Чи може AI-агент стати рятівним соломинкою для Web3+AI?
Проекти AI Agent у Web2 стартапах є популярними та зрілими, в основному, у сфері корпоративних послуг, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують, стали основними через їхню ключову роль у побудові екосистеми.
Наразі кількість проектів AI Agent у Web3 не велика, складає 8%, але їхня частка ринкової капіталізації в секторі AI сягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технології штучного інтелекту може стати стратегічною перевагою для продуктів, що не є ядром AI. У способі інтеграції AI Agent проектів слід зосередитися на будівництві повної екосистеми та проектуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: поточний стан виходу проектів та підвищення оцінок
З моменту виходу ChatGPT у листопаді 2022 року, за короткі два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, після випуску ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати свої AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили моделі, такі як Wenxin Yiyan, Zhipu Qingyan тощо. Очевидно, що сфера AI стала полем битви для всіх.
Змагання між великими технологічними гігантами не лише сприяло розвитку комерційних застосувань, але також з опитування статистичних даних відкритих AI-досліджень ми дізналися, що звіт AI Index за 2024 рік показує, що кількість AI-проектів 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% в річному обчисленні, що відображає захоплення глобальної спільноти розробників AI-дослідженнями.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє потужний ріст, в другому кварталі 2024 року показуючи вибуховий ріст. У світі було зафіксовано 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що перевищує дворазовий річний приріст. Серед них, xAI, що належить Маску, зібрав 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною вартістю стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту невпинно переформатовує ландшафт технологічної сфери з небаченою раніше швидкістю. Від жорсткої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, до гарячого попиту на концепцію штучного інтелекту на капітальних ринках. Проекти з'являються один за одним, інвестиції постійно б'ють рекорди, а оцінки відповідно зростають. В цілому, ринок штучного інтелекту перебуває в періоді швидкого розвитку, коли великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в сфері обробки мовлення. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми з прозорістю моделей. Ці питання стають особливо важливими в сценаріях, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем і взаємодії з середовищем. Ця трансформація знаменує собою еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, здатних справді розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію у розвитку AI Agent, який поступово зменшує розрив між технологією AI та вирішенням практичних проблем. Еволюція технології AI постійно переосмислює структуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність об’єднуються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.
Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня та ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів та застосувань, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд категорій
Основна інформація
Перед тим, як представити AI Agent, щоб читачам було легше зрозуміти різницю між його визначенням і самою моделлю, ми проілюструємо це на реальному прикладі: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології генерації на основі пошуку можуть надати більш багатий і конкретний контент про напрямки. А AI Agent, як Джарвіс у фільмах про Залізну Людину, може зрозуміти ваші потреби, а також активно шукати рейси та готелі на основі вашої фрази, виконувати бронювання та додавати маршрут до календаря.
В даний час в галузі загальноприйнято визначення AI Agent як інтелектуальної системи, здатної сприймати довкілля та здійснювати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи цю інформацію і впливаючи на довкілля через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань і використання інструментів. Він може не тільки надавати інформацію, але й планувати, розбивати завдання і насправді їх виконувати.
Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, знаходячи застосування в різних сценаріях, таких як AlphaGo, Siri, автоматичний водіння рівня L5 та вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони здатні сприймати зовнішні введення користувача і відповідно впливати на реальне середовище.
Як приклад, візьмемо ChatGPT для уточнення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, яка складає основи AI-моделей, GPT є серією моделей, яка розвинулася на базі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP є AI Agent, що виник на основі моделей GPT.
Категорія огляд
На сьогоднішній день ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми за допомогою маркування 204 проектів AI Agent на ринках Web2+Web3 розділили їх на основі помітних тегів кожного проекту на перший і другий рівні класифікації. При цьому, перший рівень класифікації включає три категорії: базова інфраструктура, генерація контенту та взаємодія з користувачами, а також подальше уточнення за фактичними випадками використання:
Інфраструктурні проекти:
Цей тип зосереджується на створенні базових елементів сфери агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі базові послуги для B-клієнтів.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, які в основному використовуються для підтримки прийняття рішень та надання джерел для навчання.
Класи моделювання: надання послуг з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо
Послуги для B-клієнтів: в основному орієнтовані на корпоративних користувачів, надаючи послуги для підприємств, вертикальні рішення та автоматизовані рішення.
Платформи збору: платформи, що інтегрують різноманітні послуги та інструменти AI Agent.
