Может ли AI-агент стать спасательной соломинкой для Web3+AI?
Проект AI Agent является популярным и зрелым типом в Web2 стартапах, в основном в сфере услуг для предприятий, в то время как в области Web3 проекты по обучению моделей и платформам интеграции стали мейнстримом из-за их ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля рыночной капитализации в AI-секторе достигает 23%, что демонстрирует их сильную конкурентоспособность на рынке. Мы ожидаем, что с ростом зрелости технологий и увеличением степени признания на рынке в будущем появится множество проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. В проектах AI Agent следует уделять внимание построению всей экосистемы и дизайну токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волнения ИИ: текущее состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года он за короткие два месяца привлек более 100 миллионов пользователей, а к маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов США. После выпуска ChatGPT OpenAI также быстро выпустила итерационные версии, такие как GPT-4, GP4-4o и другие. В такой стремительной ситуации крупные традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании запустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для конкуренции.
Соревнование крупнейших технологических гигантов не только способствовало развитию коммерческих приложений, но также из исследования открытого AI мы узнали, что согласно отчету AI Index 2024 года количество проектов, связанных с AI на GitHub, резко возросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, когда количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями AI.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост и ожидает взрывной рост во втором квартале 2024 года. В мире было зафиксировано 16 инвестиций в ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ взлетела до 24 миллиардов долларов, что более чем вдвое превышает прошлогодний показатель. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов с оценкой в 24 миллиарда долларов, что делает её второй по величине стартапом в области ИИ после OpenAI по оценке.
Быстрое развитие технологий ИИ в настоящее время пересматривает ландшафт технологической сферы с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, и до горячего интереса со стороны капитальных рынков к концепции ИИ. Проекты появляются один за другим, объем инвестиций устанавливает новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, крупные языковые модели и технологии генерации с усилением поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при трансформации технологических преимуществ в реальные продукты, такими как неопределенность вывода моделей, риск генерации неточной информации и вопросы прозрачности моделей. Эти проблемы становятся особенно важными в приложениях с высокими требованиями к надежности.
В этом контексте мы начали исследовать AI Agent, так как AI Agent подчеркивает полноту решения практических задач 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 AI-технологиями и решением практических задач. Эволюция технологий AI постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента AI: данные, модели и вычислительная мощность, сливаются с основными концепциями Web3, такими как децентрализация, токеновая экономика и смарт-контракты, мы предвкушаем возникновение ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью автономно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начинаем углубленное изучение разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей и т.д., с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
Прояснение концепций: Введение в AI Agent и обзор классификации
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатое и конкретное содержание о местах назначения. А AI Agent подобен Джарвису из фильма о Железном человеке: он понимает ваши потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции по бронированию и добавлять планы в календарь.
В настоящее время в отрасли в целом существует определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия. С помощью датчиков она получает информацию об окружающей среде, обрабатывает ее и воздействует на окружающую среду через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только может предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот Tesla уровня L5 и выше, которые могут считаться примерами AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать внешние пользовательские вводы и соответственно влиять на реальную среду.
В качестве примера с ChatGPT для прояснения концепции мы должны четко указать, что Transformer является технологической архитектурой, составляющей основу ИИ-моделей, GPT - это серия моделей, развившихся на основе этой архитектуры, а GPT-1, GPT-4, GPT-4o представляют собой версии модели на разных этапах ее развития. ChatGP, в свою очередь, является ИИ-агентом, который эволюционировал на основе модели GPT.
Категория обзора
На данный момент на рынке AI-агентов не сформировался единый стандарт классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их заметных характеристиках, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователями, которые далее сегментируются в зависимости от их фактических случаев использования:
Инфраструктурные технологии: этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые B2B-сервисы, основанные на базовых приложениях.
Инструменты разработки: предоставляют разработчикам вспомогательные инструменты и фреймворки для создания AI-агентов.
Классы обработки данных: обработка и анализ данных в различных форматах, в основном предназначены для поддержки принятия решений и предоставления источников для обучения.
Классы обучения модели: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т.д.
Услуги для B2B: в основном нацелены на корпоративных пользователей, предоставляют услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформы типа "сборка": платформа, интегрирующая различные службы и инструменты AI Agent.
Интерактивные агенты: они похожи на агенты по созданию контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают запросы 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: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точные результаты 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 нашим данным, в традиционном интернет-пространстве Web2 наблюдается явная тенденция концентрации разработки AI-агентов. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где в основном преобладают услуги для B-класса и инструменты разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: Проекты в области инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно строятся на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая 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 технологии ИИ со стороны бизнеса более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от бизнеса относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы отмечаем, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его продукции компании больше склоняются к тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной библиотеке невелика.
