AI Agent чи може стати рятівним соломом для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з навчання моделей та платформ для збору стали основними через їхню ключову роль у побудові екосистем.
Наразі кількість проектів AI Agent у Web3 незначна і складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та зростанням визнання ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технологій штучного інтелекту в продуктах, що не є основними для AI, може стати стратегічною перевагою. При поєднанні проектів AI Agent слід звернути увагу на будівництво повної екосистеми та розробку токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та підвищення оцінки
З моменту виходу ChatGPT у листопаді 2022 року він привернув понад 100 мільйонів користувачів всього за два місяці. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій динамічній ситуації великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати свої власні AI-моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили великі моделі, такі як 文心一言 та 智谱清言. Очевидно, що сфера AI стала полем бою для багатьох.
Змагання між великими технологічними гігантами не лише сприяє розвитку комерційних додатків, але й з нашого дослідження статистики відкритих AI-досліджень видно, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, коли кількість проектів зросла на 59,3% в порівнянні з попереднім роком, що відображає захоплення світової спільноти розробників AI-дослідженнями.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє потужний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ стрімко зросла до 24 мільярдів доларів, що є більш ніж подвоєнням у річному обчисленні. Зокрема, компанія xAI під керівництвом Маска залучила 6 мільярдів доларів, її оцінка склала 24 мільярди доларів, що робить її другою за величиною оцінки стартапом в сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту радикально змінює ландшафт технологічної сфери з небаченою досі швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у спільноті з відкритим вихідним кодом, а також до гарячої прихильності ринків капіталу до концепцій ШІ. Проекти з’являються один за одним, обсяги інвестицій постійно б’ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку та золотого віку, де великі мовні моделі та технології генерації, що підсилюють пошук, досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює повноту вирішення реальних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує собою еволюцію технології AI від чисто мовних моделей до справжніх інтелектуальних систем, які можуть дійсно розуміти, навчатися та вирішувати реальні проблеми. Таким чином, ми бачимо надію в розвитку AI Agent, який поступово замикає розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно перетворює структуру продуктивності, тоді як технологія Web3 перебудовує виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній сфері ми вважаємо, що AI Agent завдяки своїй здатності самостійно виконувати завдання демонструє величезний потенціал для досягнення масштабних застосувань.
Для цього ми почали детально вивчати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, прикладного рівня до ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Пояснення концепції: Вступ до AI Agent та огляд класифікації
Основна інформація
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми надамо приклад на основі реальної ситуації: уявімо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технології генерації, посилені пошуком, можуть надати більш багатий і специфічний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину: він може зрозуміти ваші потреби, а також активно шукати рейси та готелі на основі вашого запиту, виконувати бронювання та додавати розклад до календаря.
В даний час у галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та відповідно діяти, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її, а потім впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та дійсно виконувати їх.
Відповідно до цього визначення та характеристик, ми можемо помітити, що AI Agent вже давно інтегровано в наше життя, застосовуючи його в різних сценаріях, таких як AlphaGo, Siri, автомобільне водіння на рівні L5 і вище від Tesla, які всі можуть вважатися прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення від користувачів і відповідно впливати на реальне середовище.
Візьмемо ChatGPT як приклад для уточнення концепцій, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає основи AI моделей, GPT є серією моделей, розроблених на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделі на різних етапах розвитку. ChatGPT, в свою чергу, є AI агентом, що еволюціонував на основі моделі GPT.
Загальний огляд категорій
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми визначили категорії, позначивши 204 проекти AI Agent у ринках Web2 і Web3 на основі їх виразних ознак, розділивши їх на перший і другий рівні класифікації. Перший рівень складається з трьох категорій: інфраструктура, генерація контенту та взаємодія з користувачем, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні проєкти: ця категорія зосереджена на створенні більш базового контенту в сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі B2B-сервіси для базових застосувань.
Інструменти для розробки: надають розробникам допоміжні інструменти та рамки для створення AI-агентів.
