Проект AI Agent является популярным и зрелым типом в Web2 стартапах, в основном в области корпоративного обслуживания, а в области Web3 проекты, связанные с обучением моделей и объединением платформ, становятся основными из-за их ключевой роли в построении экосистемы.
На данный момент количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что свидетельствует о высокой конкурентоспособности. Мы прогнозируем, что по мере成熟ности технологий и повышения уровня признания на рынке в будущем появятся несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для продуктов на стороне приложений, не имеющих ядра ИИ. В проектах AI Agent важно сосредоточиться на построении полной экосистемы и разработке модели токенов, чтобы содействовать децентрализации и сетевым эффектам.
Волна ИИ: современное состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года он всего за два месяца привлек более ста миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В условиях такого стремительного развития 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 выпустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для всех.
Конкурс среди крупных технологических компаний не только способствует развитию коммерческих приложений, но также из исследования открытых AI-проектов видно, что по данным AI Index report за 2024 год количество AI-связанных проектов на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованием AI.
Страсть к технологиям ИИ прямо отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост, а во втором квартале 2024 года он показывает взрывной рост. В мире было зафиксировано 16 сделок по инвестициям в ИИ на сумму свыше 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что более чем вдвое превышает прошлогодние показатели. При этом xAI, принадлежащее Маску, собрало 6 миллиардов долларов, оценка составила 24 миллиарда долларов, что делает его второй по величине стартапом в области ИИ по оценке после OpenAI.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)
Быстрое развитие технологий ИИ кардинально изменяет ландшафт в области технологий с беспрецедентной скоростью. От острого соперничества между технологическими гигантами до бурного роста проектов в открытых сообществах и до горячего спроса на концепции ИИ на фондовом рынке. Проекты появляются один за другим, инвестиции достигают рекордных уровней, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху стремительного развития, крупные языковые модели и технологии, усиливающие генерацию поиска, достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность вывода модели, риск создания неточной информации и проблемы прозрачности модели. Эти вопросы становятся особенно важными в приложениях, где требуются высокая надежность.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает целостность решения реальных проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно пересматривает архитектуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предсказываем возникновение ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent благодаря своей способности самостоятельно выполнять задачи демонстрирует огромный потенциал для масштабного применения.
С этой целью мы начали углубленное исследование разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение концепции: 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 на реальном сценарии: предположим, вы планируете поездку. Традиционная большая языковая модель предоставляет информацию о направлениях и советы по путешествиям. Технология, основанная на расширении поиска, может предоставить более богатое и конкретное содержание о направлениях. А AI Agent подобен Джарвису из фильмов о Железном Человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли общепринятое определение AI Agent - это умная система, способная воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде с помощью датчиков, обрабатывая ее и воздействуя на среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автопилоты уровня L5 и выше в Tesla, которые могут рассматриваться как примеры AI Agent. Общая черта этих систем заключается в том, что они способны воспринимать вводимые пользователем внешние данные и соответственно влиять на реальную среду.
Рассмотрим концептуальное прояснение на примере ChatGPT. Мы должны четко указать, что Transformer является технической архитектурой, из которой состоят AI модели, GPT - это серия моделей, разработанных на основе этой архитектуры, а GPT-1, GPT-4, GPT-4o представляют собой версии модели на разных этапах развития. ChatGP - это AI агент, который эволюционировал на основе модели GPT.
Категория обзора
На данный момент на рынке AI-агентов еще не сформировался единый стандарт классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их заметных тегах, и разделили их на первичные и вторичные категории. При этом первичные категории включают три вида: базовая инфраструктура, генерация контента и взаимодействие с пользователями, а затем мы дополнительно детализировали их в зависимости от их фактических случаев использования.
Инфраструктурные проекты: этот тип сосредоточен на построении более базового содержания в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые базовые приложения и услуги для B2B.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI Agent.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройку и т.д.
Услуги B2B: в основном ориентированы на корпоративных пользователей, предлагая услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформа-агрегатор: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные: Похожие на классы генерации контента, отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и companionship.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, обеспечивая более точный поиск информации.
