L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des types de services pour entreprises qui sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et d'agrégation de plateformes sont devenus mainstream en raison de leur rôle clé dans la construction des écosystèmes.
Actuellement, il n'y a pas beaucoup de projets d'AI Agent dans le Web3, représentant 8 %, mais leur part de marché en valeur dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI pour les produits d'application qui ne sont pas au cœur de l'IA pourrait devenir un avantage stratégique. Pour les projets d'agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception de modèles économiques de jetons afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'IA : état des lieux des projets émergents et de la hausse des évaluations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA de pointe comme les LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont présenté des modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des enquêtes statistiques sur la recherche en IA en open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub est passé de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, qui connaît une forte croissance, avec une explosion des investissements AI au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double par rapport au premier trimestre. Le montant total des financements des start-ups AI a également grimpé à 24 milliards de dollars, enregistrant une croissance de plus de 100 %. Parmi eux, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième start-up AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie de l'IA redéfinit le paysage du secteur technologique à une vitesse sans précédent. Des compétitions féroces entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets émergent sans cesse, les investissements atteignent des sommets historiques, et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, avec des avancées significatives dans le traitement du langage grâce aux grands modèles linguistiques et aux technologies de génération améliorée par la recherche. Néanmoins, ces modèles font face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits concrets, tels que l'incertitude des sorties des modèles, le risque de générer des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans les scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur l'intégralité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle de langage pur à un système intelligent capable de vraiment comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : les données, les modèles et la puissance de calcul, se fusionnent avec les concepts fondamentaux de Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un immense potentiel pour une application à grande échelle.
Pour ce faire, nous avons commencé à explorer en profondeur les applications diversifiées des agents IA dans le Web3, allant des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, afin d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, et de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents AI
Présentation de base
Avant d'introduire l'Agent IA, afin de permettre au lecteur de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par recherche peut fournir un contenu de destination plus riche et spécifique. L'Agent IA est comme JARVIS dans le film Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction d'une de vos phrases, d'effectuer des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
La définition largement acceptée des agents IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, obtenant des informations sur l'environnement par le biais de capteurs, puis influençant cet environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations de manière simple, mais également planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et en conséquence influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts, nous devons préciser que le Transformer est l'architecture technique qui constitue les modèles d'IA, GPT est une série de modèles développés sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP, quant à lui, est un agent d'IA évolué à partir du modèle GPT.
Aperçu de la catégorie
Le marché des agents IA n'a pas encore formé de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA dans les marchés Web2 et Web3, en fonction des étiquettes significatives de chaque projet, et les avons classés en catégories de premier et de deuxième niveau. Les catégories de premier niveau comprennent l'infrastructure de base, la génération de contenu et l'interaction utilisateur, puis nous avons affiné en fonction de leurs cas d'utilisation réels :
Infrastructure: Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plutôt matures et applicatifs.
Outils de développement : Fournir aux développeurs des outils et des cadres pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement des modèles : Fournit des services d'entraînement de modèles pour l'IA, y compris l'inférence, la création et la configuration des modèles, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprises, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'Agent AI.
Interactionnel : similaire à la génération de contenu, mais se distingue par une interaction bidirectionnelle continue. L'Agent interactionnel non seulement reçoit et comprend les besoins de l'utilisateur, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec l'utilisateur.
Agents AI de compagnie émotionnelle : fournissent un soutien émotionnel et de la compagnie.
Classe GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, offrant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, en utilisant la technologie des grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement d'agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration des secteurs clairement définie. Plus précisément, environ deux tiers des projets sont concentrés dans le domaine des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
Impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est l'équivalent de la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'impulsion de la demande du marché : Un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande de technologies AI sur le marché des entreprises est plus pressante, notamment en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, le flux de trésorerie provenant des entreprises est relativement stable, ce qui leur permet de développer des projets ultérieurs.
Limitations des cas d'utilisation : En même temps, nous constatons que les cas d'utilisation de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA générative de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et une clarification supplémentaire des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais l'infrastructure restera une pierre angulaire solide pour le développement des agents AI.
Analyse des projets phares d'agents AI Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et analysons ceux-ci en prenant trois projets comme exemples : Character AI, Perplexity AI et Midjourney.
Caractère IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme ayant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant des caractéristiques d'un groupe d'utilisateurs plus jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, atteignant une valorisation de 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il est à noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer des réponses détaillées depuis Internet. En s'assurant de la fiabilité et de l'exactitude des informations grâce à des citations et des liens de référence, il éduque et guide les utilisateurs à poser des questions et à rechercher des mots-clés, satisfaisant ainsi les besoins de recherche diversifiés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % des visites de ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 finement ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Les modèles sont adaptés à la recherche académique professionnelle et
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
19 J'aime
Récompense
19
5
Partager
Commentaire
0/400
BearMarketSurvivor
· 07-22 12:59
8% quantité 23% capitalisation boursière Ce champ de bataille est déjà occupé par l'armée altcoin.
Voir l'originalRépondre0
StakeHouseDirector
· 07-22 12:59
La piste est bonne, achetez, achetez, achetez !
Voir l'originalRépondre0
MEV_Whisperer
· 07-22 12:59
Hé, tout le monde crie à l'aide, une vague de pigeons est sur le point d'arriver.
Voir l'originalRépondre0
LightningClicker
· 07-22 12:49
Achetez-le ! Une part de 23 % de la capitalisation boursière n'est pas à négliger.
Voir l'originalRépondre0
FromMinerToFarmer
· 07-22 12:46
L'univers de la cryptomonnaie joue aussi avec l'IA, qui fixe la valorisation ?
