¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente populares y maduros en el ámbito empresarial de Web2, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y plataformas de agregación se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de Agentes de IA en Web3, representando solo el 8%, pero su participación en el valor de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos con valoraciones superiores a 1.000 millones de dólares en el futuro.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son núcleo de AI puede convertirse en una ventaja estratégica. La forma de combinar el proyecto AI Agent debe centrarse en la construcción de un ecosistema completo y el diseño del modelo económico de tokens para fomentar la descentralización y el efecto de red.
Ola de IA: estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado 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 este rápido desarrollo, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta lanzó 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 terreno de batalla crucial.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de encuestas sobre IA de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con IA en GitHub ha aumentado de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, el número de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está reconfigurando 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 constantemente, los montos de inversión 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 de gran tamaño y tecnologías de generación mejorada por búsqueda logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos todavía enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.
En este contexto, comenzamos a investigar los Agentes de IA, ya que estos enfatizan la integralidad de resolver problemas prácticos y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que pueden realmente comprender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de Agentes de IA, ya que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA sigue remodelando la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de IA: datos, modelos y poder de cómputo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo interdisciplinario lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de forma autónoma, ha demostrado un enorme potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de AI en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones y los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores para comprender a fondo la profunda integración de AI y Web3.
Aclaración de conceptos: Introducción y clasificación de agentes de IA
Introducción básica
Antes de introducir el Agente AI, para ayudar a los lectores a comprender mejor la diferencia entre su definición y el modelo en sí, vamos a hacer un ejemplo a través de un escenario real: supongamos que estás planificando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, puede entender tus necesidades y, según una frase tuya, buscar activamente vuelos y hoteles, realizar reservas y agregar el itinerario a tu calendario.
Actualmente, la definición común en la industria de un Agente de IA se refiere a un sistema inteligente capaz de percibir el entorno y realizar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y, a través de actuadores, generando un impacto en el entorno (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas de manera efectiva.
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 5 de Tesla y superiores, que se pueden considerar ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, generar un impacto correspondiente en el entorno real.
Tomando como ejemplo ChatGPT para clarificar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones de los modelos en diferentes etapas de desarrollo. ChatGP, por otro lado, es un agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
En la actualidad, 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 Web2 y Web3, los hemos clasificado en categorías primarias y secundarias según las etiquetas significativas correspondientes a cada proyecto. Las categorías primarias son infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:
Infraestructura:
Este tipo 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 de aplicaciones básicas.
Herramientas de desarrollo: proporcionan a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clase de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizado para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios para B2B: 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.
Clase de interacción:
Similar a las clases de generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de 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).
Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido:
Este tipo de proyectos se centra en la creación de contenido, utilizando tecnologías 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 videos 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 presenta una clara tendencia de concentración en sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en la categoría de infraestructura, donde predominan principalmente los servicios B2B y las herramientas de desarrollo. También hemos realizado algún 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 generalmente se basan en tecnologías y marcos que han sido probados a lo largo del tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale 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 consumidores, 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.
Restricciones en los escenarios de aplicación: Al mismo tiempo, hemos notado que la inteligencia artificial generadora de contenido tiene un rango relativamente limitado de aplicaciones en el mercado B2B. Debido a la inestabilidad de sus resultados, las empresas tienden a preferir aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la inteligencia artificial generadora de contenido represente una proporción menor 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 clarificación de la demanda del mercado, esperamos que este patrón pueda ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis de proyectos líderes de agentes de IA en Web2
Profundizamos en algunos proyectos de agentes de IA en el mercado actual de Web2 y analizamos estos proyectos, tomando como ejemplos a Character AI, Perplexity AI y Midjourney.
Inteligencia Artificial de Personajes:
Introducción al 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 conversaciones 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 excelente desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza 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 empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde 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: La cantidad de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En los mercados de capital, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos basados en el ajuste de un gran modelo de código abierto: pplx-7b-online y pplx-70b-online. Estos modelos son adecuados para la investigación académica profesional y consultas en campos verticales, asegurando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: Los usuarios pueden crear varios estilos y temas en Midjourney a través de Prompts.
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.
25 me gusta
Recompensa
25
6
Republicar
Compartir
Comentar
0/400
failed_dev_successful_ape
· 07-25 19:58
唉早 comprar la caída 了要不现在又错过
Ver originalesResponder0
PaperHandsCriminal
· 07-24 22:17
Yo directamente Todo dentro, esperando a ser engañados.
Ver originalesResponder0
ChainMaskedRider
· 07-23 16:00
¿Con esta pequeña cuota aún se emocionan?
Ver originalesResponder0
LayerHopper
· 07-22 20:29
Abrí el mercado y de inmediato hice diez veces.
