O Agente de IA pode ser a tábua de salvação do Web3+IA?
Os projetos de Agentes de IA são principalmente serviços voltados para empresas no empreendedorismo Web2, enquanto no campo Web3, projetos de treinamento de modelos e agregação de plataformas se tornaram mainstream devido ao seu papel crucial na construção de ecossistemas.
Atualmente, o número de projetos de Agentes de IA em Web3 é reduzido, representando 8%, mas sua participação no valor de mercado na área de IA atinge impressionantes 23%, demonstrando assim uma forte competitividade de mercado. Prevemos que, com a maturação da tecnologia e o aumento do reconhecimento do mercado, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologias de IA em produtos de aplicação que não têm IA como núcleo pode se tornar uma vantagem estratégica. A forma como os projetos de Agente de IA se combinam deve focar na construção de um ecossistema completo e no design de modelos de economia de tokens, a fim de promover a descentralização e o efeito de rede.
O Boom da IA: A Situação de Projetos Emergentes e Valorações Elevadas
Desde que o ChatGPT foi lançado em novembro de 2022, atraiu mais de cem milhões de usuários em apenas dois meses. Em maio de 2024, a receita mensal do ChatGPT já atingiu impressionantes 20,3 milhões de dólares, e a OpenAI rapidamente lançou versões iterativas como GPT-4 e GP4-4o após o lançamento do ChatGPT. Com esse ritmo acelerado, as grandes empresas de tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta como LLM e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas lançaram modelos como Wenxin Yiyan e Zhipu Qingyan. É evidente que o campo da IA se tornou um território de disputa acirrada.
A corrida entre os grandes gigantes da tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, como também descobrimos, a partir de uma pesquisa estatística sobre AI de código aberto, que o relatório AI Index de 2024 mostra que o número de projetos relacionados à AI no GitHub disparou de 845 em 2011 para cerca de 1,8 milhões em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade de desenvolvedores global pela pesquisa em AI.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, que apresenta um crescimento robusto, com um aumento explosivo no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA que ultrapassaram 150 milhões de dólares, o que é o dobro do primeiro trimestre. O montante total de financiamento para startups de IA disparou para 24 bilhões de dólares, um aumento de mais de 100% em relação ao ano anterior. Entre essas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa concorrência entre gigantes tecnológicos, ao florescimento de projetos na comunidade de código aberto, até à fervorosa procura do mercado de capitais pelo conceito de IA. Projetos surgem continuamente, os investimentos atingem novos máximos e as avaliações também sobem em conformidade. De um modo geral, o mercado de IA encontra-se numa fase de ouro de rápido desenvolvimento, com grandes modelos de linguagem e tecnologias de geração aumentada de pesquisa a alcançarem avanços significativos na área de processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas do modelo, o risco de ilusões que geram informações imprecisas e questões de transparência do modelo. Estes problemas tornam-se especialmente importantes em cenários de aplicação que exigem alta fiabilidade.
Neste contexto, começamos a pesquisar sobre o Agente de IA, uma vez que o Agente de IA enfatiza a abrangência na resolução de problemas práticos e na interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos de linguagem puramente para sistemas inteligentes que realmente entendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do Agente de IA, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA continua a remodelar a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional se fundem com os conceitos centrais da Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo de interseção cheio de potencial, acreditamos que o Agente de IA, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para alcançar aplicações em larga escala.
Para isso, começamos a investigar profundamente as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até a camada de aplicações e mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de entender profundamente a integração do AI com o Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações de AI Agent
Introdução Básica
Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você esteja planejando uma viagem. Os grandes modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma de suas frases, procurar ativamente voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de AI Agent na indústria refere-se a sistemas inteligentes que podem perceber o ambiente e agir de acordo, obtendo informações ambientais através de sensores, processando essas informações e, em seguida, influenciando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um AI Agent é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas fornece informações de forma isolada, mas também pode planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já se integraram nas nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum destes sistemas é que todos conseguem perceber as entradas dos usuários no mundo exterior e, com base nisso, fazer correspondentes que afetam o ambiente real.
Tomando o ChatGPT como exemplo para clarificação de conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos que se desenvolveu a partir desta arquitetura, e o GPT-1, GPT-4, GPT-4o representam, respetivamente, as versões do modelo em diferentes estágios de desenvolvimento. O ChatGP, por sua vez, é um agente de IA que evoluiu a partir do modelo GPT.
