¿Puede el agente de IA convertirse en la tabla de salvación de Web3+AI?
Los proyectos de AI Agent son principalmente del tipo de servicios para empresas, que son populares y maduros en el emprendimiento Web2, 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, la cantidad de proyectos de AI Agent en Web3 es escasa, representando solo el 8%, pero su participación en el valor de mercado en el sector de la IA alcanza hasta el 23%, lo que demuestra una gran competitividad en el mercado. Prevemos que a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos valorados en más de 1.000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales para la IA puede convertirse en una ventaja estratégica. En el caso de proyectos de agentes de IA, la forma de combinación 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.
Ola de IA: estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con este rápido desarrollo, los gigantes de la tecnología tradicional se dieron cuenta de la importancia de la aplicación 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 como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un área de intensa competencia.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de una encuesta sobre la investigación de IA de código abierto, encontramos que el informe del 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. En particular, en 2023, después del lanzamiento de GPT, 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 de 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, experimentando un crecimiento explosivo en el segundo trimestre de 2024. A nivel global, hubo un total de 16 inversiones relacionadas con la IA que superaron los 150 millones de dólares, el doble de las del primer trimestre. La financiación total de las startups de IA también se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, propiedad de 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 mapa del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el entusiasta apoyo del mercado de capitales a los conceptos de IA. Los proyectos surgen uno tras otro, con inversiones alcanzando nuevos máximos y valoraciones elevándose en consecuencia. En términos generales, el mercado de IA se encuentra en un periodo dorado de rápido desarrollo, con grandes modelos de lenguaje y técnicas de generación aumentada por recuperación logrando 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 problemas de transparencia del modelo. Estos problemas se vuelven especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
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 modelos de lenguaje puramente a sistemas inteligentes que realmente pueden comprender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de Agentes de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando 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 esto dará lugar a una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de forma autónoma, muestran un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, el middleware, hasta el nivel de aplicación, así como en múltiples dimensiones como los mercados de datos y modelos, con el objetivo de identificar y evaluar aquellos tipos de proyectos y escenarios de aplicación más prometedores, para comprender mejor la profunda integración de la IA con 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, ilustramos con un escenario práctico: supongamos que estás planeando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido más rico y específico sobre destinos. Y el Agente de IA es como J.A.R.V.I.S. en la película de Iron Man, puede entender las necesidades y, con solo una frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
En la actualidad, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego afectando el entorno mediante actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, generar un impacto en el entorno real.
Tomemos como ejemplo a ChatGPT para aclarar el concepto, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se han desarrollado a partir de esta arquitectura, mientras que GPT-1, GPT-4 y GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, 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. Hemos etiquetado 204 proyectos de Agentes de IA en el mercado de Web2 + Web3, y según las etiquetas significativas correspondientes a cada proyecto, los hemos dividido en categorías de primer y segundo nivel. Entre ellos, la categoría de primer nivel se divide en tres tipos: infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdivide según sus casos de uso reales:
Infraestructura: Esta categoría se centra en la construcción de contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y básicos.
Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.
Clases 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.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento y configuración de modelos, etc.
Servicios para B: dirigido principalmente a usuarios empresariales, ofrece soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de agentes de IA.
Interactividad: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agentes de IA de compañía emocional: proporcionan apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una 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 generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo del Agente AI Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 de Internet tradicional muestra una clara tendencia de concentración de sectores. Específicamente, alrededor de dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo, y también hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es, en primer lugar, gracias 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. Es equivalente a la "pala" en el ámbito de la IA, proporcionando 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 consumidores, 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 casos de uso: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas tienden a preferir aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido represente una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA avanza continuamente y la demanda del mercado se clarifica aún más, esperamos que este patrón pueda 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 Web2
Profundizamos en algunos proyectos de agentes de IA en el actual mercado de Web2 y los analizamos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción del 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 diálogos 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 de 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, para el uso de su modelo de lenguaje grande, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para hacer preguntas adicionales 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 creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado 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, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es GPT-3.5 afinado, así como dos grandes modelos afinados basados en un modelo grande de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: Los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, cubriendo una amplia gama de necesidades creativas que van desde lo realista hasta lo abstracto. La plataforma también ofrece mezcla y edición de imágenes, permitiendo a los usuarios superponer imágenes y realizar transferencia de estilo, la función de generación en tiempo real de la plataforma asegura que los usuarios obtengan resultados en cuestión de decenas de segundos a minutos.
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.
18 me gusta
Recompensa
18
6
Compartir
Comentar
0/400
Anon4461
· 07-16 13:34
Solo es especulación, mira los datos
Ver originalesResponder0
DevChive
· 07-16 00:23
El capital ha encontrado de nuevo la contraseña de los tontos.
Ver originalesResponder0
BoredApeResistance
· 07-13 18:23
Esta capitalización de mercado está muy inflada...
Ver originalesResponder0
LiquiditySurfer
· 07-13 18:13
El 8% del proyecto representa el 23% de la capitalización de mercado. ¡Es un buen momento para el arbitraje de swing trading! Parece que tendré que reajustar el LP.
Ver originalesResponder0
SilentAlpha
· 07-13 18:12
tomar a la gente por tonta una vez y luego correr
Ver originalesResponder0
HypotheticalLiquidator
· 07-13 18:05
El indicador de burbuja ha alcanzado su punto máximo, ten cuidado con la obtener liquidación al abrir una posición larga.
