¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente populares y maduros en Web2 en la categoría de servicios para empresas, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y plataformas agregadoras se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, el número de proyectos de agentes de IA en Web3 es relativamente bajo, representando el 8%, pero su capitalización de mercado en la pista de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Se espera que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surjan múltiples proyectos con valoraciones superiores a 1,000 millones de dólares.
Para los proyectos Web3, la introducción de tecnologías de IA en productos de aplicación que no son núcleo de IA puede convertirse en una ventaja estratégica. En cuanto a la forma de combinar los proyectos de Agente de IA, se debe prestar atención a la construcción del ecosistema completo y al diseño del modelo económico de tokens, para promover la descentralización y el efecto de red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones
Desde el lanzamiento de ChatGPT en noviembre de 2022, ha atraído a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y todos lanzaron sus propios modelos de IA y aplicaciones. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia feroz.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también descubrimos a través de las estadísticas de la investigación de IA de código abierto que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
La pasión por la tecnología AI se refleja directamente en el mercado de inversiones, que muestra un fuerte crecimiento, con un aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hubo 16 inversiones relacionadas con AI de más de 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de AI se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon Musk, recaudó 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de AI más valorada después de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el fervor del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje a gran escala y tecnologías generativas mejoradas por búsqueda logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos todavía enfrentan desafíos al convertir ventajas tecnológicas en productos reales, como la incertidumbre en la salida de los modelos, el riesgo de alucinar información inexacta y problemas de transparencia de los modelos. Estos problemas se vuelven especialmente importantes en escenarios de aplicación donde se requiere una alta fiabilidad.
En este contexto, comenzamos a investigar el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interacciones con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas reales. Por lo tanto, vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA está remodelando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, anticipamos que esto dará lugar a una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar a fondo las diversas aplicaciones de AI Agent en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones, así como mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de AI y Web3.
Aclaración de conceptos: Introducción y visión general de las clasificaciones de AI Agent
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, haremos un ejemplo a través de un escenario práctico: supongamos que estás planeando un viaje. Los modelos de lenguaje grandes y tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación aumentada por búsqueda puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, capaz de entender las necesidades y, con solo una frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
En la actualidad, la definición comúnmente aceptada de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes. Obtiene información del entorno a través de sensores, la procesa y, mediante actuadores, ejerce influencia sobre el entorno (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, hacer que su respuesta tenga un impacto en el entorno real.
Tomando como ejemplo ChatGPT para aclarar el concepto, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se desarrolló a partir de esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGPT es un Agente de IA que ha evolucionado basado en el modelo GPT.
Resumen de categorías
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. A través de la etiquetación de 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, hemos dividido en categorías de primer y segundo nivel según las etiquetas significativas correspondientes a cada proyecto. Las categorías de primer nivel son infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y básicos.
Herramientas de desarrollo: proporciona a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clases de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluidos la inferencia, la creación de modelos, la configuración, etc.
Servicios para B: principalmente dirigidos a usuarios empresariales, proporcionando soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: plataforma que integra varios servicios y herramientas de agentes de IA.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.
Agentes de IA de acompañamiento emocional: proporcionan apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clase de búsqueda: Agente centrado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de video y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de agentes de IA en el Internet tradicional Web2 muestra una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más predominantes. También hemos realizado algunos análisis sobre este fenómeno.
Impacto de la madurez tecnológica: la razón por la cual los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen basarse en tecnologías y marcos comprobados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es comparable a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia en el desarrollo de proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aplicaciones que puedan mejorar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido represente una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la mayor claridad en la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de Agentes de IA.
Análisis de proyectos líderes de agentes de IA Web2
Profundizamos en algunos proyectos de agentes de IA en el actual mercado de Web2 y los analizamos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
Character AI：
Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener diálogos en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanzó los 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para realizar preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio ha crecido un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la inversión, y los participantes incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos grandes de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para la investigación académica profesional y consultas en campos verticales, garantizando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, abarcando desde lo realista hasta
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
17 me gusta
Recompensa
17
2
Republicar
Compartir
Comentar
0/400
JustHereForAirdrops
· 08-09 23:18
En lugar de un salvavidas, primero deja que a16z mire kkx.
Ver originalesResponder0
ClassicDumpster
· 08-09 23:10
¿De qué sirve tener una alta capitalización de mercado si no hay ni un escenario de implementación?
