Может ли AI Agent стать спасательным кругом для Web3+AI?
Проекты AI Agent в Web2 стартапах в основном представляют собой популярный и зрелый тип, ориентированный на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и объединению платформ стали основными из-за своей ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При объединении проектов AI Agent следует сосредоточиться на построении всей экосистемы и проектировании токеномической модели, чтобы содействовать децентрализации и сетевому эффекту.
Волна ИИ: Текущая ситуация с новыми проектами и повышением оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o после запуска ChatGPT. В такой стремительной ситуации традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили модели, такие как Wénxīn Yīyán и Zhìpǔ Qīngyán. Очевидно, что область AI стала полем битвы для всех.
Соревнование крупнейших технологических компаний не только способствовало развитию коммерческих приложений, но и из наших исследований по открытым источникам AI видно, что в отчетe AI Index за 2024 год количество проектов, связанных с AI, на GitHub резко увеличилось с 845 в 2011 году до примерно 1.8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59.3% по сравнению с аналогичным периодом прошлого года, что отражает увлеченность глобального сообщества разработчиков исследованиями в области AI.
Страсть к AI-технологиям напрямую отражается на инвестиционном рынке, где рынок инвестиций в AI демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире зафиксировано 16 сделок с инвестициями в AI на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общее финансирование стартапов в области AI также резко возросло до 24 миллиардов долларов, что на более чем в два раза больше по сравнению с прошлым годом. При этом xAI под руководством Маска привлекла 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области AI после OpenAI.
Бурное развитие технологий ИИ в настоящее время переосмысляет ландшафт технологической сферы с беспрецедентной скоростью. От ожесточенной борьбы между технологическими гигантами до бурного развития проектов в открытых сообществах и до горячего спроса на концепцию ИИ на финансовых рынках. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотой период быстрого развития, где большие языковые модели и технологии генерации с улучшенной обработкой обеспечили значительный прогресс в области обработки языка. Тем не менее, эти модели все еще сталкиваются с трудностями при преобразовании технических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы становятся особенно важными в приложениях, где требования к надежности крайне высоки.
В этом контексте мы начинаем исследование AI Agent, поскольку AI Agent подчеркивает комплексный подход к решению реальных проблем и взаимодействию с окружающей средой. Этот переход знаменует собой эволюцию технологий AI от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, обучаться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями AI и решением практических проблем. Эволюция технологий AI постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три ключевых элемента AI: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предсказываем появление ряда инновационных приложений. В этой перспективной перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для реализации масштабных приложений.
В связи с этим мы начали углубленное исследование разнообразных применений AI Agent в Web3, начиная от инфраструктуры Web3, промежуточного ПО, уровня приложений и заканчивая рынками данных и моделей, с целью идентификации и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания взаимодействия AI и Web3.
Пояснение понятий: Введение в AI Agent и обзор его классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли разницу между его определением и самой моделью, мы приведем пример на реальном сценарии: предположим, вы планируете поездку. Традиционные большие языковые модели предоставляют информацию о направлении и рекомендации по поездкам. Технология, основанная на извлечении и генерации, может предоставить более богатое и конкретное содержание о направлениях. А AI Agent похож на Джарвиса из фильмов о Железном Человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, осуществлять бронирование и добавлять поездку в календарь.
В настоящее время в отрасли общепринятое определение AI Agent - это интеллектуальная система, способная воспринимать окружающую среду и реагировать соответствующими действиями, получая информацию об окружающей среде с помощью датчиков, обрабатывая её и воздействуя на окружающую среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет способности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но также планировать, разбивать задачи и действительно выполнять их.
Согласно этой определении и характеристикам, мы можем заметить, что AI Agent уже давно вошел в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автономное вождение уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать внешние пользовательские вводы и соответственно воздействовать на реальную среду.
В качестве примера для прояснения концепции, мы должны четко указать, что Transformer является технологической архитектурой, составляющей основу AI-моделей, GPT - это серия моделей, развившихся на этой архитектуре, а GPT-1, GPT-4, GPT-4o представляют собой версии модели на разных стадиях её развития. ChatGP, в свою очередь, является AI-агентом, который эволюционировал на основе модели GPT.
Обзор категорий
На данный момент на рынке AI-агентов еще не сформированы единые стандарты классификации. Мы провели маркировку 204 проектов AI-агентов на рынке Web2 и Web3, основываясь на их заметных тегах, и разделили их на первичные и вторичные категории. Первичные категории включают три типа: инфраструктура, генерация контента и взаимодействие с пользователями, а затем они были дополнительно уточнены в зависимости от их фактических случаев использования.
Инфраструктура:
Эти варианты сосредоточены на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставляют услуги по обучению моделей для ИИ, включая вывод, создание модели, настройки и др.
B2B услуги: в основном ориентированы на корпоративных пользователей, предоставляют услуги для бизнеса, вертикальные решения и автоматизированные решения.
Платформы класса сборки: платформы, интегрирующие различные услуги и инструменты AI Agent.
