El auge del proyecto Web3 AI Agent, con una capitalización de mercado del 23%, se espera que alcance una valoración de mil millones de dólares en el futuro.
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente del tipo de servicios empresariales en el ámbito de Web2, que son populares y maduros, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en la capitalización de mercado en el sector de AI alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que a medida que la tecnología madure y la aceptación del mercado aumente, surgirán múltiples proyectos valorados en más de mil millones de dólares.
Para los proyectos Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales para la IA puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agentes de IA debe centrarse en la construcción de un ecosistema completo y el diseño de modelos económicos de tokens, para fomentar la descentralización y los efectos de red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los principales gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, y las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Claramente, el campo de la IA se ha convertido en un lugar de competencia intensa.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de estadísticas sobre IA de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, reflejando el entusiasmo de la comunidad global de desarrolladores por la investigación en IA.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversión en IA muestra un fuerte crecimiento, con un crecimiento explosivo previsto para el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, propiedad de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está reconfigurando el panorama del sector tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y el entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen constantemente, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido crecimiento, con modelos de lenguaje de gran tamaño y tecnologías de generación mejorada por recuperación logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en las salidas del modelo, el riesgo de generar información inexacta y los problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación donde se requiere una alta fiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA sigue reformulando la estructura de la productividad, mientras que la tecnología Web3 está reconstruyendo las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y poder de cómputo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones de AI Agent en Web3, desde la infraestructura de Web3, middleware, aplicaciones, hasta mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender mejor la profunda integración de AI y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de introducir el Agente AI, para que los lectores entiendan mejor la diferencia entre su definición y el modelo en sí, vamos a dar un ejemplo a través de una situación real: supongamos que estás planeando un viaje. Los modelos de lenguaje tradicionales ofrecen información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede proporcionar contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, que puede entender las necesidades y, basándose en una sola frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario al calendario.
Actualmente, la definición común en la industria de un Agente de IA se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones en consecuencia, obteniendo información del entorno a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos ver que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri, y la conducción autónoma de nivel 5 o superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios desde el exterior y, en función de ello, hacer efectos en el entorno real.
Tomando como ejemplo a ChatGPT para clarificar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por su parte, es un agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
El mercado actual de Agentes de IA aún no ha formado un estándar de clasificación unificado. Hemos etiquetado 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, y según las etiquetas destacadas de cada proyecto, los hemos dividido en categorías de primer y segundo nivel. La categoría de primer nivel incluye tres tipos: infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:
Infraestructura: Este tipo se centra en construir contenido más básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B de aplicaciones básicas más maduras.
Herramientas de desarrollo: proporcionan a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clasificación de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente para ayudar en la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Interactividad: Similar a la generación de contenido, la diferencia radica en la interacción continua bidireccional. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de técnicas como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.
Agentes de IA de acompañamiento emocional: Proporcionan apoyo emocional y compañía.
Tipo GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clase de búsqueda: se centra en la funcionalidad de búsqueda, proporcionando un agente principalmente orientado a la recuperación de información más precisa.
Generación de contenido: Este tipo de proyecto se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo del agente de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional muestra una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos están centrados en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más numerosos. También hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: la razón por la cual los proyectos de infraestructura dominan es, ante todo, su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos que han sido probados por el tiempo, lo que reduce la dificultad y el riesgo del desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología AI en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones que mejoren la eficiencia operativa y reduzcan costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la IA generadora de contenido tiene escenarios de aplicación relativamente limitados en el mercado B2B. Debido a la inestabilidad de su producción, las empresas tienden a preferir aplicaciones que puedan mejorar la productividad de manera constante. Esto ha llevado a que la IA generadora de contenido ocupe una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón puede ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis del proyecto líder de agentes de IA en Web2
Exploramos en profundidad algunos proyectos de AI Agent en el actual mercado de Web2 y analizamos estos proyectos, tomando como ejemplos Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción al producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional de Google, Llama.
Perplexity AI:
Introducción del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para que realicen preguntas de seguimiento y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, con un crecimiento del 8.6% en el tráfico de sus aplicaciones móviles y de escritorio en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, con una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para la investigación académica profesional y
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
8 me gusta
Recompensa
8
6
Compartir
Comentar
0/400
OPsychology
· hace21h
Por fuera oro y jade, por dentro hilachas en mal estado.
Ver originalesResponder0
WalletDoomsDay
· hace21h
Ambos son burbujas.
Ver originalesResponder0
TokenSherpa
· hace21h
El mercado es realmente atractivo.
Ver originalesResponder0
CoinBasedThinking
· hace21h
Ver con buenos ojos el continuo pump
Ver originalesResponder0
GasFeeCrier
· hace21h
La billetera se está quemando demasiado rápido.
Ver originalesResponder0
AllInDaddy
· hace21h
Trabajar no es tan rentable como comerciar con monedas.
El auge del proyecto Web3 AI Agent, con una capitalización de mercado del 23%, se espera que alcance una valoración de mil millones de dólares en el futuro.
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente del tipo de servicios empresariales en el ámbito de Web2, que son populares y maduros, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de AI Agent en Web3, representando solo el 8%, pero su participación en la capitalización de mercado en el sector de AI alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que a medida que la tecnología madure y la aceptación del mercado aumente, surgirán múltiples proyectos valorados en más de mil millones de dólares.