L'essor des projets d'Agent IA : analyse de la valorisation et des perspectives d'application dans le secteur Web3
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent IA sont principalement des types de services pour entreprises qui sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et d'agrégation de plateformes sont devenus mainstream en raison de leur rôle clé dans la construction des écosystèmes.
Actuellement, il n'y a pas beaucoup de projets d'AI Agent dans le Web3, représentant 8 %, mais leur part de marché en valeur dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI pour les produits d'application qui ne sont pas au cœur de l'IA pourrait devenir un avantage stratégique. Pour les projets d'agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception de modèles économiques de jetons afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'IA : état des lieux des projets émergents et de la hausse des évaluations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA de pointe comme les LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont présenté des modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des enquêtes statistiques sur la recherche en IA en open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub est passé de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, qui connaît une forte croissance, avec une explosion des investissements AI au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double par rapport au premier trimestre. Le montant total des financements des start-ups AI a également grimpé à 24 milliards de dollars, enregistrant une croissance de plus de 100 %. Parmi eux, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième start-up AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie de l'IA redéfinit le paysage du secteur technologique à une vitesse sans précédent. Des compétitions féroces entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets émergent sans cesse, les investissements atteignent des sommets historiques, et les valorisations montent en flèche. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, avec des avancées significatives dans le traitement du langage grâce aux grands modèles linguistiques et aux technologies de génération améliorée par la recherche. Néanmoins, ces modèles font face à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits concrets, tels que l'incertitude des sorties des modèles, le risque de générer des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans les scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents IA, car les agents IA mettent l'accent sur l'intégralité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle de langage pur à un système intelligent capable de vraiment comprendre, apprendre et résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comble progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : les données, les modèles et la puissance de calcul, se fusionnent avec les concepts fondamentaux de Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine d'intersection plein de potentiel, nous pensons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un immense potentiel pour une application à grande échelle.
Pour ce faire, nous avons commencé à explorer en profondeur les applications diversifiées des agents IA dans le Web3, allant des infrastructures Web3, des middleware, des couches d'application, jusqu'aux marchés de données et de modèles, afin d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, et de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents AI
Présentation de base
Avant d'introduire l'Agent IA, afin de permettre au lecteur de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par recherche peut fournir un contenu de destination plus riche et spécifique. L'Agent IA est comme JARVIS dans le film Iron Man, capable de comprendre les besoins et de rechercher activement des vols et des hôtels en fonction d'une de vos phrases, d'effectuer des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
La définition largement acceptée des agents IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, obtenant des informations sur l'environnement par le biais de capteurs, puis influençant cet environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations de manière simple, mais également planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels que AlphaGo, Siri, et la conduite autonome de niveau L5 et supérieur de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et en conséquence influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts, nous devons préciser que le Transformer est l'architecture technique qui constitue les modèles d'IA, GPT est une série de modèles développés sur cette architecture, tandis que GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP, quant à lui, est un agent d'IA évolué à partir du modèle GPT.
Aperçu de la catégorie
Le marché des agents IA n'a pas encore formé de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA dans les marchés Web2 et Web3, en fonction des étiquettes significatives de chaque projet, et les avons classés en catégories de premier et de deuxième niveau. Les catégories de premier niveau comprennent l'infrastructure de base, la génération de contenu et l'interaction utilisateur, puis nous avons affiné en fonction de leurs cas d'utilisation réels :
Infrastructure: Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plutôt matures et applicatifs.
Outils de développement : Fournir aux développeurs des outils et des cadres pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement des modèles : Fournit des services d'entraînement de modèles pour l'IA, y compris l'inférence, la création et la configuration des modèles, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprises, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'Agent AI.
Interactionnel : similaire à la génération de contenu, mais se distingue par une interaction bidirectionnelle continue. L'Agent interactionnel non seulement reçoit et comprend les besoins de l'utilisateur, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec l'utilisateur.
Agents AI de compagnie émotionnelle : fournissent un soutien émotionnel et de la compagnie.
Classe GPT : Agent AI basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, offrant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, en utilisant la technologie des grands modèles pour générer diverses formes de contenu selon les instructions de l'utilisateur, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement d'agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration des secteurs clairement définie. Plus précisément, environ deux tiers des projets sont concentrés dans le domaine des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
Impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est l'équivalent de la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
L'impulsion de la demande du marché : Un autre facteur clé est la demande du marché. Comparé au marché des consommateurs, la demande de technologies AI sur le marché des entreprises est plus pressante, notamment en ce qui concerne les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, le flux de trésorerie provenant des entreprises est relativement stable, ce qui leur permet de développer des projets ultérieurs.
Limitations des cas d'utilisation : En même temps, nous constatons que les cas d'utilisation de l'IA générative de contenu sur le marché B2B sont relativement limités. En raison de l'instabilité de sa production, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible de l'IA générative de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et une clarification supplémentaire des besoins du marché, nous prévoyons que ce schéma pourrait être ajusté, mais l'infrastructure restera une pierre angulaire solide pour le développement des agents AI.
Analyse des projets phares d'agents AI Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et analysons ceux-ci en prenant trois projets comme exemples : Character AI, Perplexity AI et Midjourney.
Caractère IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme ayant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant des caractéristiques d'un groupe d'utilisateurs plus jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, atteignant une valorisation de 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, ce qui indique que Character AI utilise une technologie développée en interne. Il est à noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer des réponses détaillées depuis Internet. En s'assurant de la fiabilité et de l'exactitude des informations grâce à des citations et des liens de référence, il éduque et guide les utilisateurs à poser des questions et à rechercher des mots-clés, satisfaisant ainsi les besoins de recherche diversifiés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % des visites de ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 finement ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Les modèles sont adaptés à la recherche académique professionnelle et