Чи може AI Agent стати рятівною соломинкою для Web3+AI?
Проекти AI Agent є популярними та зрілими у сфері підприємництва Web2, в основному в категорії послуг для бізнесу, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні елементи, стали основними через їхню ключову роль у побудові екосистем.
На даний момент кількість проектів AI Agent у Web3 не велика і складає 8%, але їхня частка ринкової капіталізації в AI-сегменті досягає 23%, що свідчить про їхні сильні конкурентні позиції на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку, у майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технологій штучного інтелекту може стати стратегічною перевагою для продуктів, які не є основними застосуваннями ШІ. При поєднанні проектів AI Agent слід звертати увагу на будівництво повної екосистеми та проектування токеноміки для сприяння децентралізації та мережевим ефектам.
Хвиля штучного інтелекту: сучасний стан появи проектів та підвищення оцінок
З моменту свого запуску у листопаді 2022 року ChatGPT за короткий проміжок часу привабив понад сто мільйонів користувачів, а до травня 2024 року його місячний дохід досяг вражаючих 20,3 мільйона доларів США. Після випуску ChatGPT OpenAI швидко представила ітераційні версії, такі як GPT-4 та GP4-4o. У такій динамічній ситуації традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали запускати свої власні AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили великі моделі, такі як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI стала полем битви для багатьох.
Змагання великих технологічних гігантів не тільки сприяло розвитку комерційних додатків, але й з наших досліджень з відкритого AI ми виявили, що звіт AI Index за 2024 рік показує, що кількість AI-проектів на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє потужний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зрештою зросла до 24 мільярдів доларів, що є більш ніж подвоєнням в порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, оцінка склала 24 мільярди доларів, ставши другою за величиною оцінкою стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту перевизначає ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проєктів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ з боку ринків капіталу. Проєкти з'являються один за одним, обсяги інвестицій постійно б'ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при трансформації технологічних переваг у реальні продукти, такими як невизначеність виходу моделі, ризик генерації неточної інформації та проблеми прозорості моделі. Ці питання стають особливо важливими в контексті застосувань, де вимоги до надійності є надзвичайно високими.
На цьому фоні ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які здатні дійсно розуміти, навчатися та вирішувати реальні проблеми. Таким чином, ми бачимо надію в розвитку AI Agent, який поступово замикає розрив між технологією AI та вирішенням реальних проблем. Еволюція технологій AI постійно переформатовує структуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо появу низки інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent завдяки своїй здатності самостійно виконувати завдання демонструє величезний потенціал для масштабного застосування.
Для цього ми почали поглиблене дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня та ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і застосувань, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Пояснення концепції: Введення та огляд класифікації AI Agent
Основні відомості
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми наводимо приклад з реального життя: уявімо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про призначення та поради щодо подорожей. Технологія, що підсилює пошук, може надати більш багатий і конкретний вміст про призначення. А AI Agent схожий на Джарвіса з фільмів про Залізну людину, здатний зрозуміти ваші потреби і навіть за вашим реченням активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.
Наразі в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка може сприймати навколишнє середовище та відповідно діяти, отримуючи інформацію з навколишнього середовища через сенсори, обробляючи її, а потім впливаючи на середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не тільки може надавати інформацію, але також може планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегровано в наше життя, застосовуючи його в різних ситуаціях, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla і так далі, які можуть розглядатися як приклади AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішній ввід користувача і відповідно впливати на реальне середовище.
Візьмемо ChatGPT як приклад для чіткого розуміння концепцій, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає AI-моделі, GPT є серією моделей, що розвинулися на основі цієї архітектури, тоді як GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP є AI-агентом, що еволюціонував на основі моделі GPT.
Категорійний огляд
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми розмітили 204 проекти AI Agent на ринках Web2 та Web3, відповідно до їхніх помітних тегів, розділивши їх на перший і другий рівні класифікації. Перший рівень класифікації складається з трьох категорій: інфраструктура, генерація контенту, взаємодія з користувачем, а потім вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні основних елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки та зрілі B-端 сервіси для нижнього рівня застосувань.
Інструменти для розробників: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, переважно використовується для підтримки прийняття рішень та надання джерел для навчання.
Моделі навчання: надає послуги з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги для B-клієнтів: в основному націлені на корпоративних користувачів, надаючи корпоративні послуги, вертикальні рішення та автоматизовані рішення.
