O Agente de IA pode ser a tábua de salvação do Web3+IA?
Os projetos de AI Agent são predominantemente populares e maduros no lado empresarial do Web2, enquanto no campo do Web3, projetos de treinamento de modelos e agregação de plataformas tornaram-se mainstream devido ao seu papel crucial na construção de ecossistemas.
Atualmente, o número de projetos de Agentes de IA no Web3 é baixo, representando 8%, mas a sua participação no valor de mercado no setor de IA atinge impressionantes 23%, demonstrando uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurecer e a aceitação do mercado aumentar, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologia AI em produtos que não são centrais em AI pode se tornar uma vantagem estratégica. A forma de combinação do projeto AI Agent deve focar na construção de um ecossistema completo e no design de modelos econômicos de tokens para promover a descentralização e os efeitos de rede.
A Onda da IA: A Situação de Projetos Emergentes e Valorações Elevadas
Desde que o ChatGPT foi lançado em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Até maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o. Com esse crescimento explosivo, as grandes empresas de tecnologia tradicionais perceberam a importância das aplicações de modelos de AI de ponta como o LLM e começaram a lançar seus próprios modelos e aplicações de AI. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto as empresas chinesas lançaram grandes modelos como o Wenxin Yiyan e o Zhipu Qingyan. É evidente que o campo da IA se tornou um campo de batalha essencial.
A competição entre os grandes gigantes da tecnologia não apenas impulsionou o desenvolvimento de aplicações comerciais, mas também descobrimos através de uma pesquisa de estatísticas sobre pesquisa em IA que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023, especialmente após o lançamento do GPT em 2023, onde o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade de desenvolvedores global pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um crescimento robusto, com um crescimento explosivo no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA que ultrapassaram os 150 milhões de dólares, o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, um aumento de mais de 100% em relação ao ano anterior. Entre elas, a xAI de Elon Musk arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está reformulando o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa competição entre gigantes da tecnologia, até o florescimento de projetos da comunidade de código aberto, e a fervorosa busca do mercado de capitais pelo conceito de IA. Projetos surgem a todo momento, com investimentos atingindo novos recordes e avaliações subindo em espiral. De modo geral, o mercado de IA está em um período de ouro de rápido crescimento, com grandes modelos de linguagem e tecnologias de geração aumentada por busca alcançando avanços significativos no processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios ao transformar a vantagem tecnológica em produtos reais, como a incerteza na saída dos modelos, o risco de alucinação ao gerar informações imprecisas e problemas de transparência dos modelos. Essas questões tornam-se especialmente importantes em cenários de aplicação onde a confiabilidade é extremamente necessária.
Neste contexto, começamos a pesquisar sobre o AI Agent, pois o AI Agent enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia AI de modelos de linguagem puramente para sistemas inteligentes que realmente entendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do AI Agent, que está gradualmente fechando a lacuna entre a tecnologia AI e a resolução de problemas práticos. A evolução da tecnologia AI está constantemente reconfigurando a arquitetura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da AI: dados, modelos e poder computacional, se fundem com os conceitos centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo de intersecção cheio de potencial, acreditamos que o AI Agent, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para alcançar aplicações em larga escala.
Para isso, começamos a investigar em profundidade as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até a camada de aplicação, além de mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de entender melhor a profunda integração entre AI e Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações de Agentes de IA
Introdução básica
Antes de introduzir o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos dar um exemplo através de uma situação prática: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais oferecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma frase sua, procurar proativamente voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição geralmente aceita de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e agir de acordo, obtendo informações ambientais por meio de sensores, processando essas informações e afetando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas fornece informações de forma simples, mas também é capaz de planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 ou superior da Tesla, que podem ser considerados exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do mundo externo e, com base nisso, causar um impacto no ambiente real.
Tomando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos desenvolvidos com base nessa arquitetura, e o GPT-1, GPT-4, GPT-4o representam as versões do modelo em diferentes estágios de desenvolvimento. O ChatGP é um agente de IA que evoluiu a partir do modelo GPT.
Classificação Geral
Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Classificamos 204 projetos de Agentes de IA nos mercados Web2 + Web3, atribuindo etiquetas a cada projeto com base nas etiquetas significativas correspondentes, dividindo-os em categorias primárias e secundárias. As categorias primárias incluem infraestrutura básica, geração de conteúdo e interação com o usuário, e são subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais na área de Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, bem como serviços B2B de aplicação mais madura e de base.
