Чи може AI Agent стати рятівною соломинкою для Web3+AI?
Проект AI Agent є популярним і зрілим типом підприємницької діяльності у Web2, в той час як у сфері Web3 моделі навчання та проекти зі збору платформ стали основними через їхню ключову роль у побудові екосистеми.
Наразі в Web3 кількість проектів AI Agent невелика, складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що демонструє їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій штучного інтелекту в продуктах, що не є основою AI, може стати стратегічною перевагою. У проектах AI Agent слід акцентувати увагу на побудові екосистеми та дизайні токеноміки для сприяння децентралізації та мережевим ефектам.
Хвиля ШІ: сучасний стан появи проектів та підвищення оцінок
З моменту виходу ChatGPT у листопаді 2022 року, він за короткий період у два місяці залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а після випуску ChatGPT OpenAI швидко представила ітераційні версії, такі як GPT-4 та GP4-4o. У такій стрімкій ситуації великі традиційні технологічні компанії усвідомили важливість застосування найсучасніших AI-моделей, таких як LLM, і почали запускати свої власні AI-моделі та застосування. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили Wenxin Yiyan, Zhizhu Qingyan та інші великі моделі. Очевидно, що сфера AI стала полем битви для багатьох.
Змагання великих технологічних гігантів не тільки стимулює розвиток комерційних застосувань, але й з нашого дослідження статистики відкритих AI досліджень видно, 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, коли кількість проектів зросла на 59,3% в річному обчисленні, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє потужне зростання, в другому кварталі 2024 року відбувається сплеск зростання. У світі відбулося 16 інвестицій у ШІ, які перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ злетіла до 24 мільярдів доларів, що на більше ніж вдвічі перевищує минулорічний показник. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, маючи оцінку в 24 мільярди доларів, що робить її другою за величиною оцінки компанією-стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту переосмислює ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів відкритого коду та гарячого попиту на концепцію ШІ на капітальних ринках. Проекти з'являються один за одним, інвестиції встановлюють нові рекорди, а оцінки також зростають. Загалом, ринок ШІ перебуває в періоді стрімкого розвитку, великі мовні моделі та технології генерації з покращеним пошуком досягли значного прогресу в обробці мовлення. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерації неправильної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в умовах, коли є дуже високі вимоги до надійності.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює цілісність вирішення практичних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно розуміють, навчаються і вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово звужує прірву між технологією AI і вирішенням практичних проблем. Еволюція технології AI постійно перетворює структуру продуктивності, в той час 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 появи ряду інноваційних застосувань. У цій перспективній перехресній сфері ми вважаємо, що AI Agent, завдяки своїй здатності автономно 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, а також на ринках даних і моделей, з метою ідентифікації та оцінки найбільш перспективних типів проектів та сценаріїв застосування для глибокого розуміння глибокої інтеграції AI та Web3.
Уточнення понять: Введення в AI Agent та огляд категорій
Основні відомості
Перед представленням AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самою моделлю, ми наведемо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що покращують генерацію запитів, можуть надати більш багатий та конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну Людину, здатний зрозуміти потреби, а також за вашим запитом активно шукати рейси й готелі, виконувати бронювання та додавати маршрут до календаря.
На сьогодні в галузі загальноприйнято визначення AI Agent як інтелектуальної системи, здатної сприймати навколишнє середовище та вживати відповідних дій, отримуючи інформацію про навколишнє середовище за допомогою сенсорів, обробляючи її, а потім впливаючи на середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent – це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не лише здатен на просте надання інформації, але й може планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням та характеристиками, ми можемо помітити, що AI Agent вже інтегрований у наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, які можуть вважатися прикладами AI Agent. Загальною рисою цих систем є те, що вони можуть сприймати зовнішні користувацькі введення і відповідно впливати на реальне середовище.
В якості прикладу для прояснення концепції, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, з якої складаються AI моделі, GPT є серією моделей, що розвиваються на базі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP, в свою чергу, є AI агентом, що еволюціонував на основі моделі GPT.
