L'Agent AI peut-il devenir une bouée de sauvetage pour le Web3+AI ?
Les projets d'agent IA sont principalement des types de services aux entreprises populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction de l'écosystème.
Actuellement, le nombre de projets d'agents AI dans le Web3 est relativement faible, représentant 8%, mais leur part de marché dans le secteur de l'IA atteint 23%, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets d'une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application qui ne sont pas au cœur de l'IA pourrait devenir un avantage stratégique. Pour les projets d'agent AI, il est important de se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'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, tandis qu'OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grandes entreprises technologiques traditionnelles ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que les LLM, et ont toutes lancé 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 modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident 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 découvert grâce à une 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 est passé 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 AI se reflète directement sur le marché des investissements, où le marché des investissements dans l'IA montre une forte croissance, avec une explosion prévue au deuxième trimestre de 2024. Au total, 16 investissements liés à l'IA ont dépassé 150 millions de dollars, soit le double par rapport au 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, une entreprise fondée 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.
Le développement rapide des technologies d'IA redessine le paysage technologique à un rythme sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets se multiplient, les investissements atteignent de nouveaux sommets et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération améliorée par la recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer l'avantage technologique en produits réels, tels que l'incertitude des sorties des 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 d'une importance capitale.
Dans ce contexte, nous avons commencé à étudier 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 d'un modèle linguistique pur vers des systèmes intelligents capables de comprendre réellement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent 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 reconstruit 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 la décentralisation, de l'économie des jetons et des contrats intelligents de Web3, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les diverses applications de l'Agent IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, afin d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et le Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario réel : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme JARVIS 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'exécuter des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
Actuellement, la définition généralement acceptée d'un Agent IA dans l'industrie désigne un système intelligent capable de percevoir son environnement et d'agir en conséquence. Il acquiert des informations sur l'environnement via des capteurs, les traite, puis exerce une influence sur l'environnement par le biais d'exécuteurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie et sont appliqués dans différents contextes, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et plus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, que le GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différentes étapes de développement. ChatGPT est un agent IA qui a évolué à partir du modèle GPT.
Aperçu de la classification
Le marché actuel des agents AI n'a pas encore établi de normes de classification uniformes. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives associées à chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi celles-ci, les classifications de premier niveau sont l'infrastructure 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 plus fondamentaux dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services B2B plus matures et applicables à des niveaux plus bas.
Outils de développement : Fournir aux développeurs des outils et cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisés pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : offre des services de formation de modèles pour l'IA, y compris l'inférence, la création et la configuration de modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprises, offrant des solutions de services aux entreprises, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactions : 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 grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI d'accompagnement émotionnel : Fournissent un soutien émotionnel et de la compagnie.
Classe GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, offrant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de modèles avancés pour générer diverses formes de contenu selon les instructions des utilisateurs, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents AI Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance claire de concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due 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 le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'élan des demandes du marché : un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande des entreprises pour la technologie AI est plus pressante, notamment en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie des entreprises sont relativement stables, ce qui leur est favorable pour développer des projets ultérieurs.
Limitations des cas d'utilisation : En même temps, nous avons remarqué que l'utilisation de l'IA génératrice de contenu dans le marché B2B est relativement limitée. En raison de l'instabilité de ses productions, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA génératrice de contenu dans le répertoire de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations réelles des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais l'infrastructure restera la pierre angulaire du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Introduction du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de tenir des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité sont âgés de 18 à 34 ans, ce qui montre des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant réalisé un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé 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 est à noter que les fondateurs de l'entreprise, 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 et de fournir des réponses détaillées à partir d'Internet. En citant et en référant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs pour poser des questions supplémentaires et rechercher des mots-clés, répondant ainsi aux besoins diversifiés 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 levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open-source affinés : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, allant du réalisme à
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.
17 J'aime
Récompense
17
2
Reposter
Partager
Commentaire
0/400
JustHereForAirdrops
· 08-09 23:18
Par rapport à une bouée de sauvetage, laisse d'abord a16z regarder kkx.
Voir l'originalRépondre0
ClassicDumpster
· 08-09 23:10
À quoi bon une capitalisation boursière élevée s'il n'y a même pas de scénarios d'application ?
