Чи може AI агент стати рятівним кругом для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькому середовищі Web2, тоді як у сфері Web3 проекти, пов'язані з навчанням моделей та платформами, стали основними через їхню ключову роль у побудові екосистеми.
Наразі кількість проектів AI Agent у Web3 не велика - лише 8%, але їх ринкова капіталізація складає 23% у сегменті AI, що свідчить про їх потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та зростанням визнання ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технології штучного інтелекту в продуктах, які не є основою AI, може стати стратегічною перевагою. При поєднанні проектів AI Agent слід зосередитися на побудові повної екосистеми та розробці економічної моделі токенів для сприяння децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та підвищення оцінок
З моменту появи ChatGPT у листопаді 2022 року, за короткий проміжок у два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI швидко випустила такі ітераційні версії, як GPT-4, GP4-4o після запуску ChatGPT. У такій стрімкій ситуації великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI-моделей, таких як LLM, і почали випускати свої власні AI-моделі та застосунки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили такі великі моделі, як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI вже стала полем битви для всіх.
Змагання між великими технологічними компаніями не тільки сприяло розвитку комерційних застосувань, але також з нашого дослідження щодо відкритих AI ми виявили, що звіт AI Index 2024 року показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році кількість проектів зросла на 59,3% у річному обчисленні, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту прямо відображається на інвестиційному ринку, ринок інвестицій у штучний інтелект демонструє потужний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було зафіксовано 16 угод з інвестиціями, що перевищують 150 мільйонів доларів у сфері штучного інтелекту, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері штучного інтелекту зросла до 24 мільярдів доларів, що вдвічі більше в порівнянні з минулим роком. Серед них xAI, що належить Маску, зібрав 6 мільярдів доларів, його оцінка становить 24 мільярди доларів, що робить його другим за величиною стартапом у сфері штучного інтелекту після OpenAI.
Топ-10 фінансування сектора AI у 2 кварталі 2024 року, джерело: Yiou
Швидкий розвиток технології штучного інтелекту кардинально змінює ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проєктів відкритого коду, і до жвавого попиту капітального ринку на концепцію штучного інтелекту. Нові проєкти з'являються один за іншим, інвестиції встановлюють нові рекорди, а оцінки компаній зростають. Загалом, ринок штучного інтелекту перебуває в періоді швидкого розвитку, в якому великі мовні моделі та технології генерування з підкріпленням пошуку досягли значного прогресу в обробці мови. Проте, ці моделі все ще стикаються з викликами в перетворенні технічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях застосування, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна позначає еволюцію технології штучного інтелекту від чисто мовних моделей до інтелектуальних систем, які справді розуміють, вчаться та вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово нівелює прірву між технологією штучного інтелекту та вирішенням практичних проблем. Еволюція технологій штучного інтелекту постійно переформатовує структуру продуктивності, тоді як технології Web3 перебудовують виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальні потужності зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми прогнозуємо виникнення ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent з його здатністю самостійно виконувати завдання демонструє величезний потенціал для реалізації масштабних застосувань.
Для цього ми почали детально досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня додатків, а також ринків даних і моделей, з метою ідентифікації та оцінки найбільш перспективних типів проектів і застосувань, щоб глибше зрозуміти глибоке злиття AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд його класифікації
Основні відомості
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самою моделлю, ми наводимо приклад з реального життя: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що посилюють генерацію запитів, можуть надати більш багатий та конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну Людину, здатний зрозуміти ваші потреби та на основі вашого речення активно шукати рейси та готелі, виконувати операції з бронювання, додавати маршрут до календаря.
В даний час у галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, здатна сприймати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи цю інформацію та впливаючи на навколишнє середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегровано в наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автопілот рівня L5 і вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення від користувача і відповідно впливати на реальне середовище.
Як приклад, використовуючи ChatGPT для роз'яснення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає основу AI-моделей, GPT є серією моделей, що розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на базі моделі GPT.
Класифікація
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 і Web3, поділивши їх на первинні та вторинні категорії відповідно до їхніх значущих тегів. Первинні категорії включають базову інфраструктуру, генерацію контенту та взаємодію з користувачами, після чого вони були деталізовані відповідно до їхніх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні більш базового контенту в сфері Agent, включаючи платформи, моделі, дані, розробницькі інструменти, а також більш зрілі та базові B-класу послуги.