Класифікаційний огляд
Наразі ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2+Web3, виходячи з їх істотних міток, розділивши їх на перший та другий рівні класифікації. Перший рівень класифікації містить три категорії: базова інфраструктура, генерація контенту та взаємодія з користувачами, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні рішення: ця категорія зосереджена на створенні більш базового контенту в сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові застосунки для B-клієнтів.
Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, в основному використовується для підтримки прийняття рішень та надання джерел для навчання.
Класи моделей навчання: надає послуги навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
Послуги для B-端: в основному орієнтовані на корпоративних користувачів, пропонуючи рішення для корпоративних послуг, вертикальних послуг та автоматизації.
Платформи класу збору: платформи, що інтегрують різні послуги та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувача, але й надають зворотний зв'язок за допомогою технологій, таких як обробка природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI агент, який надає емоційну підтримку та супровід.
GPT-тип: AI Agent, оснований на моделі GPT (генеративний попередньо навчений трансформер).
Пошукові: зосереджені на функції пошуку, пропонуючи більш точний агент для інформаційного пошуку.
Генерація контенту: Ця категорія проектів зосереджена на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувачів, поділяється на чотири категорії: генерування тексту, генерування зображень, генерування відео та генерування аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI Agent у традиційному Інтернеті Web2 демонструє помітну тенденцію до концентрації в окремих сегментах. Конкретно кажучи, приблизно дві третини проектів зосереджені в інфраструктурному сегменті, де переважно представлені послуги для B-клієнтів та засоби розробки, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: Проекти інфраструктури займають провідну позицію насамперед завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях і рамках, перевірених часом, що знижує труднощі та ризики розробки. Аналогічно до "лопати" у сфері ШІ, вони забезпечують міцну основу для розробки та застосування AI Agent.
Розвиток попиту на ринку: Іншим ключовим фактором є попит на ринку. На відміну від споживчого ринку, попит на AI технології в корпоративному секторі є більш терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з корпоративного сектору є відносно стабільними, що сприяє розвитку їх подальших проектів.
Обмеження застосування: Разом з тим, ми звернули увагу на те, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність, підприємства більше схильні до застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що AI для генерації контенту займає невелику частку в проектному портфоліо.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди щодо сценаріїв застосування. З постійним прогресом технологій штучного інтелекту та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишатимуться міцним підґрунтям для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми детально розглядаємо деякі проєкти AI Agent на ринку Web2, а також аналізуємо їх, беручи за приклад три проєкти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI пропонує 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 бесіди природною мовою та виконувати певні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів візитів, платформа має понад 3,5 мільйона активних користувачів щодня, більшість з яких віком від 18 до 34 років, що свідчить про молодіжний склад користувачів. Character AI показала відмінні результати на капіталовому ринку, залучивши 150 мільйонів доларів фінансування, її оцінка досягла 1 мільярда доларів, інвестиції очолила a16z.
Технічний аналіз: Character AI підписала угоду про неексклюзивну ліцензію на 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 Noam Shazeer і Daniel De Freitas брали участь у розробці діалогової мовної моделі Google Llama.
Перплексити ШІ:
Опис продукту: Perplexity може отримувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референтним лінкам забезпечується надійність та точність інформації, при цьому він навчає та направляє користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних та десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, оцінка компанії досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а учасниками стали Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, яку використовує Perplexity, є налаштована GPT-3.5, а також дві великі моделі, налаштовані на основі відкритої великої моделі: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вузьких сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем у Midjourney за допомогою підказок, охоплюючи широкий спектр творчих потреб від реалістичних до абстрактних. Платформа також пропонує змішування та редагування зображень, що дозволяє користувачам накладати зображення та здійснювати перенесення стилю, а функція миттєвого генерування платформи забезпечує користувачів можливістю отримувати результати за кілька десятків секунд до кількох хвилин.
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.