Ferramentas de desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir Agentes de IA.
Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente para auxiliar na tomada de decisões e fornecer fontes para o treinamento.
Classe de treinamento de modelos: fornece serviços de treinamento de modelos para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços para o setor B: direcionados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataformas de agregação: plataformas que integram vários serviços e ferramentas de Agentes de IA.
Interativo: Semelhante à geração de conteúdo, a diferença está na interação contínua e bidirecional. O agente interativo não apenas aceita e compreende as necessidades do usuário, mas também fornece feedback através de técnicas como processamento de linguagem natural (NLP), realizando uma interação bidirecional com o usuário.
Agentes de IA de acompanhamento emocional: oferecem suporte emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformer pré-treinado generativo).
Tipo de pesquisa: Focado na funcionalidade de pesquisa, oferecendo um Agente principalmente para recuperação de informações mais precisas.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de grandes modelos para gerar várias formas de conteúdo com base nas instruções do usuário, dividindo-se em geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento de Agentes de IA Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma tendência de concentração de segmentos bastante evidente. Especificamente, cerca de dois terços dos projetos estão concentrados na categoria de infraestrutura, onde predominam principalmente serviços B2B e ferramentas de desenvolvimento, e fizemos algumas análises sobre este fenômeno.
O impacto da maturidade tecnológica: os projetos de infraestrutura dominam principalmente devido à sua maturidade tecnológica. Estes projetos geralmente são baseados em tecnologias e estruturas testadas pelo tempo, o que reduz a dificuldade e o risco de desenvolvimento. Equivale à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulsionado pela demanda do mercado: outro fator chave é a demanda do mercado. Em comparação com o mercado de consumo, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que facilita o desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à instabilidade da produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção menor de IA de geração de conteúdo no portfólio de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com o contínuo avanço da tecnologia de IA e a maior clareza das demandas do mercado, prevemos que este padrão poderá sofrer ajustes, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise dos principais projetos de Agentes de IA do Web2
Exploramos profundamente alguns projetos de Agentes de IA no atual mercado Web2 e analisamos eles, utilizando os projetos Character AI, Perplexity AI e Midjourney como exemplos.
Character AI：
Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite aos utilizadores criar, treinar e interagir com personagens virtuais que conseguem realizar diálogos em linguagem natural e executar tarefas específicas.
Análise de dados: Character.AI teve 277 milhões de acessos em maio, com mais de 3,5 milhões de utilizadores ativos diários na plataforma, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um público jovem. A Character AI teve um desempenho excelente no mercado de capitais, levantando 150 milhões de dólares em financiamento, com uma avaliação de 1 bilhão de dólares, liderada pela a16z.
Análise técnica: A Character AI assinou um contrato de licença não exclusiva com a empresa-mãe do Google, Alphabet, para usar seus modelos de linguagem de grande escala, o que indica que a Character AI está utilizando tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity consegue capturar e fornecer respostas detalhadas da internet. Através de citações e links de referência, garante a fiabilidade e precisão das informações, enquanto educa e orienta os usuários a fazer perguntas adicionais e pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos usuários.
Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um aumento de 8,6% nas visitas a suas aplicações móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que obteve 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O principal modelo usado pela Perplexity é o GPT-3.5 ajustado, além de dois grandes modelos ajustados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e vertical.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
11 gostos
Recompensa
11
9
Republicar
Partilhar
Comentar
0/400
ApeWithAPlan
· 08-09 23:49
Então não é adequado para especulação?
Ver originalResponder0
airdrop_whisperer
· 08-09 16:52
Outra boa oportunidade para fazer as pessoas de parvas novamente.
Ver originalResponder0
HappyToBeDumped
· 08-08 15:24
A IA só parece bonita.
Ver originalResponder0
DoomCanister
· 08-07 06:34
fazer as pessoas de parvas完就润
Ver originalResponder0
AirdropHarvester
· 08-07 06:33
Começou! Subir ou não, são idiotas.
