Чи може AI Agent стати рятівною соломинкою для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з навчання моделей та платформами для збору стали основними через їхню ключову роль у побудові екосистем.
Зараз кількість проектів AI Agent у Web3 невелика і становить 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що демонструє їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій штучного інтелекту може стати стратегічною перевагою для продуктів, які не є основними додатками на базі ШІ. При поєднанні проектів AI Agent слід зосередитися на побудові повної екосистеми та дизайні токеномічної моделі, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: сучасний стан з'яви проєктів та підвищення оцінок
З моменту появи ChatGPT у листопаді 2022 року, всього за два місяці він привернув понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій швидкій ситуації великі традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати свої AI моделі та застосування, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили такі великі моделі, як Веньсінь Ійянь та Чжипу Ціньянь. Очевидно, що сфера AI вже стала полем битви для всіх.
Змагання між великими технологічними гігантами не тільки сприяло розвитку комерційних застосувань, але й з нашого дослідження статистики відкритого AI, звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до близько 1,8 мільйона у 2023 році, зокрема, після випуску GPT у 2023 році кількість проектів зросла на 59,3% у річному обчисленні, що відображає захоплення глобальної спільноти розробників дослідженнями в сфері AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибухове зростання. У світі було здійснено 16 інвестицій, що перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальний обсяг фінансування стартапів у сфері штучного інтелекту зріс до 24 мільярдів доларів, що є більш ніж подвоєнням у порівнянні з попереднім роком. Серед них компанія xAI, що належить Маску, залучила 6 мільярдів доларів, а її оцінка склала 24 мільярди доларів, що робить її другою за величиною після OpenAI стартап-компанією в сфері штучного інтелекту за оцінкою.
Швидкий розвиток технологій штучного інтелекту перепроектує ландшафт технологічної сфери безпрецедентними темпами. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проєктів відкритих спільнот, а також до гарячого попиту ринків капіталу на концепції ШІ. Проєкти з'являються один за одним, обсяги інвестицій б'ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підкріпленням пошуку досягли значного прогресу в обробці мови. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях застосування, що вимагають високої надійності.
На цьому фоні ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з середовищем. Ця зміна знаменує еволюцію технології штучного інтелекту від чисто мовних моделей до інтелектуальних систем, які здатні дійсно розуміти, навчатися та вирішувати реальні проблеми. Отже, ми бачимо надію в розвитку AI Agent, який поступово скорочує прірву між технологією штучного інтелекту та вирішенням реальних проблем. Еволюція технології штучного інтелекту постійно перетворює архітектуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до народження ряду інноваційних застосувань. У цій перспективній перехресній галузі ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.
Тому ми почали глибше досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, посередницького програмного забезпечення, до рівня додатків, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і сценаріїв застосування, щоб глибше зрозуміти глибоке злиття AI та Web3.
Роз'яснення концепцій: Вступ до AI агентів та огляд їх класифікації
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самим моделлю, ми розглянемо реальний сценарій: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технологія, що покращує генерацію запитів, може запропонувати більш багатий і конкретний контент про місця призначення. А AI Agent схожий на Джарвіса з фільму про Залізну Людину, він може зрозуміти потреби і навіть на основі вашої фрази активно шукати рейси та готелі, виконувати операції з бронювання, додавати маршрути до календаря.
В даний час в галузі загальноприйняте визначення AI Agent - це інтелектуальна система, здатна відчувати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про навколишнє середовище за допомогою датчиків, обробляючи її 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 може не лише надавати інформацію, а й планувати, розбивати завдання та реально їх виконувати.
Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовуючи його в різних сценаріях, таких як AlphaGo, Siri, автомобілі Tesla з автономним водінням рівня L5 і вище, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні ввід користувача і, відповідно, впливати на реальне середовище.
Розглядаючи ChatGPT як приклад для уточнення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає основу AI моделей, а GPT є серією моделей, розроблених на основі цієї архітектури, де GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP, натомість, є AI агентом, який еволюціонував на основі моделі GPT.
Категорія загальний огляд
На даний момент на ринку AI Agent ще не сформовано єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 та Web3, відповідно до помітних тегів кожного проекту, поділивши їх на первинні та вторинні категорії. При цьому первинні категорії включають три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачами, а потім вони деталізуються на основі їх фактичного використання:
Інфраструктурні проекти: цей тип зосереджується на створенні більш базових аспектів у сфері Agent, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі B2B сервіси для базових застосувань.
Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
Класи обробки даних: обробка та аналіз даних різних форматів, головним чином для допомоги в ухваленні рішень, для надання джерел для навчання.
Класи навчання моделей: надання послуг навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо
Послуги для B-клієнтів: в основному орієнтовані на корпоративних користувачів, пропонують рішення для корпоративних послуг, вертикальних рішень та автоматизації.
Платформи класу зібрання: платформи, які інтегрують різні служби та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не тільки приймають і розуміють потреби користувача, але й надають відгук за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційний супровід: AI-агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошукові агенти: зосереджені на функціях пошуку, надають більш точний інформаційний пошук.
Генерація контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI-агентів у традиційному інтернеті Web2 демонструє помітну тенденцію до концентрації в окремих секторах. Конкретно, приблизно дві третини проектів зосереджені в сфері інфраструктури, серед яких переважають послуги для B-клієнтів і інструменти для розробки. Ми також провели деякі аналізи цього явища.
Вплив зрілості технологій: проєкти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проєкти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це на зразок "лопати" в галузі ШІ, яка забезпечує міцну основу для розробки та застосування агентів ШІ.
Розширення попиту на ринку: ще один ключовий фактор - це попит на ринку. У порівнянні з споживчим ринком, попит на технології штучного інтелекту на підприємницькому ринку є більш терміновим, особливо в пошуках рішень для підвищення ефективності операцій і зниження витрат. Водночас для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їхньому розвитку наступних проектів.
Обмеження сценаріїв застосування: Водночас ми відзначаємо, що застосування AI для генерації контенту на B-сторінці ринку є відносно обмеженим. Через його нестабільність у виробництві, підприємства більше схиляються до застосувань, які можуть стабільно підвищити продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проєктів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З постійним прогресом технології штучного інтелекту та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може бути дещо відкоригована, але інфраструктурні проекти все ще залишатимуться міцною основою розвитку AI Agent.
Аналіз провідних проектів AI Agent Web2
Ми глибоко розглянемо деякі поточні проекти AI Agent на ринку Web2 та проведемо їх аналіз, взявши за приклад три проекти: Character AI, Perplexity AI, Midjourney.
Характер AI：
Опис продукту: Character.AI пропонує систему діалогу на базі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природну мовну розмову та виконувати певні завдання.
Аналіз даних: Character.AI у травні отримав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що свідчить про молодіжний характер користувацької бази. Character AI продемонстрував відмінні результати на ринку капіталу, залучивши 150 мільйонів доларів фінансування та оцінений у 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Переплутаність AI:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референсним лінкам гарантована надійність та точність інформації, а також він навчає, веде користувачів до подальших запитань та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity 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 залучення 62,7 мільйона доларів фінансування, оцінка компанії досягла 1,04 мільярда доларів, за участю Деніела Гросса, а також Стена Друкенміллера і NVIDIA.
Технічний аналіз: Основні моделі, які використовує Perplexity, це налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних областях, що забезпечує правдивість та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів та тем на Midjourney за допомогою Prompts, охоплюючи від реалістичного 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.
18 лайків
Нагородити
18
8
Репост
Поділіться
Прокоментувати
0/400
ApyWhisperer
· 08-06 06:47
Знову бачимо спекуляції gm gn оцінка в 10 мільярдів доларів занадто консервативна, чи не так?
Переглянути оригіналвідповісти на0
GasFeeLady
· 08-06 04:25
ринкова капіталізація говорить усе... 23% це бичачий af чесно кажучи
Переглянути оригіналвідповісти на0
OnchainSniper
· 08-05 06:14
Дивлячись на дані, вже 23% ринкова капіталізація! бики!
Переглянути оригіналвідповісти на0
TokenAlchemist
· 08-03 19:13
лол 23% частка ринку на лише 8% протоколів... піковий вектор ринкової неефективності прямо тут
Переглянути оригіналвідповісти на0
consensus_whisperer
· 08-03 19:13
ринкова капіталізація дві-три десять мільярдів, обдурювати людей, як лохів.