Генерация контента: Эти проекты сосредоточены на создании контента с использованием технологий больших моделей для генерации различных форм контента в соответствии с указаниями пользователей, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, в традиционном интернете Web2 наблюдается явная тенденция к концентрации разработки AI Agent. В частности, около двух третей проектов сосредоточено в области инфраструктуры, в основном это услуги для B2B и инструменты разработки, мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: Причиной того, что проекты в области инфраструктуры занимают доминирующее положение, прежде всего является их зрелость технологий. Эти проекты обычно основаны на технологиях и рамках, проверенных временем, что снижает сложность и риски разработки. Это аналог "лопаты" в области ИИ, предоставляющий прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще один ключевой фактор — это рыночный спрос. В отличие от потребительского рынка, спрос на AI-технологии на корпоративном рынке более острый, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от компаний относительно стабилен, что способствует разработке последующих проектов.
Ограничения сценариев применения: В то же время мы заметили, что применение AI для генерации контента на B2B рынке относительно ограничено. Из-за нестабильности его продукции компании предпочитают те приложения, которые могут стабильно повышать производительность. Это привело к тому, что доля AI для генерации контента в библиотеке проектов относительно невелика.
Эта тенденция отражает уровень зрелости технологий, рыночный спрос и реальные аспекты применения. С учетом постоянного прогресса в области технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения все еще будут прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести естественные языковые диалоги и выполнять определенные задачи.
Анализ данных: Character.AI в мае имела 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что свидетельствует о молодежной аудитории. Character AI хорошо проявила себя на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемой a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, 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 диалоговой языковой модели Google Llama.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет ссылок и референсных ссылок, одновременно обучая и направляя пользователей на дополнительные вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Количество активных пользователей Perplexity в месяц достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о получении 62,7 миллиона долларов финансирования, ее оценка достигла 1,04 миллиарда долларов, ведущим инвестором стал Даниэль Гросс, среди участников - Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, является доработанной версией GPT-3.5, а также двумя крупными моделями, доработанными на базе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью Prompts, охватывающих от реалистичного до
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
17 Лайков
Награда
17
2
Репост
Поделиться
комментарий
0/400
JustHereForAirdrops
· 08-09 23:18
По сравнению с спасательным кругом, сначала пусть a16z смотрит на kkx
Посмотреть ОригиналОтветить0
ClassicDumpster
· 08-09 23:10
Что толку от высокой рыночной капитализации, если нет реальных сценариев применения?
Сможет ли AI Agent привести к новому будущему Web3+AI
Может ли AI Agent стать спасением для Web3+AI?
Проект AI Agent является популярным и зрелым типом в Web2 стартапах, в основном в области корпоративного обслуживания, а в области Web3 проекты, связанные с обучением моделей и объединением платформ, становятся основными из-за их ключевой роли в построении экосистемы.
На данный момент количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что свидетельствует о высокой конкурентоспособности. Мы прогнозируем, что по мере成熟ности технологий и повышения уровня признания на рынке в будущем появятся несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для продуктов на стороне приложений, не имеющих ядра ИИ. В проектах AI Agent важно сосредоточиться на построении полной экосистемы и разработке модели токенов, чтобы содействовать децентрализации и сетевым эффектам.
Волна ИИ: современное состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года он всего за два месяца привлек более ста миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В условиях такого стремительного развития 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 выпустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для всех.
Конкурс среди крупных технологических компаний не только способствует развитию коммерческих приложений, но также из исследования открытых AI-проектов видно, что по данным AI Index report за 2024 год количество AI-связанных проектов на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов увеличилось на 59,3% по сравнению с прошлым годом, что отражает увлечение глобального сообщества разработчиков исследованием AI.
Страсть к технологиям ИИ прямо отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост, а во втором квартале 2024 года он показывает взрывной рост. В мире было зафиксировано 16 сделок по инвестициям в ИИ на сумму свыше 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также резко возросла до 24 миллиардов долларов, что более чем вдвое превышает прошлогодние показатели. При этом xAI, принадлежащее Маску, собрало 6 миллиардов долларов, оценка составила 24 миллиарда долларов, что делает его второй по величине стартапом в области ИИ по оценке после OpenAI.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)
Быстрое развитие технологий ИИ кардинально изменяет ландшафт в области технологий с беспрецедентной скоростью. От острого соперничества между технологическими гигантами до бурного роста проектов в открытых сообществах и до горячего спроса на концепции ИИ на фондовом рынке. Проекты появляются один за другим, инвестиции достигают рекордных уровней, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху стремительного развития, крупные языковые модели и технологии, усиливающие генерацию поиска, достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность вывода модели, риск создания неточной информации и проблемы прозрачности модели. Эти вопросы становятся особенно важными в приложениях, где требуются высокая надежность.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает целостность решения реальных проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением реальных проблем. Эволюция технологий ИИ постоянно пересматривает архитектуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три ключевых элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предсказываем возникновение ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent благодаря своей способности самостоятельно выполнять задачи демонстрирует огромный потенциал для масштабного применения.