Ver originalResponder0
GasFeeCrier
· 08-07 06:31
23% capitalização de mercado só isso? Até à lua ainda não começou~
Ver originalResponder0
HashBard
· 08-07 06:30
ah, o sentimento do mercado cheira a 2021... mas desta vez com um pouco de esperança de IA
Ver originalResponder0
Whale_Whisperer
· 08-07 06:17
Ainda está a soprar a bolha do Agent? Já está tudo falido e ainda é preciso~
A Jornada de Crescimento do Agente de IA: Ascensão no Campo Web3 e Análise do Mercado
O Agente de IA pode ser a tábua de salvação do Web3+IA?
Os projetos de AI Agent são predominantemente populares e maduros no lado empresarial do Web2, enquanto no campo do Web3, projetos de treinamento de modelos e agregação de plataformas tornaram-se mainstream devido ao seu papel crucial na construção de ecossistemas.
Atualmente, o número de projetos de Agentes de IA no Web3 é baixo, representando 8%, mas a sua participação no valor de mercado no setor de IA atinge impressionantes 23%, demonstrando uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurecer e a aceitação do mercado aumentar, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologia AI em produtos que não são centrais em AI pode se tornar uma vantagem estratégica. A forma de combinação do projeto AI Agent deve focar na construção de um ecossistema completo e no design de modelos econômicos de tokens para promover a descentralização e os efeitos de rede.
A Onda da IA: A Situação de Projetos Emergentes e Valorações Elevadas
Desde que o ChatGPT foi lançado em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Até maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI, após o lançamento do ChatGPT, rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o. Com esse crescimento explosivo, as grandes empresas de tecnologia tradicionais perceberam a importância das aplicações de modelos de AI de ponta como o LLM e começaram a lançar seus próprios modelos e aplicações de AI. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto as empresas chinesas lançaram grandes modelos como o Wenxin Yiyan e o Zhipu Qingyan. É evidente que o campo da IA se tornou um campo de batalha essencial.
A competição entre os grandes gigantes da tecnologia não apenas impulsionou o desenvolvimento de aplicações comerciais, mas também descobrimos através de uma pesquisa de estatísticas sobre pesquisa em IA que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023, especialmente após o lançamento do GPT em 2023, onde o número de projetos cresceu 59,3% em relação ao ano anterior, refletindo o entusiasmo da comunidade de desenvolvedores global pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um crescimento robusto, com um crescimento explosivo no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA que ultrapassaram os 150 milhões de dólares, o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, um aumento de mais de 100% em relação ao ano anterior. Entre elas, a xAI de Elon Musk arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, atrás apenas da OpenAI.
O rápido desenvolvimento da tecnologia de IA está reformulando o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa competição entre gigantes da tecnologia, até o florescimento de projetos da comunidade de código aberto, e a fervorosa busca do mercado de capitais pelo conceito de IA. Projetos surgem a todo momento, com investimentos atingindo novos recordes e avaliações subindo em espiral. De modo geral, o mercado de IA está em um período de ouro de rápido crescimento, com grandes modelos de linguagem e tecnologias de geração aumentada por busca alcançando avanços significativos no processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios ao transformar a vantagem tecnológica em produtos reais, como a incerteza na saída dos modelos, o risco de alucinação ao gerar informações imprecisas e problemas de transparência dos modelos. Essas questões tornam-se especialmente importantes em cenários de aplicação onde a confiabilidade é extremamente necessária.
Neste contexto, começamos a pesquisar sobre o AI Agent, pois o AI Agent enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia AI de modelos de linguagem puramente para sistemas inteligentes que realmente entendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do AI Agent, que está gradualmente fechando a lacuna entre a tecnologia AI e a resolução de problemas práticos. A evolução da tecnologia AI está constantemente reconfigurando a arquitetura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da AI: dados, modelos e poder computacional, se fundem com os conceitos centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que surgirão uma série de aplicações inovadoras. Neste campo de intersecção cheio de potencial, acreditamos que o AI Agent, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para alcançar aplicações em larga escala.
Para isso, começamos a investigar em profundidade as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até a camada de aplicação, além de mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, a fim de entender melhor a profunda integração entre AI e Web3.
Esclarecimento de conceitos: Introdução e visão geral das classificações de Agentes de IA
Introdução básica
Antes de introduzir o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos dar um exemplo através de uma situação prática: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais oferecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma frase sua, procurar proativamente voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição geralmente aceita de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e agir de acordo, obtendo informações ambientais por meio de sensores, processando essas informações e afetando o ambiente através de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não apenas fornece informações de forma simples, mas também é capaz de planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e a condução autónoma de nível L5 ou superior da Tesla, que podem ser considerados exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do mundo externo e, com base nisso, causar um impacto no ambiente real.
