Может ли AI-агент стать спасательной соломинкой для Web3+AI?
Проект AI Agent является популярным и зрелым типом в сфере Web2, преимущественно в области услуг для предприятий, в то время как в области Web3 проекты, связанные с обучением моделей и платформами, становятся основными благодаря своей ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их рыночная капитализация в сегменте AI достигает 23%, что демонстрирует сильную конкурентоспособность на рынке. Мы ожидаем, что по мере成熟ности технологий и повышения признаваемости на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом, особенно для приложений, не основанных на ИИ. При разработке проектов AI Agent следует уделять внимание построению всей экосистемы и проектированию токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: Текущая ситуация с новыми проектами и повышением оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг удивительных 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила такие итерационные версии, как GPT-4 и GP4-4o. В такой стремительной ситуации крупные традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали выпускать свои собственные модели и приложения, например, Google выпустил большую языковую модель PaLM2, Meta представила Llama3, в то время как китайские компании запустили большие модели, такие как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область ИИ стала ареной для борьбы компаний.
Соревнование между крупнейшими технологическими гигантами не только способствует развитию коммерческих приложений, но и из исследования открытого ИИ мы узнали, что в отчете AI Index за 2024 год количество проектов, связанных с ИИ, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выхода GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлеченность глобального сообщества разработчиков исследованиями в области ИИ.
Страсть к технологиям ИИ непосредственно отражается на инвестиционном рынке: рынок инвестиций в ИИ демонстрирует сильный рост, в втором квартале 2024 года наблюдается взрывной рост. В мире было зафиксировано 16 сделок с инвестициями в ИИ на сумму более 150 миллионов долларов, что в два раза больше по сравнению с первым кварталом. Общая сумма финансирования стартапов в области ИИ возросла до 24 миллиардов долларов, что более чем в два раза превышает показатель прошлого года. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов, оценка которой составила 24 миллиарда долларов, став вторым по величине стартапом в области ИИ после OpenAI.
Быстрое развитие технологий ИИ переопределяет ландшафт технологической сферы с беспрецедентной скоростью. От острого соперничества между крупными технологическими гигантами до бурного роста проектов в открытых сообществах и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотую эпоху быстрого роста, где большие языковые модели и технологии генерации с улучшением поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выходных данных моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти вопросы становятся особенно важными в сценариях применения, требующих высокой надежности.
На этом фоне мы начинаем исследовать AI Agent, поскольку AI Agent подчеркивает всесторонность решения практических проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий AI от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями AI и решением практических проблем. Эволюция технологий AI постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента AI: данные, модели и вычислительная мощность сливаются с основными принципами Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, начиная от инфраструктуры Web3, промежуточного ПО, уровня приложений и заканчивая такими аспектами, как рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
Пояснение понятий: Введение и обзор классификации AI Agent
Основное введение
Перед тем как представить AI Agent, для лучшего понимания различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на улучшенном извлечении, может предоставить более богатое и конкретное содержание о местах назначения. AI Agent похож на Джарвиса из фильмов о Железном Человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездки в календарь.
В настоящее время в отрасли широко используется определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия. Она получает информацию об окружающей среде с помощью датчиков, обрабатывает её и воздействует на среду с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только предоставляет информацию, но также может планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, например, AlphaGo, Siri, автопилоты уровня L5 и выше от Tesla и т.д. Все эти системы имеют общую черту: они могут воспринимать внешние пользовательские вводы и соответственно влиять на реальную среду.
В качестве примера для пояснения концепции, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI-модели, GPT — это серия моделей, разработанных на основе этой архитектуры, а GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах развития. ChatGP же T является AI-агентом, эволюционировавшим на основе модели GPT.
Категория обзора
На данный момент рынок AI-агентов еще не сформировал единого стандарта классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3 и разделили их на первичную и вторичную классификации в зависимости от значительных тегов, соответствующих каждому проекту. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем мы дополнительно делим их на основе фактических случаев использования:
Инфраструктурные: Эта категория сосредоточена на создании более базового контента в области Агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработчиков: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Модели обучения: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т.д.
B2B услуги: Основное направление на корпоративных пользователей, предоставление корпоративных, вертикальных и автоматизированных решений.
Платформы объединяющего типа: платформа, интегрирующая различные AI-агенты и инструменты.