Інструменти розробки: надання допоміжних інструментів та рамок для розробників для створення AI Agent.
Обробка даних: обробка та аналіз даних різних форматів, головним чином для підтримки прийняття рішень та надання джерел для навчання.
Класифікація навчання моделей: надання послуг з навчання моделей для ШІ, включаючи виведення, створення моделей, налаштування тощо.
Служби класу B: в основному орієнтовані на корпоративних користувачів, надають послуги для підприємств, вертикальні рішення, автоматизовані рішення.
Платформний клас: платформа, що інтегрує різноманітні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що передбачають безперервну двосторонню взаємодію. Інтерактивний агент не лише приймає та розуміє потреби користувача, але й надає зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агент, який надає емоційну підтримку та супровід.
Тип GPT: AI агент на основі моделі GPT (генеративний попередньо навчених трансформер).
Пошуковий клас: зосереджено на функції пошуку, забезпечуючи більш точний агента для інформаційного запиту.
Генерація контенту: Цей тип проектів зосереджується на створенні контенту, використовуючи технологію великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, яка поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI агентів у традиційному інтернеті Web2 демонструє чітку тенденцію до концентрації в певних сегментах. Конкретно, близько двох третин проектів зосереджені в категорії інфраструктури, в основному це послуги для бізнесу та інструменти для розробників, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: Проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй технологічній зрілості. Ці проекти зазвичай базуються на технологіях і структурах, перевірених часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує надійну основу для розробки та застосування AI Agent.
Розширення попиту на ринку: ще одним ключовим фактором є попит на ринку. У порівнянні з споживчим ринком, попит на технології ШІ в корпоративному секторі є більш нагальним, особливо коли мова йде про рішення, що сприяють підвищенню операційної ефективності та зниженню витрат. Водночас для розробників грошові потоки з корпоративного сектора є відносно стабільними, що сприяє їхній здатності розробляти подальші проекти.
Обмеження застосування: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B відносно обмежене. Через його нестабільність підприємства надають перевагу тим додаткам, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проектів є відносно невеликою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти сценаріїв використання. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може зазнати змін, але інфраструктурні рішення залишаться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проєктів AI-агентів Web2
Збірка провідних проєктів AI Agent у Web2, джерело: база даних проєктів ArkStream
Ми детально розглянемо деякі з поточних проектів AI Agent на ринку Web2 та проаналізуємо їх, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI надає 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 природні мовні діалоги та виконувати певні завдання.
Аналіз даних: Character.AI у травні зафіксував 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів щодня, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну демографічну характеристику. Character AI показав відмінні результати на ринку капіталу, залучивши 150 мільйонів доларів фінансування, оцінка компанії досягла 1 мільярда доларів, інвестиції очолив a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання її великих мовних моделей, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити ШІ:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки цитуванням та посиланням на джерела забезпечується надійність та точність інформації, одночасно навчая та направляючи користувачів до подальших запитів та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity на місяць досягла 10 мільйонів, а відвідуваність його мобільного та десктопного додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, з оцінкою в 1,04 мільярда доларів, яке очолив Daniel Gross, а учасниками стали Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основна модель, що використовується Perplexity, є доопрацьованою GPT-3.5, а також дві великі моделі, доопрацьовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних наукових досліджень та запитів у вертикальних областях, що забезпечує достовірність та надійність інформації.
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.
8 лайків
Нагородити
8
6
Поділіться
Прокоментувати
0/400
GasFeeLover
· 9год тому
Добре, коли нарешті оптимізують плату за газ?
Переглянути оригіналвідповісти на0
ContractFreelancer
· 9год тому
23% частка? 🔥 Сподіваюся!
Переглянути оригіналвідповісти на0
MEVHunter
· 9год тому
ngmi, якщо агенти не зможуть знайти альфу в пулі пам'яті... 23% капіталізація нічого не означає, якщо вони не можуть витягти цінність, якщо чесно
Переглянути оригіналвідповісти на0
YieldHunter
· 9год тому
технічно кажучи... 8% тяги, але 23% ринкова капіталізація? пахне ще одним понзі, чесно кажучи
Чи може AI Agent стати наступною хвилею Web3+AI: аналіз сучасного стану розвитку та майбутніх тенденцій
Чи може AI агент стати рятівним кругом для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькому середовищі Web2, тоді як у сфері Web3 проекти, пов'язані з навчанням моделей та платформами, стали основними через їхню ключову роль у побудові екосистеми.