Платформи збору: платформи, що інтегрують різноманітні послуги та інструменти AI Agent.
Інтерактивні агенти: подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошукові: зосереджені на функції пошуку, надаючи більш точне агентство для інформаційного пошуку.
Контентні генераційні проекти: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у Web2 традиційному інтернеті розвиток AI Agent демонструє помітну тенденцію до концентрації у певних сегментах. Зокрема, приблизно дві третини проектів зосереджені на інфраструктурних рішеннях, серед яких переважають сервіси для B-клієнтів та розробницькі інструменти. Ми також провели деякий аналіз цього явища.
Вплив зрілості технології: проекти інфраструктури займають домінуючу позицію переважно завдяки своїй зрілості технології. Ці проекти зазвичай базуються на перевірених часом технологіях та рамках, що знижує складність розробки та ризики. Це щось на зразок "лопати" в сфері ШІ, що забезпечує надійну основу для розробки та застосування AI Agent.
Стимулювання попиту на ринку: ще один ключовий фактор - це попит на ринку. У порівнянні з споживчим ринком, попит бізнес-ринку на технології ШІ є більш нагальним, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їм у розробці наступних проектів.
Обмеження застосування: Водночас ми помітили, що застосування AI для генерації контенту на B-стороні ринку є відносно обмеженим. Через нестабільність його результатів компанії більше схильні обирати ті рішення, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні міркування щодо застосування. З постійним прогресом технологій штучного інтелекту та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може бути дещо скоригована, але інфраструктурний сектор залишиться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проектів AI Agent Web2
Ми детально розглянемо деякі проекти AI Agent на поточному ринку Web2 та проведемо їх аналіз, взявши за приклад три проекти: 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 розмови природною мовою та виконувати певні завдання.
Аналіз даних: Character.AI в травні отримав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона щоденних активних користувачів, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну аудиторію. Character AI показав відмінні результати на капітальному ринку, отримавши фінансування в 150 мільйонів доларів, з оцінкою в 1 мільярд доларів, яке очолила a16z.
Технічний аналіз: Character AI підписала угоду про неексклюзивне використання своїх великих мовних моделей з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазеер і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити ШІ:
Огляд продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та довідковим лінкам забезпечується надійність та точність інформації, а також він навчає, направляє користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність їхніх мобільних та настільних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, з оцінкою в 1,04 мільярда доларів, головним інвестором став Daniel Gross, а серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основні моделі, які використовує Perplexity, є доопрацьованим GPT-3.5 та двома великими моделями, доопрацьованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та
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.
19 лайків
Нагородити
19
5
Поділіться
Прокоментувати
0/400
BearMarketSurvivor
· 07-22 12:59
8% кількість 23% ринкова капіталізація Ця арена альткоїнів вже зайняла висоту
Переглянути оригіналвідповісти на0
StakeHouseDirector
· 07-22 12:59
Траса непогана, купуй-купуй-купуй!
Переглянути оригіналвідповісти на0
MEV_Whisperer
· 07-22 12:59
Ех, всі кличуть на допомогу, хвиля невдах ось-ось прийде.
Переглянути оригіналвідповісти на0
LightningClicker
· 07-22 12:49
Купуй це! 23% ринкової капіталізації не є жартом
Переглянути оригіналвідповісти на0
FromMinerToFarmer
· 07-22 12:46
криптосвіт також почав грати в AI, хто оцінює вартість?
Поява проекту AI Agent: аналіз оцінки та перспектив застосування в секторі Web3
Чи може AI Agent стати рятівною соломинкою для Web3+AI?
Проекти AI Agent є популярними та зрілими у сфері підприємництва Web2, в основному в категорії послуг для бізнесу, тоді як у сфері Web3 проекти з навчання моделей та платформ, що об'єднують різні елементи, стали основними через їхню ключову роль у побудові екосистем.
На даний момент кількість проектів AI Agent у Web3 не велика і складає 8%, але їхня частка ринкової капіталізації в AI-сегменті досягає 23%, що свідчить про їхні сильні конкурентні позиції на ринку. Ми очікуємо, що з розвитком технологій та підвищенням визнання на ринку, у майбутньому з'явиться кілька проектів з оцінкою понад 1 мільярд доларів.
