L'Agent IA peut apporter de nouvelles opportunités pour Web3+AI, la capitalisation boursière représentant une part bien plus importante que le nombre de projets.
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent AI sont principalement des services destinés aux entreprises et sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché en valeur sur le secteur de l'IA atteint 23 %. Cela démontre 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 apparaîtront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application non centrés sur l'IA pourrait devenir un avantage stratégique. Pour les projets d'agent AI, la méthode de combinaison devrait se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de tokens, afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'IA : l'état des projets émergents et de l'évaluation en hausse
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 atteignaient un incroyable 20,3 millions de dollars, et après le lancement de ChatGPT, OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o. Face à une telle dynamique, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA à la pointe, comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que les entreprises chinoises ont lancé des grands 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 stimule non seulement le développement des applications commerciales, mais nous constatons également, à partir d'une enquête sur la recherche en IA open source, que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant 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, ce qui reflète l'enthousiasme de la communauté des développeurs mondiaux pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, avec un marché des investissements AI affichant une forte croissance, enregistrant une croissance explosive au deuxième trimestre 2024. Il y a eu un total de 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements des startups AI a également grimpé à 24 milliards de dollars, doublant par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième startup AI la plus valorisée après OpenAI.
Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence féroce entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets foisonnent, les investissements atteignent des sommets inédits et les évaluations s'élèvent en conséquence. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, les grands modèles de langage et les technologies de génération augmentée par la recherche ont réalisé des progrès significatifs dans le domaine du traitement du langage. Néanmoins, ces modèles font encore face à des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à mener des recherches sur l'Agent IA, car l'Agent IA met l'accent sur la résolution de problèmes pratiques et l'interaction avec l'environnement dans son ensemble. Ce changement marque l'évolution de la technologie AI d'un modèle de langage pur vers des systèmes intelligents capables de véritablement 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 AI et la résolution de problèmes pratiques. L'évolution de la technologie AI redéfinit constamment la structure de la productivité, tandis que la technologie Web3 redéfinit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se mêlent aux concepts fondamentaux de Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous pensons que l'Agent IA, avec sa capacité à exécuter des tâches de manière autonome, démontre un énorme potentiel pour des applications à grande échelle.
Pour cela, nous avons commencé à explorer en profondeur les diverses applications de l'Agent IA dans le Web3, des infrastructures Web3, du middleware, des applications, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et le Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Présentation de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario concret : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre les besoins et de rechercher proactivement des vols et des hôtels en fonction d'une de vos phrases, d'exécuter des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
La définition courante des agents IA dans l'industrie est celle d'un système intelligent capable de percevoir l'environnement et de réagir en conséquence, en acquérant des informations sur l'environnement par le biais de capteurs, puis en agissant sur l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il ne se limite pas à la simple fourniture d'informations, mais peut également planifier, décomposer les tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que l'Agent IA est déjà intégré dans notre vie, appliqué dans différents scénarios, comme AlphaGo, Siri et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'Agent IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs extérieurs et, en fonction de cela, agir sur l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier le concept. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT, en revanche, est un agent IA évolué basé sur le modèle GPT.
Aperçu de la catégorie
Le marché actuel des agents IA n'a pas encore de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA sur le marché Web2 + Web3, et en fonction des étiquettes significatives correspondantes à chaque projet, nous les avons classés en catégories de premier et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau sont l'infrastructure de base, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructures : Cette catégorie se concentre sur la construction de contenus de base dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et des applications de base.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents AI.
Classe de traitement des données : traiter et analyser des données de différents formats, principalement utilisées 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'entreprise, fournissant des solutions de services aux entreprises, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactivité : Semblable à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. L'Agent interactif non seulement reçoit et comprend les besoins des utilisateurs, mais fournit également des retours via des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents IA de soutien émotionnel : fournir un soutien émotionnel et une compagnie.
Type GPT : Agent IA 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, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de son.
Analyse de l'état actuel du développement des agents AI Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration manifeste. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont souvent basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La poussée de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour la technologie AI est plus pressante, en particulier pour les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets ultérieurs.