Эта тенденция отражает реальную оценку зрелости технологий, рыночного спроса и сценариев применения. С учетом постоянного прогресса технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся основой для развития ИИ-агентов.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ ведущих проектов Web2 в области ИИ-агентов
Мы углубленно изучаем 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 достиг 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что демонстрирует характеристики молодежной аудитории. Character AI проявил отличные результаты на капитальном рынке, завершив финансирование в размере 150 миллионов долларов, оценка достигла 1 миллиарда долларов, инвестиции возглавил a16z.
Технический анализ: Character AI подписала лицензионное соглашение о неисключительном использовании своей крупной языковой модели с материнской компанией Google Alphabet, что указывает на то, 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.
Перплекси AI:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет цитирования и ссылок, одновременно обучая и направляя пользователей для дальнейших вопросов и поиска ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а трафик мобильного и десктопного приложений в феврале увеличился на 8,6%, привлекая 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, раунд возглавил Дэниел Гросс, среди участников - Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основные модели, используемые Perplexity, это доработанная версия GPT-3.5, а также две крупные модели, основанные на доработке открытых крупных 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 в Midjourney с помощью подсказок, охватывающих от реалистичных 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» .
18 Лайков
Награда
18
8
Репост
Поделиться
комментарий
0/400
ApyWhisperer
· 08-06 06:47
Снова слышу о спекуляциях: gm gn, оценка в 1 миллиард долларов слишком консервативна, не так ли?
Посмотреть ОригиналОтветить0
GasFeeLady
· 08-06 04:25
рыночная капитализация говорит всё... 23% бычий af по правде говоря
Посмотреть ОригиналОтветить0
OnchainSniper
· 08-05 06:14
Смотрим данные, уже 23% рыночная капитализация! Бык!
Посмотреть ОригиналОтветить0
TokenAlchemist
· 08-03 19:13
лол 23% доля рынка при всего 8% протоколов... пик рыночной неэффективности прямо здесь
Посмотреть ОригиналОтветить0
consensus_whisperer
· 08-03 19:13
рыночная капитализация два-три десятка миллиардов Будут играть для лохов
Посмотреть ОригиналОтветить0
BoredRiceBall
· 08-03 19:04
Снова наступил сезон, когда будут играть для лохов...
Посмотреть ОригиналОтветить0
StablecoinArbitrageur
· 08-03 18:57
хм... соотношение рыночной капитализации 8% к 23% указывает на явное утечку альфа, честно говоря
Посмотреть ОригиналОтветить0
InscriptionGriller
· 08-03 18:48
Это всего лишь новая ловушка для неудачников, старые неудачники всё понимают.
Сможет ли AI Agent стать ключом к интеграции Web3 и AI? Анализ проекта и перспективы развития
Может ли AI-агент стать спасательной соломинкой для Web3+AI?
Проект AI Agent является популярным и зрелым типом в Web2 стартапах, в основном в сфере услуг для предприятий, в то время как в области Web3 проекты по обучению моделей и платформам интеграции стали мейнстримом из-за их ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля рыночной капитализации в AI-секторе достигает 23%, что демонстрирует их сильную конкурентоспособность на рынке. Мы ожидаем, что с ростом зрелости технологий и увеличением степени признания на рынке в будущем появится множество проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. В проектах AI Agent следует уделять внимание построению всей экосистемы и дизайну токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волнения ИИ: текущее состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года он за короткие два месяца привлек более 100 миллионов пользователей, а к маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов США. После выпуска ChatGPT OpenAI также быстро выпустила итерационные версии, такие как GPT-4, GP4-4o и другие. В такой стремительной ситуации крупные традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании запустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для конкуренции.
Соревнование крупнейших технологических гигантов не только способствовало развитию коммерческих приложений, но также из исследования открытого AI мы узнали, что согласно отчету AI Index 2024 года количество проектов, связанных с AI на GitHub, резко возросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, когда количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованиями AI.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост и ожидает взрывной рост во втором квартале 2024 года. В мире было зафиксировано 16 инвестиций в ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ взлетела до 24 миллиардов долларов, что более чем вдвое превышает прошлогодний показатель. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов с оценкой в 24 миллиарда долларов, что делает её второй по величине стартапом в области ИИ после OpenAI по оценке.