Клас обробки даних: обробка та аналіз даних різних форматів, головним чином використовується для підтримки прийняття рішень і надання джерел для навчання.
Класифікація навчання моделей: надання послуг з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги B-класу: в першу чергу орієнтовані на корпоративних користувачів, пропонуючи рішення для корпоративних послуг, вертикального сегмента, автоматизації.
Платформи-агрегатори: платформи, що інтегрують різні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують постійну двосторонню взаємодію. Інтерактивний агент не лише приймає і розуміє потреби користувача, а й через технології обробки природної мови (NLP) надає зворотній зв'язок, реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агенти, які надають емоційну підтримку та陪伴.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошуковий клас: зосереджений на функції пошуку, пропонує більш точну інформацію для агентів, що займаються пошуком.
Генерація контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, в розробці AI-агентів у традиційному інтернеті Web2 спостерігається помітна тенденція до концентрації в окремих секторах. Зокрема, близько двох третин проектів зосереджені в інфраструктурному сегменті, в основному це послуги для бізнесу та інструменти для розробки, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: причини, чому проекти інфраструктурного типу займають домінуючу позицію, в першу чергу пов'язані з їхньою зрілістю технологій. Ці проекти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалент "лопати" в галузі штучного інтелекту, що забезпечує міцну основу для розробки та застосування AI Agent.
Розширення ринку: Іншим ключовим фактором є попит на ринку. На відміну від споживчого ринку, попит підприємств на технології ШІ є більш нагальним, особливо у пошуку рішень для підвищення ефективності операцій та зниження витрат. Одночасно для розробників грошові потоки від підприємств є відносно стабільними, що сприяє розвитку наступних проектів.
Обмеження застосування: Водночас ми помічаємо, що застосування AI для генерації контенту на B-стороні ринку є відносно обмеженим. Через нестабільність його результатів підприємства більше схильні до застосувань, які можуть стабільно підвищити продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З постійним прогресом технології ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення залишаться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми глибоко розглянемо деякі з поточних проектів AI Agent на ринку Web2 і проведемо їх аналіз, використовуючи як приклади три проекти: Character AI, Perplexity AI, Midjourney.
Характер AI:
Опис продукту: Character.AI пропонує систему діалогу на базі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні діалоги та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні досягла 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів щодня, при цьому більшість користувачів віком від 18 до 34 років, що демонструє молодіжну характеристику користувацької бази. Character AI показала чудові результати на капітальному ринку, залучивши 150 мільйонів доларів фінансування, оцінка досягла 1 мільярда доларів, лідером інвестицій стала a16z.
Технічний аналіз: Character AI підписала угоду про ліцензування з неексклюзивним використанням своєї великої мовної моделі з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір та Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити ШІ:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та реферальним лінкам забезпечується надійність та точність інформації, одночасно він навчить та направить користувачів на повторні запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а трафік мобільних та десктопних додатків у лютому зріс на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінка досягла 1,04 мільярда доларів, інвестицію очолив Daniel Gross, учасниками стали Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, яку використовує Perplexity, є налаштована GPT-3.5, а також дві великі моделі, налаштовані на основі відкритої великої моделі: pplx-7b-online і pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних галузях, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів та тем у Midjourney за допомогою підказок, охоплюючи від реалістичного до
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
17 лайків
Нагородити
17
7
Поділіться
Прокоментувати
0/400
OldLeekNewSickle
· 6год тому
Ще одна хвиля обдурювання невдахів. Бачу, але не скажу.
Переглянути оригіналвідповісти на0
BearMarketSurvivor
· 20год тому
Яка солома, не солома, ринок дійсно залежить від того, чи прийдуть великі гроші.
Переглянути оригіналвідповісти на0
GasWrangler
· 07-25 22:23
технічно кажучи, ринкова капіталізація нічого не означає, якщо базовий рівень не оптимізовано... смх
Переглянути оригіналвідповісти на0
NFTArchaeologis
· 07-25 22:21
Наче поворотний момент після інтернет-бульбашки, знайомий і водночас незнайомий.