Интерактивные: Похожие на классы генерации контента, но с отличием в постоянном двустороннем взаимодействии. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT класс: AI агент, основанный на модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точное извлечение информации.
Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в зависимости от указаний пользователя, разделяются на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где преобладают B2B-сервисы и инструменты разработки, мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение в первую очередь благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще один ключевой фактор - это рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии на корпоративном рынке более срочный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует их разработке последующих проектов.
Ограничения по сценариям применения: В то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной базе остается небольшой.
Эта тенденция отражает зрелость технологий, реальную потребность рынка и применение сценариев. С постоянным прогрессом технологий ИИ и дальнейшим уточнением потребностей рынка, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся надежным фундаментом для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Собрание ведущих проектов AI-агентов Web2, источник: база данных проектов ArkStream
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести разговоры на естественном языке и выполнять определенные задачи.
Анализ данных: в мае Character.AI зафиксировала 277 миллионов посещений, платформа имеет более 3,5 миллиона активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что демонстрирует молодежный профиль пользователей. Character AI показывает отличные результаты на финансовом рынке, завершив финансирование в размере 150 миллионов долларов с оценкой в 1 миллиард долларов, возглавляемое a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей модели большого языка, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазеер и Даниэль Де Фрейтас ранее участвовали в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, одновременно обучая и направляя пользователей к последующим вопросам и поисковым ключевым словам, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а посещаемость его мобильного и настольного приложения в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капитальном рынке Perplexity AI недавно объявила о получении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестиции возглавил Даниэль Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная версия GPT-3.5, а также две большие модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
8 Лайков
Награда
8
6
Поделиться
комментарий
0/400
GasFeeLover
· 9ч назад
Хорошо, когда смогут оптимизировать Газ?
Посмотреть ОригиналОтветить0
ContractFreelancer
· 9ч назад
23% доля? 🔥 Смотрю с надеждой!
Посмотреть ОригиналОтветить0
MEVHunter
· 9ч назад
ngmi, если агенты не смогут найти альфу в мемпуле... 23% мкап ничего не значит, если они не могут извлечь ценность, если честно.
Посмотреть ОригиналОтветить0
YieldHunter
· 9ч назад
технически говоря... 8% тяги, но 23% рыночной капитализации? пахнет еще одним понци, если честно
Может ли AI Agent стать следующим трендом Web3+AI? Анализ текущего состояния развития и будущих тенденций.
Может ли AI-агент стать спасательной соломинкой для Web3+AI?
Проект AI Agent является популярным и зрелым типом в сфере Web2, преимущественно в области услуг для предприятий, в то время как в области Web3 проекты, связанные с обучением моделей и платформами, становятся основными благодаря своей ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их рыночная капитализация в сегменте AI достигает 23%, что демонстрирует сильную конкурентоспособность на рынке. Мы ожидаем, что по мере成熟ности технологий и повышения признаваемости на рынке в будущем появится несколько проектов с оценкой более 10 миллиардов долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом, особенно для приложений, не основанных на ИИ. При разработке проектов AI Agent следует уделять внимание построению всей экосистемы и проектированию токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: Текущая ситуация с новыми проектами и повышением оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг удивительных 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила такие итерационные версии, как GPT-4 и GP4-4o. В такой стремительной ситуации крупные традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали выпускать свои собственные модели и приложения, например, Google выпустил большую языковую модель PaLM2, Meta представила Llama3, в то время как китайские компании запустили большие модели, такие как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область ИИ стала ареной для борьбы компаний.
Соревнование между крупнейшими технологическими гигантами не только способствует развитию коммерческих приложений, но и из исследования открытого ИИ мы узнали, что в отчете AI Index за 2024 год количество проектов, связанных с ИИ, на GitHub увеличилось с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выхода GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлеченность глобального сообщества разработчиков исследованиями в области ИИ.
Страсть к технологиям ИИ непосредственно отражается на инвестиционном рынке: рынок инвестиций в ИИ демонстрирует сильный рост, в втором квартале 2024 года наблюдается взрывной рост. В мире было зафиксировано 16 сделок с инвестициями в ИИ на сумму более 150 миллионов долларов, что в два раза больше по сравнению с первым кварталом. Общая сумма финансирования стартапов в области ИИ возросла до 24 миллиардов долларов, что более чем в два раза превышает показатель прошлого года. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов, оценка которой составила 24 миллиарда долларов, став вторым по величине стартапом в области ИИ после OpenAI.