Ver originalesResponder0
HodlKumamon
· 07-22 20:25
No digas más, ¡introducir una posición rápido! El oso ya ha calculado los datos de retroceso~
AI Agent: Nuevas estrellas en las pistas de Web3 y AI con una capitalización de mercado del 23%
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente populares y maduros en el ámbito empresarial de Web2, mientras que en el ámbito de Web3, los proyectos de entrenamiento de modelos y plataformas de agregación se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de Agentes de IA en Web3, representando solo el 8%, pero su participación en el valor de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos con valoraciones superiores a 1.000 millones de dólares en el futuro.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son núcleo de AI puede convertirse en una ventaja estratégica. La forma de combinar el proyecto AI Agent debe centrarse en la construcción de un ecosistema completo y el diseño del modelo económico de tokens para fomentar la descentralización y el efecto de red.
Ola de IA: estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado 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 este rápido desarrollo, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta lanzó 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 terreno de batalla crucial.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de encuestas sobre IA de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con IA en GitHub ha aumentado de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, el número de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un crecimiento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está reconfigurando 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 constantemente, los montos de inversión 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 de gran tamaño y tecnologías de generación mejorada por búsqueda logrando avances significativos en el procesamiento del lenguaje. A pesar de esto, estos modelos todavía enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones que generan información inexacta y problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.
En este contexto, comenzamos a investigar los Agentes de IA, ya que estos enfatizan la integralidad de resolver problemas prácticos y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que pueden realmente comprender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de Agentes de IA, ya que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA sigue remodelando la estructura de la productividad, mientras que la tecnología Web3 está reestructurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de IA: datos, modelos y poder de cómputo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo interdisciplinario lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de forma autónoma, ha demostrado un enorme potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de AI en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones y los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores para comprender a fondo la profunda integración de AI y Web3.
Aclaración de conceptos: Introducción y clasificación de agentes de IA
Introducción básica
Antes de introducir el Agente AI, para ayudar a los lectores a comprender mejor la diferencia entre su definición y el modelo en sí, vamos a hacer un ejemplo a través de un escenario real: supongamos que estás planificando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, puede entender tus necesidades y, según una frase tuya, buscar activamente vuelos y hoteles, realizar reservas y agregar el itinerario a tu calendario.
Actualmente, la definición común en la industria de un Agente de IA se refiere a un sistema inteligente capaz de percibir el entorno y realizar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y, a través de actuadores, generando un impacto en el entorno (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas de manera efectiva.
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 5 de Tesla y superiores, que se pueden considerar ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en función de ello, generar un impacto correspondiente en el entorno real.
Tomando como ejemplo ChatGPT para clarificar conceptos, debemos señalar claramente que Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones de los modelos en diferentes etapas de desarrollo. ChatGP, por otro lado, es un agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
En la actualidad, 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 Web2 y Web3, los hemos clasificado en categorías primarias y secundarias según las etiquetas significativas correspondientes a cada proyecto. Las categorías primarias son infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:
Infraestructura:
Este tipo 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 de aplicaciones básicas.
Herramientas de desarrollo: proporcionan a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clase de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente utilizado para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios para B2B: 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.
Clase de interacción:
Similar a las clases de generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de 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).
Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido:
Este tipo de proyectos se centra en la creación de contenido, utilizando tecnologías 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 videos 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 presenta una clara tendencia de concentración en sectores. Específicamente, aproximadamente dos tercios de los proyectos se concentran en la categoría de infraestructura, donde predominan principalmente los servicios B2B y las herramientas de desarrollo. También hemos realizado algún 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 generalmente se basan en tecnologías y marcos que han sido probados a lo largo del tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivale 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 consumidores, 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.
Restricciones en los escenarios de aplicación: Al mismo tiempo, hemos notado que la inteligencia artificial generadora de contenido tiene un rango relativamente limitado de aplicaciones en el mercado B2B. Debido a la inestabilidad de sus resultados, las empresas tienden a preferir aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la inteligencia artificial generadora de contenido represente una proporción menor 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 clarificación de la demanda del mercado, esperamos que este patrón pueda ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis de proyectos líderes de agentes de IA en Web2
Profundizamos en algunos proyectos de agentes de IA en el mercado actual de Web2 y analizamos estos proyectos, tomando como ejemplos a Character AI, Perplexity AI y Midjourney.
Inteligencia Artificial de Personajes:
Introducción al 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 conversaciones 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 excelente desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza 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 empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde 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: La cantidad de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En los mercados de capital, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos basados en el ajuste de un gran modelo de código abierto: pplx-7b-online y pplx-70b-online. Estos modelos son adecuados para la investigación académica profesional y consultas en campos verticales, asegurando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: Los usuarios pueden crear varios estilos y temas en Midjourney a través de Prompts.