных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих от реалистичного до
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
17 Лайков
Награда
17
7
Поделиться
комментарий
0/400
OldLeekNewSickle
· 14ч назад
Еще одна волна разыгрывания неудачников, смотрим, но не говорим.
Посмотреть ОригиналОтветить0
BearMarketSurvivor
· 07-26 18:46
Что такое солома? Рынок действительно зависит от того, будут ли большие деньги входить в игру.
Посмотреть ОригиналОтветить0
GasWrangler
· 07-25 22:23
с технической точки зрения рыночная капитализация ничего не значит, если базовый уровень не оптимизирован...смах
Посмотреть ОригиналОтветить0
NFTArchaeologis
· 07-25 22:21
Как веха после интернет-бума, знакомая и незнакомая одновременно.
Посмотреть ОригиналОтветить0
ThreeHornBlasts
· 07-25 22:11
Хотя доля небольшая, денег-то немало.
Посмотреть ОригиналОтветить0
AirdropHunterXM
· 07-25 22:08
Снова надо браться за AI-платформу.
Посмотреть ОригиналОтветить0
LiquidityWhisperer
· 07-25 22:03
Это всего лишь мыльный пузырь, который ловит тренды.
Сможет ли AI Agent стать ключевым движущим фактором слияния Web3 и AI
Может ли AI-агент стать спасением для Web3+AI?
Проекты AI Agent, популярные и зрелые в Web2, в основном относятся к корпоративным услугам, тогда как в области Web3 проекты по обучению моделей и платформам становятся основными из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля рыночной капитализации в сегменте AI достигает 23%, что демонстрирует их сильную конкурентоспособность на рынке. Мы ожидаем, что по мере зрелости технологий и повышения признания на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ в не-AI-ориентированные приложения может стать стратегическим преимуществом. В проектах AI Agent следует уделить внимание построению всей экосистемы и дизайну токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: Текущая ситуация с новыми проектами и ростом оценок
С момента появления ChatGPT в ноябре 2022 года он за короткий срок привлек более ста миллионов пользователей, и к маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI, выпустив ChatGPT, быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В условиях такого стремительного развития крупнейшие традиционные технологические компании осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большой языковую модель PaLM2, Meta представила Llama3, а китайские компании запустили модели, такие как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для конкурентов.
Соревнование крупных технологических гигантов не только способствовало развитию коммерческих приложений, но и, согласно статистике исследований в области открытого ИИ, отчет AI Index за 2024 год показывает, что количество проектов, связанных с ИИ, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение сообщества разработчиков по всему миру исследованиями в области ИИ.
Страсть к технологиям ИИ прямо отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, вторая четверть 2024 года показала взрывной рост. В мире произошло 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что в два раза больше, чем в первой четверти. Общая сумма финансирования стартапов в области ИИ также стремительно возросла до 24 миллиардов долларов, увеличившись более чем в два раза по сравнению с прошлым годом. Среди них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области ИИ после OpenAI по оценке.
Стремительное развитие технологий ИИ кардинально меняет ландшафт технологической сферы с беспрецедентной скоростью. От ожесточенной конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, а также до горячего интереса со стороны капитального рынка к концепции ИИ. Проекты возникают один за другим, объемы инвестиций постоянно устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотой эпохе быстрого развития, где крупные языковые модели и технологии улучшенного поиска и генерации достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность вывода моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти проблемы становятся особенно важными в приложениях, где требования к надежности крайне высоки.
На этом фоне мы начинаем исследовать AI Agent, поскольку AI Agent подчеркивает полноту решения практических проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий AI от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, обучаются и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями AI и решением практических проблем. Эволюция технологий AI постоянно преобразует архитектуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три основных элемента AI: данные, модели и вычислительная мощность, сливаются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим, что это приведет к ряду инновационных приложений. В этой многообещающей перекрестной области мы полагаем, что AI Agent, обладая способностью к самостоятельному выполнению задач, демонстрирует огромный потенциал для достижения широкомасштабного применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, приложений до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и приложений для глубокого понимания глубокой интеграции AI и Web3.
Прояснение понятий: Введение в AI-агентов и обзор их классификации
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали различие между его определением и самой моделью, мы приведем реальный пример: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на увеличении поиска, может предоставить более богатый и конкретный контент о местах назначения. AI Agent похож на Джарвиса из фильмов о Железном человеке: он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли широко принято определять AI Agent как интеллектуальную систему, способную воспринимать окружающую среду и принимать соответствующие меры, получая информацию об окружающей среде через датчики, обрабатывая ее и влияя на окружающую среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже давно вписался в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общей чертой этих систем является то, что они способны воспринимать внешние пользовательские вводы и в соответствии с этим влиять на реальную среду.
Для прояснения концепции на примере ChatGPT, мы должны четко указать, что Transformer является технической архитектурой, составляющей AI модели, GPT — это серия моделей, развивающихся на основе этой архитектуры, а GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах ее развития. ChatGPT же является AI агентом, эволюционировавшим на основе модели GPT.
Категория Обзор
На текущий момент рынок AI Agent еще не выработал единого классификационного стандарта. Мы провели маркировку 204 проектов AI Agent на рынке Web2 и Web3, основываясь на их значительных ярлыках, разделив их на первичную и вторичную классификации. Первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователем, а затем мы дополнительно уточнили их на основе фактических случаев использования.
Базовая инфраструктура: этот тип сосредоточен на создании более базового контента в области агентства, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для услуг B2B.
Инструменты разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание и настройку моделей и т. д.
B-канальные услуги: в основном нацелены на корпоративных пользователей, предоставляя услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформа типа сборника: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные агенты: схожи с классом генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: ИИ-агент на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точный поиск информации.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по указаниям пользователей, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, в традиционном интернете Web2 наблюдается явная тенденция к концентрации разработки AI-агентов в определенных сегментах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, в основном это услуги B-стороны и инструменты разработки, мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты инфраструктуры занимают доминирующее положение в первую очередь благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает трудности и риски разработки. Это эквивалент "лопаты" в области ИИ, обеспечивающей прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения сценариев применения: В то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании больше склонны к тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов достаточно мала.
Этот тренд отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, однако инфраструктурные решения по-прежнему будут прочным фундаментом для развития AI Agent.
Анализ ведущего проекта AI Agent в Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и анализируем их, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает системы диалога на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести естественный языковой диалог и выполнять определенные задачи.
Анализ данных: Character.AI в мае имела 277 миллионов посещений, платформа имеет более 3,5 миллиона ежедневных активных пользователей, большинство из которых в возрасте от 18 до 34 лет, что показывает характерную молодую аудиторию. Character AI демонстрирует отличные результаты на капиталовложенческом рынке, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемое a16z.
Технический анализ: Character AI подписала нен-exclusive лицензионное соглашение с материнской компанией Google Alphabet на использование своей крупной языковой модели, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Благодаря цитированию и ссылкам обеспечивается надежность и точность информации, в то же время он обучает и направляет пользователей задавать уточняющие вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Количество активных пользователей Perplexity достигло 10 миллионов в месяц, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлечя около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании составила 1,04 миллиарда долларов, возглавил раунд финансирования Дэниел Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, представляет собой доработанный GPT-3.5, а также две большие модели, доработанные на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в специализированных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих от реалистичного до