Tomando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, o GPT é uma série de modelos desenvolvidos com base nessa arquitetura, e o GPT-1, GPT-4, GPT-4o representam as versões do modelo em diferentes estágios de desenvolvimento. O ChatGP é um agente de IA que evoluiu a partir do modelo GPT.
Classificação Geral
Atualmente, o mercado de Agentes de IA ainda não formou um padrão de classificação unificado. Classificamos 204 projetos de Agentes de IA nos mercados Web2 + Web3, atribuindo etiquetas a cada projeto com base nas etiquetas significativas correspondentes, dividindo-os em categorias primárias e secundárias. As categorias primárias incluem infraestrutura básica, geração de conteúdo e interação com o usuário, e são subdivididas de acordo com seus casos de uso reais:
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais na área de Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, bem como serviços B2B de aplicação mais madura e de base.
Interativo: Semelhante à geração de conteúdo, a diferença está na interação contínua e bidirecional. O agente interativo não apenas aceita e compreende as necessidades do usuário, mas também fornece feedback através de técnicas como processamento de linguagem natural (NLP), realizando uma interação bidirecional com o usuário.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de grandes modelos para gerar várias formas de conteúdo com base nas instruções do usuário, dividindo-se em geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento de Agentes de IA Web2
De acordo com as nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma tendência de concentração de segmentos bastante evidente. Especificamente, cerca de dois terços dos projetos estão concentrados na categoria de infraestrutura, onde predominam principalmente serviços B2B e ferramentas de desenvolvimento, e fizemos algumas análises sobre este fenômeno.
O impacto da maturidade tecnológica: os projetos de infraestrutura dominam principalmente devido à sua maturidade tecnológica. Estes projetos geralmente são baseados em tecnologias e estruturas testadas pelo tempo, o que reduz a dificuldade e o risco de desenvolvimento. Equivale à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulsionado pela demanda do mercado: outro fator chave é a demanda do mercado. Em comparação com o mercado de consumo, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que facilita o desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA de geração de conteúdo no mercado B2B é relativamente limitada. Devido à instabilidade da produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção menor de IA de geração de conteúdo no portfólio de projetos.
Esta tendência reflete a maturidade tecnológica, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com o contínuo avanço da tecnologia de IA e a maior clareza das demandas do mercado, prevemos que este padrão poderá sofrer ajustes, mas a infraestrutura continuará a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise dos principais projetos de Agentes de IA do Web2
Exploramos profundamente alguns projetos de Agentes de IA no atual mercado Web2 e analisamos eles, utilizando os projetos Character AI, Perplexity AI e Midjourney como exemplos.
Character AI：
Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite aos utilizadores criar, treinar e interagir com personagens virtuais que conseguem realizar diálogos em linguagem natural e executar tarefas específicas.
Análise de dados: Character.AI teve 277 milhões de acessos em maio, com mais de 3,5 milhões de utilizadores ativos diários na plataforma, a maioria dos quais tem entre 18 e 34 anos, mostrando características de um público jovem. A Character AI teve um desempenho excelente no mercado de capitais, levantando 150 milhões de dólares em financiamento, com uma avaliação de 1 bilhão de dólares, liderada pela a16z.
Análise técnica: A Character AI assinou um contrato de licença não exclusiva com a empresa-mãe do Google, Alphabet, para usar seus modelos de linguagem de grande escala, o que indica que a Character AI está utilizando tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity consegue capturar e fornecer respostas detalhadas da internet. Através de citações e links de referência, garante a fiabilidade e precisão das informações, enquanto educa e orienta os usuários a fazer perguntas adicionais e pesquisar palavras-chave, satisfazendo as diversas necessidades de consulta dos usuários.
Análise de dados: O número de usuários ativos mensais da Perplexity atingiu 10 milhões, com um aumento de 8,6% nas visitas a suas aplicações móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que obteve 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com a participação de Stan Druckenmiller e NVIDIA.
Análise técnica: O principal modelo usado pela Perplexity é o GPT-3.5 ajustado, além de dois grandes modelos ajustados com base em grandes modelos de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e vertical.