Чи може AI-агент стати рятівним соломом для Web3+AI?
Проекти AI Agent, які є популярними і зрілими в підприємницькій діяльності Web2, головним чином належать до сфери корпоративних послуг, тоді як у сфері Web3 проекти з моделювання та об'єднання платформ стали основними через їхню ключову роль у побудові екосистем.
Наразі кількість проектів AI Agent у Web3 незначна, складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технології штучного інтелекту в додатках, які не є основою AI, може стати стратегічною перевагою. У проектах AI Agent важливо зосередитися на побудові повної екосистеми та розробці токеноміки для сприяння децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та підвищення оцінок
З моменту запуску ChatGPT у листопаді 2022 року, він за два короткі місяці привернув понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI після випуску ChatGPT швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій стрімкій ситуації, найбільші традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і почали випускати свої моделі та застосунки, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії представили великі моделі, такі як Вэньсінь Ійянь, Чжіпу Ціньянь тощо. Очевидно, що в сфері AI вже стало полем битви.
Змагання між великими технологічними гігантами не лише стимулює розвиток комерційних застосувань, але й з наших досліджень відкритого AI було виявлено, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI на GitHub, зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженням AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє потужний ріст, а в другому кварталі 2024 року спостерігається вибуховий ріст. У світі було зафіксовано 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що на більше ніж вдвічі більше в порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, отримавши оцінку в 24 мільярди доларів, що робить її другою за величиною оцінки стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту перетворює ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до захопленого ставлення капітальних ринків до концепції ШІ. Проекти з'являються один за іншим, обсяги інвестицій досягають нових рекордів, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології, що підсилюють генерацію, досягли значного прогресу в обробці мови. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделі, ризик генерування неточної інформації та проблеми прозорості моделі. Ці питання стають особливо важливими в застосунках, де вимоги до надійності є надзвичайно високими.
На цьому фоні ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технологій штучного інтелекту від чисто мовних моделей до розумних систем, здатних дійсно розуміти, вчитися та вирішувати реальні проблеми. Тому ми бачимо надію у розвитку AI Agent, який поступово зменшує розрив між технологіями штучного інтелекту та вирішенням практичних проблем. Еволюція технологій штучного інтелекту постійно переосмислює архітектуру продуктивності, в той час як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перетворювальній сфері ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для масштабного застосування.
Для цього ми почали поглиблене дослідження різноманітних застосувань AI Agent в Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд його класифікації
Основна інформація
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самою моделлю, ми надамо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технологія, що покращує пошук та генерацію, може надати більш багатий і конкретний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину, він може зрозуміти потреби, а також активно шукати рейси та готелі на основі вашого запиту, виконувати операції бронювання та додавати розклад до календаря.
В даний час в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка може сприймати навколишнє середовище та вчиняти відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи цю інформацію та впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не лише може надавати інформацію, але й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовуючись у різних ситуаціях, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla, які всі можуть вважатися прикладами AI Agent. Спільною рисою цих систем є те, що вони здатні сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.
В якості прикладу з ChatGPT, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, яка є основою AI моделей, GPT є серією моделей, що розвиваються на цій архітектурі, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGPT є AI агентом, який еволюціонував на основі моделі GPT.
Категорійний огляд
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми за допомогою маркування 204 проектів AI Agent на ринках Web2+Web3 розділили їх на основі значущих міток кожного проекту на перший і другий рівень класифікації. Зокрема, перший рівень класифікації складається з трьох категорій: базова інфраструктура, генерація контенту, взаємодія з користувачами, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні більш базового контенту в галузі агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі та базові послуги для B-端.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, головним чином використовується для підтримки прийняття рішень, надання джерел для навчання.
Класифікація навчання моделей: надає послуги з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги для бізнесу: в основному орієнтовані на корпоративних користувачів, пропонуючи рішення для корпоративних послуг, вертикальних напрямків та автоматизації.
Платформа типу агрегатора: платформа, що інтегрує різноманітні AI Agent сервіси та інструменти.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачами.
Емоційна підтримка: AI агент, що надає емоційну підтримку та супровід.
GPT-тип: AI-агент, заснований на моделі GPT (генеративний попередньо навчений трансформер).
Пошуковий клас: агент, зосереджений на функції пошуку, що забезпечує більш точний інформаційний пошук.
Проекти, що генерують контент: ця категорія проектів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 спостерігається чітка тенденція до концентрації розвитку AI Agent. Конкретно, близько двох третин проектів зосереджені на інфраструктурних рішеннях, серед яких переважають послуги для B-сторони та розробницькі інструменти, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури займають провідні позиції передусім завдяки своїй зрілості технологій. Ці проекти зазвичай ґрунтуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в галузі ШІ, що забезпечує надійну основу для розробки та застосування ШІ-агентів.