Переглянути оригіналвідповісти на0
BoredRiceBall
· 08-03 19:04
Знову настав сезон обману для дурнів...
Переглянути оригіналвідповісти на0
StablecoinArbitrageur
· 08-03 18:57
хмм... співвідношення капіталізації ринку 8% до 23% вказує на чітке витікання альфи, чесно кажучи
Переглянути оригіналвідповісти на0
InscriptionGriller
· 08-03 18:48
Обман для дурнів новий спосіб, старі невдахи вже розуміють.
Чи може AI Agent стати ключем до інтеграції Web3 і AI? Аналіз проекту та перспективи розвитку
Чи може AI Agent стати рятівною соломинкою для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з навчання моделей та платформами для збору стали основними через їхню ключову роль у побудові екосистем.
Зараз кількість проектів AI Agent у Web3 невелика і становить 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що демонструє їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій штучного інтелекту може стати стратегічною перевагою для продуктів, які не є основними додатками на базі ШІ. При поєднанні проектів AI Agent слід зосередитися на побудові повної екосистеми та дизайні токеномічної моделі, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: сучасний стан з'яви проєктів та підвищення оцінок
З моменту появи ChatGPT у листопаді 2022 року, всього за два місяці він привернув понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, випустивши ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій швидкій ситуації великі традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати свої AI моделі та застосування, наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили такі великі моделі, як Веньсінь Ійянь та Чжипу Ціньянь. Очевидно, що сфера AI вже стала полем битви для всіх.
Змагання між великими технологічними гігантами не тільки сприяло розвитку комерційних застосувань, але й з нашого дослідження статистики відкритого AI, звіт AI Index за 2024 рік показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до близько 1,8 мільйона у 2023 році, зокрема, після випуску GPT у 2023 році кількість проектів зросла на 59,3% у річному обчисленні, що відображає захоплення глобальної спільноти розробників дослідженнями в сфері AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє сильний ріст, у другому кварталі 2024 року спостерігається вибухове зростання. У світі було здійснено 16 інвестицій, що перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальний обсяг фінансування стартапів у сфері штучного інтелекту зріс до 24 мільярдів доларів, що є більш ніж подвоєнням у порівнянні з попереднім роком. Серед них компанія xAI, що належить Маску, залучила 6 мільярдів доларів, а її оцінка склала 24 мільярди доларів, що робить її другою за величиною після OpenAI стартап-компанією в сфері штучного інтелекту за оцінкою.
Швидкий розвиток технологій штучного інтелекту перепроектує ландшафт технологічної сфери безпрецедентними темпами. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проєктів відкритих спільнот, а також до гарячого попиту ринків капіталу на концепції ШІ. Проєкти з'являються один за одним, обсяги інвестицій б'ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підкріпленням пошуку досягли значного прогресу в обробці мови. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях застосування, що вимагають високої надійності.
На цьому фоні ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з середовищем. Ця зміна знаменує еволюцію технології штучного інтелекту від чисто мовних моделей до інтелектуальних систем, які здатні дійсно розуміти, навчатися та вирішувати реальні проблеми. Отже, ми бачимо надію в розвитку AI Agent, який поступово скорочує прірву між технологією штучного інтелекту та вирішенням реальних проблем. Еволюція технології штучного інтелекту постійно перетворює архітектуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до народження ряду інноваційних застосувань. У цій перспективній перехресній галузі ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.
Тому ми почали глибше досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, посередницького програмного забезпечення, до рівня додатків, а також ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проєктів і сценаріїв застосування, щоб глибше зрозуміти глибоке злиття AI та Web3.
Роз'яснення концепцій: Вступ до AI агентів та огляд їх класифікації
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самим моделлю, ми розглянемо реальний сценарій: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про місця призначення та поради щодо подорожей. Технологія, що покращує генерацію запитів, може запропонувати більш багатий і конкретний контент про місця призначення. А AI Agent схожий на Джарвіса з фільму про Залізну Людину, він може зрозуміти потреби і навіть на основі вашої фрази активно шукати рейси та готелі, виконувати операції з бронювання, додавати маршрути до календаря.
В даний час в галузі загальноприйняте визначення AI Agent - це інтелектуальна система, здатна відчувати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про навколишнє середовище за допомогою датчиків, обробляючи її 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 може не лише надавати інформацію, а й планувати, розбивати завдання та реально їх виконувати.
Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, застосовуючи його в різних сценаріях, таких як AlphaGo, Siri, автомобілі Tesla з автономним водінням рівня L5 і вище, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні ввід користувача і, відповідно, впливати на реальне середовище.
Розглядаючи ChatGPT як приклад для уточнення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає основу AI моделей, а GPT є серією моделей, розроблених на основі цієї архітектури, де GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP, натомість, є AI агентом, який еволюціонував на основі моделі GPT.
Категорія загальний огляд
На даний момент на ринку AI Agent ще не сформовано єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 та Web3, відповідно до помітних тегів кожного проекту, поділивши їх на первинні та вторинні категорії. При цьому первинні категорії включають три категорії: базова інфраструктура, генерація контенту, взаємодія з користувачами, а потім вони деталізуються на основі їх фактичного використання:
Інфраструктурні проекти: цей тип зосереджується на створенні більш базових аспектів у сфері Agent, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі B2B сервіси для базових застосувань.
Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
Класи обробки даних: обробка та аналіз даних різних форматів, головним чином для допомоги в ухваленні рішень, для надання джерел для навчання.
Класи навчання моделей: надання послуг навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо
Послуги для B-клієнтів: в основному орієнтовані на корпоративних користувачів, пропонують рішення для корпоративних послуг, вертикальних рішень та автоматизації.
Платформи класу зібрання: платформи, які інтегрують різні служби та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не тільки приймають і розуміють потреби користувача, але й надають відгук за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційний супровід: AI-агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошукові агенти: зосереджені на функціях пошуку, надають більш точний інформаційний пошук.
Генерація контенту: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI-агентів у традиційному інтернеті Web2 демонструє помітну тенденцію до концентрації в окремих секторах. Конкретно, приблизно дві третини проектів зосереджені в сфері інфраструктури, серед яких переважають послуги для B-клієнтів і інструменти для розробки. Ми також провели деякі аналізи цього явища.
Вплив зрілості технологій: проєкти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй зрілості технологій. Ці проєкти зазвичай базуються на технологіях та рамках, перевірених часом, що знижує складність розробки та ризики. Це на зразок "лопати" в галузі ШІ, яка забезпечує міцну основу для розробки та застосування агентів ШІ.
Розширення попиту на ринку: ще один ключовий фактор - це попит на ринку. У порівнянні з споживчим ринком, попит на технології штучного інтелекту на підприємницькому ринку є більш терміновим, особливо в пошуках рішень для підвищення ефективності операцій і зниження витрат. Водночас для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їхньому розвитку наступних проектів.
Обмеження сценаріїв застосування: Водночас ми відзначаємо, що застосування AI для генерації контенту на B-сторінці ринку є відносно обмеженим. Через його нестабільність у виробництві, підприємства більше схиляються до застосувань, які можуть стабільно підвищити продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проєктів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З постійним прогресом технології штучного інтелекту та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може бути дещо відкоригована, але інфраструктурні проекти все ще залишатимуться міцною основою розвитку AI Agent.
Аналіз провідних проектів AI Agent Web2
Ми глибоко розглянемо деякі поточні проекти AI Agent на ринку Web2 та проведемо їх аналіз, взявши за приклад три проекти: Character AI, Perplexity AI, Midjourney.
Характер AI：
Опис продукту: Character.AI пропонує систему діалогу на базі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природну мовну розмову та виконувати певні завдання.
Аналіз даних: Character.AI у травні отримав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що свідчить про молодіжний характер користувацької бази. Character AI продемонстрував відмінні результати на ринку капіталу, залучивши 150 мільйонів доларів фінансування та оцінений у 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Переплутаність AI:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референсним лінкам гарантована надійність та точність інформації, а також він навчає, веде користувачів до подальших запитань та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity 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 залучення 62,7 мільйона доларів фінансування, оцінка компанії досягла 1,04 мільярда доларів, за участю Деніела Гросса, а також Стена Друкенміллера і NVIDIA.
Технічний аналіз: Основні моделі, які використовує Perplexity, це налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних областях, що забезпечує правдивість та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів та тем на Midjourney за допомогою Prompts, охоплюючи від реалістичного до