L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agent IA sont principalement des types de services orientés entreprise qui sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent dominants en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents AI dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, démontrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets ayant une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'intégration de la technologie AI dans les produits d'application non axés sur l'IA pourrait constituer un avantage stratégique. Pour les projets AI Agent, il convient de se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de jetons afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : état des lieux des projets émergents et des valorisations 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 ont atteint un incroyable 20,3 millions de dollars, et après la sortie de ChatGPT, OpenAI a rapidement lancé des versions itératives comme GPT-4 et GP4-4o. Face à cette dynamique fulgurante, les grands géants de la technologie traditionnelle réalisent l'importance des applications des modèles d'IA à la pointe comme les LLM, et lancent chacun 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 les grands modèles 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 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 est passé de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs mondiaux pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements dans l'IA montre une forte croissance, avec une explosion de croissance au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'IA dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, soit plus du double 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 ainsi la deuxième startup AI 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 acharnée entre les géants de la technologie, au développement florissant des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets émergent sans cesse, les montants des investissements atteignent de nouveaux sommets, et les évaluations 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 augmentée par la recherche réalisant des avancées significatives dans le traitement du langage. Cependant, ces modèles font toujours face à des défis lorsqu'il s'agit de transformer les avantages techniques 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 problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents d'IA, car les agents d'IA soulignent l'importance de résoudre des problèmes concrets et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie de l'IA d'un modèle linguistique pur vers des systèmes intelligents capables de vraiment comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents d'IA, qui comblent progressivement le fossé entre la technologie de l'IA et la résolution de problèmes concrets. L'évolution de la technologie de l'IA redéfinit constamment l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, s'intègrent aux concepts fondamentaux de la décentralisation, de l'économie des tokens et des contrats intelligents de Web3, nous prévoyons l'émergence d'une série d'applications innovantes. Dans ce domaine croisé prometteur, nous pensons que les agents d'IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour des applications à grande échelle.
Pour cela, nous avons commencé à explorer en profondeur les applications diversifiées des agents IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des couches d'application, 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, pour aider le lecteur à 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 grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. Les techniques de génération enrichies par la recherche peuvent 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 activement des vols et des hôtels à partir d'une seule phrase, d'effectuer des réservations et d'ajouter l'itinéraire au calendrier.
La définition courante d'un agent AI dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, obtenant des informations environnementales par le biais de capteurs, les traitant et influençant l'environnement via des actionneurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent AI est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi 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 que AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et, en conséquence, avoir un impact sur l'environnement réel.
En prenant ChatGPT comme exemple pour clarifier le concept, nous devons clairement indiquer que le Transformer est l'architecture technique qui compose le modèle d'IA, que GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est alors un agent IA évolué à partir du modèle GPT.
Aperçu des catégories
Le marché actuel des agents AI n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI sur les marchés Web2 et Web3, en fonction des étiquettes significatives associées à chaque projet, et les avons divisés en catégories de premier et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau comprennent l'infrastructure de base, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B d'applications de base plus matures.
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 utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : offre des services de formation de modèles pour l'IA, y compris l'inférence, la création et la configuration des modèles, etc.
Services B2B : principalement destinés aux utilisateurs professionnels, offrant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : plateformes intégrant divers services et outils d'Agent AI.
Interaction : Semblable à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), permettant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de compagnie émotionnelle : Fournir un soutien émotionnel et de la compagnie.
Classe GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur la fonction de recherche, fournissant des récupérations d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, en utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents AI dans le Web2 traditionnel présente une tendance de concentration évidente. 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 : la raison pour laquelle les projets d'infrastructure dominent est principalement due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. 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 demande du marché comme moteur : 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 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 leur est favorable pour développer des projets ultérieurs.
Restrictions des cas d'utilisation : 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 leurs productions, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une faible proportion d'IA génératrices de contenu dans le répertoire 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 la clarification accrue des besoins du marché, nous prévoyons que cette configuration pourrait connaître des ajustements, mais les infrastructures resteront la pierre angulaire solide du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons en prenant pour exemple trois projets : 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, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, la plupart d'entre eux ayant entre 18 et 34 ans, ce qui montre des caractéristiques d'un groupe d'utilisateurs plus jeune. Character AI a bien performé sur le marché des capitaux, ayant réalisé un financement de 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, pour l'utilisation de son modèle de langage de grande taille, 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 peut extraire des réponses détaillées d'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 pour poser des questions supplémentaires et rechercher des mots-clés, répondant ainsi aux besoins de requêtes diversifiés 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, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, ainsi que deux grands modèles affinés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Les modèles conviennent à la recherche académique professionnelle et à la verticale.
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.
11 J'aime
Récompense
11
9
Reposter
Partager
Commentaire
0/400
ApeWithAPlan
· 08-09 23:49
N'est-ce pas adapté pour le trading ?
Voir l'originalRépondre0
airdrop_whisperer
· 08-09 16:52
Encore une fois, c'est le bon moment pour se faire prendre pour des cons.
Voir l'originalRépondre0
HappyToBeDumped
· 08-08 15:24
L'IA semble simplement magnifique.
Voir l'originalRépondre0
DoomCanister
· 08-07 06:34
prendre les gens pour des idiots terminé, puis rendre
Voir l'originalRépondre0
AirdropHarvester
· 08-07 06:33
C'est parti, que ça monte ou pas, ce sont des pigeons.
