Чи може агент штучного інтелекту стати спасінням для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з навчання моделей та платформи збору стають основними через їхню ключову роль у побудові екосистем.
Наразі кількість проектів AI Agent у Web3 не велика, складає 8%, але їхня частка ринкової капіталізації на AI-арені досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій і зростанням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів на прикладному рівні, які не є основою ШІ. У поєднанні проектів AI Agent слід звернути увагу на побудову всієї екосистеми та проектування токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та зростання оцінок
З моменту появи ChatGPT у листопаді 2022 року, протягом всього двох місяців він привабив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI після випуску ChatGPT швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій динамічній ситуації великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і почали випускати свої AI моделі та застосунки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії представили такі великі моделі, як Wenxin Yiyan, Zhipu Qingyan. Очевидно, що сфера AI стала полем битви для багатьох.
Змагання великих технологічних гігантів не лише стимулює розвиток комерційних застосунків, але й ми з досліджень відкритого AI виявили, що звіт AI Index за 2024 рік 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 вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, а в другому кварталі 2024 року спостерігається вибуховий ріст. У світі зафіксовано 16 інвестицій у ШІ, що перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що є більш ніж подвоєнням у порівнянні з минулим роком. Серед них, xAI під керівництвом Маска залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінкою стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту в даний час перебудовує ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ на ринку капіталу. Проекти виникають один за одним, суми інвестицій постійно б'ють рекорди, а оцінки компаній зростають пропорційно. Загалом, ринок штучного інтелекту перебуває в періоді швидкого розвитку, коли великі мовні моделі та технології, що підсилюють генерацію даних, досягли значного прогресу в обробці мовної інформації. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування недостовірної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях, де вимоги до надійності є надзвичайно високими.
В цьому контексті ми починаємо дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодію з навколишнім середовищем. Ця зміна позначає еволюцію технології AI від чисто мовних моделей до розумних систем, які дійсно можуть розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово заповнює розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно переформатовує структуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перетинці, ми вважаємо, що AI Agent, завдяки своїй здатності автономно виконувати завдання, демонструє величезний потенціал для реалізації масових застосувань.
Для цього ми почали детально вивчати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, рівня застосунків до ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд їх класифікації
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між визначенням та самим моделлю, ми наведемо приклад з реального життя: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та туристичні поради. Технологія, що підсилює пошук, може надати більш багатий і конкретний контент про напрямки. А AI Agent схожий на Джарвіса з фільмів про Залізну Людину, він може зрозуміти потреби та самостійно шукати рейси та готелі на основі вашої фрази, виконувати бронювання та додавати розклад до календаря.
В даний час у галузі загально прийнято визначати AI Agent як інтелектуальну систему, яка здатна сприймати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про середовище через датчики, обробляючи цю інформацію та впливаючи на середовище за допомогою виконавчих механізмів (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує в собі можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розподіляти завдання та дійсно їх виконувати.
Згідно з цим визначенням та характеристиками, ми можемо побачити, що AI Agent вже давно інтегровано в наше життя, використовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, які всі можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення користувача і, відповідно, впливати на реальне середовище.
В якості прикладу для уточнення 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 представляють версії моделей на різних етапах розвитку. ChatGPT, в свою чергу, є AI Agent, що еволюціонував на базі моделі GPT.
Класифікаційний огляд
На даний момент ринок AI Agent ще не сформував єдиний стандарт класифікації. Ми розділили 204 проекти AI Agent на ринках Web2+Web3, надаючи їм мітки, відповідно до значущих тегів кожного проекту, на первинну та вторинну класифікацію. Первинна класифікація складається з трьох категорій: базова інфраструктура, генерація контенту, взаємодія з користувачем, а потім вони детально розподіляються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджується на створенні більш базового контенту в сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі та базові послуги для B-клієнтів.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Класи обробки даних: обробка та аналіз даних у різних форматах, основна мета яких - сприяти прийняттю рішень та забезпечити джерела для навчання.
Класи моделювання: надання послуг з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
Послуги для B-клієнтів: переважно орієнтовані на корпоративних користувачів, пропонують корпоративні, вертикальні та автоматизовані рішення.
Платформи типу агрегатор: платформи, які інтегрують різноманітні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, але з відмінністю в постійній двосторонній взаємодії. Інтерактивні агенти не лише приймають і розуміють потреби користувача, але й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агент, що надає емоційну підтримку та супровід.
GPT-тип: AI агент, основанный на модели GPT (генеративный предобученный трансформер).
Пошукові: зосереджені на функції пошуку, забезпечують більш точний агент для інформаційного пошуку.
Проекти, що займаються генерацією контенту: ця категорія проектів зосереджена на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 розробка AI Agent демонструє чітку тенденцію до концентрації в певних сегментах. Зокрема, приблизно дві третини проектів зосереджені на інфраструктурних рішеннях, головним чином це послуги для бізнесу та інструменти для розробки, і ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: Проекти інфраструктури займають домінуюче положення насамперед завдяки своїй технологічній зрілості. Ці проекти зазвичай базуються на технологіях та каркасах, які пройшли перевірку часом, що знижує складність і ризики розробки. Це еквівалент «лопати» в галузі штучного інтелекту, яка забезпечує міцну 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 терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошовий потік з корпоративного сектора є відносно стабільним, що сприяє їх розвитку подальших проєктів.