Для проектів Web3 впровадження технологій штучного інтелекту може стати стратегічною перевагою для продуктів, які не є основними застосуваннями ШІ. При поєднанні проектів AI Agent слід звертати увагу на будівництво повної екосистеми та проектування токеноміки для сприяння децентралізації та мережевим ефектам.
Хвиля штучного інтелекту: сучасний стан появи проектів та підвищення оцінок
З моменту свого запуску у листопаді 2022 року ChatGPT за короткий проміжок часу привабив понад сто мільйонів користувачів, а до травня 2024 року його місячний дохід досяг вражаючих 20,3 мільйона доларів США. Після випуску ChatGPT OpenAI швидко представила ітераційні версії, такі як GPT-4 та GP4-4o. У такій динамічній ситуації традиційні технологічні гіганти усвідомили важливість застосування передових AI моделей, таких як LLM, і почали запускати свої власні AI моделі та додатки. Наприклад, Google випустила велику мовну модель PaLM2, Meta представила Llama3, а китайські компанії запустили великі моделі, такі як Wenxin Yiyan та Zhipu Qingyan. Очевидно, що сфера AI стала полем битви для багатьох.
Змагання великих технологічних гігантів не тільки сприяло розвитку комерційних додатків, але й з наших досліджень з відкритого AI ми виявили, що звіт AI Index за 2024 рік показує, що кількість AI-проектів на GitHub зросла з 845 у 2011 році до приблизно 1,8 мільйона у 2023 році, особливо після випуску GPT у 2023 році, кількість проектів зросла на 59,3% у річному вимірі, що відображає захоплення глобальної спільноти розробників дослідженнями AI.
Пристрасть до технологій штучного інтелекту безпосередньо відображається на інвестиційному ринку, ринок інвестицій в ШІ демонструє потужний ріст, у другому кварталі 2024 року спостерігається вибуховий ріст. У світі було здійснено 16 інвестицій у ШІ на суму понад 150 мільйонів доларів, що вдвічі більше, ніж у першому кварталі. Загальна сума фінансування стартапів у сфері ШІ зрештою зросла до 24 мільярдів доларів, що є більш ніж подвоєнням в порівнянні з минулим роком. Серед них xAI, що належить Маску, залучила 6 мільярдів доларів, оцінка склала 24 мільярди доларів, ставши другою за величиною оцінкою стартапом у сфері ШІ після OpenAI.
Швидкий розвиток технологій штучного інтелекту перевизначає ландшафт технологічної сфери з небаченою раніше швидкістю. Від запеклої конкуренції між технологічними гігантами до бурхливого розвитку проєктів у відкритих спільнотах, а також до гарячого попиту на концепцію ШІ з боку ринків капіталу. Проєкти з'являються один за одним, обсяги інвестицій постійно б'ють рекорди, а оцінки також зростають. В цілому, ринок ШІ перебуває в періоді швидкого розвитку, великі мовні моделі та технології генерації з підсиленням пошуку досягли значного прогресу в обробці мов. Тим не менш, ці моделі все ще стикаються з викликами при трансформації технологічних переваг у реальні продукти, такими як невизначеність виходу моделі, ризик генерації неточної інформації та проблеми прозорості моделі. Ці питання стають особливо важливими в контексті застосувань, де вимоги до надійності є надзвичайно високими.
На цьому фоні ми почали дослідження AI Agent, оскільки AI Agent підкреслює всебічність вирішення реальних проблем та взаємодії з середовищем. Ця зміна знаменує еволюцію технології AI від чисто мовних моделей до інтелектуальних систем, які здатні дійсно розуміти, навчатися та вирішувати реальні проблеми. Таким чином, ми бачимо надію в розвитку AI Agent, який поступово замикає розрив між технологією AI та вирішенням реальних проблем. Еволюція технологій AI постійно переформатовує структуру продуктивності, тоді як технологія Web3 реконструює виробничі відносини цифрової економіки. Коли три основні елементи AI: дані, моделі та обчислювальна потужність, зливаються з основними ідеями Web3, такими як децентралізація, токенна економіка та смарт-контракти, ми передбачаємо появу низки інноваційних застосувань. У цій перспективній перехресній області ми вважаємо, що AI Agent завдяки своїй здатності самостійно виконувати завдання демонструє величезний потенціал для масштабного застосування.