Voir l'originalRépondre0
GasFeeCrier
· 08-07 06:31
23% capitalisation boursière seulement ? To the moon n'a même pas commencé~
Voir l'originalRépondre0
HashBard
· 08-07 06:30
ah, le sentiment du marché sent comme en 2021... mais cette fois-ci avec de l'IA saupoudrée d'hopium
Voir l'originalRépondre0
Whale_Whisperer
· 08-07 06:17
On parle encore de la bulle des agents ? Ils sont tous en faillite, et pourtant... ~
Chronique de la croissance de l'Agent IA : l'émergence du domaine Web3 et l'analyse du paysage du marché
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agent IA sont principalement des types de services orientés entreprise qui sont populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent dominants en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents AI dans le Web3 est relativement faible, représentant 8 %, mais leur part de marché dans le secteur de l'IA atteint 23 %, démontrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets ayant une valorisation supérieure à 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'intégration de la technologie AI dans les produits d'application non axés sur l'IA pourrait constituer un avantage stratégique. Pour les projets AI Agent, il convient de se concentrer sur la construction d'un écosystème complet et la conception de modèles économiques de jetons afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : état des lieux des projets émergents et des valorisations 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 ont atteint un incroyable 20,3 millions de dollars, et après la sortie de ChatGPT, OpenAI a rapidement lancé des versions itératives comme GPT-4 et GP4-4o. Face à cette dynamique fulgurante, les grands géants de la technologie traditionnelle réalisent l'importance des applications des modèles d'IA à la pointe comme les LLM, et lancent chacun 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 les grands modèles 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 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 est passé de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs mondiaux pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, le marché des investissements dans l'IA montre une forte croissance, avec une explosion de croissance au deuxième trimestre 2024. Il y a eu au total 16 investissements liés à l'IA dépassant 150 millions de dollars dans le monde, soit le double du premier trimestre. Le montant total des financements pour les startups AI a également grimpé à 24 milliards de dollars, soit plus du double 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 ainsi la deuxième startup AI 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 acharnée entre les géants de la technologie, au développement florissant des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets émergent sans cesse, les montants des investissements atteignent de nouveaux sommets, et les évaluations 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 augmentée par la recherche réalisant des avancées significatives dans le traitement du langage. Cependant, ces modèles font toujours face à des défis lorsqu'il s'agit de transformer les avantages techniques 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 problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents d'IA, car les agents d'IA soulignent l'importance de résoudre des problèmes concrets et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie de l'IA d'un modèle linguistique pur vers des systèmes intelligents capables de vraiment comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents d'IA, qui comblent progressivement le fossé entre la technologie de l'IA et la résolution de problèmes concrets. L'évolution de la technologie de l'IA redéfinit constamment l'architecture de la productivité, tandis que la technologie Web3 reconstruit les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'IA : données, modèles et puissance de calcul, s'intègrent aux concepts fondamentaux de la décentralisation, de l'économie des tokens et des contrats intelligents de Web3, nous prévoyons l'émergence d'une série d'applications innovantes. Dans ce domaine croisé prometteur, nous pensons que les agents d'IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour des applications à grande échelle.
Pour cela, nous avons commencé à explorer en profondeur les applications diversifiées des agents IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des couches d'application, 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, pour aider le lecteur à 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 grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. Les techniques de génération enrichies par la recherche peuvent 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 activement des vols et des hôtels à partir d'une seule phrase, d'effectuer des réservations et d'ajouter l'itinéraire au calendrier.
La définition courante d'un agent AI dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, obtenant des informations environnementales par le biais de capteurs, les traitant et influençant l'environnement via des actionneurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent AI est un assistant qui combine des capacités de LLM, RAG, mémoire, planification des tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi 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 que AlphaGo, Siri, et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et, en conséquence, avoir un impact sur l'environnement réel.
En prenant ChatGPT comme exemple pour clarifier le concept, nous devons clairement indiquer que le Transformer est l'architecture technique qui compose le modèle d'IA, que GPT est une série de modèles développée sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions du modèle à différents stades de développement. ChatGPT est alors un agent IA évolué à partir du modèle GPT.
Aperçu des catégories
Le marché actuel des agents AI n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents AI sur les marchés Web2 et Web3, en fonction des étiquettes significatives associées à chaque projet, et les avons divisés en catégories de premier et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau comprennent l'infrastructure de base, la génération de contenu et l'interaction utilisateur, qui sont ensuite subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des Agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B d'applications de base plus matures.
Interaction : Semblable à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs non seulement acceptent et comprennent les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), permettant ainsi une interaction bidirectionnelle avec les utilisateurs.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, en utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération de sons.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents AI dans le Web2 traditionnel présente une tendance de concentration évidente. 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 : la raison pour laquelle les projets d'infrastructure dominent est principalement due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. 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 demande du marché comme moteur : 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 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 leur est favorable pour développer des projets ultérieurs.
Restrictions des cas d'utilisation : 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 leurs productions, les entreprises préfèrent des applications capables d'améliorer de manière stable la productivité. Cela a conduit à une faible proportion d'IA génératrices de contenu dans le répertoire 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 la clarification accrue des besoins du marché, nous prévoyons que cette configuration pourrait connaître des ajustements, mais les infrastructures resteront la pierre angulaire solide du développement des agents AI.
Analyse des projets leaders d'agents IA Web2
Nous examinons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons en prenant pour exemple trois projets : 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, avec plus de 3,5 millions d'utilisateurs actifs quotidiens, la plupart d'entre eux ayant entre 18 et 34 ans, ce qui montre des caractéristiques d'un groupe d'utilisateurs plus jeune. Character AI a bien performé sur le marché des capitaux, ayant réalisé un financement de 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, pour l'utilisation de son modèle de langage de grande taille, 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 peut extraire des réponses détaillées d'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 pour poser des questions supplémentaires et rechercher des mots-clés, répondant ainsi aux besoins de requêtes diversifiés 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, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 affiné, ainsi que deux grands modèles affinés basés sur des modèles open source : pplx-7b-online et pplx-70b-online. Les modèles conviennent à la recherche académique professionnelle et à la verticale.