¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de Agentes de IA son principalmente del tipo de servicios empresariales, que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
En la actualidad, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en la capitalización de mercado en el sector de AI alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y la aceptación del mercado aumente, surgirán múltiples proyectos con valoraciones superiores a 1.000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales para la IA puede convertirse en una ventaja estratégica. En cuanto a la combinación de proyectos de AI Agent, se debe prestar atención a la construcción de todo el ecosistema y al diseño del modelo económico de tokens, para fomentar la descentralización y el efecto red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, ha atraído a más de 100 millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Claramente, el campo de la IA se ha convertido en un terreno de batalla crucial.
La competencia entre las grandes empresas tecnológicas no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también hemos descubierto a través de la investigación de encuestas sobre la IA de código abierto que el informe de AI Index de 2024 muestra que la cantidad de proyectos relacionados con la IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023, especialmente después del lanzamiento de GPT en 2023, donde la cantidad de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad global de desarrolladores por la investigación en IA.
El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversión en IA muestra un crecimiento robusto, con un crecimiento explosivo en el segundo trimestre de 2024. En todo el mundo, hay 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de IA ha alcanzado los 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI de Musk ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre los gigantes tecnológicos hasta el floreciente desarrollo de proyectos en la comunidad de código abierto, y el entusiasta respaldo del mercado de capitales al concepto de IA. Los proyectos surgen continuamente, las inversiones alcanzan cifras récord y las valoraciones aumentan en consecuencia. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con importantes avances en modelos de lenguaje grandes y técnicas de generación mejorada por recuperación en el campo del procesamiento del lenguaje. A pesar de esto, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes capaces de realmente entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con las ideas centrales de descentralización, economía de tokens y contratos inteligentes de Web3, predecimos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para la aplicación a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en múltiples dimensiones como el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de la IA con Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, usamos un escenario real como ejemplo: supongamos que estás planeando un viaje. Los grandes modelos de lenguaje tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como J.A.R.V.I.S. en la película de Iron Man, capaz de entender las necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
La definición general de AI Agent en la industria actualmente se refiere a un sistema inteligente que puede percibir su entorno y tomar acciones correspondientes. Obtiene información del entorno a través de sensores, la procesa y luego impacta el entorno a través de actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un AI Agent es un asistente que combina capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y los sistemas de conducción autónoma de nivel L5 y superiores de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, hacer un impacto correspondiente en el entorno real.
Tomando como ejemplo a ChatGPT para aclarar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan diferentes versiones del modelo en diversas etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
En la actualidad, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. Clasificamos 204 proyectos de Agentes de IA en los mercados Web2 y Web3 mediante la asignación de etiquetas a cada proyecto, basándonos en las etiquetas significativas correspondientes a cada uno. Se dividieron en una clasificación de primer nivel y una clasificación de segundo nivel. La clasificación de primer nivel comprende tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y se desglosa aún más según sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más fundamental en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y de aplicaciones de base.
Herramientas de desarrollo: proporciona a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clase de procesamiento de datos: Manejar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de Agentes de IA.
Interactividad: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.
Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformer preentrenado generativo).
Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA en Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en el Internet tradicional Web2 presenta una clara tendencia hacia la concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, donde predominan los servicios B2B y las herramientas de desarrollo. También hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: la razón por la que los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen basarse en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden mejorar la productividad de manera estable. Esto ha llevado a que la IA generativa de contenido tenga una proporción menor en la biblioteca de proyectos.
Esta tendencia refleja la madurez de la tecnología, la demanda del mercado y las consideraciones prácticas de los casos de uso. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis de proyectos líderes de agentes de IA en Web2
Analizamos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2, tomando como ejemplos tres proyectos: Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, y la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios joven. Character AI ha tenido un excelente desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe destacar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde Internet. Al citar y referenciar enlaces, asegura la fiabilidad y precisión de la información, al mismo tiempo que educa y guía a los usuarios para que realicen preguntas de seguimiento y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, con un crecimiento del 8.6% en el tráfico de sus aplicaciones móviles y de escritorio en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross como líder de la ronda, y participantes que incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 afinado, junto con dos grandes modelos basados en la afinación de modelos grandes de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.
Midjourney:
Introducción del producto: los usuarios pueden crear imágenes de diversos estilos y temas en Midjourney a través de Prompts, abarcando desde lo realista hasta
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
18 me gusta
Recompensa
18
8
Republicar
Compartir
Comentar
0/400
ApyWhisperer
· 08-06 06:47
¿De nuevo con el bombo gm gn? ¿Una valoración de 1.000 millones de dólares es demasiado conservadora?
Ver originalesResponder0
GasFeeLady
· 08-06 04:25
la capitalización de mercado lo dice todo... 23% es alcista af tbh
Ver originalesResponder0
OnchainSniper
· 08-05 06:14
¡Veo que ya hay un 23% de capitalización de mercado! ¡alcista!
Ver originalesResponder0
TokenAlchemist
· 08-03 19:13
lol 23% de participación de mercado con solo 8% de protocolos... vector de ineficiencia de mercado pico justo allí
Ver originalesResponder0
consensus_whisperer
· 08-03 19:13
capitalización de mercado de veinte a treinta mil millones, Ser engañados nada más.