Для цього ми почали поглиблене дослідження різноманітних застосувань AI Agent у Web3, від інфраструктури Web3, проміжного програмного забезпечення, до прикладного рівня та ринків даних і моделей, з метою виявлення та оцінки найбільш перспективних типів проектів і застосувань, щоб глибше зрозуміти глибоку інтеграцію AI та Web3.
Пояснення концепції: Введення та огляд класифікації AI Agent
Основні відомості
Перед тим як представити AI Agent, щоб читачі краще зрозуміли різницю між його визначенням і самим моделлю, ми наводимо приклад з реального життя: уявімо, що ви плануєте подорож. Традиційні великі мовні моделі надають інформацію про призначення та поради щодо подорожей. Технологія, що підсилює пошук, може надати більш багатий і конкретний вміст про призначення. А AI Agent схожий на Джарвіса з фільмів про Залізну людину, здатний зрозуміти ваші потреби і навіть за вашим реченням активно шукати рейси та готелі, виконувати бронювання та додавати маршрут до календаря.
Наразі в галузі загальноприйнятим визначенням AI Agent є інтелектуальна система, яка може сприймати навколишнє середовище та відповідно діяти, отримуючи інформацію з навколишнього середовища через сенсори, обробляючи її, а потім впливаючи на середовище через виконавчі пристрої (Stuart Russell & Peter Norvig, 2020). Ми вважаємо, що AI Agent є помічником, який об'єднує можливості LLM, RAG, пам'яті, планування завдань та використання інструментів. Він не тільки може надавати інформацію, але також може планувати, розбивати завдання та дійсно їх виконувати.
Згідно з цим визначенням і характеристиками, ми можемо виявити, що AI Agent вже давно інтегровано в наше життя, застосовуючи його в різних ситуаціях, таких як AlphaGo, Siri, автономне водіння рівня L5 і вище від Tesla і так далі, які можуть розглядатися як приклади AI Agent. Спільною рисою цих систем є те, що вони можуть сприймати зовнішній ввід користувача і відповідно впливати на реальне середовище.
Візьмемо ChatGPT як приклад для чіткого розуміння концепцій, ми повинні чітко вказати, що Transformer є технологічною архітектурою, що складає AI-моделі, GPT є серією моделей, що розвинулися на основі цієї архітектури, тоді як GPT-1, GPT-4, GPT-4o представляють версії моделей на різних етапах розвитку. ChatGP є AI-агентом, що еволюціонував на основі моделі GPT.
Категорійний огляд
На даний момент ринок AI Agent ще не сформував єдиного стандарту класифікації. Ми розмітили 204 проекти AI Agent на ринках Web2 та Web3, відповідно до їхніх помітних тегів, розділивши їх на перший і другий рівні класифікації. Перший рівень класифікації складається з трьох категорій: інфраструктура, генерація контенту, взаємодія з користувачем, а потім вони деталізуються відповідно до їх фактичних випадків використання:
Інфраструктурні проекти: ця категорія зосереджена на створенні основних елементів у сфері агентів, включаючи платформи, моделі, дані, інструменти для розробки та зрілі B-端 сервіси для нижнього рівня застосувань.
Інструменти для розробників: надають розробникам допоміжні інструменти та фреймворки для створення AI Agent.
Клас обробки даних: обробка та аналіз даних різних форматів, переважно використовується для підтримки прийняття рішень та надання джерел для навчання.
Моделі навчання: надає послуги з навчання моделей для ШІ, включаючи висновки, створення моделей, налаштування тощо.
Послуги для B-клієнтів: в основному націлені на корпоративних користувачів, надаючи корпоративні послуги, вертикальні рішення та автоматизовані рішення.
Платформи збору: платформи, що інтегрують різноманітні послуги та інструменти AI Agent.
Інтерактивні агенти: подібно до класу генерації контенту, відрізняються тим, що забезпечують безперервну двосторонню взаємодію. Інтерактивні агенти не лише приймають та розуміють потреби користувачів, а й надають зворотний зв'язок за допомогою технологій обробки природної мови (NLP), реалізуючи двосторонню взаємодію з користувачем.
Емоційна підтримка: AI агент, який надає емоційну підтримку та супровід.
GPT-тип: AI-агент на основі моделі GPT (генеративний попередньо навченний трансформер).