L'agent IA peut-il conduire à un nouvel avenir pour le Web3+IA
L'Agent AI peut-il devenir une bouée de sauvetage pour le Web3+AI ?
Les projets d'agent IA sont principalement des types de services aux entreprises populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction de l'écosystème.
Actuellement, le nombre de projets d'agents AI dans le Web3 est relativement faible, représentant 8%, mais leur part de marché dans le secteur de l'IA atteint 23%, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets d'une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application qui ne sont pas au cœur de l'IA pourrait devenir un avantage stratégique. Pour les projets d'agent AI, il est important de se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'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, tandis qu'OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grandes entreprises technologiques traditionnelles ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que les LLM, et ont toutes lancé 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 modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident 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 découvert grâce à une 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 est passé 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 AI se reflète directement sur le marché des investissements, où le marché des investissements dans l'IA montre une forte croissance, avec une explosion prévue au deuxième trimestre de 2024. Au total, 16 investissements liés à l'IA ont dépassé 150 millions de dollars, soit le double par rapport au 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, une entreprise fondée 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.
Le développement rapide des technologies d'IA redessine le paysage technologique à un rythme sans précédent. De la concurrence acharnée entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets se multiplient, les investissements atteignent de nouveaux sommets et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en période d'or de développement rapide, avec des modèles de langage de grande taille et des technologies de génération améliorée par la recherche réalisant des avancées significatives dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer l'avantage technologique en produits réels, tels que l'incertitude des sorties des 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 d'une importance capitale.
Dans ce contexte, nous avons commencé à étudier 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 d'un modèle linguistique pur vers des systèmes intelligents capables de comprendre réellement, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent 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 reconstruit 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 la décentralisation, de l'économie des jetons et des contrats intelligents de Web3, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les diverses applications de l'Agent IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, afin d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et le Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario réel : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la récupération peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme JARVIS 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'exécuter des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
Actuellement, la définition généralement acceptée d'un Agent IA dans l'industrie désigne un système intelligent capable de percevoir son environnement et d'agir en conséquence. Il acquiert des informations sur l'environnement via des capteurs, les traite, puis exerce une influence sur l'environnement par le biais d'exécuteurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un Agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie et sont appliqués dans différents contextes, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et plus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons préciser que le Transformer est l'architecture technique qui compose les modèles d'IA, que le GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différentes étapes de développement. ChatGPT est un agent IA qui a évolué à partir du modèle GPT.
Aperçu de la classification
Le marché actuel des agents AI n'a pas encore établi de normes de classification uniformes. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives associées à chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi celles-ci, les classifications de premier niveau sont l'infrastructure 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 plus fondamentaux dans le domaine des agents, y compris des plateformes, des modèles, des données, des outils de développement, ainsi que des services B2B plus matures et applicables à des niveaux plus bas.
Outils de développement : Fournir aux développeurs des outils et cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisés pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : offre des services de formation de modèles pour l'IA, y compris l'inférence, la création et la configuration de modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprises, offrant des solutions de services aux entreprises, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactions : 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 grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI d'accompagnement émotionnel : Fournissent un soutien émotionnel et de la compagnie.
Classe GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, offrant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de modèles avancés pour générer diverses formes de contenu selon les instructions des utilisateurs, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents AI Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance claire de concentration sectorielle. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due 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 le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'élan des demandes du marché : un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande des entreprises pour la technologie AI est plus pressante, notamment en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie des entreprises sont relativement stables, ce qui leur est favorable pour développer des projets ultérieurs.
Limitations des cas d'utilisation : En même temps, nous avons remarqué que l'utilisation de l'IA génératrice de contenu dans le marché B2B est relativement limitée. En raison de l'instabilité de ses productions, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA génératrice de contenu dans le répertoire de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations réelles des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais l'infrastructure restera la pierre angulaire du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant comme exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Introduction du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables de tenir des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité sont âgés de 18 à 34 ans, ce qui montre des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant réalisé un financement de 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigé 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 est à noter que les fondateurs de l'entreprise, 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 et de fournir des réponses détaillées à partir d'Internet. En citant et en référant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs pour poser des questions supplémentaires et rechercher des mots-clés, répondant ainsi aux besoins diversifiés 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 levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, ainsi que deux grands modèles basés sur des modèles open-source affinés : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant la véracité et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, allant du réalisme à