Рушій попиту на ринку: ще одним ключовим фактором є попит на ринку. Порівняно з споживчим ринком, попит на технології ШІ з боку бізнесу є більш терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошовий потік з боку бізнесу відносно стабільний, що сприяє розробці наступних проектів.
Обмеження сценаріїв використання: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність компанії більше схильні до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди застосувань. З постійним прогресом технологій штучного інтелекту та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишаться міцним підґрунтям для розвитку AI Agent.
Аналіз провідних проєктів AI-агентів Web2
Ми глибоко досліджуємо деякі поточні проекти AI Agent на ринку Web2 та аналізуємо їх, на прикладі трьох проектів: Character AI, Perplexity AI, Midjourney.
Характер AI:
Опис продукту: Character.AI пропонує систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які здатні вести природний мовний діалог і виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодіжну характеристику користувацької аудиторії. Character AI продемонструвала відмінні результати на капітальних ринках, завершивши фінансування в 150 мільйонів доларів, з оцінкою в 1 мільярд доларів, яке очолило a16z.
Технічний аналіз: Character AI підписала угоду про ліцензування з компанією-матір'ю Google Alphabet на неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніель де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Переплетення AI:
Опис продукту: Perplexity здатен витягувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та реферальним лінкам забезпечується надійність та точність інформації, а також він навчає, направляє користувачів на подальші запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity за місяць досягла 10 мільйонів, а відвідуваність його мобільних і десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання 62,7 мільйона доларів фінансування, і її оцінка досягла 1,04 мільярда доларів, лідером раунду став Daniel Gross, а учасниками є Stan Druckenmiller та NVIDIA.
Технічний аналіз: основна модель, яку використовує Perplexity, - це налаштована модель GPT-3.5, а також дві великі моделі, які налаштовані на основі відкритої великої моделі: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вузьких сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем за допомогою Prompts у Midjourney, охоплюючи від реалістичних до
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
16 лайків
Нагородити
16
6
Поділіться
Прокоментувати
0/400
SchrodingersPaper
· 3год тому
Знову малюють ілюзії. Яка частка в 23% ринкової капіталізації може обдурити людей, як лохів... Вже втратив, вже втратив.
Переглянути оригіналвідповісти на0
ThreeHornBlasts
· 3год тому
Розігнати агентів, хто зможе взяти цей розподіл?
Переглянути оригіналвідповісти на0
OnchainDetective
· 3год тому
Що за рятівна соломинка, просто До місяця, добре?
Переглянути оригіналвідповісти на0
hodl_therapist
· 3год тому
Все це спекуляції на концепціях, але основне все ж потрібно дивитися на реалізацію.
Переглянути оригіналвідповісти на0
Lonely_Validator
· 3год тому
Не просто обдурювати людей, як лохів, дивлячись, хто швидше втече.
Чи може AI-агент стати ключовим рушієм розвитку Web3+AI?
Чи може AI-агент стати рятівним соломом для Web3+AI?
Проекти AI Agent, які є популярними і зрілими в підприємницькій діяльності Web2, головним чином належать до сфери корпоративних послуг, тоді як у сфері Web3 проекти з моделювання та об'єднання платформ стали основними через їхню ключову роль у побудові екосистем.
Наразі кількість проектів AI Agent у Web3 незначна, складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технології штучного інтелекту в додатках, які не є основою AI, може стати стратегічною перевагою. У проектах AI Agent важливо зосередитися на побудові повної екосистеми та розробці токеноміки для сприяння децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та підвищення оцінок
З моменту запуску ChatGPT у листопаді 2022 року, він за два короткі місяці привернув понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI після випуску ChatGPT швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій стрімкій ситуації, найбільші традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і почали випускати свої моделі та застосунки, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії представили великі моделі, такі як Вэньсінь Ійянь, Чжіпу Ціньянь тощо. Очевидно, що в сфері AI вже стало полем битви.
Змагання між великими технологічними гігантами не лише стимулює розвиток комерційних застосувань, але й з наших досліджень відкритого AI було виявлено, що звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI на GitHub, зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженням AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє потужний ріст, а в другому кварталі 2024 року спостерігається вибуховий ріст. У світі було зафіксовано 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що на більше ніж вдвічі більше в порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, отримавши оцінку в 24 мільярди доларів, що робить її другою за величиною оцінки стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту перетворює ландшафт технологічної сфери з безпрецедентною швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до захопленого ставлення капітальних ринків до концепції ШІ. Проекти з'являються один за іншим, обсяги інвестицій досягають нових рекордів, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології, що підсилюють генерацію, досягли значного прогресу в обробці мови. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделі, ризик генерування неточної інформації та проблеми прозорості моделі. Ці питання стають особливо важливими в застосунках, де вимоги до надійності є надзвичайно високими.
