¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente un tipo maduro y popular en el emprendimiento Web2, que se centra en servicios para empresas, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en la capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Predecimos que, a medida que la tecnología madure y la aceptación del mercado aumente, aparecerán múltiples proyectos con valoraciones superiores a 1.000 millones de dólares.
Para los proyectos de Web3, la incorporación de tecnología AI en productos de aplicación que no son centrales para AI podría convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agente AI debe centrarse en la construcción de un ecosistema completo y en el diseño de modelos económicos de tokens para promover la descentralización y los efectos de red.
La ola de la IA: el estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la impresionante cifra de 20.3 millones de dólares. Después del lanzamiento de ChatGPT, OpenAI 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 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 presentó Llama3, y las empresas chinas lanzaron modelos grandes como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia acérrima.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también descubrimos a través de una encuesta sobre la investigación de IA de código abierto que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
El entusiasmo 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 aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hubo 16 inversiones relacionadas con la IA que superaron los 150 millones de dólares, el doble que en el primer trimestre. La financiación total de las startups de IA se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon Musk, recaudó 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 los gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y la ferviente búsqueda del mercado de capitales por conceptos de IA. Los proyectos surgen uno tras otro, con montos de inversión que alcanzan cifras récord, y las valoraciones también se disparan. En general, el mercado de IA se encuentra en un período dorado de rápido crecimiento, donde los modelos de lenguaje a gran escala y las tecnologías de generación aumentada por recuperación han logrado avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún 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 los problemas de transparencia del modelo. Estos problemas se vuelven especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.
En este contexto, comenzamos a investigar los Agentes de IA, ya que enfatizan la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de ser modelos de lenguaje puramente a sistemas inteligentes que pueden realmente entender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de los Agentes de IA, que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está redefiniendo constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, 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 de intersección lleno de potencial, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de manera autónoma, muestran un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones de AI Agent en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones y el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender profundamente la integración de AI y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario práctico como ejemplo: supongamos que estás planeando un viaje. Los modelos de lenguaje tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada con recuperación puede ofrecer contenido de destino más rico y específico. El Agente de IA es como JARVIS en las películas de Iron Man, puede entender tus necesidades y, según una sola frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
La definición comúnmente aceptada de un Agente de IA en la industria es un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego afectando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que integra capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información pura, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que el Agente AI ya se ha integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y los vehículos autónomos de nivel L5 y superiores de Tesla, que pueden considerarse ejemplos de Agentes AI. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en consecuencia, impactar en el entorno real.
Tomando como ejemplo a ChatGPT para aclarar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos desarrollada sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones de los modelos en diferentes etapas de desarrollo. ChatGPT, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
Actualmente, 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 de Web2 y Web3, hemos clasificado en categorías principales y secundarias según las etiquetas destacadas correspondientes a cada proyecto. Entre ellas, las categorías principales son infraestructura básica, generación de contenido e interacción con el usuario, y luego se dividen 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, así como servicios B2B más maduros y aplicaciones de base.
Herramientas de desarrollo: proporciona 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 utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clases de entrenamiento de modelos: se ofrecen servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: dirigidos principalmente a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo agregador: una plataforma que integra varios servicios y herramientas de agentes de IA.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando 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).
Clase de búsqueda: se centra en la función de búsqueda, proporcionando un agente principalmente orientado a la recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología 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 la web tradicional 2.0 muestra una clara tendencia de concentración en ciertos sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: los proyectos de infraestructura dominan principalmente debido a su madurez tecnológica. Estos proyectos suelen estar construidos sobre tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivalente a la "pala" en el campo de la IA, proporciona 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 consumo, 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 para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, hemos notado que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a inclinarse hacia aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción relativamente pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los casos de uso. Con los avances continuos en la tecnología de IA y la clarificación de la demanda del mercado, anticipamos que este patrón puede 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 los analizamos, usando como ejemplos Character AI, Perplexity AI y Midjourney.
Character AI:
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, y 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, 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 del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información a través de 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: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En los mercados de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, con 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 GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en un modelo de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y
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.
19 me gusta
Recompensa
19
5
Compartir
Comentar
0/400
BearMarketSurvivor
· 07-22 12:59
8% cantidad 23% capitalización de mercado este campo de batalla ya ha sido ocupado por el ejército de altcoin.
Ver originalesResponder0
StakeHouseDirector
· 07-22 12:59
La pista es buena, ¡compra, compra, compra!
Ver originalesResponder0
MEV_Whisperer
· 07-22 12:59
¡Ah! Todos están gritando por un salvavidas, una oleada de tontos está a punto de llegar.