Інтерактивні:
На відміну від класу генерації контенту, основна відмінність полягає в постійній двосторонній взаємодії. Інтерактивний агент не лише приймає та розуміє потреби користувача, але й надає зворотний зв'язок за допомогою технологій обробки природної мови (NLP), досягаючи двосторонньої взаємодії з користувачем.
Емоційний супровід: AI-агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент, основанный на модели GPT (генеративный предобученный трансформер).
Пошуковий тип: зосереджений на функції пошуку, пропонує більш точний агент для інформаційного запиту.
Генерація контенту:
Цей тип проектів зосереджений на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувачів, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI агентів
Згідно з нашою статистикою, у Web2 традиційному Інтернеті розробка AI Agent демонструє помітну тенденцію до концентрації в певних сегментах. Зокрема, приблизно дві третини проектів зосереджені в категорії інфраструктури, серед яких переважають послуги для бізнесу та інструменти для розробки. Ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проєкти інфраструктури займають домінуючу позицію в першу чергу завдяки своїй зрілості технологій. Ці проєкти зазвичай базуються на технологіях і рамках, перевірених часом, що знижує складність та ризики розробки. Це еквівалентно "лопаті" в галузі ШІ, що забезпечує міцну основу для розробки та застосування агентів ШІ.
Розвиток попиту на ринку: ще один ключовий фактор – це попит на ринку. У порівнянні з споживчим ринком, попит підприємств на AI-технології є більш терміновим, особливо в пошуках рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їх розробці подальших проектів.
Обмеження на застосування: водночас ми зауважили, що можливості застосування AI для генерації контенту на ринку B2B відносно обмежені. Через нестабільність його результатів компанії більше схильні до тих застосунків, які здатні стабільно підвищувати продуктивність. Це призвело до того, що AI для генерації контенту займає невелику частку в проектному портфелі.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні міркування щодо застосувань. З продовженням прогресу технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може дещо змінитися, але інфраструктурні рішення все ще залишаться міцним підґрунтям для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми детально розглядаємо деякі поточні проекти AI Agent на ринку Web2 та аналізуємо їх, використовуючи як приклад три проекти: Character AI, Perplexity AI, Midjourney.
Характер AI：
Опис продукту: Character.AI надає систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні діалоги та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксував 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодий склад користувачів. Character AI продемонструвала відмінні результати на фінансових ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з компанією-матір'ю Google, Alphabet, про неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніел Де Фрейтас раніше брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити AI:
Опис продукту: Perplexity може отримувати та надавати детальні відповіді з Інтернету. Забезпечуючи надійність та точність інформації шляхом цитування та посилань, він також навчає та направляє користувачів до додаткових запитань і пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність її мобільних та десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI недавно оголосила про залучення 62,7 мільйона доларів фінансування, а її оцінка досягла 1,04 мільярда доларів, головним інвестором став Daniel Gross, серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, що використовується Perplexity, є 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 сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати різні стилі та теми в Midjourney за допомогою Prompts.
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.
25 лайків
Нагородити
25
6
Репост
Поділіться
Прокоментувати
0/400
failed_dev_successful_ape
· 07-25 19:58
Ай, я вже купував просадку, інакше зараз знову пропущу.
Переглянути оригіналвідповісти на0
PaperHandsCriminal
· 07-24 22:17
Я прямо All in зайшов, чекаю на Обман для дурнів
Переглянути оригіналвідповісти на0
ChainMaskedRider
· 07-23 16:00
З таким обсягом ще й самозадоволення?
Переглянути оригіналвідповісти на0
LayerHopper
· 07-22 20:29
Відкрив торги, відразу ж зробив десятикратну ставку
Переглянути оригіналвідповісти на0
HodlKumamon
· 07-22 20:25
Не кажи більше, поспішай увійти в позицію, ведмедик вже порахував дані для тестування~
AI Agent: Web3 та AI в перспективних секторах з ринковою капіталізацією до 23%
Чи може AI-агент стати рятівним соломинкою для Web3+AI?
Проекти AI Agent у Web2 стартапах є популярними та зрілими, в основному, у сфері корпоративних послуг, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують, стали основними через їхню ключову роль у побудові екосистеми.
Наразі кількість проектів AI Agent у Web3 не велика, складає 8%, але їхня частка ринкової капіталізації в секторі AI сягає 23%, що свідчить про їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням рівня визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технології штучного інтелекту може стати стратегічною перевагою для продуктів, що не є ядром AI. У способі інтеграції AI Agent проектів слід зосередитися на будівництві повної екосистеми та проектуванні токеноміки, щоб сприяти децентралізації та мережевим ефектам.