Resumo da categoria
Atualmente, o mercado de AI Agents ainda não formou um padrão de classificação unificado. Nós rotulamos 204 projetos de AI Agents nos mercados Web2 e Web3, e com base nos rótulos significativos de cada projeto, dividimos em classificações primárias e secundárias. As classificações primárias são construção de infraestrutura, geração de conteúdo e interação do usuário, que são então subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais no domínio dos Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento e serviços B2B mais maduros e de base.
Ferramentas de desenvolvimento: fornecem aos desenvolvedores ferramentas e estruturas de apoio para construir Agentes de IA.
Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelos: fornece serviços de treinamento de modelos para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços B2B: Destina-se principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de agregação: uma plataforma que integra vários serviços e ferramentas de Agentes de IA.
Interativo: Semelhante à geração de conteúdo, a diferença é a interação bidirecional contínua. Agentes interativos não apenas aceitam e compreendem as necessidades dos usuários, mas também fornecem feedback por meio de técnicas como processamento de linguagem natural (NLP), realizando uma interação bidirecional com os usuários.
Classe de acompanhamento emocional: Agente de IA que oferece apoio emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-Treinado Generativo).
Tipo de busca: Focado em funcionalidades de busca, oferece um Agente voltado para a recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologias de modelos grandes para gerar várias formas de conteúdo de acordo com as instruções do usuário, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do Estado Atual do Desenvolvimento do Agente de IA Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na internet tradicional Web2 apresenta uma clara tendência de concentração setorial. Mais especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, principalmente em serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre este fenômeno.
O impacto da maturidade tecnológica: os projetos de infraestrutura dominam principalmente devido à sua maturidade tecnológica. Esses projetos geralmente são baseados em tecnologias e estruturas que foram testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. É equivalente à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulsão da demanda do mercado: outro fator chave é a demanda do mercado. Comparado ao mercado de consumidores, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é benéfico para o desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção relativamente baixa de IA de geração de conteúdo no portfólio de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com os contínuos avanços na tecnologia de IA e a definição mais clara das demandas do mercado, prevemos que este padrão poderá ser ajustado, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder de agente de IA Web2
Nós exploramos profundamente alguns projetos de Agentes de IA no atual mercado Web2 e os analisamos, usando como exemplo os três projetos Character AI, Perplexity AI e Midjourney.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de conversa baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. Sua plataforma permite que os usuários criem, treinem e interajam com personagens virtuais que podem realizar diálogos em linguagem natural e executar tarefas específicas.
Análise de dados: O Character.AI teve 277 milhões de acessos em maio, com mais de 3,5 milhões de usuários ativos diários, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um grupo de usuários mais jovem. O Character AI teve um desempenho excepcional no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI utiliza tecnologia desenvolvida internamente. Vale ressaltar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity consegue extrair e fornecer respostas detalhadas da internet. Através da citação e de links de referência, garante a fiabilidade e precisão das informações, ao mesmo tempo que educa e orienta os utilizadores a fazer perguntas adicionais e a pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos utilizadores.
Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um aumento de 8,6% nas visitas aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente a captação de 62,7 milhões de dólares em financiamento, alcançando uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O principal modelo utilizado pela Perplexity é o GPT-3.5 ajustado, além de duas grandes modelos ajustados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. Os modelos são adequados para pesquisa acadêmica profissional e consultas em áreas verticais, garantindo a veracidade e confiabilidade das informações.
Midjourney:
Introdução do produto: Os utilizadores podem criar imagens de vários estilos e temas no Midjourney através de Prompts, abrangendo desde o realismo até
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
18 Curtidas
Recompensa
18
8
Repostar
Compartilhar
Comentário
0/400
ApyWhisperer
· 08-06 06:47
Mais uma vez, a especulação gm gn, uma avaliação de 10 bilhões de dólares parece muito conservadora.
Ver originalResponder0
GasFeeLady
· 08-06 04:25
a capitalização de mercado diz tudo... 23% está em alta, para ser honesto
Ver originalResponder0
OnchainSniper
· 08-05 06:14
Olha os dados, já temos 23% de capitalização de mercado! Bull!
Ver originalResponder0
TokenAlchemist
· 08-03 19:13
lol 23% de quota de mercado em apenas 8% de protocolos... vetor de ineficiência de mercado pico bem ali
Ver originalResponder0
consensus_whisperer
· 08-03 19:13
capitalização de mercado de dois a três bilhões, fazer as pessoas de parvas.