Интерактивные классы:
Подобно классам генерации контента, основное отличие заключается в постоянном двустороннем взаимодействии. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), обеспечивая двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точный поиск информации.
Генерация контента:
Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по указаниям пользователей, которые делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI Agent в традиционном интернете Web2 демонстрирует явную тенденцию к концентрации сегментов. В частности, около двух третей проектов сосредоточены в области инфраструктуры, среди которых преобладают услуги для B-канала и инструменты для разработчиков. Мы также провели некоторые анализы этого явления.
Влияние зрелости технологий: Проекты инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно основаны на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая надежную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще один ключевой фактор - это рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии на корпоративном рынке более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы заметили, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Этот тренд отражает зрелость технологий, рыночный спрос и практические соображения по применению. С постоянным развитием технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся прочным основанием для развития ИИ-агентов.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ ведущих проектов AI-агентов Web2
Мы глубоко рассмотрим несколько текущих проектов AI Agent на рынке Web2 и проведем их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
Характер ИИ：
Описание продукта: Character.AI предоставляет систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: Character.AI в мае достигла 277 миллионов посещений, платформа насчитывает более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодую демографическую характеристику пользователей. Character AI продемонстрировала отличные результаты на капиталовом рынке, привлекла 150 миллионов долларов финансирования с оценкой в 1 миллиард долларов под руководством a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что указывает на то, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас участвовали в разработке разговорной языковой модели Llama от Google.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, одновременно обучая и направляя пользователей на дополнительные вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость мобильного и настольного приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовому рынку Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестиции возглавил Дэниел Гросс, среди участников - Стэн Дракнмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, является доработанной GPT-3.5, а также двумя крупными моделями, доработанными на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и запросов в вертикальных областях, обеспечивая достоверность и надежность информации.
Midjourney:
Описание продукта: Пользователи могут создавать различные стили и темы в Midjourney с помощью Prompts.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
25 Лайков
Награда
25
6
Репост
Поделиться
комментарий
0/400
failed_dev_successful_ape
· 07-25 19:58
唉早покупайте падения了要不现在又错过
Посмотреть ОригиналОтветить0
PaperHandsCriminal
· 07-24 22:17
Я сразу все в пошел, жду, когда будут играть для лохов.
Посмотреть ОригиналОтветить0
ChainMaskedRider
· 07-23 16:00
С таким объемом еще и самовосхваляются?
Посмотреть ОригиналОтветить0
LayerHopper
· 07-22 20:29
Вошел на открытие, сразу делаю в десять раз больше.
Посмотреть ОригиналОтветить0
HodlKumamon
· 07-22 20:25
Не говори больше, быстрее входи в позицию, медведь уже посчитал данные для отката~
AI Agent: Новая звезда в области Web3 и AI с рыночной капитализацией до 23%
Может ли AI Agent стать спасательным кругом для Web3+AI?
Проекты AI Agent в Web2 стартапах в основном представляют собой популярный и зрелый тип, ориентированный на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и объединению платформ стали основными из-за своей ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При объединении проектов AI Agent следует сосредоточиться на построении всей экосистемы и проектировании токеномической модели, чтобы содействовать децентрализации и сетевому эффекту.
Волна ИИ: Текущая ситуация с новыми проектами и повышением оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг впечатляющих 20,3 миллиона долларов, а OpenAI быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o после запуска ChatGPT. В такой стремительной ситуации традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили модели, такие как Wénxīn Yīyán и Zhìpǔ Qīngyán. Очевидно, что область AI стала полем битвы для всех.
Соревнование крупнейших технологических компаний не только способствовало развитию коммерческих приложений, но и из наших исследований по открытым источникам AI видно, что в отчетe AI Index за 2024 год количество проектов, связанных с AI, на GitHub резко увеличилось с 845 в 2011 году до примерно 1.8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59.3% по сравнению с аналогичным периодом прошлого года, что отражает увлеченность глобального сообщества разработчиков исследованиями в области AI.
Страсть к AI-технологиям напрямую отражается на инвестиционном рынке, где рынок инвестиций в AI демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире зафиксировано 16 сделок с инвестициями в AI на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общее финансирование стартапов в области AI также резко возросло до 24 миллиардов долларов, что на более чем в два раза больше по сравнению с прошлым годом. При этом xAI под руководством Маска привлекла 6 миллиардов долларов, ее оценка составила 24 миллиарда долларов, что делает ее второй по величине стартапом в области AI после OpenAI.
Бурное развитие технологий ИИ в настоящее время переосмысляет ландшафт технологической сферы с беспрецедентной скоростью. От ожесточенной борьбы между технологическими гигантами до бурного развития проектов в открытых сообществах и до горячего спроса на концепцию ИИ на финансовых рынках. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также стремительно растут. В целом, рынок ИИ находится в золотой период быстрого развития, где большие языковые модели и технологии генерации с улучшенной обработкой обеспечили значительный прогресс в области обработки языка. Тем не менее, эти модели все еще сталкиваются с трудностями при преобразовании технических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы становятся особенно важными в приложениях, где требования к надежности крайне высоки.