Хвиля ШІ: поточний стан виходу проектів та підвищення оцінок
З моменту виходу ChatGPT у листопаді 2022 року, за короткі два місяці він залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а OpenAI, після випуску ChatGPT, швидко представила ітераційні версії, такі як GPT-4, GP4-4o. У такій стрімкій динаміці великі традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали випускати свої AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили моделі, такі як Wenxin Yiyan, Zhipu Qingyan тощо. Очевидно, що сфера AI стала полем битви для всіх.
Змагання між великими технологічними гігантами не лише сприяло розвитку комерційних застосувань, але також з опитування статистичних даних відкритих AI-досліджень ми дізналися, що звіт AI Index за 2024 рік показує, що кількість AI-проектів 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% в річному обчисленні, що відображає захоплення глобальної спільноти розробників AI-дослідженнями.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє потужний ріст, в другому кварталі 2024 року показуючи вибуховий ріст. У світі було зафіксовано 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зросла до 24 мільярдів доларів, що перевищує дворазовий річний приріст. Серед них, xAI, що належить Маску, зібрав 6 мільярдів доларів, з оцінкою в 24 мільярди доларів, ставши другою за величиною вартістю стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту невпинно переформатовує ландшафт технологічної сфери з небаченою раніше швидкістю. Від жорсткої конкуренції між технологічними гігантами до бурхливого розвитку проектів у відкритих спільнотах, до гарячого попиту на концепцію штучного інтелекту на капітальних ринках. Проекти з'являються один за одним, інвестиції постійно б'ють рекорди, а оцінки відповідно зростають. В цілому, ринок штучного інтелекту перебуває в періоді швидкого розвитку, коли великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в сфері обробки мовлення. Проте ці моделі все ще стикаються з викликами при перетворенні технологічних переваг у реальні продукти, такими як невизначеність виходу моделей, ризик генерації неточної інформації та проблеми з прозорістю моделей. Ці питання стають особливо важливими в сценаріях, де вимоги до надійності є надзвичайно високими.
У цьому контексті ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення практичних проблем і взаємодії з середовищем. Ця трансформація знаменує собою еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, здатних справді розуміти, навчатися та вирішувати реальні проблеми. Тому ми бачимо надію у розвитку AI Agent, який поступово зменшує розрив між технологією AI та вирішенням практичних проблем. Еволюція технології AI постійно переосмислює структуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність об’єднуються з основними концепціями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо, що це призведе до появи ряду інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent, завдяки своїй здатності самостійно виконувати завдання, демонструє величезний потенціал для реалізації масштабних застосувань.
Для цього ми почали глибоке дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня та ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів та застосувань, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Уточнення понять: Вступ до AI Agent та огляд категорій
Основна інформація
Перед тим, як представити AI Agent, щоб читачам було легше зрозуміти різницю між його визначенням і самою моделлю, ми проілюструємо це на реальному прикладі: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології генерації на основі пошуку можуть надати більш багатий і конкретний контент про напрямки. А AI Agent, як Джарвіс у фільмах про Залізну Людину, може зрозуміти ваші потреби, а також активно шукати рейси та готелі на основі вашої фрази, виконувати бронювання та додавати маршрут до календаря.
В даний час в галузі загальноприйнято визначення AI Agent як інтелектуальної системи, здатної сприймати довкілля та здійснювати відповідні дії, отримуючи інформацію про середовище за допомогою датчиків, обробляючи цю інформацію і впливаючи на довкілля через виконавчі механізми (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань і використання інструментів. Він може не тільки надавати інформацію, але й планувати, розбивати завдання і насправді їх виконувати.
Відповідно до цього визначення та характеристик, ми можемо виявити, що AI Agent вже давно інтегрований у наше життя, знаходячи застосування в різних сценаріях, таких як AlphaGo, Siri, автоматичний водіння рівня L5 та вище від Tesla, які можна вважати прикладами AI Agent. Спільною рисою цих систем є те, що вони здатні сприймати зовнішні введення користувача і відповідно впливати на реальне середовище.
Як приклад, візьмемо ChatGPT для уточнення концепцій, ми повинні чітко вказати, що Transformer є технічною архітектурою, яка складає основи AI-моделей, GPT є серією моделей, яка розвинулася на базі цієї архітектури, а GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP є AI Agent, що виник на основі моделей GPT.
Категорія огляд
На сьогоднішній день ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми за допомогою маркування 204 проектів AI Agent на ринках Web2+Web3 розділили їх на основі помітних тегів кожного проекту на перший і другий рівні класифікації. При цьому, перший рівень класифікації включає три категорії: базова інфраструктура, генерація контенту та взаємодія з користувачами, а також подальше уточнення за фактичними випадками використання:
Інфраструктурні проекти:
Цей тип зосереджується на створенні базових елементів сфери агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі базові послуги для B-клієнтів.