18 лайків
Нагородити
18
6
Поділіться
Прокоментувати
0/400
Anon4461
· 07-16 13:34
Просто спекуляції, дивіться на дані
Переглянути оригіналвідповісти на0
DevChive
· 07-16 00:23
Кошти знову знайшли невдахи пароль
Переглянути оригіналвідповісти на0
BoredApeResistance
· 07-13 18:23
Ця ринкова капіталізація має великий надлишок...
Переглянути оригіналвідповісти на0
LiquiditySurfer
· 07-13 18:13
8% проєкт займає 23% ринкової капіталізації. Добра можливість для свінг-трейдингу Арбітражу. Схоже, що потрібно знову налаштувати LP.
Переглянути оригіналвідповісти на0
SilentAlpha
· 07-13 18:12
обдурювати людей, як лохів одну хвилю невдах і втекти
Переглянути оригіналвідповісти на0
HypotheticalLiquidator
· 07-13 18:05
Індикатор бульбашки досягнув піку, обережно з довгими позиціями, щоб не ліквідуватися.
AI Agent може принести нові можливості для Web3+AI, ринкова капіталізація займає набагато більшу частку, ніж кількість проєктів.
Чи може AI Agent стати рятівною соломинкою для Web3+AI?
Проект AI Agent є популярним і зрілим типом підприємницької діяльності у Web2, в той час як у сфері Web3 моделі навчання та проекти зі збору платформ стали основними через їхню ключову роль у побудові екосистеми.
Наразі в Web3 кількість проектів AI Agent невелика, складає 8%, але їхня частка ринкової капіталізації в AI-секторі досягає 23%, що демонструє їхню потужну конкурентоспроможність на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку в майбутньому з'явиться кілька проектів з оцінкою понад 10 мільярдів доларів.
Для проектів Web3 впровадження технологій штучного інтелекту в продуктах, що не є основою AI, може стати стратегічною перевагою. У проектах AI Agent слід акцентувати увагу на побудові екосистеми та дизайні токеноміки для сприяння децентралізації та мережевим ефектам.
Хвиля ШІ: сучасний стан появи проектів та підвищення оцінок
З моменту виходу ChatGPT у листопаді 2022 року, він за короткий період у два місяці залучив понад сто мільйонів користувачів. До травня 2024 року місячний дохід ChatGPT досяг вражаючих 20,3 мільйона доларів, а після випуску ChatGPT OpenAI швидко представила ітераційні версії, такі як GPT-4 та GP4-4o. У такій стрімкій ситуації великі традиційні технологічні компанії усвідомили важливість застосування найсучасніших AI-моделей, таких як LLM, і почали запускати свої власні AI-моделі та застосування. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії випустили Wenxin Yiyan, Zhizhu Qingyan та інші великі моделі. Очевидно, що сфера AI стала полем битви для багатьох.
Змагання великих технологічних гігантів не тільки стимулює розвиток комерційних застосувань, але й з нашого дослідження статистики відкритих AI досліджень видно, 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, коли кількість проектів зросла на 59,3% в річному обчисленні, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій у ШІ демонструє потужне зростання, в другому кварталі 2024 року відбувається сплеск зростання. У світі відбулося 16 інвестицій у ШІ, які перевищують 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ злетіла до 24 мільярдів доларів, що на більше ніж вдвічі перевищує минулорічний показник. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, маючи оцінку в 24 мільярди доларів, що робить її другою за величиною оцінки компанією-стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту переосмислює ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проектів відкритого коду та гарячого попиту на концепцію ШІ на капітальних ринках. Проекти з'являються один за одним, інвестиції встановлюють нові рекорди, а оцінки також зростають. Загалом, ринок ШІ перебуває в періоді стрімкого розвитку, великі мовні моделі та технології генерації з покращеним пошуком досягли значного прогресу в обробці мовлення. Тим не менш, ці моделі все ще стикаються з викликами при перетворенні технологічних переваг на реальні продукти, такими як невизначеність виходу моделей, ризик генерації неправильної інформації та проблеми прозорості моделей. Ці питання стають особливо важливими в умовах, коли є дуже високі вимоги до надійності.
