L'agent IA peut-il devenir la bouée de sauvetage de Web3+IA ?
Les projets d'Agent IA sont principalement des types de services destinés aux entreprises dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents AI dans le Web3 est faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, ce qui montre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation des technologies et l'augmentation de la reconnaissance sur le marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergeront dans le futur.
Pour les projets Web3, l'introduction de la technologie IA dans les produits applicatifs non centraux à l'IA pourrait devenir un avantage stratégique. Concernant les projets d'agent IA, l'accent devrait être mis sur la construction d'un écosystème complet et la conception de modèles économiques de jetons, afin de promouvoir la décentralisation et les effets de réseau.
Vague d'IA : État des lieux des projets émergents et de la montée des évaluations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle réalisent l'importance des applications des modèles d'IA de pointe tels que les LLM, et lancent chacun leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles tels que Wenxin Yiyan et Zhihu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également constaté à partir de l'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie de l'IA se reflète directement sur le marché des investissements, le marché des investissements dans l'IA affichant une forte croissance, avec une explosion de la croissance au deuxième trimestre 2024. Il y a eu un total de 16 investissements liés à l'IA dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements pour les startups d'IA a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup d'IA la mieux valorisée après OpenAI.
Top 10 des financements dans le secteur de l'IA du Q2 2024, source : Yiou
Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. Des compétitions acharnées entre les géants de la technologie, à l'épanouissement des projets communautaires open source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets émergent sans cesse, les investissements atteignent des niveaux record et les évaluations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est en période de croissance rapide, avec des progrès significatifs réalisés dans le traitement du langage grâce aux grands modèles de langage et aux techniques de génération augmentée par la recherche. Malgré cela, ces modèles font face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties de modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est essentielle.
Dans ce contexte, nous avons commencé à mener des recherches sur les agents IA, car les agents IA mettent l'accent sur la résolution de problèmes pratiques et l'interaction avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA, passant de modèles de langage purs à des systèmes intelligents capables de véritablement comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA continue de redéfinir l'architecture de la productivité, tandis que la technologie Web3 redéfinit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se combinent avec les concepts fondamentaux de Web3 tels que la décentralisation, l'économie de jetons et les contrats intelligents, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine croisé plein de potentiel, nous pensons que l'agent IA, grâce à sa capacité à exécuter des tâches de manière autonome, montre un grand potentiel pour réaliser des applications à grande échelle.
Pour ce faire, nous avons commencé à examiner en profondeur les diverses applications de l'Agent IA dans le Web3, des infrastructures, des middleware et des niveaux d'application du Web3, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur l'intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents AI
Introduction de base
Avant de présenter l'Agent IA, afin d'aider le lecteur à mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons illustrer cela par un scénario concret : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S dans le film Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire au calendrier.
La définition généralement acceptée de l'Agent IA dans l'industrie est qu'il s'agit d'un système intelligent capable de percevoir son environnement et de prendre des mesures appropriées, en acquérant des informations environnementales par le biais de capteurs, puis en influençant l'environnement par le biais d'exécuteurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons que l'Agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations simples, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans notre vie, utilisés dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et, en conséquence, influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts. Nous devons préciser que le Transformer est l'architecture technologique qui compose les modèles d'IA, que GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement des versions du modèle à différents stades de développement. ChatGP est alors un Agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Le marché des agents IA n'a pas encore de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents IA dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons classés en catégories de premier et de deuxième niveau. Parmi les catégories de premier niveau, il y a les infrastructures de base, la génération de contenu et l'interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus de base dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services de type B à destination d'applications de base plus matures.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Classe de traitement des données : traiter et analyser des données de différents formats, principalement utilisées pour soutenir la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, les paramètres, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprises, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactivité : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours à l'aide de technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents IA de compagnie émotionnelle : fournir un soutien émotionnel et une compagnie.
Agent AI de type GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur les fonctionnalités de recherche, fournissant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance marquée à la concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur de l'infrastructure, principalement dans les services B2B et les outils de développement, et nous avons également réalisé une certaine analyse de ce phénomène.
L'impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et les risques de développement. Cela équivaut à la "bêche" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'impulsion de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande de la technologie AI sur le marché des entreprises est plus urgente, en particulier en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.
Limitations des cas d'application : En même temps, nous avons remarqué que les cas d'application de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent les applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA générative de contenu dans le répertoire des projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'application. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Rassemblement des projets leaders d'agents d'IA Web2, source : base de données de projets ArkStream
Nous examinons en profondeur certains projets d'agents AI sur le marché Web2 actuel et les analysons, en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de conversation basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant ainsi des caractéristiques d'une population utilisateur jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars de financement, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage de grande taille, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de la société, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer des réponses détaillées sur Internet. En citant et en référencant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et la recherche de mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir obtenu un financement de 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigé par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open source affinés : pplx-7b-online et pplx-70b-online. Le modèle est adapté pour la recherche académique professionnelle et les requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
8 J'aime
Récompense
8
6
Partager
Commentaire
0/400
GasFeeLover
· Il y a 7h
Ça fait beaucoup de bruit. Quand est-ce que les frais de gas seront optimisés ?
Voir l'originalRépondre0
ContractFreelancer
· Il y a 7h
23% de part ? 🔥 Je suis optimiste !
Voir l'originalRépondre0
MEVHunter
· Il y a 7h
ngmi à moins que les agents ne puissent trouver de l'alpha dans le mempool... 23 % de mcap ne signifie rien s'ils ne peuvent pas extraire de la valeur tbh
Voir l'originalRépondre0
YieldHunter
· Il y a 7h
techniquement parlant... 8% de traction mais 23% de capitalisation? ça sent comme un autre ponzi pour être honnête
Voir l'originalRépondre0
MEVHunterWang
· Il y a 7h
Comment il n'y a plus de limite à la spéculation sur l'IA maintenant.