Обмеження сценаріїв застосування: водночас ми звертаємо увагу на те, що застосування AI для генерації контенту на ринку B-класу є відносно обмеженим. Через його нестабільність, підприємства більше схиляються до застосувань, які можуть стабільно підвищити продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному сховищі є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З подальшим прогресом технологій штучного інтелекту та уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні елементи все ще залишаться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми глибоко вивчаємо деякі сучасні проекти AI Agent на ринку Web2 та аналізуємо їх, використовуючи проекти Character AI, Perplexity AI, Midjourney як приклади.
Характер AI：
Опис продукту: Character.AI надає систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, тренувати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні діалоги та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні отримав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких у віці від 18 до 34 років, що демонструє молодіжну характеристику користувацької бази. Character AI показав відмінні результати на капітальних ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, з лідерством a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з неексклюзивним правом використання своєї великої мовної моделі з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазеер і Даніель Де Фрейтас раніше брали участь у розробці діалогової 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, а також він навчає, веде користувачів до наступних запитів та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільного та настільного додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На ринку капіталу Perplexity AI нещодавно оголосила про отримання 62,7 мільйона доларів фінансування, а її вартість досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основні моделі, які використовує Perplexity, це налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних областях, що забезпечує реальність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем в Midjourney за допомогою Prompts, охоплюючи від реалістичного до
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.
17 лайків
Нагородити
17
2
Репост
Поділіться
Прокоментувати
0/400
JustHereForAirdrops
· 08-09 23:18
Замість рятівного соломинки, спочатку нехай a16z дивиться на kkx.
Переглянути оригіналвідповісти на0
ClassicDumpster
· 08-09 23:10
ринкова капіталізація висока, а що з того? Навіть немає реальних сценаріїв використання.
Чи може AI-агент вести до нового майбутнього Web3+AI
Чи може агент штучного інтелекту стати спасінням для Web3+AI?
Проект AI Agent є популярним і зрілим типом у підприємницькій діяльності Web2, в той час як у сфері Web3 проекти з навчання моделей та платформи збору стають основними через їхню ключову роль у побудові екосистем.
Наразі кількість проектів AI Agent у Web3 не велика, складає 8%, але їхня частка ринкової капіталізації на AI-арені досягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій і зростанням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій ШІ може стати стратегічною перевагою для продуктів на прикладному рівні, які не є основою ШІ. У поєднанні проектів AI Agent слід звернути увагу на побудову всієї екосистеми та проектування токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: Стан проектів та зростання оцінок
З моменту появи ChatGPT у листопаді 2022 року, протягом всього двох місяців він привабив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI після випуску ChatGPT швидко представила такі ітераційні версії, як GPT-4, GP4-4o. У такій динамічній ситуації великі традиційні технологічні гіганти усвідомили важливість застосування найсучасніших AI моделей, таких як LLM, і почали випускати свої AI моделі та застосунки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії представили такі великі моделі, як Wenxin Yiyan, Zhipu Qingyan. Очевидно, що сфера AI стала полем битви для багатьох.
Змагання великих технологічних гігантів не лише стимулює розвиток комерційних застосунків, але й ми з досліджень відкритого AI виявили, що звіт AI Index за 2024 рік 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 вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє сильний ріст, а в другому кварталі 2024 року спостерігається вибуховий ріст. У світі зафіксовано 16 інвестицій у ШІ, що перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що є більш ніж подвоєнням у порівнянні з минулим роком. Серед них, xAI під керівництвом Маска залучила 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною оцінкою стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту в даний час перебудовує ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ на ринку капіталу. Проекти виникають один за одним, суми інвестицій постійно б'ють рекорди, а оцінки компаній зростають пропорційно. Загалом, ринок штучного інтелекту перебуває в періоді швидкого розвитку, коли великі мовні моделі та технології, що підсилюють генерацію даних, досягли значного прогресу в обробці мовної інформації. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерування недостовірної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в сценаріях, де вимоги до надійності є надзвичайно високими.
В цьому контексті ми починаємо дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодію з навколишнім середовищем. Ця зміна позначає еволюцію технології AI від чисто мовних моделей до розумних систем, які дійсно можуть розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово заповнює розрив між технологією AI та вирішенням реальних проблем. Еволюція технології AI постійно переформатовує структуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність зливаються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до виникнення ряду інноваційних застосувань. У цій перспективній перетинці, ми вважаємо, що AI Agent, завдяки своїй здатності автономно виконувати завдання, демонструє величезний потенціал для реалізації масових застосувань.