На цьому фоні ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технологій штучного інтелекту від чисто мовних моделей до розумних систем, здатних дійсно розуміти, вчитися та вирішувати реальні проблеми. Тому ми бачимо надію у розвитку AI Agent, який поступово зменшує розрив між технологіями штучного інтелекту та вирішенням практичних проблем. Еволюція технологій штучного інтелекту постійно переосмислює архітектуру продуктивності, в той час як технології Web3 реконструюють виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перетворювальній сфері ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для масштабного застосування.
Для цього ми почали поглиблене дослідження різноманітних застосувань AI Agent в Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд його класифікації
Основна інформація
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самою моделлю, ми надамо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технологія, що покращує пошук та генерацію, може надати більш багатий і конкретний контент про місця призначення. А AI Agent подібний до Джарвіса з фільмів про Залізну людину, він може зрозуміти потреби, а також активно шукати рейси та готелі на основі вашого запиту, виконувати операції бронювання та додавати розклад до календаря.
В даний час в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка може сприймати навколишнє середовище та вчиняти відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи цю інформацію та впливаючи на середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent - це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не лише може надавати інформацію, але й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовуючись у різних ситуаціях, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla, які всі можуть вважатися прикладами AI Agent. Спільною рисою цих систем є те, що вони здатні сприймати зовнішні вхідні дані від користувачів і відповідно впливати на реальне середовище.
В якості прикладу з ChatGPT, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, яка є основою AI моделей, GPT є серією моделей, що розвиваються на цій архітектурі, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGPT є AI агентом, який еволюціонував на основі моделі GPT.
Категорійний огляд
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми за допомогою маркування 204 проектів AI Agent на ринках Web2+Web3 розділили їх на основі значущих міток кожного проекту на перший і другий рівень класифікації. Зокрема, перший рівень класифікації складається з трьох категорій: базова інфраструктура, генерація контенту, взаємодія з користувачами, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні більш базового контенту в галузі агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі та базові послуги для B-端.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачами.
Проекти, що генерують контент: ця категорія проектів зосереджується на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 спостерігається чітка тенденція до концентрації розвитку AI Agent. Конкретно, близько двох третин проектів зосереджені на інфраструктурних рішеннях, серед яких переважають послуги для B-сторони та розробницькі інструменти, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проекти інфраструктури займають провідні позиції передусім завдяки своїй зрілості технологій. Ці проекти зазвичай ґрунтуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в галузі ШІ, що забезпечує надійну основу для розробки та застосування ШІ-агентів.
Рушій попиту на ринку: ще одним ключовим фактором є попит на ринку. Порівняно з споживчим ринком, попит на технології ШІ з боку бізнесу є більш терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошовий потік з боку бізнесу відносно стабільний, що сприяє розробці наступних проектів.
Обмеження сценаріїв використання: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність компанії більше схильні до тих застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди застосувань. З постійним прогресом технологій штучного інтелекту та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишаться міцним підґрунтям для розвитку AI Agent.
Аналіз провідних проєктів AI-агентів Web2
Ми глибоко досліджуємо деякі поточні проекти AI Agent на ринку Web2 та аналізуємо їх, на прикладі трьох проектів: Character AI, Perplexity AI, Midjourney.
Характер AI:
Опис продукту: Character.AI пропонує систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які здатні вести природний мовний діалог і виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодіжну характеристику користувацької аудиторії. Character AI продемонструвала відмінні результати на капітальних ринках, завершивши фінансування в 150 мільйонів доларів, з оцінкою в 1 мільярд доларів, яке очолило a16z.
Технічний аналіз: Character AI підписала угоду про ліцензування з компанією-матір'ю Google Alphabet на неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніель де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Переплетення AI:
Опис продукту: Perplexity здатен витягувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та реферальним лінкам забезпечується надійність та точність інформації, а також він навчає, направляє користувачів на подальші запитання та пошук ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity за місяць досягла 10 мільйонів, а відвідуваність його мобільних і десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання 62,7 мільйона доларів фінансування, і її оцінка досягла 1,04 мільярда доларів, лідером раунду став Daniel Gross, а учасниками є Stan Druckenmiller та NVIDIA.
Технічний аналіз: основна модель, яку використовує Perplexity, - це налаштована модель GPT-3.5, а також дві великі моделі, які налаштовані на основі відкритої великої моделі: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вузьких сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем за допомогою Prompts у Midjourney, охоплюючи від реалістичних до