С этой целью мы начали углубленное исследование разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение концепции: 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 на реальном сценарии: предположим, вы планируете поездку. Традиционная большая языковая модель предоставляет информацию о направлениях и советы по путешествиям. Технология, основанная на расширении поиска, может предоставить более богатое и конкретное содержание о направлениях. А AI Agent подобен Джарвису из фильмов о Железном Человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли общепринятое определение AI Agent - это умная система, способная воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде с помощью датчиков, обрабатывая ее и воздействуя на среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автопилоты уровня L5 и выше в Tesla, которые могут рассматриваться как примеры AI Agent. Общая черта этих систем заключается в том, что они способны воспринимать вводимые пользователем внешние данные и соответственно влиять на реальную среду.
Рассмотрим концептуальное прояснение на примере ChatGPT. Мы должны четко указать, что Transformer является технической архитектурой, из которой состоят AI модели, GPT - это серия моделей, разработанных на основе этой архитектуры, а GPT-1, GPT-4, GPT-4o представляют собой версии модели на разных этапах развития. ChatGP - это AI агент, который эволюционировал на основе модели GPT.
Категория обзора
На данный момент на рынке AI-агентов еще не сформировался единый стандарт классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на их заметных тегах, и разделили их на первичные и вторичные категории. При этом первичные категории включают три вида: базовая инфраструктура, генерация контента и взаимодействие с пользователями, а затем мы дополнительно детализировали их в зависимости от их фактических случаев использования.
Инфраструктурные проекты: этот тип сосредоточен на построении более базового содержания в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые базовые приложения и услуги для B2B.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI Agent.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройку и т.д.
Услуги B2B: в основном ориентированы на корпоративных пользователей, предлагая услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформа-агрегатор: платформа, интегрирующая различные услуги и инструменты AI Agent.
Интерактивные: Похожие на классы генерации контента, отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и companionship.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, обеспечивая более точный поиск информации.
Генерация контента: Эти проекты сосредоточены на создании контента с использованием технологий больших моделей для генерации различных форм контента в соответствии с указаниями пользователей, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, в традиционном интернете Web2 наблюдается явная тенденция к концентрации разработки AI Agent. В частности, около двух третей проектов сосредоточено в области инфраструктуры, в основном это услуги для B2B и инструменты разработки, мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: Причиной того, что проекты в области инфраструктуры занимают доминирующее положение, прежде всего является их зрелость технологий. Эти проекты обычно основаны на технологиях и рамках, проверенных временем, что снижает сложность и риски разработки. Это аналог "лопаты" в области ИИ, предоставляющий прочную основу для разработки и применения ИИ-агентов.
Движущая сила рыночного спроса: еще один ключевой фактор — это рыночный спрос. В отличие от потребительского рынка, спрос на AI-технологии на корпоративном рынке более острый, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от компаний относительно стабилен, что способствует разработке последующих проектов.
Ограничения сценариев применения: В то же время мы заметили, что применение AI для генерации контента на B2B рынке относительно ограничено. Из-за нестабильности его продукции компании предпочитают те приложения, которые могут стабильно повышать производительность. Это привело к тому, что доля AI для генерации контента в библиотеке проектов относительно невелика.
Эта тенденция отражает уровень зрелости технологий, рыночный спрос и реальные аспекты применения. С учетом постоянного прогресса в области технологий ИИ и дальнейшего уточнения рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения все еще будут прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести естественные языковые диалоги и выполнять определенные задачи.
Анализ данных: Character.AI в мае имела 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что свидетельствует о молодежной аудитории. Character AI хорошо проявила себя на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемой a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, 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 диалоговой языковой модели Google Llama.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет ссылок и референсных ссылок, одновременно обучая и направляя пользователей на дополнительные вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Количество активных пользователей Perplexity в месяц достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о получении 62,7 миллиона долларов финансирования, ее оценка достигла 1,04 миллиарда долларов, ведущим инвестором стал Даниэль Гросс, среди участников - Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, является доработанной версией GPT-3.5, а также двумя крупными моделями, доработанными на базе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью Prompts, охватывающих от реалистичного до