Інструменти для розробки: надання розробникам допоміжних інструментів та фреймворків для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, які в основному використовуються для підтримки прийняття рішень та надання джерел для навчання.
Класи моделювання: надання послуг з навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо
Послуги для B-клієнтів: в основному орієнтовані на корпоративних користувачів, надаючи послуги для підприємств, вертикальні рішення та автоматизовані рішення.
Платформи збору: платформи, що інтегрують різноманітні послуги та інструменти AI Agent.
Інтерактивні:
На відміну від класу генерації контенту, основна відмінність полягає в постійній двосторонній взаємодії. Інтерактивний агент не лише приймає та розуміє потреби користувача, але й надає зворотний зв'язок за допомогою технологій обробки природної мови (NLP), досягаючи двосторонньої взаємодії з користувачем.
Емоційний супровід: AI-агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент, основанный на модели GPT (генеративный предобученный трансформер).
Пошуковий тип: зосереджений на функції пошуку, пропонує більш точний агент для інформаційного запиту.
Генерація контенту:
Цей тип проектів зосереджений на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувачів, які поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз сучасного стану розвитку Web2 AI агентів
Згідно з нашою статистикою, у Web2 традиційному Інтернеті розробка AI Agent демонструє помітну тенденцію до концентрації в певних сегментах. Зокрема, приблизно дві третини проектів зосереджені в категорії інфраструктури, серед яких переважають послуги для бізнесу та інструменти для розробки. Ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: проєкти інфраструктури займають домінуючу позицію в першу чергу завдяки своїй зрілості технологій. Ці проєкти зазвичай базуються на технологіях і рамках, перевірених часом, що знижує складність та ризики розробки. Це еквівалентно "лопаті" в галузі ШІ, що забезпечує міцну основу для розробки та застосування агентів ШІ.
Розвиток попиту на ринку: ще один ключовий фактор – це попит на ринку. У порівнянні з споживчим ринком, попит підприємств на AI-технології є більш терміновим, особливо в пошуках рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їх розробці подальших проектів.
Обмеження на застосування: водночас ми зауважили, що можливості застосування AI для генерації контенту на ринку B2B відносно обмежені. Через нестабільність його результатів компанії більше схильні до тих застосунків, які здатні стабільно підвищувати продуктивність. Це призвело до того, що AI для генерації контенту займає невелику частку в проектному портфелі.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні міркування щодо застосувань. З продовженням прогресу технологій ШІ та подальшим уточненням ринкового попиту, ми очікуємо, що ця картина може дещо змінитися, але інфраструктурні рішення все ще залишаться міцним підґрунтям для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми детально розглядаємо деякі поточні проекти AI Agent на ринку Web2 та аналізуємо їх, використовуючи як приклад три проекти: Character AI, Perplexity AI, Midjourney.
Характер AI：
Опис продукту: Character.AI надає систему діалогу на основі штучного інтелекту та інструменти для створення віртуальних персонажів. Його платформа дозволяє користувачам створювати, навчати та взаємодіяти з віртуальними персонажами, які можуть вести природні мовні діалоги та виконувати конкретні завдання.
Аналіз даних: Character.AI у травні зафіксував 277 мільйонів відвідувань, платформа має понад 3,5 мільйона активних користувачів на день, більшість з яких віком від 18 до 34 років, що демонструє молодий склад користувачів. Character AI продемонструвала відмінні результати на фінансових ринках, залучивши 150 мільйонів доларів фінансування, з оцінкою в 1 мільярд доларів, під керівництвом a16z.
Технічний аналіз: Character AI підписала ліцензійну угоду з компанією-матір'ю Google, Alphabet, про неексклюзивне використання своїх великих мовних моделей, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазір і Даніел Де Фрейтас раніше брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити AI:
Опис продукту: Perplexity може отримувати та надавати детальні відповіді з Інтернету. Забезпечуючи надійність та точність інформації шляхом цитування та посилань, він також навчає та направляє користувачів до додаткових запитань і пошуку ключових слів, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність її мобільних та десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI недавно оголосила про залучення 62,7 мільйона доларів фінансування, а її оцінка досягла 1,04 мільярда доларів, головним інвестором став Daniel Gross, серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, що використовується Perplexity, є 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 сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати різні стилі та теми в Midjourney за допомогою Prompts.