Пошукові: зосереджені на функції пошуку, надаючи більш точне агентство для інформаційного пошуку.
Контентні генераційні проекти: ці проекти зосереджені на створенні контенту, використовуючи технології великих моделей для генерації різних форм контенту відповідно до вказівок користувача, поділяються на чотири категорії: генерація тексту, генерація зображень, генерація відео та генерація аудіо.
Аналіз поточного стану розвитку Web2 AI Agent
Згідно з нашою статистикою, у Web2 традиційному інтернеті розвиток AI Agent демонструє помітну тенденцію до концентрації у певних сегментах. Зокрема, приблизно дві третини проектів зосереджені на інфраструктурних рішеннях, серед яких переважають сервіси для B-клієнтів та розробницькі інструменти. Ми також провели деякий аналіз цього явища.
Вплив зрілості технології: проекти інфраструктури займають домінуючу позицію переважно завдяки своїй зрілості технології. Ці проекти зазвичай базуються на перевірених часом технологіях та рамках, що знижує складність розробки та ризики. Це щось на зразок "лопати" в сфері ШІ, що забезпечує надійну основу для розробки та застосування AI Agent.
Стимулювання попиту на ринку: ще один ключовий фактор - це попит на ринку. У порівнянні з споживчим ринком, попит бізнес-ринку на технології ШІ є більш нагальним, особливо в пошуку рішень для підвищення операційної ефективності та зниження витрат. Одночасно для розробників грошові потоки з підприємств є відносно стабільними, що сприяє їм у розробці наступних проектів.
Обмеження застосування: Водночас ми помітили, що застосування AI для генерації контенту на B-стороні ринку є відносно обмеженим. Через нестабільність його результатів компанії більше схильні обирати ті рішення, які можуть стабільно підвищувати продуктивність. Це призводить до того, що частка AI для генерації контенту в бібліотеці проектів є досить малою.
Ця тенденція відображає зрілість технологій, ринковий попит та реальні міркування щодо застосування. З постійним прогресом технологій штучного інтелекту та подальшою ясністю ринкового попиту, ми очікуємо, що ця структура може бути дещо скоригована, але інфраструктурний сектор залишиться міцним фундаментом для розвитку AI Agent.
Аналіз провідних проектів AI Agent Web2
Ми детально розглянемо деякі проекти AI Agent на поточному ринку Web2 та проведемо їх аналіз, взявши за приклад три проекти: 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 розмови природною мовою та виконувати певні завдання.
Аналіз даних: Character.AI в травні отримав 277 мільйонів відвідувань, платформа має понад 3,5 мільйона щоденних активних користувачів, більшість з яких віком від 18 до 34 років, що свідчить про молодіжну аудиторію. Character AI показав відмінні результати на капітальному ринку, отримавши фінансування в 150 мільйонів доларів, з оцінкою в 1 мільярд доларів, яке очолила a16z.
Технічний аналіз: Character AI підписала угоду про неексклюзивне використання своїх великих мовних моделей з материнською компанією Google Alphabet, що свідчить про те, що Character AI використовує власні технології. Варто зазначити, що засновники компанії Ноам Шазеер і Даніель Де Фрейтас брали участь у розробці розмовної мовної моделі Google Llama.
Перплексити ШІ:
Огляд продукту: Perplexity може збирати та надавати детальні відповіді з Інтернету. Завдяки посиланням та довідковим лінкам забезпечується надійність та точність інформації, а також він навчає, направляє користувачів ставити додаткові запитання та шукати ключові слова, задовольняючи різноманітні запити користувачів.
Аналіз даних: Кількість активних користувачів Perplexity досягла 10 мільйонів, а відвідуваність їхніх мобільних та настільних додатків у лютому зросла на 8,6%, залучивши близько 50 мільйонів користувачів. На капітальних ринках Perplexity AI нещодавно оголосила про залучення 62,7 мільйона доларів фінансування, з оцінкою в 1,04 мільярда доларів, головним інвестором став Daniel Gross, а серед учасників - Stan Druckenmiller та NVIDIA.
Технічний аналіз: Основні моделі, які використовує Perplexity, є доопрацьованим GPT-3.5 та двома великими моделями, доопрацьованими на основі відкритих великих моделей: pplx-7b-online та pplx-70b-online. Моделі підходять для професійних академічних досліджень та