Наразі кількість проектів AI Agent у Web3 не велика - лише 8%, але їх ринкова капіталізація складає 23% у сегменті AI, що свідчить про їх потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та зростанням визнання ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технології штучного інтелекту в продуктах, які не є основою AI, може стати стратегічною перевагою. При поєднанні проектів AI Agent слід зосередитися на побудові повної екосистеми та розробці економічної моделі токенів для сприяння децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та підвищення оцінок
З моменту появи ChatGPT у листопаді 2022 року, за короткий проміжок у два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI швидко випустила такі ітераційні версії, як GPT-4, GP4-4o після запуску ChatGPT. У такій стрімкій ситуації великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI-моделей, таких як LLM, і почали випускати свої власні AI-моделі та застосунки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили такі великі моделі, як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI вже стала полем битви для всіх.
Змагання між великими технологічними компаніями не тільки сприяло розвитку комерційних застосувань, але також з нашого дослідження щодо відкритих AI ми виявили, що звіт AI Index 2024 року показує, що кількість проектів, пов'язаних з AI, на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році кількість проектів зросла на 59,3% у річному обчисленні, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту прямо відображається на інвестиційному ринку, ринок інвестицій у штучний інтелект демонструє потужний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було зафіксовано 16 угод з інвестиціями, що перевищують 150 мільйонів доларів у сфері штучного інтелекту, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері штучного інтелекту зросла до 24 мільярдів доларів, що вдвічі більше в порівнянні з минулим роком. Серед них xAI, що належить Маску, зібрав 6 мільярдів доларів, його оцінка становить 24 мільярди доларів, що робить його другим за величиною стартапом у сфері штучного інтелекту після OpenAI.
Топ-10 фінансування сектора AI у 2 кварталі 2024 року, джерело: Yiou
Швидкий розвиток технології штучного інтелекту кардинально змінює ландшафт технологічної сфери з небаченою швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проєктів відкритого коду, і до жвавого попиту капітального ринку на концепцію штучного інтелекту. Нові проєкти з'являються один за іншим, інвестиції встановлюють нові рекорди, а оцінки компаній зростають. Загалом, ринок штучного інтелекту перебуває в періоді швидкого розвитку, в якому великі мовні моделі та технології генерування з підкріпленням пошуку досягли значного прогресу в обробці мови. Проте, ці моделі все ще стикаються з викликами в перетворенні технічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування неточної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях застосування, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем та взаємодії з навколишнім середовищем. Ця зміна позначає еволюцію технології штучного інтелекту від чисто мовних моделей до інтелектуальних систем, які справді розуміють, вчаться та вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово нівелює прірву між технологією штучного інтелекту та вирішенням практичних проблем. Еволюція технологій штучного інтелекту постійно переформатовує структуру продуктивності, тоді як технології Web3 перебудовують виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальні потужності зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми прогнозуємо виникнення ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent з його здатністю самостійно виконувати завдання демонструє величезний потенціал для реалізації масштабних застосувань.
Для цього ми почали детально досліджувати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до рівня додатків, а також ринків даних і моделей, з метою ідентифікації та оцінки найбільш перспективних типів проектів і застосувань, щоб глибше зрозуміти глибоке злиття AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд його класифікації
Основні відомості
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням та самою моделлю, ми наводимо приклад з реального життя: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що посилюють генерацію запитів, можуть надати більш багатий та конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну Людину, здатний зрозуміти ваші потреби та на основі вашого речення активно шукати рейси та готелі, виконувати операції з бронювання, додавати маршрут до календаря.
В даний час у галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, здатна сприймати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи цю інформацію та впливаючи на навколишнє середовище через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегровано в наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автопілот рівня L5 і вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення від користувача і відповідно впливати на реальне середовище.
Як приклад, використовуючи ChatGPT для роз'яснення концепцій, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, що складає основу AI-моделей, GPT є серією моделей, що розвинулася на основі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP є AI агентом, що еволюціонував на базі моделі GPT.