Para los proyectos Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales para la IA puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agentes de IA debe centrarse en la construcción de un ecosistema completo y el diseño de modelos económicos de tokens, para fomentar la descentralización y los efectos de red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con tal impulso, los principales gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, y las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Claramente, el campo de la IA se ha convertido en un lugar de competencia intensa.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de la investigación de estadísticas sobre IA de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, reflejando el entusiasmo de la comunidad global de desarrolladores por la investigación en IA.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversión en IA muestra un fuerte crecimiento, con un crecimiento explosivo previsto para el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento para las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, propiedad de Musk, ha recaudado 6 mil millones de dólares, con una valoración de 24 mil millones de dólares, convirtiéndose en la segunda startup de IA con la valoración más alta, solo detrás de OpenAI.
El rápido desarrollo de la tecnología de IA está reconfigurando el panorama del sector tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y el entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen constantemente, las inversiones alcanzan nuevos máximos y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un período dorado de rápido crecimiento, con modelos de lenguaje de gran tamaño y tecnologías de generación mejorada por recuperación logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en las salidas del modelo, el riesgo de generar información inexacta y los problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación donde se requiere una alta fiabilidad.
En este contexto, comenzamos a investigar sobre el Agente de IA, ya que el Agente de IA enfatiza la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Por lo tanto, vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la solución de problemas prácticos. La evolución de la tecnología de IA sigue reformulando la estructura de la productividad, mientras que la tecnología Web3 está reconstruyendo las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y poder de cómputo, se fusionan con los conceptos centrales de descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo cruzado lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones de AI Agent en Web3, desde la infraestructura de Web3, middleware, aplicaciones, hasta mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender mejor la profunda integración de AI y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de introducir el Agente AI, para que los lectores entiendan mejor la diferencia entre su definición y el modelo en sí, vamos a dar un ejemplo a través de una situación real: supongamos que estás planeando un viaje. Los modelos de lenguaje tradicionales ofrecen información sobre destinos y consejos de viaje. La tecnología de generación mejorada por recuperación puede proporcionar contenido de destino más rico y específico. Y el Agente AI es como JARVIS en la película de Iron Man, que puede entender las necesidades y, basándose en una sola frase tuya, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario al calendario.
Actualmente, la definición común en la industria de un Agente de IA se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones en consecuencia, obteniendo información del entorno a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información de manera simple, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos ver que los Agentes de IA ya se han integrado en nuestras vidas, aplicándose en diferentes escenarios, como AlphaGo, Siri, y la conducción autónoma de nivel 5 o superior de Tesla, que pueden considerarse ejemplos de Agentes de IA. La característica común de estos sistemas es que pueden percibir las entradas de los usuarios desde el exterior y, en función de ello, hacer efectos en el entorno real.
Tomando como ejemplo a ChatGPT para clarificar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por su parte, es un agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
El mercado actual de Agentes de IA aún no ha formado un estándar de clasificación unificado. Hemos etiquetado 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, y según las etiquetas destacadas de cada proyecto, los hemos dividido en categorías de primer y segundo nivel. La categoría de primer nivel incluye tres tipos: infraestructura básica, generación de contenido e interacción con el usuario, y se subdividen según sus casos de uso reales:
Infraestructura: Este tipo se centra en construir contenido más básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B de aplicaciones básicas más maduras.
Herramientas de desarrollo: proporcionan a los desarrolladores herramientas y marcos auxiliares para construir Agentes de IA.
Clasificación de procesamiento de datos: procesar y analizar datos en diferentes formatos, principalmente para ayudar en la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Interactividad: Similar a la generación de contenido, la diferencia radica en la interacción continua bidireccional. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de técnicas como el procesamiento del lenguaje natural (NLP), logrando así una interacción bidireccional con el usuario.
Agentes de IA de acompañamiento emocional: Proporcionan apoyo emocional y compañía.
Tipo GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clase de búsqueda: se centra en la funcionalidad de búsqueda, proporcionando un agente principalmente orientado a la recuperación de información más precisa.
Generación de contenido: Este tipo de proyecto se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo del agente de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional muestra una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos están centrados en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más numerosos. También hemos realizado un análisis de este fenómeno.
Impacto de la madurez tecnológica: la razón por la cual los proyectos de infraestructura dominan es, ante todo, su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos que han sido probados por el tiempo, lo que reduce la dificultad y el riesgo del desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulso de la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumo, la demanda de tecnología AI en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones que mejoren la eficiencia operativa y reduzcan costos. Al mismo tiempo, para los desarrolladores, el flujo de efectivo proveniente de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la IA generadora de contenido tiene escenarios de aplicación relativamente limitados en el mercado B2B. Debido a la inestabilidad de su producción, las empresas tienden a preferir aplicaciones que puedan mejorar la productividad de manera constante. Esto ha llevado a que la IA generadora de contenido ocupe una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. Con el continuo avance de la tecnología de IA y la clarificación adicional de la demanda del mercado, anticipamos que este patrón puede ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis del proyecto líder de agentes de IA en Web2
Exploramos en profundidad algunos proyectos de AI Agent en el actual mercado de Web2 y analizamos estos proyectos, tomando como ejemplos Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción al producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un desempeño sobresaliente en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron en el desarrollo del modelo de lenguaje conversacional de Google, Llama.
Perplexity AI:
Introducción del producto: Perplexity puede extraer y proporcionar respuestas detalladas de Internet. Asegura la fiabilidad y precisión de la información mediante citas y enlaces de referencia, al mismo tiempo que educa y guía a los usuarios para que realicen preguntas de seguimiento y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, con un crecimiento del 8.6% en el tráfico de sus aplicaciones móviles y de escritorio en febrero, atrayendo a aproximadamente 50 millones de usuarios. En el mercado de capitales, Perplexity AI anunció recientemente que ha obtenido 62.7 millones de dólares en financiamiento, con una valoración de 1.04 mil millones de dólares, liderada por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para la investigación académica profesional y