¿Puede el Agente de IA liderar un nuevo futuro para Web3+IA?
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente populares y maduros en Web2 en la categoría de servicios para empresas, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y plataformas agregadoras se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, el número de proyectos de agentes de IA en Web3 es relativamente bajo, representando el 8%, pero su capitalización de mercado en la pista de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Se espera que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surjan múltiples proyectos con valoraciones superiores a 1,000 millones de dólares.
Para los proyectos Web3, la introducción de tecnologías de IA en productos de aplicación que no son núcleo de IA puede convertirse en una ventaja estratégica. En cuanto a la forma de combinar los proyectos de Agente de IA, se debe prestar atención a la construcción del ecosistema completo y al diseño del modelo económico de tokens, para promover la descentralización y el efecto de red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones
Desde el lanzamiento de ChatGPT en noviembre de 2022, ha atraído a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y todos lanzaron sus propios modelos de IA y aplicaciones. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia feroz.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también descubrimos a través de las estadísticas de la investigación de IA de código abierto que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
La pasión por la tecnología AI se refleja directamente en el mercado de inversiones, que muestra un fuerte crecimiento, con un aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hubo 16 inversiones relacionadas con AI de más de 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de AI se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon Musk, recaudó 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de AI más valorada después de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en comunidades de código abierto, y el fervor del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje a gran escala y tecnologías generativas mejoradas por búsqueda logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos todavía enfrentan desafíos al convertir ventajas tecnológicas en productos reales, como la incertidumbre en la salida de los modelos, el riesgo de alucinar información inexacta y problemas de transparencia de los modelos. Estos problemas se vuelven especialmente importantes en escenarios de aplicación donde se requiere una alta fiabilidad.
En este contexto, comenzamos a investigar el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interacciones con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas reales. Por lo tanto, vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA está remodelando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, anticipamos que esto dará lugar a una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar a fondo las diversas aplicaciones de AI Agent en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones, así como mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda integración de AI y Web3.
Aclaración de conceptos: Introducción y visión general de las clasificaciones de AI Agent
Introducción básica
Antes de presentar el Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, haremos un ejemplo a través de un escenario práctico: supongamos que estás planeando un viaje. Los modelos de lenguaje grandes y tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación aumentada por búsqueda puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, capaz de entender las necesidades y, con solo una frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
En la actualidad, la definición comúnmente aceptada de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes. Obtiene información del entorno a través de sensores, la procesa y, mediante actuadores, ejerce influencia sobre el entorno (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 y superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, hacer que su respuesta tenga un impacto en el entorno real.
Tomando como ejemplo ChatGPT para aclarar el concepto, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se desarrolló a partir de esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGPT es un Agente de IA que ha evolucionado basado en el modelo GPT.
Resumen de categorías
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. A través de la etiquetación de 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, hemos dividido en categorías de primer y segundo nivel según las etiquetas significativas correspondientes a cada proyecto. Las categorías de primer nivel son infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y básicos.
Herramientas de desarrollo: proporciona a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clases de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluidos la inferencia, la creación de modelos, la configuración, etc.
Servicios para B: principalmente dirigidos a usuarios empresariales, proporcionando soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: plataforma que integra varios servicios y herramientas de agentes de IA.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.
Agentes de IA de acompañamiento emocional: proporcionan apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clase de búsqueda: Agente centrado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de video y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de agentes de IA en el Internet tradicional Web2 muestra una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más predominantes. También hemos realizado algunos análisis sobre este fenómeno.
Impacto de la madurez tecnológica: la razón por la cual los proyectos de infraestructura dominan es, en primer lugar, gracias a su madurez tecnológica. Estos proyectos suelen basarse en tecnologías y marcos comprobados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es comparable a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia en el desarrollo de proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a preferir aplicaciones que puedan mejorar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido represente una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la mayor claridad en la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de Agentes de IA.
Análisis de proyectos líderes de agentes de IA Web2
Profundizamos en algunos proyectos de agentes de IA en el actual mercado de Web2 y los analizamos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
Character AI：
Introducción del producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener diálogos en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanzó los 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para realizar preguntas de seguimiento y buscar palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio ha crecido un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiación, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la inversión, y los participantes incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos grandes de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para la investigación académica profesional y consultas en campos verticales, garantizando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, abarcando desde lo realista hasta