Ver originalesResponder0
BoredRiceBall
· 08-03 19:04
Otra vez ha llegado la temporada de tomar a la gente por tonta...
Ver originalesResponder0
StablecoinArbitrageur
· 08-03 18:57
hmm... un ratio de capitalización de mercado del 8% al 23% indica una clara fuga de alfa, para ser honesto
Ver originalesResponder0
InscriptionGriller
· 08-03 18:48
Ser engañados nuevo truco. Los viejos tontos ya lo entienden.
¿Puede el Agente de IA convertirse en la clave de la fusión Web3+IA? Análisis del proyecto y perspectivas de desarrollo
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de Agentes de IA son principalmente del tipo de servicios empresariales, que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
En la actualidad, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en la capitalización de mercado en el sector de AI alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y la aceptación del mercado aumente, surgirán múltiples proyectos con valoraciones superiores a 1.000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales para la IA puede convertirse en una ventaja estratégica. En cuanto a la combinación de proyectos de AI Agent, se debe prestar atención a la construcción de todo el ecosistema y al diseño del modelo económico de tokens, para fomentar la descentralización y el efecto red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, ha atraído a más de 100 millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Claramente, el campo de la IA se ha convertido en un terreno de batalla crucial.
La competencia entre las grandes empresas tecnológicas no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también hemos descubierto a través de la investigación de encuestas sobre la IA de código abierto que el informe de AI Index de 2024 muestra que la cantidad de proyectos relacionados con la IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023, especialmente después del lanzamiento de GPT en 2023, donde la cantidad de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad global de desarrolladores por la investigación en IA.
El entusiasmo por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversión en IA muestra un crecimiento robusto, con un crecimiento explosivo en el segundo trimestre de 2024. En todo el mundo, hay 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de IA ha alcanzado los 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI de Musk ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre los gigantes tecnológicos hasta el floreciente desarrollo de proyectos en la comunidad de código abierto, y el entusiasta respaldo del mercado de capitales al concepto de IA. Los proyectos surgen continuamente, las inversiones alcanzan cifras récord y las valoraciones aumentan en consecuencia. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con importantes avances en modelos de lenguaje grandes y técnicas de generación mejorada por recuperación en el campo del procesamiento del lenguaje. A pesar de esto, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes capaces de realmente entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con las ideas centrales de descentralización, economía de tokens y contratos inteligentes de Web3, predecimos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para la aplicación a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en múltiples dimensiones como el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de la IA con Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, usamos un escenario real como ejemplo: supongamos que estás planeando un viaje. Los grandes modelos de lenguaje tradicionales proporcionan información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como J.A.R.V.I.S. en la película de Iron Man, capaz de entender las necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
La definición general de AI Agent en la industria actualmente se refiere a un sistema inteligente que puede percibir su entorno y tomar acciones correspondientes. Obtiene información del entorno a través de sensores, la procesa y luego impacta el entorno a través de actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un AI Agent es un asistente que combina capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y los sistemas de conducción autónoma de nivel L5 y superiores de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, hacer un impacto correspondiente en el entorno real.
Tomando como ejemplo a ChatGPT para aclarar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan diferentes versiones del modelo en diversas etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
En la actualidad, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. Clasificamos 204 proyectos de Agentes de IA en los mercados Web2 y Web3 mediante la asignación de etiquetas a cada proyecto, basándonos en las etiquetas significativas correspondientes a cada uno. Se dividieron en una clasificación de primer nivel y una clasificación de segundo nivel. La clasificación de primer nivel comprende tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y se desglosa aún más según sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más fundamental en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y de aplicaciones de base.
Herramientas de desarrollo: proporciona a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clase de procesamiento de datos: Manejar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de Agentes de IA.
Interactividad: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.
Agente de IA de acompañamiento emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformer preentrenado generativo).
Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA en Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en el Internet tradicional Web2 presenta una clara tendencia hacia la concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, donde predominan los servicios B2B y las herramientas de desarrollo. También hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: la razón por la que los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen basarse en tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generativa de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que pueden mejorar la productividad de manera estable. Esto ha llevado a que la IA generativa de contenido tenga una proporción menor en la biblioteca de proyectos.
Esta tendencia refleja la madurez de la tecnología, la demanda del mercado y las consideraciones prácticas de los casos de uso. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis de proyectos líderes de agentes de IA en Web2
Analizamos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2, tomando como ejemplos tres proyectos: Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, y la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios joven. Character AI ha tenido un excelente desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe destacar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde Internet. Al citar y referenciar enlaces, asegura la fiabilidad y precisión de la información, al mismo tiempo que educa y guía a los usuarios para que realicen preguntas de seguimiento y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, con un crecimiento del 8.6% en el tráfico de sus aplicaciones móviles y de escritorio en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross como líder de la ronda, y participantes que incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 afinado, junto con dos grandes modelos basados en la afinación de modelos grandes de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.
Midjourney:
Introducción del producto: los usuarios pueden crear imágenes de diversos estilos y temas en Midjourney a través de Prompts, abarcando desde lo realista hasta