AI Agent puede traer nuevas oportunidades para Web3+AI, y la capitalización de mercado representa una proporción muy superior al número de proyectos.
¿Puede el agente de IA convertirse en la tabla de salvación de Web3+AI?
Los proyectos de AI Agent son principalmente del tipo de servicios para empresas, que son populares y maduros en el emprendimiento Web2, 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, la cantidad de proyectos de AI Agent en Web3 es escasa, representando solo el 8%, pero su participación en el valor de mercado en el sector de la IA alcanza hasta el 23%, lo que demuestra una gran competitividad en el mercado. Prevemos que a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos valorados en más de 1.000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales para la IA puede convertirse en una ventaja estratégica. En el caso de proyectos de agentes de IA, la forma de combinación 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.
Ola de IA: estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. Para mayo de 2024, los ingresos mensuales de ChatGPT alcanzaron la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con este rápido desarrollo, los gigantes de la tecnología tradicional se dieron cuenta de la importancia de la aplicación 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 como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un área de intensa competencia.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de una encuesta sobre la investigación de IA de código abierto, encontramos que el informe del 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. En particular, en 2023, después del lanzamiento de GPT, 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 de 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, experimentando un crecimiento explosivo en el segundo trimestre de 2024. A nivel global, hubo un total de 16 inversiones relacionadas con la IA que superaron los 150 millones de dólares, el doble de las del primer trimestre. La financiación total de las startups de IA también se disparó a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, propiedad de 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 mapa del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el entusiasta apoyo del mercado de capitales a los conceptos de IA. Los proyectos surgen uno tras otro, con inversiones alcanzando nuevos máximos y valoraciones elevándose en consecuencia. En términos generales, el mercado de IA se encuentra en un periodo dorado de rápido desarrollo, con grandes modelos de lenguaje y técnicas de generación aumentada por recuperación logrando 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 problemas de transparencia del modelo. Estos problemas se vuelven especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
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 modelos de lenguaje puramente a sistemas inteligentes que realmente pueden comprender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo de Agentes de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando 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 esto dará lugar a una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que los Agentes de IA, con su capacidad para ejecutar tareas de forma autónoma, muestran un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, el middleware, hasta el nivel de aplicación, así como en múltiples dimensiones como los mercados de datos y modelos, con el objetivo de identificar y evaluar aquellos tipos de proyectos y escenarios de aplicación más prometedores, para comprender mejor la profunda integración de la IA con 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, ilustramos con un escenario práctico: supongamos que estás planeando un viaje. Los modelos de lenguaje grandes tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido más rico y específico sobre destinos. Y el Agente de IA es como J.A.R.V.I.S. en la película de Iron Man, puede entender las necesidades y, con solo una frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y añadir el itinerario al calendario.
En la actualidad, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones correspondientes, obteniendo información ambiental a través de sensores, procesándola y luego afectando el entorno mediante actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri y la conducción autónoma de nivel L5 de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios del entorno externo y, en función de ello, generar un impacto en el entorno real.
Tomemos como ejemplo a ChatGPT para aclarar el concepto, debemos señalar claramente que Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se han desarrollado a partir de esta arquitectura, mientras que GPT-1, GPT-4 y GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, 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. Hemos etiquetado 204 proyectos de Agentes de IA en el mercado de Web2 + Web3, y según las etiquetas significativas correspondientes a cada proyecto, los hemos dividido en categorías de primer y segundo nivel. Entre ellos, la categoría de primer nivel se divide en tres tipos: infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdivide según sus casos de uso reales:
Infraestructura: Esta categoría se centra en la construcción de contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y básicos.
Herramientas de desarrollo: Proporcionar a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.
Clases 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.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento y configuración de modelos, etc.
Servicios para B: dirigido principalmente a usuarios empresariales, ofrece soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de agentes de IA.
Interactividad: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agentes de IA de compañía emocional: proporcionan apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Tipo de búsqueda: Agente enfocado en la función de búsqueda, que proporciona una 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 generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo del Agente AI Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 de Internet tradicional muestra una clara tendencia de concentración de sectores. Específicamente, alrededor de dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo, y también hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es, en primer lugar, gracias 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. Es equivalente a la "pala" en el ámbito de la IA, proporcionando 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 consumidores, 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 casos de uso: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas tienden a preferir aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido represente una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA avanza continuamente y la demanda del mercado se clarifica aún más, esperamos que este patrón pueda 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 Web2
Profundizamos en algunos proyectos de agentes de IA en el actual mercado de Web2 y los analizamos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción del 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 diálogos 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 de 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, para el uso de su modelo de lenguaje grande, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la compañía, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional Llama de Google.
Perplexity AI:
Introducción al producto: Perplexity puede rastrear y proporcionar respuestas detalladas desde Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para hacer preguntas adicionales 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 creció un 8.6% en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado 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, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es GPT-3.5 afinado, así como dos grandes modelos afinados basados en un modelo grande de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y fiabilidad de la información.
Midjourney:
Introducción del producto: Los usuarios pueden crear imágenes de varios estilos y temas en Midjourney a través de Prompts, cubriendo una amplia gama de necesidades creativas que van desde lo realista hasta lo abstracto. La plataforma también ofrece mezcla y edición de imágenes, permitiendo a los usuarios superponer imágenes y realizar transferencia de estilo, la función de generación en tiempo real de la plataforma asegura que los usuarios obtengan resultados en cuestión de decenas de segundos a minutos.