Переглянути оригіналвідповісти на0
ThreeHornBlasts
· 07-25 22:11
Хоча частка невелика, грошей все ж таки чимало.
Переглянути оригіналвідповісти на0
AirdropHunterXM
· 07-25 22:08
Крути, крути, знову доведеться змагатися на ai-арені.
Переглянути оригіналвідповісти на0
LiquidityWhisperer
· 07-25 22:03
Це просто бульбашка, що користується популярністю.
Чи може AI Agent стати ключовим драйвером інтеграції Web3 та AI?
AI Agent чи може стати рятівним соломом для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з навчання моделей та платформ для збору стали основними через їхню ключову роль у побудові екосистем.
Наразі кількість проектів AI Agent у Web3 незначна і складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та зростанням визнання ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технологій штучного інтелекту в продуктах, що не є основними для AI, може стати стратегічною перевагою. При поєднанні проектів AI Agent слід звернути увагу на будівництво повної екосистеми та розробку токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та підвищення оцінки
З моменту виходу ChatGPT у листопаді 2022 року він привернув понад 100 мільйонів користувачів всього за два місяці. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій динамічній ситуації великі традиційні технологічні гіганти усвідомили важливість застосування передових AI-моделей, таких як LLM, і почали випускати свої власні AI-моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили великі моделі, такі як 文心一言 та 智谱清言. Очевидно, що сфера AI стала полем бою для багатьох.
Змагання між великими технологічними гігантами не лише сприяє розвитку комерційних додатків, але й з нашого дослідження статистики відкритих AI-досліджень видно, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, коли кількість проектів зросла на 59,3% в порівнянні з попереднім роком, що відображає захоплення світової спільноти розробників AI-дослідженнями.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє потужний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ стрімко зросла до 24 мільярдів доларів, що є більш ніж подвоєнням у річному обчисленні. Зокрема, компанія xAI під керівництвом Маска залучила 6 мільярдів доларів, її оцінка склала 24 мільярди доларів, що робить її другою за величиною оцінки стартапом в сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту радикально змінює ландшафт технологічної сфери з небаченою досі швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у спільноті з відкритим вихідним кодом, а також до гарячої прихильності ринків капіталу до концепцій ШІ. Проекти з’являються один за одним, обсяги інвестицій постійно б’ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку та золотого віку, де великі мовні моделі та технології генерації, що підсилюють пошук, досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює повноту вирішення реальних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує собою еволюцію технології AI від чисто мовних моделей до справжніх інтелектуальних систем, які можуть дійсно розуміти, навчатися та вирішувати реальні проблеми. Таким чином, ми бачимо надію в розвитку AI Agent, який поступово замикає розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно перетворює структуру продуктивності, тоді як технологія Web3 перебудовує виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній сфері ми вважаємо, що AI Agent завдяки своїй здатності самостійно виконувати завдання демонструє величезний потенціал для досягнення масштабних застосувань.
Для цього ми почали детально вивчати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, прикладного рівня до ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Пояснення концепції: Вступ до AI Agent та огляд класифікації
Основна інформація
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми надамо приклад на основі реальної ситуації: уявімо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технології генерації, посилені пошуком, можуть надати більш багатий і специфічний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину: він може зрозуміти ваші потреби, а також активно шукати рейси та готелі на основі вашого запиту, виконувати бронювання та додавати розклад до календаря.
В даний час у галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка здатна сприймати навколишнє середовище та відповідно діяти, отримуючи інформацію про середовище за допомогою датчиків, обробляючи її, а потім впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та дійсно виконувати їх.
Відповідно до цього визначення та характеристик, ми можемо помітити, що AI Agent вже давно інтегровано в наше життя, застосовуючи його в різних сценаріях, таких як AlphaGo, Siri, автомобільне водіння на рівні L5 і вище від Tesla, які всі можуть вважатися прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення від користувачів і відповідно впливати на реальне середовище.