У цьому контексті ми починаємо досліджувати AI Agent, оскільки AI Agent підкреслює цілісність вирішення практичних проблем і взаємодії з навколишнім середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які дійсно розуміють, навчаються і вирішують реальні проблеми. Тому ми бачимо надію в розвитку AI Agent, який поступово звужує прірву між технологією AI і вирішенням практичних проблем. Еволюція технології AI постійно перетворює структуру продуктивності, в той час 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 появи ряду інноваційних застосувань. У цій перспективній перехресній сфері ми вважаємо, що AI Agent, завдяки своїй здатності автономно 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, а також на ринках даних і моделей, з метою ідентифікації та оцінки найбільш перспективних типів проектів та сценаріїв застосування для глибокого розуміння глибокої інтеграції AI та Web3.
Уточнення понять: Введення в AI Agent та огляд категорій
Основні відомості
Перед представленням AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самою моделлю, ми наведемо приклад на основі реальної ситуації: уявіть, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про напрямки та поради щодо подорожей. Технології, що покращують генерацію запитів, можуть надати більш багатий та конкретний контент про напрямки. А AI Agent подібний до Джарвіса з фільмів про Залізну Людину, здатний зрозуміти потреби, а також за вашим запитом активно шукати рейси й готелі, виконувати бронювання та додавати маршрут до календаря.
На сьогодні в галузі загальноприйнято визначення AI Agent як інтелектуальної системи, здатної сприймати навколишнє середовище та вживати відповідних дій, отримуючи інформацію про навколишнє середовище за допомогою сенсорів, обробляючи її, а потім впливаючи на середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent – це помічник, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не лише здатен на просте надання інформації, але й може планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням та характеристиками, ми можемо помітити, що AI Agent вже інтегрований у наше життя і застосовується в різних сценаріях, таких як AlphaGo, Siri, автоматичне водіння рівня L5 і вище від Tesla, які можуть вважатися прикладами AI Agent. Загальною рисою цих систем є те, що вони можуть сприймати зовнішні користувацькі введення і відповідно впливати на реальне середовище.
В якості прикладу для прояснення концепції, ми повинні чітко зазначити, що Transformer є технологічною архітектурою, з якої складаються AI моделі, GPT є серією моделей, що розвиваються на базі цієї архітектури, а GPT-1, GPT-4, GPT-4o відповідно представляють версії моделей на різних етапах розвитку. ChatGP, в свою чергу, є AI агентом, що еволюціонував на основі моделі GPT.
Класифікаційний огляд
Наразі ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми позначили 204 проекти AI Agent на ринках Web2+Web3, виходячи з їх істотних міток, розділивши їх на перший та другий рівні класифікації. Перший рівень класифікації містить три категорії: базова інфраструктура, генерація контенту та взаємодія з користувачами, а далі вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні рішення: ця категорія зосереджена на створенні більш базового контенту в сфері агентів, включаючи платформи, моделі, дані, інструменти розробки, а також більш зрілі та базові застосунки для B-клієнтів.
Інструменти для розробки: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, в основному використовується для підтримки прийняття рішень та надання джерел для навчання.
Класи моделей навчання: надає послуги навчання моделей для ШІ, включаючи інференцію, створення моделей, налаштування тощо.
Послуги для B-端: в основному орієнтовані на корпоративних користувачів, пропонуючи рішення для корпоративних послуг, вертикальних послуг та автоматизації.
Платформи класу збору: платформи, що інтегрують різні послуги та інструменти AI Agent.
Інтерактивні: Подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувача, але й надають зворотний зв'язок за допомогою технологій, таких як обробка природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI агент, який надає емоційну підтримку та супровід.
GPT-тип: AI Agent, оснований на моделі GPT (генеративний попередньо навчений трансформер).
Пошукові: зосереджені на функції пошуку, пропонуючи більш точний агент для інформаційного пошуку.