Ver originalesResponder0
LightningClicker
· 07-22 12:49
¡Cómpralo! El 23% de la capitalización de mercado no es broma.
Ver originalesResponder0
FromMinerToFarmer
· 07-22 12:46
mundo Cripto también juega con IA, ¿quién da la valoración?
El auge del proyecto AI Agent: Análisis de la valoración y las perspectivas de aplicación en la pista Web3
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente un tipo maduro y popular en el emprendimiento Web2, que se centra en servicios para empresas, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en la capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Predecimos que, a medida que la tecnología madure y la aceptación del mercado aumente, aparecerán múltiples proyectos con valoraciones superiores a 1.000 millones de dólares.
Para los proyectos de Web3, la incorporación de tecnología AI en productos de aplicación que no son centrales para AI podría convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agente AI debe centrarse en la construcción de un ecosistema completo y en el diseño de modelos económicos de tokens para promover la descentralización y los efectos de red.
La ola de la IA: el estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la impresionante cifra de 20.3 millones de dólares. Después del lanzamiento de ChatGPT, OpenAI 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 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 presentó Llama3, y las empresas chinas lanzaron modelos grandes como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia acérrima.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también descubrimos a través de una encuesta sobre la investigación de IA de código abierto que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
El entusiasmo 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 aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hubo 16 inversiones relacionadas con la IA que superaron los 150 millones de dólares, el doble que en el primer trimestre. La financiación total de las startups de IA se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon Musk, recaudó 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 los gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y la ferviente búsqueda del mercado de capitales por conceptos de IA. Los proyectos surgen uno tras otro, con montos de inversión que alcanzan cifras récord, y las valoraciones también se disparan. En general, el mercado de IA se encuentra en un período dorado de rápido crecimiento, donde los modelos de lenguaje a gran escala y las tecnologías de generación aumentada por recuperación han logrado avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún 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 los problemas de transparencia del modelo. Estos problemas se vuelven especialmente importantes en escenarios de aplicación que requieren una alta confiabilidad.
En este contexto, comenzamos a investigar los Agentes de IA, ya que enfatizan la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de ser modelos de lenguaje puramente a sistemas inteligentes que pueden realmente entender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de los Agentes de IA, que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está redefiniendo constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, 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 de intersección lleno de potencial, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de manera autónoma, muestran un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones de AI Agent en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones y el mercado de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender profundamente la integración de AI y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario práctico como ejemplo: supongamos que estás planeando un viaje. Los modelos de lenguaje tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada con recuperación puede ofrecer contenido de destino más rico y específico. El Agente de IA es como JARVIS en las películas de Iron Man, puede entender tus necesidades y, según una sola frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
La definición comúnmente aceptada de un Agente de IA en la industria es un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego afectando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que integra capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información pura, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que el Agente AI ya se ha integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y los vehículos autónomos de nivel L5 y superiores de Tesla, que pueden considerarse ejemplos de Agentes AI. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del mundo exterior y, en consecuencia, impactar en el entorno real.
Tomando como ejemplo a ChatGPT para aclarar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos desarrollada sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones de los modelos en diferentes etapas de desarrollo. ChatGPT, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
Actualmente, 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 de Web2 y Web3, hemos clasificado en categorías principales y secundarias según las etiquetas destacadas correspondientes a cada proyecto. Entre ellas, las categorías principales son infraestructura básica, generación de contenido e interacción con el usuario, y luego se dividen 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, así como servicios B2B más maduros y aplicaciones de base.
Herramientas de desarrollo: proporciona 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 utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clases de entrenamiento de modelos: se ofrecen servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: dirigidos principalmente a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo agregador: una plataforma que integra varios servicios y herramientas de agentes de IA.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando 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).
Clase de búsqueda: se centra en la función de búsqueda, proporcionando un agente principalmente orientado a la recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología 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 la web tradicional 2.0 muestra una clara tendencia de concentración en ciertos sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: los proyectos de infraestructura dominan principalmente debido a su madurez tecnológica. Estos proyectos suelen estar construidos sobre tecnologías y marcos probados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivalente a la "pala" en el campo de la IA, proporciona 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 consumo, 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 para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, hemos notado que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a la inestabilidad de su producción, las empresas tienden a inclinarse hacia aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción relativamente pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los casos de uso. Con los avances continuos en la tecnología de IA y la clarificación de la demanda del mercado, anticipamos que este patrón puede 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 los analizamos, usando como ejemplos Character AI, Perplexity AI y Midjourney.
Character AI:
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, y 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, 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 del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información a través de 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: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó un crecimiento del 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En los mercados de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, con 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 GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en un modelo de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y