L'Agent IA peut-il devenir le prochain levier de Web3+IA ? Analyse de l'état actuel du développement et des tendances futures.
L'agent IA peut-il devenir la bouée de sauvetage de Web3+IA ?
Les projets d'Agent IA sont principalement des types de services destinés aux entreprises dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents AI dans le Web3 est faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, ce qui montre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation des technologies et l'augmentation de la reconnaissance sur le marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergeront dans le futur.
Pour les projets Web3, l'introduction de la technologie IA dans les produits applicatifs non centraux à l'IA pourrait devenir un avantage stratégique. Concernant les projets d'agent IA, l'accent devrait être mis sur la construction d'un écosystème complet et la conception de modèles économiques de jetons, afin de promouvoir la décentralisation et les effets de réseau.
Vague d'IA : État des lieux des projets émergents et de la montée des évaluations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle réalisent l'importance des applications des modèles d'IA de pointe tels que les LLM, et lancent chacun leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles tels que Wenxin Yiyan et Zhihu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également constaté à partir de l'enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie de l'IA se reflète directement sur le marché des investissements, le marché des investissements dans l'IA affichant une forte croissance, avec une explosion de la croissance au deuxième trimestre 2024. Il y a eu un total de 16 investissements liés à l'IA dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements pour les startups d'IA a également grimpé à 24 milliards de dollars, soit plus du double par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup d'IA la mieux valorisée après OpenAI.
Top 10 des financements dans le secteur de l'IA du Q2 2024, source : Yiou
Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. Des compétitions acharnées entre les géants de la technologie, à l'épanouissement des projets communautaires open source, en passant par l'engouement du marché des capitaux pour le concept d'AI. Les projets émergent sans cesse, les investissements atteignent des niveaux record et les évaluations augmentent en conséquence. Dans l'ensemble, le marché de l'AI est en période de croissance rapide, avec des progrès significatifs réalisés dans le traitement du langage grâce aux grands modèles de langage et aux techniques de génération augmentée par la recherche. Malgré cela, ces modèles font face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties de modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est essentielle.
Dans ce contexte, nous avons commencé à mener des recherches sur les agents IA, car les agents IA mettent l'accent sur la résolution de problèmes pratiques et l'interaction avec l'environnement de manière globale. Ce changement marque l'évolution de la technologie IA, passant de modèles de langage purs à des systèmes intelligents capables de véritablement comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA continue de redéfinir l'architecture de la productivité, tandis que la technologie Web3 redéfinit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se combinent avec les concepts fondamentaux de Web3 tels que la décentralisation, l'économie de jetons et les contrats intelligents, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine croisé plein de potentiel, nous pensons que l'agent IA, grâce à sa capacité à exécuter des tâches de manière autonome, montre un grand potentiel pour réaliser des applications à grande échelle.
Pour ce faire, nous avons commencé à examiner en profondeur les diverses applications de l'Agent IA dans le Web3, des infrastructures, des middleware et des niveaux d'application du Web3, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur l'intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents AI
Introduction de base
Avant de présenter l'Agent IA, afin d'aider le lecteur à mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons illustrer cela par un scénario concret : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S dans le film Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire au calendrier.
La définition généralement acceptée de l'Agent IA dans l'industrie est qu'il s'agit d'un système intelligent capable de percevoir son environnement et de prendre des mesures appropriées, en acquérant des informations environnementales par le biais de capteurs, puis en influençant l'environnement par le biais d'exécuteurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons que l'Agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations simples, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents AI sont déjà intégrés dans notre vie, utilisés dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents AI. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et, en conséquence, influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts. Nous devons préciser que le Transformer est l'architecture technologique qui compose les modèles d'IA, que GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement des versions du modèle à différents stades de développement. ChatGP est alors un Agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Le marché des agents IA n'a pas encore de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents IA dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons classés en catégories de premier et de deuxième niveau. Parmi les catégories de premier niveau, il y a les infrastructures de base, la génération de contenu et l'interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus de base dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services de type B à destination d'applications de base plus matures.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Classe de traitement des données : traiter et analyser des données de différents formats, principalement utilisées pour soutenir la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : Fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, les paramètres, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprises, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactivité : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours à l'aide de technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents IA de compagnie émotionnelle : fournir un soutien émotionnel et une compagnie.
Agent AI de type GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur les fonctionnalités de recherche, fournissant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance marquée à la concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur de l'infrastructure, principalement dans les services B2B et les outils de développement, et nous avons également réalisé une certaine analyse de ce phénomène.
L'impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et les risques de développement. Cela équivaut à la "bêche" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'impulsion de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande de la technologie AI sur le marché des entreprises est plus urgente, en particulier en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets futurs.
Limitations des cas d'application : En même temps, nous avons remarqué que les cas d'application de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent les applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA générative de contenu dans le répertoire des projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'application. Avec les progrès continus de la technologie AI et la clarification accrue des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Rassemblement des projets leaders d'agents d'IA Web2, source : base de données de projets ArkStream
Nous examinons en profondeur certains projets d'agents AI sur le marché Web2 actuel et les analysons, en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de conversation basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant ainsi des caractéristiques d'une population utilisateur jeune. Character AI a excellé sur le marché des capitaux, ayant levé 150 millions de dollars de financement, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage de grande taille, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de la société, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer des réponses détaillées sur Internet. En citant et en référencant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et la recherche de mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir obtenu un financement de 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigé par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est un GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open source affinés : pplx-7b-online et pplx-70b-online. Le modèle est adapté pour la recherche académique professionnelle et les requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : utilisateurs