Ver originalResponder0
BoredRiceBall
· 08-03 19:04
Novamente chegou a temporada de fazer as pessoas de parvas...
Ver originalResponder0
StablecoinArbitrageur
· 08-03 18:57
hmm... a razão da capitalização de mercado de 8% a 23% indica claramente fuga de alfa, para ser honesto.
Ver originalResponder0
InscriptionGriller
· 08-03 18:48
Ser enganado por idiotas novo armadilha apenas, os velhos idiotas já entendem.
O Agente de IA pode tornar-se a chave para a fusão Web3+IA? Análise do projeto e perspetivas de desenvolvimento.
O Agente de IA pode ser a tábua de salvação do Web3+IA?
Os projetos de Agentes de IA são principalmente serviços voltados para empresas no empreendedorismo Web2, enquanto no campo Web3, projetos de treinamento de modelos e agregação de plataformas se tornaram mainstream devido ao seu papel crucial na construção de ecossistemas.
Atualmente, o número de projetos de Agentes de IA em Web3 é reduzido, representando 8%, mas sua participação no valor de mercado na área de IA atinge impressionantes 23%, demonstrando assim uma forte competitividade de mercado. Prevemos que, com a maturação da tecnologia e o aumento do reconhecimento do mercado, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologias de IA em produtos de aplicação que não têm IA como núcleo pode se tornar uma vantagem estratégica. A forma como os projetos de Agente de IA se combinam deve focar na construção de um ecossistema completo e no design de modelos de economia de tokens, a fim de promover a descentralização e o efeito de rede.
O Boom da IA: A Situação de Projetos Emergentes e Valorações Elevadas
Desde que o ChatGPT foi lançado em novembro de 2022, atraiu mais de cem milhões de usuários em apenas dois meses. Em maio de 2024, a receita mensal do ChatGPT já atingiu impressionantes 20,3 milhões de dólares, e a OpenAI rapidamente lançou versões iterativas como GPT-4 e GP4-4o após o lançamento do ChatGPT. Com esse ritmo acelerado, as grandes empresas de tecnologia tradicionais perceberam a importância da aplicação de modelos de IA de ponta como LLM e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto empresas chinesas lançaram modelos como Wenxin Yiyan e Zhipu Qingyan. É evidente que o campo da IA se tornou um território de disputa acirrada.
A corrida entre os grandes gigantes da tecnologia não só impulsionou o desenvolvimento de aplicações comerciais, como também descobrimos, a partir de uma pesquisa estatística sobre AI de código aberto, que o relatório AI Index de 2024 mostra que o número de projetos relacionados à AI no GitHub disparou de 845 em 2011 para cerca de 1,8 milhões em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade de desenvolvedores global pela pesquisa em AI.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, que apresenta um crescimento robusto, com um aumento explosivo no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA que ultrapassaram 150 milhões de dólares, o que é o dobro do primeiro trimestre. O montante total de financiamento para startups de IA disparou para 24 bilhões de dólares, um aumento de mais de 100% em relação ao ano anterior. Entre essas, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa concorrência entre gigantes tecnológicos, ao florescimento de projetos na comunidade de código aberto, até à fervorosa procura do mercado de capitais pelo conceito de IA. Projetos surgem continuamente, os investimentos atingem novos máximos e as avaliações também sobem em conformidade. De um modo geral, o mercado de IA encontra-se numa fase de ouro de rápido desenvolvimento, com grandes modelos de linguagem e tecnologias de geração aumentada de pesquisa a alcançarem avanços significativos na área de processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios na conversão das vantagens tecnológicas em produtos reais, como a incerteza nas saídas do modelo, o risco de ilusões que geram informações imprecisas e questões de transparência do modelo. Estes problemas tornam-se especialmente importantes em cenários de aplicação que exigem alta fiabilidade.
Neste contexto, começamos a pesquisar sobre o Agente de IA, uma vez que o Agente de IA enfatiza a abrangência na resolução de problemas práticos e na interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos de linguagem puramente para sistemas inteligentes que realmente entendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do Agente de IA, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA continua a remodelar a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional se fundem com os conceitos centrais da Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo de interseção cheio de potencial, acreditamos que o Agente de IA, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para alcançar aplicações em larga escala.