Limitations des cas d'utilisation : Dans le même temps, nous avons remarqué que l'application des IA génératrices de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible d'IA génératrices de contenu dans la bibliothèque 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 l'éclaircissement de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire solide du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous explorons en profondeur certains projets d'agent IA actuellement sur le marché Web2 et procédons à une analyse d'eux, en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de conversation basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'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 compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité a entre 18 et 34 ans, montrant une caractéristique de groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars avec une valorisation atteignant 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 convient de mentionner 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 peut extraire et fournir des réponses détaillées à partir d'Internet. En citant et en référenciant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et leurs recherches de mots-clés, répondant ainsi aux besoins variés 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 sur 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 de 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 affiné, ainsi que deux grands modèles basés sur un modèle open source affiné : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant l'exactitude et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstrait. La plateforme propose également un mélange et une édition d'images, permettant aux utilisateurs de superposer des images et de transférer des styles, la fonction de génération en temps réel de la plateforme garantit que les utilisateurs obtiennent leurs résultats en quelques dizaines de secondes à quelques minutes.
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.
18 J'aime
Récompense
18
6
Partager
Commentaire
0/400
Anon4461
· 07-16 13:34
C'est juste de la spéculation, regardez les données.
Voir l'originalRépondre0
DevChive
· 07-16 00:23
Les fonds ont de nouveau trouvé le mot de passe des pigeons.
Voir l'originalRépondre0
BoredApeResistance
· 07-13 18:23
Cette capitalisation boursière est très gonflée...
Voir l'originalRépondre0
LiquiditySurfer
· 07-13 18:13
8% du projet représente 23% de la capitalisation boursière. C'est un bon moment pour le swing trading d'arbitrage. Il semble que je doive réajuster le LP.
Voir l'originalRépondre0
SilentAlpha
· 07-13 18:12
prendre les gens pour des idiots une fois et s'en aller
Voir l'originalRépondre0
HypotheticalLiquidator
· 07-13 18:05
L'indicateur de bulle a atteint son sommet, attention à Être liquidé en prenant des positions longues.
L'Agent IA peut apporter de nouvelles opportunités pour Web3+AI, la capitalisation boursière représentant une part bien plus importante que le nombre de projets.
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'agent AI sont principalement des services destinés aux entreprises et sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées sont devenus dominants en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets AI Agent dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché en valeur sur le secteur de l'IA atteint 23 %. Cela démontre 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 apparaîtront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application non centrés sur l'IA pourrait devenir un avantage stratégique. Pour les projets d'agent AI, la méthode de combinaison devrait se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de tokens, afin de promouvoir la décentralisation et les effets de réseau.
La vague de l'IA : l'état des projets émergents et de l'évaluation en hausse
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 atteignaient un incroyable 20,3 millions de dollars, et après le lancement de ChatGPT, OpenAI a rapidement lancé des versions itératives telles que GPT-4 et GP4-4o. Face à une telle dynamique, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA à la pointe, comme les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que les entreprises chinoises ont lancé des grands 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 stimule non seulement le développement des applications commerciales, mais nous constatons également, à partir d'une enquête sur la recherche en IA open source, que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant 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, ce qui reflète l'enthousiasme de la communauté des développeurs mondiaux pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, avec un marché des investissements AI affichant une forte croissance, enregistrant une croissance explosive au deuxième trimestre 2024. Il y a eu un total de 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements des startups AI a également grimpé à 24 milliards de dollars, doublant par rapport à l'année précédente. Parmi eux, xAI, la société d'Elon Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième startup AI la plus valorisée après OpenAI.
Le développement rapide de la technologie AI redéfinit le paysage du secteur technologique à une vitesse sans précédent. De la concurrence féroce entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets foisonnent, les investissements atteignent des sommets inédits et les évaluations s'élèvent en conséquence. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, les grands modèles de langage et les technologies de génération augmentée par la recherche ont réalisé des progrès significatifs dans le domaine du traitement du langage. Néanmoins, ces modèles font encore face à des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes et les problèmes de transparence des modèles. Ces questions deviennent particulièrement importantes dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à mener des recherches sur l'Agent IA, car l'Agent IA met l'accent sur la résolution de problèmes pratiques et l'interaction avec l'environnement dans son ensemble. Ce changement marque l'évolution de la technologie AI d'un modèle de langage pur vers des systèmes intelligents capables de véritablement 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 AI et la résolution de problèmes pratiques. L'évolution de la technologie AI redéfinit constamment la structure de la productivité, tandis que la technologie Web3 redéfinit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, se mêlent aux concepts fondamentaux de Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons la naissance d'une série d'applications innovantes. Dans ce domaine d'intersection plein de potentiel, nous pensons que l'Agent IA, avec sa capacité à exécuter des tâches de manière autonome, démontre un énorme potentiel pour des applications à grande échelle.
Pour cela, nous avons commencé à explorer en profondeur les diverses applications de l'Agent IA dans le Web3, des infrastructures Web3, du middleware, des applications, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les cas d'utilisation les plus prometteurs, afin de comprendre en profondeur la fusion entre l'IA et le Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Présentation de base
Avant de présenter l'Agent IA, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario concret : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre les besoins et de rechercher proactivement des vols et des hôtels en fonction d'une de vos phrases, d'exécuter des opérations de réservation et d'ajouter l'itinéraire à votre calendrier.
La définition courante des agents IA dans l'industrie est celle d'un système intelligent capable de percevoir l'environnement et de réagir en conséquence, en acquérant des informations sur l'environnement par le biais de capteurs, puis en agissant sur l'environnement via des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il ne se limite pas à la simple fourniture d'informations, mais peut également planifier, décomposer les tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que l'Agent IA est déjà intégré dans notre vie, appliqué dans différents scénarios, comme AlphaGo, Siri et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'Agent IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs extérieurs et, en fonction de cela, agir sur l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier le concept. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est une série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT, en revanche, est un agent IA évolué basé sur le modèle GPT.
Aperçu de la catégorie
Le marché actuel des agents IA n'a pas encore de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA sur le marché Web2 + Web3, et en fonction des étiquettes significatives correspondantes à chaque projet, nous les avons classés en catégories de premier et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau sont l'infrastructure de base, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructures : Cette catégorie se concentre sur la construction de contenus de base dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et des applications de base.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents AI.
Classe de traitement des données : traiter et analyser des données de différents formats, principalement utilisées 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'entreprise, fournissant des solutions de services aux entreprises, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent AI.
Interactivité : Semblable à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. L'Agent interactif non seulement reçoit et comprend les besoins des utilisateurs, mais fournit également des retours via des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents IA de soutien émotionnel : fournir un soutien émotionnel et une compagnie.
Type GPT : Agent IA 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, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, et se divise en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de son.
Analyse de l'état actuel du développement des agents AI Web2
Selon nos statistiques, le développement des agents IA dans l'Internet traditionnel Web2 présente une tendance de concentration manifeste. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué certaines analyses sur ce phénomène.
L'impact de la maturité technologique : les projets d'infrastructure dominent principalement grâce à leur maturité technologique. Ces projets sont souvent basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La poussée de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour la technologie AI est plus pressante, en particulier pour les solutions visant à améliorer l'efficacité opérationnelle et à réduire les coûts. En même temps, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour le développement de projets ultérieurs.
Limitations des cas d'utilisation : Dans le même temps, nous avons remarqué que l'application des IA génératrices de contenu sur le marché B2B est relativement limitée. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible d'IA génératrices de contenu dans la bibliothèque 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 l'éclaircissement de la demande du marché, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures resteront la pierre angulaire solide du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous explorons en profondeur certains projets d'agent IA actuellement sur le marché Web2 et procédons à une analyse d'eux, en prenant pour exemples Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de conversation basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'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 compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité a entre 18 et 34 ans, montrant une caractéristique de groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars avec une valorisation atteignant 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 convient de mentionner 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 peut extraire et fournir des réponses détaillées à partir d'Internet. En citant et en référenciant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et leurs recherches de mots-clés, répondant ainsi aux besoins variés 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 sur 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 de 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 affiné, ainsi que deux grands modèles basés sur un modèle open source affiné : pplx-7b-online et pplx-70b-online. Ces modèles conviennent à la recherche académique professionnelle et aux requêtes dans des domaines verticaux, garantissant l'exactitude et la fiabilité des informations.
Midjourney:
Présentation du produit : Les utilisateurs peuvent créer des images de divers styles et thèmes dans Midjourney grâce aux Prompts, couvrant un large éventail de besoins créatifs allant du réalisme à l'abstrait. La plateforme propose également un mélange et une édition d'images, permettant aux utilisateurs de superposer des images et de transférer des styles, la fonction de génération en temps réel de la plateforme garantit que les utilisateurs obtiennent leurs résultats en quelques dizaines de secondes à quelques minutes.