Класифікація
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2 і Web3, поділивши їх на первинні та вторинні категорії відповідно до їхніх значущих тегів. Первинні категорії включають базову інфраструктуру, генерацію контенту та взаємодію з користувачами, після чого вони були деталізовані відповідно до їхніх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні більш базового контенту в сфері Agent, включаючи платформи, моделі, дані, розробницькі інструменти, а також більш зрілі та базові B-класу послуги.
Інструменти розробки: надання допоміжних інструментів та рамок для розробників для створення AI Agent.
Обробка даних: обробка та аналіз даних різних форматів, головним чином для підтримки прийняття рішень та надання джерел для навчання.
Класифікація навчання моделей: надання послуг з навчання моделей для ШІ, включаючи виведення, створення моделей, налаштування тощо.
Служби класу B: в основному орієнтовані на корпоративних користувачів, надають послуги для підприємств, вертикальні рішення, автоматизовані рішення.
Платформний клас: платформа, що інтегрує різноманітні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, відрізняються тим, що передбачають безперервну двосторонню взаємодію. Інтерактивний агент не лише приймає та розуміє потреби користувача, але й надає зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агент, який надає емоційну підтримку та супровід.
Тип GPT: AI агент на основі моделі GPT (генеративний попередньо навчених трансформер).
Пошуковий клас: зосереджено на функції пошуку, забезпечуючи більш точний агента для інформаційного запиту.
Генерація контенту: Цей тип проектів зосереджується на створенні контенту, використовуючи технологію великих моделей для генерації різних форм контенту відповідно до інструкцій користувача, яка поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI агентів у традиційному інтернеті Web2 демонструє чітку тенденцію до концентрації в певних сегментах. Конкретно, близько двох третин проектів зосереджені в категорії інфраструктури, в основному це послуги для бізнесу та інструменти для розробників, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: Проекти інфраструктури займають домінуючу позицію, перш за все, завдяки своїй технологічній зрілості. Ці проекти зазвичай базуються на технологіях і структурах, перевірених часом, що знижує складність розробки та ризики. Це еквівалентно "лопаті" в сфері ШІ, яка забезпечує надійну основу для розробки та застосування AI Agent.
Розширення попиту на ринку: ще одним ключовим фактором є попит на ринку. У порівнянні з споживчим ринком, попит на технології ШІ в корпоративному секторі є більш нагальним, особливо коли мова йде про рішення, що сприяють підвищенню операційної ефективності та зниженню витрат. Водночас для розробників грошові потоки з корпоративного сектора є відносно стабільними, що сприяє їхній здатності розробляти подальші проекти.
Обмеження застосування: Водночас ми помітили, що застосування AI для генерації контенту на ринку B2B відносно обмежене. Через його нестабільність підприємства надають перевагу тим додаткам, які можуть стабільно підвищувати продуктивність. Це призвело до того, що частка AI для генерації контенту в бібліотеці проектів є відносно невеликою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти сценаріїв використання. З постійним прогресом технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може зазнати змін, але інфраструктурні рішення залишаться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проєктів AI-агентів Web2
Збірка провідних проєктів AI Agent у Web2, джерело: база даних проєктів ArkStream
Ми детально розглянемо деякі з поточних проектів AI Agent на ринку Web2 та проаналізуємо їх, використовуючи три проекти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI надає 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 природні мовні діалоги та виконувати певні завдання.
Аналіз даних: Character.AI у травні зафіксував 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів щодня, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну демографічну характеристику. Character AI показав відмінні результати на ринку капіталу, залучивши 150 мільйонів доларів фінансування, оцінка компанії досягла 1 мільярда доларів, інвестиції очолив a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з материнською компанією Google Alphabet про неексклюзивне використання її великих мовних моделей, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазер і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити ШІ:
Опис продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки цитуванням та посиланням на джерела забезпечується надійність та точність інформації, одночасно навчая та направляючи користувачів до подальших запитів та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity на місяць досягла 10 мільйонів, а відвідуваність його мобільного та десктопного додатків зросла на 8,6% у лютому, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, з оцінкою в 1,04 мільярда доларів, яке очолив Daniel Gross, а учасниками стали Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основна модель, що використовується Perplexity, є доопрацьованою GPT-3.5, а також дві великі моделі, доопрацьовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних наукових досліджень та запитів у вертикальних областях, що забезпечує достовірність та надійність інформації.
Середина подорожі:
Опис продукту: користувач