В этом контексте мы начинаем исследование AI Agent, поскольку AI Agent подчеркивает комплексный подход к решению реальных проблем и взаимодействию с окружающей средой. Этот переход знаменует собой эволюцию технологий AI от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, обучаться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно преодолевает разрыв между технологиями AI и решением практических проблем. Эволюция технологий AI постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три ключевых элемента AI: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предсказываем появление ряда инновационных приложений. В этой перспективной перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для реализации масштабных приложений.
В связи с этим мы начали углубленное исследование разнообразных применений AI Agent в Web3, начиная от инфраструктуры Web3, промежуточного ПО, уровня приложений и заканчивая рынками данных и моделей, с целью идентификации и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания взаимодействия AI и Web3.
Пояснение понятий: Введение в AI Agent и обзор его классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше поняли разницу между его определением и самой моделью, мы приведем пример на реальном сценарии: предположим, вы планируете поездку. Традиционные большие языковые модели предоставляют информацию о направлении и рекомендации по поездкам. Технология, основанная на извлечении и генерации, может предоставить более богатое и конкретное содержание о направлениях. А AI Agent похож на Джарвиса из фильмов о Железном Человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, осуществлять бронирование и добавлять поездку в календарь.
В настоящее время в отрасли общепринятое определение AI Agent - это интеллектуальная система, способная воспринимать окружающую среду и реагировать соответствующими действиями, получая информацию об окружающей среде с помощью датчиков, обрабатывая её и воздействуя на окружающую среду с помощью исполнительных механизмов (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent - это помощник, который объединяет способности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но также планировать, разбивать задачи и действительно выполнять их.
Согласно этой определении и характеристикам, мы можем заметить, что AI Agent уже давно вошел в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автономное вождение уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать внешние пользовательские вводы и соответственно воздействовать на реальную среду.
В качестве примера для прояснения концепции, мы должны четко указать, что Transformer является технологической архитектурой, составляющей основу AI-моделей, GPT - это серия моделей, развившихся на этой архитектуре, а GPT-1, GPT-4, GPT-4o представляют собой версии модели на разных стадиях её развития. ChatGP, в свою очередь, является AI-агентом, который эволюционировал на основе модели GPT.
Обзор категорий
На данный момент на рынке AI-агентов еще не сформированы единые стандарты классификации. Мы провели маркировку 204 проектов AI-агентов на рынке Web2 и Web3, основываясь на их заметных тегах, и разделили их на первичные и вторичные категории. Первичные категории включают три типа: инфраструктура, генерация контента и взаимодействие с пользователями, а затем они были дополнительно уточнены в зависимости от их фактических случаев использования.
Инфраструктура:
Эти варианты сосредоточены на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставляют услуги по обучению моделей для ИИ, включая вывод, создание модели, настройки и др.
B2B услуги: в основном ориентированы на корпоративных пользователей, предоставляют услуги для бизнеса, вертикальные решения и автоматизированные решения.
Платформы класса сборки: платформы, интегрирующие различные услуги и инструменты AI Agent.
Интерактивные классы:
Подобно классам генерации контента, основное отличие заключается в постоянном двустороннем взаимодействии. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью технологий обработки естественного языка (NLP), обеспечивая двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точный поиск информации.
Генерация контента:
Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по указаниям пользователей, которые делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI Agent в традиционном интернете Web2 демонстрирует явную тенденцию к концентрации сегментов. В частности, около двух третей проектов сосредоточены в области инфраструктуры, среди которых преобладают услуги для B-канала и инструменты для разработчиков. Мы также провели некоторые анализы этого явления.
Влияние зрелости технологий: Проекты инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно основаны на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая надежную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще один ключевой фактор - это рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии на корпоративном рынке более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы заметили, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Этот тренд отражает зрелость технологий, рыночный спрос и практические соображения по применению. С постоянным развитием технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения по-прежнему останутся прочным основанием для развития ИИ-агентов.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ ведущих проектов AI-агентов Web2
Мы глубоко рассмотрим несколько текущих проектов AI Agent на рынке Web2 и проведем их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
Характер ИИ：
Описание продукта: Character.AI предоставляет систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: Character.AI в мае достигла 277 миллионов посещений, платформа насчитывает более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодую демографическую характеристику пользователей. Character AI продемонстрировала отличные результаты на капиталовом рынке, привлекла 150 миллионов долларов финансирования с оценкой в 1 миллиард долларов под руководством a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что указывает на то, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас участвовали в разработке разговорной языковой модели Llama от Google.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылаясь на источники и предоставляя ссылки, он обеспечивает надежность и точность информации, одновременно обучая и направляя пользователей на дополнительные вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: Количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость мобильного и настольного приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовому рынку Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, инвестиции возглавил Дэниел Гросс, среди участников - Стэн Дракнмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, является доработанной GPT-3.5, а также двумя крупными моделями, доработанными на основе открытых больших моделей: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и запросов в вертикальных областях, обеспечивая достоверность и надежность информации.
Midjourney:
Описание продукта: Пользователи могут создавать различные стили и темы в Midjourney с помощью Prompts.