Топ-10 финансирования трека Q2AI 2024, источник: Yiou
Быстрое развитие технологий ИИ переопределяет ландшафт технологической сферы с беспрецедентной скоростью. От острого соперничества между крупными технологическими гигантами до бурного роста проектов в открытых сообществах и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотую эпоху быстрого роста, где большие языковые модели и технологии генерации с улучшением поиска достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выходных данных моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти вопросы становятся особенно важными в сценариях применения, требующих высокой надежности.
На этом фоне мы начинаем исследовать AI Agent, поскольку AI Agent подчеркивает всесторонность решения практических проблем и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий AI от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями AI и решением практических проблем. Эволюция технологий AI постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента AI: данные, модели и вычислительная мощность сливаются с основными принципами Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвкушаем появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, начиная от инфраструктуры Web3, промежуточного ПО, уровня приложений и заканчивая такими аспектами, как рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения, чтобы глубже понять глубокую интеграцию AI и Web3.
Пояснение понятий: Введение и обзор классификации AI Agent
Основное введение
Перед тем как представить AI Agent, для лучшего понимания различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционные крупные языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на улучшенном извлечении, может предоставить более богатое и конкретное содержание о местах назначения. AI Agent похож на Джарвиса из фильмов о Железном Человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездки в календарь.
В настоящее время в отрасли широко используется определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия. Она получает информацию об окружающей среде с помощью датчиков, обрабатывает её и воздействует на среду с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только предоставляет информацию, но также может планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, например, AlphaGo, Siri, автопилоты уровня L5 и выше от Tesla и т.д. Все эти системы имеют общую черту: они могут воспринимать внешние пользовательские вводы и соответственно влиять на реальную среду.
В качестве примера для пояснения концепции, мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI-модели, GPT — это серия моделей, разработанных на основе этой архитектуры, а GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах развития. ChatGP же T является AI-агентом, эволюционировавшим на основе модели GPT.
Категория обзора
На данный момент рынок AI-агентов еще не сформировал единого стандарта классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3 и разделили их на первичную и вторичную классификации в зависимости от значительных тегов, соответствующих каждому проекту. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем мы дополнительно делим их на основе фактических случаев использования:
Инфраструктурные: Эта категория сосредоточена на создании более базового контента в области Агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработчиков: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Модели обучения: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройки и т.д.
B2B услуги: Основное направление на корпоративных пользователей, предоставление корпоративных, вертикальных и автоматизированных решений.
Платформы объединяющего типа: платформа, интегрирующая различные AI-агенты и инструменты.
Интерактивные: Похожие на классы генерации контента, но с отличием в постоянном двустороннем взаимодействии. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT класс: AI агент, основанный на модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точное извлечение информации.
Контентные генераторы: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в зависимости от указаний пользователя, разделяются на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где преобладают B2B-сервисы и инструменты разработки, мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение в первую очередь благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще один ключевой фактор - это рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии на корпоративном рынке более срочный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует их разработке последующих проектов.
Ограничения по сценариям применения: В то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной базе остается небольшой.
Эта тенденция отражает зрелость технологий, реальную потребность рынка и применение сценариев. С постоянным прогрессом технологий ИИ и дальнейшим уточнением потребностей рынка, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся надежным фундаментом для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Собрание ведущих проектов AI-агентов Web2, источник: база данных проектов ArkStream
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести разговоры на естественном языке и выполнять определенные задачи.
Анализ данных: в мае Character.AI зафиксировала 277 миллионов посещений, платформа имеет более 3,5 миллиона активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что демонстрирует молодежный профиль пользователей. Character AI показывает отличные результаты на финансовом рынке, завершив финансирование в размере 150 миллионов долларов с оценкой в 1 миллиард долларов, возглавляемое a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей модели большого языка, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазеер и Даниэль Де Фрейтас ранее участвовали в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, одновременно обучая и направляя пользователей к последующим вопросам и поисковым ключевым словам, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а посещаемость его мобильного и настольного приложения в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капитальном рынке Perplexity AI недавно объявила о получении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестиции возглавил Даниэль Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная версия GPT-3.5, а также две большие модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узких областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователь