L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agent IA sont principalement des services B2B 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 mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents AI dans le Web3 est limité, représentant 8 %, mais leur part de valeur marchande dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets valant plus de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application non centraux à l'AI pourrait devenir un avantage stratégique. Pour les projets d'Agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception du modèle économique des jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : État des lieux des projets émergents et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles comme Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des statistiques d'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, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie de l'IA se reflète directement sur le marché des investissements, avec un marché des investissements dans l'IA affichant une forte croissance, enregistrant une croissance explosive au deuxième trimestre de 2024. Au niveau mondial, il y a eu 16 investissements liés à l'IA dépassant 150 millions de dollars, soit le double du nombre du premier trimestre. Le montant total des financements des startups en IA a même grimpé à 24 milliards de dollars, doublant par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième startup en IA la mieux 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 affluent, les investissements atteignent des sommets records, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération améliorée par la recherche réalisant des progrès significatifs dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque de générer des informations inexactes et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est primordiale.
Dans ce contexte, nous avons commencé à mener des recherches sur les Agents IA, car les Agents IA mettent l'accent sur l'exhaustivité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique 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 comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA continue de remodeler l'architecture 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 fusionnent avec les idées fondamentales de la décentralisation, de l'économie de jetons et des contrats intelligents de Web3, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine interdisciplinaire plein de potentiel, nous pensons que les Agents IA, avec leur capacité d'exécution autonome des tâches, montrent un immense potentiel pour une application à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées de l'Agent AI dans le Web3, en examinant plusieurs dimensions, allant des infrastructures Web3, des 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 scénarios d'application 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
Introduction 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 pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut fournir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans les films Iron Man, il peut comprendre vos besoins et, sur la base d'une de vos phrases, rechercher activement des vols et des hôtels, exécuter des réservations et ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée de l'Agent IA dans l'industrie est un système intelligent capable de percevoir l'environnement et de prendre des mesures appropriées, obtenant des informations environnementales par le biais de capteurs, puis influençant l'environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons que l'Agent IA est un assistant qui combine des capacités de LLM, RAG, de mémoire, de planification de tâches et d'utilisation d'outils. Il peut non seulement fournir des informations, mais également planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans nos vies, appliqués dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et plus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs et agir en conséquence pour influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, que GPT est une série de modèles développés sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP est un agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Le marché actuel des agents AI n'a pas encore de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons classés en catégories de premier et de deuxième niveau. Parmi celles-ci, la catégorie de premier niveau comprend trois types : infrastructures de base, génération de contenu, et interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure type : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et basés sur des applications fondamentales.
Outils de développement : fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisés pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, la configuration, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprise, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent IA.
Classe interactive : similaire à la classe de génération de contenu, la différence réside dans l'interaction bilatérale continue. L'agent interactif ne se contente pas d'accepter et de comprendre les besoins des utilisateurs, mais fournit également des retours grâce à des techniques telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bilatérale avec les utilisateurs.
Agent AI d'accompagnement émotionnel : fournit un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : se concentre sur les fonctionnalités de recherche, fournissant un Agent principalement axé sur la récupération d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des 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 IA Web2
Selon nos statistiques, le développement d'agents IA dans le Web2 traditionnel montre une tendance de concentration évidente des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également réalisé quelques analyses sur ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, réduisant ainsi 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. Comparé au marché des consommateurs, la demande de technologies IA sur le marché des entreprises est plus pressante, surtout en ce qui concerne 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 les aide à développer des projets futurs.
Limitations des scénarios d'application : En 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 la productivité de manière stable. Cela a conduit à une part relativement faible des IA génératrices de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'application. Avec les progrès continus de la technologie AI et une demande du marché de plus en plus claire, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures continueront d'être la pierre angulaire du développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous explorons en profondeur certains projets d'agent IA sur le marché Web2 actuel et les analysons, en prenant les projets Character AI, Perplexity AI et Midjourney comme exemples.
Caractère IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de tenir 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 plus jeune. Character AI a excellé 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 noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en fournissant des liens de référence, il assure la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et 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 % du trafic 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, atteignant une valorisation de 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.
Analyse technique : Le modèle principal 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. Le modèle est adapté pour la recherche académique professionnelle et spécialisée.
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.
23 J'aime
Récompense
23
9
Partager
Commentaire
0/400
GasBankrupter
· 07-14 06:00
Cette chose est vraiment utile ? La paille n'est pas aussi bien que buy the dip.
Voir l'originalRépondre0
tokenomics_truther
· 07-13 14:37
8% de part capitalisation boursière 23% vrai rouleau ah
Voir l'originalRépondre0
StakeTillRetire
· 07-13 07:29
Les données sont plutôt bonnes, ça vaut le coup d'investir un peu.
Voir l'originalRépondre0
SleepyValidator
· 07-13 01:55
Un peu de rouleau 23% de capitalisation boursière juste 8% de quantité
Voir l'originalRépondre0
GasFeeWhisperer
· 07-13 01:55
Les attentes de bull run sont prêtes, il ne reste plus qu'à voir si l'agent peut courir vite.
Voir l'originalRépondre0
0xLostKey
· 07-13 01:52
Se faire prendre pour des cons, nouvelle méthode arrivée
Voir l'originalRépondre0
AltcoinAnalyst
· 07-13 01:52
Selon les données, la part de capitalisation boursière du secteur Agent a atteint 23 %, la courbe de croissance du TVL correspond aux attentes, mais il faut faire attention à la structure de répartition des tokens et au risque de concentration de poids individuel. Il est conseillé de participer modérément pour maintenir la liquidité, je ne recommande pas d'entrer en Heavy Position.
Voir l'originalRépondre0
HorizonHunter
· 07-13 01:52
La réputation est tombée à zéro... le prochain bull run dépendra de cela.
Voir l'originalRépondre0
Web3Educator
· 07-13 01:27
*ajuste ses lunettes* des données intéressantes sur les agents ai... mais ne nous leurrons pas sur le fait que la tokenomics est la sauce magique ici
L'agent IA peut-il devenir l'atout gagnant dans la course Web3+IA
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agent IA sont principalement des services B2B 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 mainstream en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents AI dans le Web3 est limité, représentant 8 %, mais leur part de valeur marchande dans le secteur de l'IA atteint 23 %, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité technologique et l'augmentation de la reconnaissance du marché, plusieurs projets valant plus de 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de technologies AI dans les produits d'application non centraux à l'AI pourrait devenir un avantage stratégique. Pour les projets d'Agent AI, l'accent doit être mis sur la construction d'un écosystème complet et la conception du modèle économique des jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : État des lieux des projets émergents et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. En mai 2024, les revenus mensuels de ChatGPT ont atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants de la technologie traditionnelle ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que les LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont introduit des grands modèles comme Wenxin Yiyan et Zhipu Qingyan. Il est clair que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grandes entreprises technologiques a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert à partir des statistiques d'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, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie de l'IA se reflète directement sur le marché des investissements, avec un marché des investissements dans l'IA affichant une forte croissance, enregistrant une croissance explosive au deuxième trimestre de 2024. Au niveau mondial, il y a eu 16 investissements liés à l'IA dépassant 150 millions de dollars, soit le double du nombre du premier trimestre. Le montant total des financements des startups en IA a même grimpé à 24 milliards de dollars, doublant par rapport à l'année précédente. Parmi eux, xAI, dirigé par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant la deuxième startup en IA la mieux 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 affluent, les investissements atteignent des sommets records, et les valorisations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est en pleine période de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération améliorée par la recherche réalisant des progrès significatifs dans le traitement du langage. Néanmoins, ces modèles sont confrontés à des défis lorsqu'il s'agit de transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque de générer des informations inexactes et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est primordiale.
Dans ce contexte, nous avons commencé à mener des recherches sur les Agents IA, car les Agents IA mettent l'accent sur l'exhaustivité de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA d'un modèle linguistique 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 comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA continue de remodeler l'architecture 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 fusionnent avec les idées fondamentales de la décentralisation, de l'économie de jetons et des contrats intelligents de Web3, nous prévoyons qu'une série d'applications innovantes émergera. Dans ce domaine interdisciplinaire plein de potentiel, nous pensons que les Agents IA, avec leur capacité d'exécution autonome des tâches, montrent un immense potentiel pour une application à grande échelle.
Pour cela, nous avons commencé à étudier en profondeur les applications diversifiées de l'Agent AI dans le Web3, en examinant plusieurs dimensions, allant des infrastructures Web3, des 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 scénarios d'application 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
Introduction 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 pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération améliorée par la recherche peut fournir un contenu de destination plus riche et spécifique. L'Agent IA est comme J.A.R.V.I.S. dans les films Iron Man, il peut comprendre vos besoins et, sur la base d'une de vos phrases, rechercher activement des vols et des hôtels, exécuter des réservations et ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée de l'Agent IA dans l'industrie est un système intelligent capable de percevoir l'environnement et de prendre des mesures appropriées, obtenant des informations environnementales par le biais de capteurs, puis influençant l'environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous considérons que l'Agent IA est un assistant qui combine des capacités de LLM, RAG, de mémoire, de planification de tâches et d'utilisation d'outils. Il peut non seulement fournir des informations, mais également planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents IA sont déjà intégrés dans nos vies, appliqués dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et plus de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs et agir en conséquence pour influencer l'environnement réel.
Prenons l'exemple de ChatGPT pour clarifier les concepts. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, que GPT est une série de modèles développés sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP est un agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Le marché actuel des agents AI n'a pas encore de norme de classification unifiée. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, et en fonction des étiquettes significatives de chaque projet, nous les avons classés en catégories de premier et de deuxième niveau. Parmi celles-ci, la catégorie de premier niveau comprend trois types : infrastructures de base, génération de contenu, et interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure type : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B plus matures et basés sur des applications fondamentales.
Outils de développement : fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser différents formats de données, principalement utilisés pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie d'entraînement de modèle : fournit des services d'entraînement de modèle pour l'IA, y compris l'inférence, la création de modèles, la configuration, etc.
Services B2B : principalement destinés aux utilisateurs d'entreprise, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'agent IA.
Classe interactive : similaire à la classe de génération de contenu, la différence réside dans l'interaction bilatérale continue. L'agent interactif ne se contente pas d'accepter et de comprendre les besoins des utilisateurs, mais fournit également des retours grâce à des techniques telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bilatérale avec les utilisateurs.
Agent AI d'accompagnement émotionnel : fournit un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : se concentre sur les fonctionnalités de recherche, fournissant un Agent principalement axé sur la récupération d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant la technologie des grands modèles pour générer diverses formes de contenu en fonction des 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 IA Web2
Selon nos statistiques, le développement d'agents IA dans le Web2 traditionnel montre une tendance de concentration évidente des secteurs. Plus précisément, environ deux tiers des projets sont concentrés dans les infrastructures, principalement dans les services B2B et les outils de développement, et nous avons également réalisé quelques analyses sur ce phénomène.
L'impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est d'abord due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, réduisant ainsi 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. Comparé au marché des consommateurs, la demande de technologies IA sur le marché des entreprises est plus pressante, surtout en ce qui concerne 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 les aide à développer des projets futurs.
Limitations des scénarios d'application : En 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 la productivité de manière stable. Cela a conduit à une part relativement faible des IA génératrices de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'application. Avec les progrès continus de la technologie AI et une demande du marché de plus en plus claire, nous prévoyons que ce schéma pourrait être ajusté, mais les infrastructures continueront d'être la pierre angulaire du développement des agents AI.
Analyse des projets leaders des agents IA Web2
Nous explorons en profondeur certains projets d'agent IA sur le marché Web2 actuel et les analysons, en prenant les projets Character AI, Perplexity AI et Midjourney comme exemples.
Caractère IA :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de tenir 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 plus jeune. Character AI a excellé 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 noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer et de fournir des réponses détaillées depuis Internet. En citant et en fournissant des liens de référence, il assure la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs dans leurs questions et 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 % du trafic 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, atteignant une valorisation de 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et NVIDIA.
Analyse technique : Le modèle principal 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. Le modèle est adapté pour la recherche académique professionnelle et spécialisée.