Проекты AI Agent являются популярным и зрелым типом в сфере Web2, в основном ориентированным на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и объединению платформ стали основными из-за их ключевой роли в создании экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в продукты, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При разработке проектов AI Agent следует акцентировать внимание на создании всей экосистемы и проектировании токеномической модели для содействия децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и повышения оценок
С момента появления ChatGPT в ноябре 2022 года, он за короткие два месяца привлек более ста миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг потрясающих 20,3 миллиона долларов, а OpenAI быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o после запуска ChatGPT. Такой стремительный рост заставил крупных традиционных технологических гигантов осознать важность применения передовых AI моделей, таких как LLM, и они начали запускать свои AI модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили модели, такие как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала ареной, за которую борются все.
Соревнование между крупными технологическими гигантами не только способствует развитию коммерческих приложений, но и из статистики открытых исследований AI мы обнаружили, что AI Index report 2024 года показывает, что количество проектов, связанных с AI на GitHub, резко возросло с 845 в 2011 году до около 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов выросло на 59,3% по сравнению с предыдущим годом, что отражает интерес глобального сообщества разработчиков к исследованиям AI.
Страсть к технологиям ИИ прямо отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире было осуществлено 16 инвестиционных сделок в области ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также взлетела до 24 миллиардов долларов, что более чем в два раза превышает прошлогодние показатели. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов с оценкой в 24 миллиарда долларов, став второй по величине в мире стартапом в области ИИ после OpenAI.
Быстрое развитие технологий ИИ в настоящее время пересматривает ландшафт технологической области с беспрецедентной скоростью. От ожесточенной конкуренции между технологическими гигантами до бурного роста проектов в сообществе open-source и до горячего интереса капитального рынка к концепции ИИ. Проекты появляются один за другим, объем инвестиций достигает новых рекордов, а оценки также стремительно растут. В целом, рынок ИИ находится в периоде золотого века быстрого развития, где крупные языковые модели и технологии, усиливающие поиск, достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выхода моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти проблемы становятся особенно важными в сценариях применения, где требуются высокая надежность.
В этом контексте мы начинаем исследовать AI Agent, поскольку AI Agent подчеркивает комплексность решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию AI технологий от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между AI технологиями и решением практических задач. Эволюция AI технологий постоянно переосмысливает структуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три ключевых элемента AI: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предсказываем, что это приведет к возникновению ряда инновационных приложений. В этой многообещающей пересекающейся области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для реализации масштабных приложений.
В связи с этим мы начали углубленное изучение разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью выявления и оценки наиболее многообещающих типов проектов и сценариев применения, чтобы глубже понять глубокое слияние AI и Web3.
Уточнение понятий: Введение и обзор классификации AI-агентов
Основное введение
Перед тем как представить AI Агент, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционные большие языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатое и конкретное содержание о местах назначения. AI Агент похож на Джарвиса из фильма о Железном человеке, он может понять потребности и также активно искать рейсы и отели на основании вашего запроса, выполнять бронирования и добавлять поездки в календарь.
В настоящее время в отрасли широко распространено определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через сенсоры, обрабатывая её и влияя на окружающую среду с помощью исполнителей (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent является помощником, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этой дефиниции и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше в Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать вводимые пользователями данные из внешней среды и соответственно влиять на реальную окружающую среду.
Для прояснения концепции возьмем ChatGPT в качестве примера. Мы должны четко указать, что Transformer является технической архитектурой, на основе которой построены AI-модели, а GPT — это серия моделей, развившихся на этой архитектуре. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на различных этапах их развития. ChatGP является AI-агентом, эволюционировавшим на основе модели GPT.
Категория обзора
На данный момент рынок AI-агентов еще не сформировал единого классификационного стандарта. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на значительных тегах каждого проекта, разделив их на первичные и вторичные категории. Первичные категории включают три типа: инфраструктура, генерация контента и взаимодействие с пользователем, которые далее подразделяются в зависимости от их фактических случаев использования:
Инфраструктурные: Эта категория сосредоточена на создании более базовых элементов в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для B2B-сервисов.
Инструменты для разработки: предоставление разработчикам вспомогательных инструментов и фреймворков для создания AI-агентов.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставляют услуги по обучению моделей для ИИ, включая вывод, создание моделей, настройку и т.д.
Услуги для B-клиентов: в основном ориентированы на корпоративных пользователей, предоставляя услуги для бизнеса, вертикальные решения и автоматизированные решения.
Платформы сборного типа: платформы, которые интегрируют различные услуги и инструменты AI Agent.
Интерактивные типы: аналогично типам генерации контента, но отличаются постоянным двусторонним взаимодействием. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью таких технологий, как обработка естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляют более точный поиск информации.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по командам пользователей, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, в традиционном интернет-пространстве Web2 наблюдается явная тенденция к концентрации разработки AI-агентов. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, среди которых преобладают услуги для бизнеса и инструменты разработки. Мы также провели некоторые анализы этого явления.