Візьмемо ChatGPT як приклад для уточнення концепцій, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає основи AI моделей, GPT є серією моделей, розроблених на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделі на різних етапах розвитку. ChatGPT, в свою чергу, є AI агентом, що еволюціонував на основі моделі GPT.
Загальний огляд категорій
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми визначили категорії, позначивши 204 проекти AI Agent у ринках Web2 і Web3 на основі їх виразних ознак, розділивши їх на перший і другий рівні класифікації. Перший рівень складається з трьох категорій: інфраструктура, генерація контенту та взаємодія з користувачем, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні проєкти: ця категорія зосереджена на створенні більш базового контенту в сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі B2B-сервіси для базових застосувань.
Інструменти для розробки: надають розробникам допоміжні інструменти та рамки для створення AI-агентів.
Клас обробки даних: обробка та аналіз даних різних форматів, головним чином використовується для підтримки прийняття рішень і надання джерел для навчання.
Класифікація навчання моделей: надання послуг з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги B-класу: в першу чергу орієнтовані на корпоративних користувачів, пропонуючи рішення для корпоративних послуг, вертикального сегмента, автоматизації.
Платформи-агрегатори: платформи, що інтегрують різні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують постійну двосторонню взаємодію. Інтерактивний агент не лише приймає і розуміє потреби користувача, а й через технології обробки природної мови (NLP) надає зворотній зв'язок, реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агенти, які надають емоційну підтримку та陪伴.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошуковий клас: зосереджений на функції пошуку, пропонує більш точну інформацію для агентів, що займаються пошуком.
Генерація контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, в розробці AI-агентів у традиційному інтернеті Web2 спостерігається помітна тенденція до концентрації в окремих секторах. Зокрема, близько двох третин проектів зосереджені в інфраструктурному сегменті, в основному це послуги для бізнесу та інструменти для розробки, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: причини, чому проекти інфраструктурного типу займають домінуючу позицію, в першу чергу пов'язані з їхньою зрілістю технологій. Ці проекти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалент "лопати" в галузі штучного інтелекту, що забезпечує міцну основу для розробки та застосування AI Agent.
Розширення ринку: Іншим ключовим фактором є попит на ринку. На відміну від споживчого ринку, попит підприємств на технології ШІ є більш нагальним, особливо у пошуку рішень для підвищення ефективності операцій та зниження витрат. Одночасно для розробників грошові потоки від підприємств є відносно стабільними, що сприяє розвитку наступних проектів.
Обмеження застосування: Водночас ми помічаємо, що застосування AI для генерації контенту на B-стороні ринку є відносно обмеженим. Через нестабільність його результатів підприємства більше схильні до застосувань, які можуть стабільно підвищити продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З постійним прогресом технології ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення залишаться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми глибоко розглянемо деякі з поточних проектів AI Agent на ринку Web2 і проведемо їх аналіз, використовуючи як приклади три проекти: Character AI, Perplexity AI, Midjourney.
Характер AI:
Опис продукту: Character.AI пропонує систему діалогу на базі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні діалоги та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні досягла 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів щодня, при цьому більшість користувачів віком від 18 до 34 років, що демонструє молодіжну характеристику користувацької бази. Character AI показала чудові результати на капітальному ринку, залучивши 150 мільйонів доларів фінансування, оцінка досягла 1 мільярда доларів, лідером інвестицій стала a16z.
Технічний аналіз: Character AI підписала угоду про ліцензування з неексклюзивним використанням своєї великої мовної моделі з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір та Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити ШІ:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та реферальним лінкам забезпечується надійність та точність інформації, одночасно він навчить та направить користувачів на повторні запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а трафік мобільних та десктопних додатків у лютому зріс на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, оцінка досягла 1,04 мільярда доларів, інвестицію очолив Daniel Gross, учасниками стали Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, яку використовує Perplexity, є налаштована GPT-3.5, а також дві великі моделі, налаштовані на основі відкритої великої моделі: pplx-7b-online і pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних галузях, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів та тем у Midjourney за допомогою підказок, охоплюючи від реалістичного до