L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des services aux entreprises, un type populaire et mature dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent la norme en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est limité, représentant 8 % du total, mais leur part de capitalisation boursière dans le domaine de l'IA atteint 23 %, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépasseront une valorisation de 10 milliards de dollars à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centrés sur l'IA peut constituer un avantage stratégique. En ce qui concerne les projets d'agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception d'un modèle économique basé sur les tokens, afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'IA : État 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 impressionnant 20,3 millions de dollars, et après la sortie de ChatGPT, OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o. Avec une telle dynamique, les grandes entreprises technologiques traditionnelles ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que LLM, et ont lancé leurs propres modèles et applications d'IA, par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que les entreprises chinoises ont introduit des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident 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 nous avons également constaté 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 est passé 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, avec un marché des investissements AI montrant une forte croissance, enregistrant une croissance explosive au cours du deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI de plus de 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, enregistrant une augmentation 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 la deuxième startup AI la plus valorisée après OpenAI.
Le développement rapide de la technologie de l'IA redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, au développement florissant des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets fleurissent, les investissements atteignent des sommets historiques et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est dans une période de croissance rapide et dorée, avec des modèles de langage de grande taille et des technologies de génération améliorée par la recherche réalisant des avancées significatives dans le traitement du langage. Cela dit, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à mener des recherches sur l'Agent IA, car l'Agent IA met l'accent sur l'exhaustivité de la résolution de 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 comprendre véritablement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement de l'Agent IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit constamment l'architecture 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 : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de la Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergeront. Dans ce domaine croisé plein de potentiel, nous pensons que l'Agent IA, avec sa capacité à exécuter des tâches de manière autonome, démontre un énorme potentiel pour une application à grande échelle.
Pour ce faire, nous avons commencé à examiner en profondeur les diverses applications des agents AI dans le Web3, en passant par les infrastructures Web3, les middleware, les niveaux d'application, ainsi que les marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'AI et le Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents AI
Introduction de base
Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la distinction entre sa définition et le modèle lui-même, nous allons prendre un exemple à partir d'un scénario réel : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut fournir un contenu de destination plus riche et plus spécifique. L'Agent IA est comme Jarvis dans les films Iron Man, capable de comprendre les besoins et, sur la base de votre phrase, de rechercher activement des vols et des hôtels, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un Agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et de réagir en conséquence. Il obtient des informations sur l'environnement via des capteurs, les traite et utilise des actionneurs pour influencer l'environnement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine LLM, RAG, mémoire, planification des tâches et capacité à utiliser des outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans nos vies, utilisés dans différents scénarios, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et au-dessus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs dans le monde extérieur et réagir en conséquence, ayant un impact sur l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts, nous devons clairement indiquer que le Transformer est l'architecture technologique qui compose le modèle d'IA, GPT est une série de modèles développée sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent les versions du modèle à différentes étapes de son développement. ChatGP est donc un agent IA évolué à partir du modèle GPT.
Aperçu de la catégorie
Le marché actuel des agents AI n'a pas encore formé de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI sur 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. La classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu et interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenu de base dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B pour des applications de base plus matures.
Outils de développement : Fournir aux développeurs des outils et cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisé 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 et la configuration de modèles, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme intégrant divers services et outils d'agent IA.
Interaction : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. L'Agent interactif non seulement accepte et comprend les besoins des utilisateurs, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de soutien émotionnel : Fournissent un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, offrant une récupération d'information plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des instructions des utilisateurs, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents d'IA Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance claire de concentration des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué une certaine analyse de ce phénomène.
Impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce 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. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'impulsion de 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 urgente, 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 est favorable au développement de projets ultérieurs.
Limitations des cas d'application : En même temps, nous avons remarqué que les IA de génération de contenu ont des cas d'application relativement limités sur le marché B2B. En raison de l'instabilité de leur production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible des IA de génération de contenu dans la bibliothèque de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec l'avancement continu de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire solide du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous examinons en profondeur certains projets d'agent IA sur le marché Web2 actuel et les analysons en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Personnage IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de dialoguer en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme comptant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité des utilisateurs ont entre 18 et 34 ans, montrant une caractéristique de groupe 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 société mère de Google, Alphabet, pour l'utilisation de son modèle de langage de grande envergure, 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 peut extraire des réponses détaillées d'Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins variés de recherche 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 ajusté, ainsi que deux grands modèles ajustés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Les modèles sont adaptés à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce à des invites, couvrant 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.
18 J'aime
Récompense
18
8
Reposter
Partager
Commentaire
0/400
ApyWhisperer
· 08-06 06:47
Encore une fois, la spéculation gm gn, une valorisation de 10 milliards de dollars, n'est-elle pas trop conservatrice ?
Voir l'originalRépondre0
GasFeeLady
· 08-06 04:25
la capitalisation boursière dit tout... 23% est haussier af tbh
Voir l'originalRépondre0
OnchainSniper
· 08-05 06:14
Regardez, les données montrent déjà une capitalisation boursière de 23 %. C'est incroyable !
Voir l'originalRépondre0
TokenAlchemist
· 08-03 19:13
mdr 23% de part de marché sur seulement 8% de protocoles... vecteur d'inefficacité de marché à son apogée là.
Voir l'originalRépondre0
consensus_whisperer
· 08-03 19:13
capitalisation boursière de vingt à trente milliards, Se faire prendre pour des cons.