Быстрое развитие технологий ИИ в настоящее время пересматривает ландшафт технологической сферы с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, и до горячего интереса со стороны капитальных рынков к концепции ИИ. Проекты появляются один за другим, объем инвестиций устанавливает новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, крупные языковые модели и технологии генерации с усилением поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при трансформации технологических преимуществ в реальные продукты, такими как неопределенность вывода моделей, риск генерации неточной информации и вопросы прозрачности моделей. Эти проблемы становятся особенно важными в приложениях с высокими требованиями к надежности.
В этом контексте мы начали исследовать AI Agent, так как AI Agent подчеркивает полноту решения практических задач 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 AI-технологиями и решением практических задач. Эволюция технологий AI постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента AI: данные, модели и вычислительная мощность, сливаются с основными концепциями Web3, такими как децентрализация, токеновая экономика и смарт-контракты, мы предвкушаем возникновение ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью автономно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начинаем углубленное изучение разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей и т.д., с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
Прояснение концепций: Введение в AI Agent и обзор классификации
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатое и конкретное содержание о местах назначения. А AI Agent подобен Джарвису из фильма о Железном человеке: он понимает ваши потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции по бронированию и добавлять планы в календарь.
В настоящее время в отрасли в целом существует определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия. С помощью датчиков она получает информацию об окружающей среде, обрабатывает ее и воздействует на окружающую среду через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только может предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот Tesla уровня L5 и выше, которые могут считаться примерами AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать внешние пользовательские вводы и соответственно влиять на реальную среду.
В качестве примера с ChatGPT для прояснения концепции мы должны четко указать, что Transformer является технологической архитектурой, составляющей основу ИИ-моделей, GPT - это серия моделей, развившихся на основе этой архитектуры, а GPT-1, GPT-4, GPT-4o представляют собой версии модели на разных этапах ее развития. ChatGP, в свою очередь, является ИИ-агентом, который эволюционировал на основе модели GPT.
Категория обзора
На данный момент на рынке AI-агентов не сформировался единый стандарт классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их заметных характеристиках, и разделили их на первичную и вторичную классификацию. При этом первичная классификация включает три категории: базовая инфраструктура, генерация контента и взаимодействие с пользователями, которые далее сегментируются в зависимости от их фактических случаев использования:
Инфраструктурные технологии: этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые B2B-сервисы, основанные на базовых приложениях.
Инструменты разработки: предоставляют разработчикам вспомогательные инструменты и фреймворки для создания AI-агентов.
Классы обработки данных: обработка и анализ данных в различных форматах, в основном предназначены для поддержки принятия решений и предоставления источников для обучения.
Классы обучения модели: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т.д.
Услуги для B2B: в основном нацелены на корпоративных пользователей, предоставляют услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформы типа "сборка": платформа, интегрирующая различные службы и инструменты AI Agent.
Интерактивные агенты: они похожи на агенты по созданию контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают запросы 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: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точные результаты 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 нашим данным, в традиционном интернет-пространстве Web2 наблюдается явная тенденция концентрации разработки AI-агентов. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где в основном преобладают услуги для B-класса и инструменты разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: Проекты в области инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно строятся на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая 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 технологии ИИ со стороны бизнеса более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от бизнеса относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы отмечаем, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его продукции компании больше склоняются к тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной библиотеке невелика.
Эта тенденция отражает реальную оценку зрелости технологий, рыночного спроса и сценариев применения. С учетом постоянного прогресса технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся основой для развития ИИ-агентов.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ ведущих проектов Web2 в области ИИ-агентов
Мы углубленно изучаем 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 достиг 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что демонстрирует характеристики молодежной аудитории. Character AI проявил отличные результаты на капитальном рынке, завершив финансирование в размере 150 миллионов долларов, оценка достигла 1 миллиарда долларов, инвестиции возглавил a16z.
Технический анализ: Character AI подписала лицензионное соглашение о неисключительном использовании своей крупной языковой модели с материнской компанией Google Alphabet, что указывает на то, 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.
Перплекси AI:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет цитирования и ссылок, одновременно обучая и направляя пользователей для дальнейших вопросов и поиска ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а трафик мобильного и десктопного приложений в феврале увеличился на 8,6%, привлекая 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, раунд возглавил Дэниел Гросс, среди участников - Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основные модели, используемые Perplexity, это доработанная версия GPT-3.5, а также две крупные модели, основанные на доработке открытых крупных 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 в Midjourney с помощью подсказок, охватывающих от реалистичных до