Влияние уровня зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: другим ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно когда речь идет о поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от бизнеса относительно стабильны, что способствует разработке последующих проектов.
Ограничения в области применения: в то же время мы отмечаем, что применение AI для генерации контента на рынке B2B относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов невелика.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С непрерывным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения все равно останутся прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI Agent Web2
Мы углубленно исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примера три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет системы диалога на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести естественный языковой диалог и выполнять определенные задачи.
Анализ данных: Character.AI в мае имела 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что свидетельствует о молодежной аудитории. Character AI показала отличные результаты на капиталовому рынке, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.
Технический анализ: Character AI подписала неэксклюзивное соглашение с материнской компанией Google Alphabet на использование своей крупной языковой модели, что указывает на то, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять детальные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и предоставляя ссылки, а также обучает и направляет пользователей на задавание дополнительных вопросов и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовском рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, основным инвестором стал Даниэль Гросс, среди участников – Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанный GPT-3.5, а также две крупных модели, доработанные на основе открытой модели: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и специализированных.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
11 Лайков
Награда
11
9
Репост
Поделиться
комментарий
0/400
ApeWithAPlan
· 08-09 23:49
Просто не подходит для торговли?
Посмотреть ОригиналОтветить0
airdrop_whisperer
· 08-09 16:52
Опять-опять-опять будут играть для лохов
Посмотреть ОригиналОтветить0
HappyToBeDumped
· 08-08 15:24
Искусственный интеллект просто выглядит красиво
Посмотреть ОригиналОтветить0
DoomCanister
· 08-07 06:34
разыгрывайте людей как лохов完就润
Посмотреть ОригиналОтветить0
AirdropHarvester
· 08-07 06:33
Начинаем! Рост или не рост - это неудачники.
Посмотреть ОригиналОтветить0
GasFeeCrier
· 08-07 06:31
23% рыночная капитализация только это? На луну даже не началось~
Посмотреть ОригиналОтветить0
HashBard
· 08-07 06:30
ах, рыночные настроения пахнут как в 2021 году... но на этот раз с добавлением ай-спринклерного хопиума
Посмотреть ОригиналОтветить0
Whale_Whisperer
· 08-07 06:17
Снова надувают пузырь с агентами? Уже все обанкротились, а это все еще продолжается~
История роста AI-агента: Восхождение в области Web3 и анализ рыночной структуры
Может ли AI Agent стать спасением для Web3+AI?
Проекты AI Agent являются популярным и зрелым типом в сфере Web2, в основном ориентированным на услуги для бизнеса, в то время как в области Web3 проекты по обучению моделей и объединению платформ стали основными из-за их ключевой роли в создании экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке AI достигает 23%, что демонстрирует их сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением уровня признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в продукты, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При разработке проектов AI Agent следует акцентировать внимание на создании всей экосистемы и проектировании токеномической модели для содействия децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и повышения оценок
С момента появления ChatGPT в ноябре 2022 года, он за короткие два месяца привлек более ста миллионов пользователей. К маю 2024 года месячный доход ChatGPT достиг потрясающих 20,3 миллиона долларов, а OpenAI быстро выпустила итерационные версии, такие как GPT-4 и GP4-4o после запуска ChatGPT. Такой стремительный рост заставил крупных традиционных технологических гигантов осознать важность применения передовых AI моделей, таких как LLM, и они начали запускать свои AI модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили модели, такие как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала ареной, за которую борются все.
Соревнование между крупными технологическими гигантами не только способствует развитию коммерческих приложений, но и из статистики открытых исследований AI мы обнаружили, что AI Index report 2024 года показывает, что количество проектов, связанных с AI на GitHub, резко возросло с 845 в 2011 году до около 1,8 миллиона в 2023 году, особенно после выпуска GPT в 2023 году, количество проектов выросло на 59,3% по сравнению с предыдущим годом, что отражает интерес глобального сообщества разработчиков к исследованиям AI.
Страсть к технологиям ИИ прямо отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире было осуществлено 16 инвестиционных сделок в области ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области ИИ также взлетела до 24 миллиардов долларов, что более чем в два раза превышает прошлогодние показатели. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов с оценкой в 24 миллиарда долларов, став второй по величине в мире стартапом в области ИИ после OpenAI.
Быстрое развитие технологий ИИ в настоящее время пересматривает ландшафт технологической области с беспрецедентной скоростью. От ожесточенной конкуренции между технологическими гигантами до бурного роста проектов в сообществе open-source и до горячего интереса капитального рынка к концепции ИИ. Проекты появляются один за другим, объем инвестиций достигает новых рекордов, а оценки также стремительно растут. В целом, рынок ИИ находится в периоде золотого века быстрого развития, где крупные языковые модели и технологии, усиливающие поиск, достигли значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выхода моделей, риск генерации неточной информации и проблемы прозрачности моделей. Эти проблемы становятся особенно важными в сценариях применения, где требуются высокая надежность.