Для цього ми почали детально вивчати різноманітні застосування AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, рівня застосунків до ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і сценаріїв застосування, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд їх класифікації
Основна інформація
Перед тим, як представити AI Agent, щоб читачі краще зрозуміли різницю між визначенням та самим моделлю, ми наведемо приклад з реального життя: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та туристичні поради. Технологія, що підсилює пошук, може надати більш багатий і конкретний контент про напрямки. А AI Agent схожий на Джарвіса з фільмів про Залізну Людину, він може зрозуміти потреби та самостійно шукати рейси та готелі на основі вашої фрази, виконувати бронювання та додавати розклад до календаря.
В даний час у галузі загально прийнято визначати AI Agent як інтелектуальну систему, яка здатна сприймати навколишнє середовище та вживати відповідні дії, отримуючи інформацію про середовище через датчики, обробляючи цю інформацію та впливаючи на середовище за допомогою виконавчих механізмів (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує в собі можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він здатний не лише надавати інформацію, але й планувати, розподіляти завдання та дійсно їх виконувати.
Згідно з цим визначенням та характеристиками, ми можемо побачити, що AI Agent вже давно інтегровано в наше життя, використовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, які всі можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішні введення користувача і, відповідно, впливати на реальне середовище.
В якості прикладу для уточнення 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 представляють версії моделей на різних етапах розвитку. ChatGPT, в свою чергу, є AI Agent, що еволюціонував на базі моделі GPT.
Класифікаційний огляд
На даний момент ринок AI Agent ще не сформував єдиний стандарт класифікації. Ми розділили 204 проекти AI Agent на ринках Web2+Web3, надаючи їм мітки, відповідно до значущих тегів кожного проекту, на первинну та вторинну класифікацію. Первинна класифікація складається з трьох категорій: базова інфраструктура, генерація контенту, взаємодія з користувачем, а потім вони детально розподіляються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджується на створенні більш базового контенту в сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки, а також більш зрілі та базові послуги для B-клієнтів.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Класи обробки даних: обробка та аналіз даних у різних форматах, основна мета яких - сприяти прийняттю рішень та забезпечити джерела для навчання.
Класи моделювання: надання послуг з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
Послуги для B-клієнтів: переважно орієнтовані на корпоративних користувачів, пропонують корпоративні, вертикальні та автоматизовані рішення.
Платформи типу агрегатор: платформи, які інтегрують різноманітні послуги та інструменти AI Agent.
Інтерактивні: подібно до класу генерації контенту, але з відмінністю в постійній двосторонній взаємодії. Інтерактивні агенти не лише приймають і розуміють потреби користувача, але й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI-агент, що надає емоційну підтримку та супровід.
GPT-тип: AI агент, основанный на модели GPT (генеративный предобученный трансформер).
Пошукові: зосереджені на функції пошуку, забезпечують більш точний агент для інформаційного пошуку.
Проекти, що займаються генерацією контенту: ця категорія проектів зосереджена на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувача, поділяється на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у традиційному інтернеті Web2 розробка AI Agent демонструє чітку тенденцію до концентрації в певних сегментах. Зокрема, приблизно дві третини проектів зосереджені на інфраструктурних рішеннях, головним чином це послуги для бізнесу та інструменти для розробки, і ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: Проекти інфраструктури займають домінуюче положення насамперед завдяки своїй технологічній зрілості. Ці проекти зазвичай базуються на технологіях та каркасах, які пройшли перевірку часом, що знижує складність і ризики розробки. Це еквівалент «лопати» в галузі штучного інтелекту, яка забезпечує міцну 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 терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошовий потік з корпоративного сектора є відносно стабільним, що сприяє їх розвитку подальших проєктів.
Обмеження сценаріїв застосування: водночас ми звертаємо увагу на те, що застосування AI для генерації контенту на ринку B-класу є відносно обмеженим. Через його нестабільність, підприємства більше схиляються до застосувань, які можуть стабільно підвищити продуктивність. Це призводить до того, що частка AI для генерації контенту в проектному сховищі є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні аспекти застосування. З подальшим прогресом технологій штучного інтелекту та уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні елементи все ще залишаться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми глибоко вивчаємо деякі сучасні проекти AI Agent на ринку Web2 та аналізуємо їх, використовуючи проекти Character AI, Perplexity AI, Midjourney як приклади.
Характер AI：
Опис продукту: Character.AI надає систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, тренувати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні діалоги та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні отримав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких у віці від 18 до 34 років, що демонструє молодіжну характеристику користувацької бази. Character AI показав відмінні результати на капітальних ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, з лідерством a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з неексклюзивним правом використання своєї великої мовної моделі з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власну технологію. Варто зазначити, що засновники компанії Ноам Шазеер і Даніель Де Фрейтас раніше брали участь у розробці діалогової 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, а також він навчає, веде користувачів до наступних запитів та пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільного та настільного додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На ринку капіталу Perplexity AI нещодавно оголосила про отримання 62,7 мільйона доларів фінансування, а її вартість досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основні моделі, які використовує Perplexity, це налаштований GPT-3.5, а також дві великі моделі, налаштовані на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вертикальних областях, що забезпечує реальність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем в Midjourney за допомогою Prompts, охоплюючи від реалістичного до