Генерація контенту: Ця категорія проектів зосереджена на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту за вказівками користувачів, поділяється на чотири категорії: генерування тексту, генерування зображень, генерування відео та генерування аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, розробка AI Agent у традиційному Інтернеті Web2 демонструє помітну тенденцію до концентрації в окремих сегментах. Конкретно кажучи, приблизно дві третини проектів зосереджені в інфраструктурному сегменті, де переважно представлені послуги для B-клієнтів та засоби розробки, ми також провели деякий аналіз цього явища.
Вплив зрілості технологій: Проекти інфраструктури займають провідну позицію насамперед завдяки своїй зрілості технологій. Ці проекти зазвичай базуються на технологіях і рамках, перевірених часом, що знижує труднощі та ризики розробки. Аналогічно до "лопати" у сфері ШІ, вони забезпечують міцну основу для розробки та застосування AI Agent.
Розвиток попиту на ринку: Іншим ключовим фактором є попит на ринку. На відміну від споживчого ринку, попит на AI технології в корпоративному секторі є більш терміновим, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Водночас для розробників грошові потоки з корпоративного сектору є відносно стабільними, що сприяє розвитку їх подальших проектів.
Обмеження застосування: Разом з тим, ми звернули увагу на те, що застосування AI для генерації контенту на ринку B2B є відносно обмеженим. Через його нестабільність, підприємства більше схильні до застосувань, які можуть стабільно підвищувати продуктивність. Це призвело до того, що AI для генерації контенту займає невелику частку в проектному портфоліо.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні розгляди щодо сценаріїв застосування. З постійним прогресом технологій штучного інтелекту та подальшим уточненням ринкового попиту, ми очікуємо, що ця структура може зазнати змін, але інфраструктурні рішення все ще залишатимуться міцним підґрунтям для розвитку AI Agent.
Аналіз провідних проектів AI-агентів Web2
Ми детально розглядаємо деякі проєкти AI Agent на ринку Web2, а також аналізуємо їх, беручи за приклад три проєкти: Character AI, Perplexity AI, Midjourney.
Штучний інтелект персонажа:
Опис продукту: Character.AI пропонує 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 бесіди природною мовою та виконувати певні завдання.
Аналіз даних: Character.AI у травні зафіксувала 277 мільйонів візитів, платформа має понад 3,5 мільйона активних користувачів щодня, більшість з яких віком від 18 до 34 років, що свідчить про молодіжний склад користувачів. Character AI показала відмінні результати на капіталовому ринку, залучивши 150 мільйонів доларів фінансування, її оцінка досягла 1 мільярда доларів, інвестиції очолила a16z.
Технічний аналіз: Character AI підписала угоду про неексклюзивну ліцензію на 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 Noam Shazeer і Daniel De Freitas брали участь у розробці діалогової мовної моделі Google Llama.
Перплексити ШІ:
Опис продукту: Perplexity може отримувати та надавати детальні відповіді з Інтернету. Завдяки посиланням та референтним лінкам забезпечується надійність та точність інформації, при цьому він навчає та направляє користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність його мобільних та десктопних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальному ринку Perplexity AI нещодавно оголосила про отримання фінансування в розмірі 62,7 мільйона доларів, оцінка компанії досягла 1,04 мільярда доларів, лідером інвестицій став Daniel Gross, а учасниками стали Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основною моделлю, яку використовує Perplexity, є налаштована GPT-3.5, а також дві великі моделі, налаштовані на основі відкритої великої моделі: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та запитів у вузьких сферах, забезпечуючи достовірність та надійність інформації.
Середина подорожі:
Опис продукту: Користувачі можуть створювати зображення різних стилів і тем у Midjourney за допомогою підказок, охоплюючи широкий спектр творчих потреб від реалістичних до абстрактних. Платформа також пропонує змішування та редагування зображень, що дозволяє користувачам накладати зображення та здійснювати перенесення стилю, а функція миттєвого генерування платформи забезпечує користувачів можливістю отримувати результати за кілька десятків секунд до кількох хвилин.