В этом контексте мы начинаем исследовать AI Agent, поскольку AI Agent подчеркивает комплексность решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию AI технологий от чисто языковых моделей к интеллектуальным системам, способным действительно понимать, учиться и решать реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между AI технологиями и решением практических задач. Эволюция AI технологий постоянно переосмысливает структуру производительности, в то время как технологии Web3 перестраивают производственные отношения цифровой экономики. Когда три ключевых элемента AI: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предсказываем, что это приведет к возникновению ряда инновационных приложений. В этой многообещающей пересекающейся области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для реализации масштабных приложений.
В связи с этим мы начали углубленное изучение разнообразных приложений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, уровня приложений до рынков данных и моделей, с целью выявления и оценки наиболее многообещающих типов проектов и сценариев применения, чтобы глубже понять глубокое слияние AI и Web3.
Уточнение понятий: Введение и обзор классификации AI-агентов
Основное введение
Перед тем как представить AI Агент, чтобы читатели лучше поняли различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете поездку. Традиционные большие языковые модели предоставляют информацию о местах назначения и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатое и конкретное содержание о местах назначения. AI Агент похож на Джарвиса из фильма о Железном человеке, он может понять потребности и также активно искать рейсы и отели на основании вашего запроса, выполнять бронирования и добавлять поездки в календарь.
В настоящее время в отрасли широко распространено определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через сенсоры, обрабатывая её и влияя на окружающую среду с помощью исполнителей (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent является помощником, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он способен не только предоставлять информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этой дефиниции и характеристикам, мы можем заметить, что AI Agent уже интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше в Tesla, которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать вводимые пользователями данные из внешней среды и соответственно влиять на реальную окружающую среду.
Для прояснения концепции возьмем ChatGPT в качестве примера. Мы должны четко указать, что Transformer является технической архитектурой, на основе которой построены AI-модели, а GPT — это серия моделей, развившихся на этой архитектуре. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на различных этапах их развития. ChatGP является AI-агентом, эволюционировавшим на основе модели GPT.
Категория обзора
На данный момент рынок AI-агентов еще не сформировал единого классификационного стандарта. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на значительных тегах каждого проекта, разделив их на первичные и вторичные категории. Первичные категории включают три типа: инфраструктура, генерация контента и взаимодействие с пользователем, которые далее подразделяются в зависимости от их фактических случаев использования:
Инфраструктурные: Эта категория сосредоточена на создании более базовых элементов в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые и базовые приложения для B2B-сервисов.
Интерактивные типы: аналогично типам генерации контента, но отличаются постоянным двусторонним взаимодействием. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью таких технологий, как обработка естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента по командам пользователей, делятся на четыре категории: генерация текста, генерация изображений, генерация видео и генерация аудио.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-e6a79357ac5352b3f76e4764156120c9.webp)
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, в традиционном интернет-пространстве Web2 наблюдается явная тенденция к концентрации разработки AI-агентов. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, среди которых преобладают услуги для бизнеса и инструменты разработки. Мы также провели некоторые анализы этого явления.
Влияние уровня зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность и риски разработки. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: другим ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на технологии ИИ со стороны корпоративного сектора более настоятельный, особенно когда речь идет о поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от бизнеса относительно стабильны, что способствует разработке последующих проектов.
Ограничения в области применения: в то же время мы отмечаем, что применение AI для генерации контента на рынке B2B относительно ограничено. Из-за нестабильности его результатов компании предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов невелика.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С непрерывным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может измениться, но инфраструктурные решения все равно останутся прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI Agent Web2
Мы углубленно исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примера три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет системы диалога на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести естественный языковой диалог и выполнять определенные задачи.
Анализ данных: Character.AI в мае имела 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что свидетельствует о молодежной аудитории. Character AI показала отличные результаты на капиталовому рынке, завершив финансирование в размере 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемым a16z.
Технический анализ: Character AI подписала неэксклюзивное соглашение с материнской компанией Google Alphabet на использование своей крупной языковой модели, что указывает на то, что Character AI использует собственные разработки. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать и предоставлять детальные ответы из Интернета. Он обеспечивает надежность и точность информации, ссылаясь на источники и предоставляя ссылки, а также обучает и направляет пользователей на задавание дополнительных вопросов и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity в месяц достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капиталовском рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании достигла 1,04 миллиарда долларов, основным инвестором стал Даниэль Гросс, среди участников – Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанный GPT-3.5, а также две крупных модели, доработанные на основе открытой модели: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и специализированных.