Para isso, começamos a investigar profundamente as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até a camada de aplicações e mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de entender profundamente a integração do AI com o Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações de AI Agent
Introdução Básica
Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você esteja planejando uma viagem. Os grandes modelos de linguagem tradicionais fornecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma de suas frases, procurar ativamente voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de AI Agent na indústria refere-se a sistemas inteligentes que podem perceber o ambiente e agir de acordo, obtendo informações ambientais através de sensores, processando essas informações e, em seguida, influenciando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um AI Agent é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas fornece informações de forma isolada, mas também pode planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já se integraram nas nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum destes sistemas é que todos conseguem perceber as entradas dos usuários no mundo exterior e, com base nisso, fazer correspondentes que afetam o ambiente real.
Tomando o ChatGPT como exemplo para clarificação de conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos que se desenvolveu a partir desta arquitetura, e o GPT-1, GPT-4, GPT-4o representam, respetivamente, as versões do modelo em diferentes estágios de desenvolvimento. O ChatGP, por sua vez, é um agente de IA que evoluiu a partir do modelo GPT.
Resumo da categoria
Atualmente, o mercado de AI Agents ainda não formou um padrão de classificação unificado. Nós rotulamos 204 projetos de AI Agents nos mercados Web2 e Web3, e com base nos rótulos significativos de cada projeto, dividimos em classificações primárias e secundárias. As classificações primárias são construção de infraestrutura, geração de conteúdo e interação do usuário, que são então subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais no domínio dos Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento e serviços B2B mais maduros e de base.
Ferramentas de desenvolvimento: fornecem aos desenvolvedores ferramentas e estruturas de apoio para construir Agentes de IA.
Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelos: fornece serviços de treinamento de modelos para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços B2B: Destina-se principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de agregação: uma plataforma que integra vários serviços e ferramentas de Agentes de IA.
Interativo: Semelhante à geração de conteúdo, a diferença é a interação bidirecional contínua. Agentes interativos não apenas aceitam e compreendem as necessidades dos usuários, mas também fornecem feedback por meio de técnicas como processamento de linguagem natural (NLP), realizando uma interação bidirecional com os usuários.
Classe de acompanhamento emocional: Agente de IA que oferece apoio emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador Pré-Treinado Generativo).
Tipo de busca: Focado em funcionalidades de busca, oferece um Agente voltado para a recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologias de modelos grandes para gerar várias formas de conteúdo de acordo com as instruções do usuário, dividindo-se em quatro categorias: geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do Estado Atual do Desenvolvimento do Agente de IA Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na internet tradicional Web2 apresenta uma clara tendência de concentração setorial. Mais especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, principalmente em serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre este fenômeno.
O impacto da maturidade tecnológica: os projetos de infraestrutura dominam principalmente devido à sua maturidade tecnológica. Esses projetos geralmente são baseados em tecnologias e estruturas que foram testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. É equivalente à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulsão da demanda do mercado: outro fator chave é a demanda do mercado. Comparado ao mercado de consumidores, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é benéfico para o desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção relativamente baixa de IA de geração de conteúdo no portfólio de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com os contínuos avanços na tecnologia de IA e a definição mais clara das demandas do mercado, prevemos que este padrão poderá ser ajustado, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder de agente de IA Web2
Nós exploramos profundamente alguns projetos de Agentes de IA no atual mercado Web2 e os analisamos, usando como exemplo os três projetos Character AI, Perplexity AI e Midjourney.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de conversa baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. Sua plataforma permite que os usuários criem, treinem e interajam com personagens virtuais que podem realizar diálogos em linguagem natural e executar tarefas específicas.
Análise de dados: O Character.AI teve 277 milhões de acessos em maio, com mais de 3,5 milhões de usuários ativos diários, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um grupo de usuários mais jovem. O Character AI teve um desempenho excepcional no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a empresa-mãe do Google, Alphabet, o que indica que a Character AI utiliza tecnologia desenvolvida internamente. Vale ressaltar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity consegue extrair e fornecer respostas detalhadas da internet. Através da citação e de links de referência, garante a fiabilidade e precisão das informações, ao mesmo tempo que educa e orienta os utilizadores a fazer perguntas adicionais e a pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos utilizadores.
Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um aumento de 8,6% nas visitas aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente a captação de 62,7 milhões de dólares em financiamento, alcançando uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O principal modelo utilizado pela Perplexity é o GPT-3.5 ajustado, além de duas grandes modelos ajustados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. Os modelos são adequados para pesquisa acadêmica profissional e consultas em áreas verticais, garantindo a veracidade e confiabilidade das informações.
Midjourney:
Introdução do produto: Os utilizadores podem criar imagens de vários estilos e temas no Midjourney através de Prompts, abrangendo desde o realismo até