Voir l'originalRépondre0
BoredRiceBall
· 08-03 19:04
Encore la saison de se faire prendre pour des cons...
Voir l'originalRépondre0
StablecoinArbitrageur
· 08-03 18:57
hmm... un ratio de capitalisation de marché de 8 % à 23 % indique clairement une fuite d'alpha, pour être honnête.
Voir l'originalRépondre0
InscriptionGriller
· 08-03 18:48
C'est juste une nouvelle méthode pour se faire prendre pour des cons, les vieux pigeons comprennent.
L'Agent IA peut-il devenir la clé de la fusion Web3+IA ? Analyse du projet et perspectives de développement
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des services aux entreprises, un type populaire et mature dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent la norme en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est limité, représentant 8 % du total, mais leur part de capitalisation boursière dans le domaine de l'IA atteint 23 %, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépasseront une valorisation de 10 milliards de dollars à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centrés sur l'IA peut constituer un avantage stratégique. En ce qui concerne les projets d'agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception d'un modèle économique basé sur les tokens, afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'IA : État 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 impressionnant 20,3 millions de dollars, et après la sortie de ChatGPT, OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o. Avec une telle dynamique, les grandes entreprises technologiques traditionnelles ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que LLM, et ont lancé leurs propres modèles et applications d'IA, par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que les entreprises chinoises ont introduit des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident 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 nous avons également constaté 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 est passé 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, avec un marché des investissements AI montrant une forte croissance, enregistrant une croissance explosive au cours du deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI de plus de 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, enregistrant une augmentation 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 la deuxième startup AI la plus valorisée après OpenAI.
Le développement rapide de la technologie de l'IA redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence acharnée entre les géants de la technologie, au développement florissant des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets fleurissent, les investissements atteignent des sommets historiques et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est dans une période de croissance rapide et dorée, avec des modèles de langage de grande taille et des technologies de génération améliorée par la recherche réalisant des avancées significatives dans le traitement du langage. Cela dit, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à mener des recherches sur l'Agent IA, car l'Agent IA met l'accent sur l'exhaustivité de la résolution de 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 comprendre véritablement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement de l'Agent IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit constamment l'architecture 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 : données, modèles et puissance de calcul, se fusionnent avec les concepts fondamentaux de la Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergeront. Dans ce domaine croisé plein de potentiel, nous pensons que l'Agent IA, avec sa capacité à exécuter des tâches de manière autonome, démontre un énorme potentiel pour une application à grande échelle.
Pour ce faire, nous avons commencé à examiner en profondeur les diverses applications des agents AI dans le Web3, en passant par les infrastructures Web3, les middleware, les niveaux d'application, ainsi que les marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'AI et le Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents AI
Introduction de base
Avant d'introduire l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la distinction entre sa définition et le modèle lui-même, nous allons prendre un exemple à partir d'un scénario réel : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut fournir un contenu de destination plus riche et plus spécifique. L'Agent IA est comme Jarvis dans les films Iron Man, capable de comprendre les besoins et, sur la base de votre phrase, de rechercher activement des vols et des hôtels, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un Agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et de réagir en conséquence. Il obtient des informations sur l'environnement via des capteurs, les traite et utilise des actionneurs pour influencer l'environnement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine LLM, RAG, mémoire, planification des tâches et capacité à utiliser des outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans nos vies, utilisés dans différents scénarios, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et au-dessus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs dans le monde extérieur et réagir en conséquence, ayant un impact sur l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts, nous devons clairement indiquer que le Transformer est l'architecture technologique qui compose le modèle d'IA, GPT est une série de modèles développée sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent les versions du modèle à différentes étapes de son développement. ChatGP est donc un agent IA évolué à partir du modèle GPT.
Aperçu de la catégorie
Le marché actuel des agents AI n'a pas encore formé de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI sur 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. La classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu et interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenu de base dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B pour des applications de base plus matures.
Outils de développement : Fournir aux développeurs des outils et cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisé 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 et la configuration de modèles, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme intégrant divers services et outils d'agent IA.
Interaction : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. L'Agent interactif non seulement accepte et comprend les besoins des utilisateurs, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de soutien émotionnel : Fournissent un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, offrant une récupération d'information plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des instructions des utilisateurs, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents d'IA Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance claire de concentration des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué une certaine analyse de ce phénomène.
Impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce 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. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'impulsion de 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 urgente, 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 est favorable au développement de projets ultérieurs.
Limitations des cas d'application : En même temps, nous avons remarqué que les IA de génération de contenu ont des cas d'application relativement limités sur le marché B2B. En raison de l'instabilité de leur production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible des IA de génération de contenu dans la bibliothèque de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec l'avancement continu de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire solide du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous examinons en profondeur certains projets d'agent IA sur le marché Web2 actuel et les analysons en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Personnage IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de dialoguer en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme comptant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité des utilisateurs ont entre 18 et 34 ans, montrant une caractéristique de groupe 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 société mère de Google, Alphabet, pour l'utilisation de son modèle de langage de grande envergure, 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 peut extraire des réponses détaillées d'Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins variés de recherche 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 ajusté, ainsi que deux grands modèles ajustés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Les modèles sont adaptés à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce à des invites, couvrant du réalisme à