L'essor des projets d'agent AI Web3, la capitalisation boursière atteint 23 %, une valorisation de plusieurs milliards de dollars est à prévoir dans le futur.
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agent IA sont principalement des types de services aux entreprises, 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 faible, représentant 8%, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23%, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars verront le jour à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centrés sur l'IA pourrait devenir un avantage stratégique. Pour les projets d'Agent AI, l'accent devrait être mis sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons, afin de favoriser la décentralisation et les effets de réseau.
Vague d'IA : état des lieux des projets émergents et de l'augmentation des évaluations
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 avaient atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications de modèles d'IA de pointe comme LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident 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 grâce à une enquête sur la recherche en IA en open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, qui connaît une forte croissance, avec une explosion attendue 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, affichant une augmentation de plus de 100 % 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 intense entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour les concepts d'IA. Les projets affluent, les investissements atteignent de nouveaux sommets et les évaluations montent en flèche. Dans l'ensemble, le marché de l'IA traverse une période dorée de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par recherche ayant réalisé des avancées significatives dans le traitement du langage. Pourtant, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties de modèles, le risque d'illusion de génération d'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 IA, car les agents IA mettent l'accent sur l'ampleur de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA, passant de modèles linguistiques purs à des systèmes intelligents capables de réellement comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement 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, se fusionnent avec les concepts fondamentaux de la Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons l'émergence d'une série d'applications innovantes. Dans ce domaine croisé plein de potentiel, nous considérons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour ce faire, nous avons commencé à examiner en profondeur les applications diversifiées des agents IA dans le Web3, allant des infrastructures Web3, des middleware, des applications, jusqu'aux marchés de données et de modèles, afin d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, pour mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent AI, afin de permettre aux lecteurs de mieux comprendre la distinction entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'Agent AI est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre vos besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition générale d'un Agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations sur l'environnement par des capteurs, puis en influençant cet environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous pensons qu'un Agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification de 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 notre vie, appliqués dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-dessus 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 influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, que GPT est une série de modèles développés sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGPT, quant à lui, est un agent IA évolué à partir du modèle GPT.
Aperçu de la catégorie
Le marché actuel des agents AI n'a pas encore de norme de classification uniforme. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, en fonction des étiquettes significatives de chaque projet, et les avons classés en catégories de premier niveau et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau sont l'infrastructure, la génération de contenu et l'interaction utilisateur, puis elles sont 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 relativement matures et basés sur des applications fondamentales.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : fournit des services de formation de modèles pour l'IA, y compris l'inférence, la construction de modèles, les réglages, etc.
Services B2B : principalement destinés aux utilisateurs professionnels, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : plateformes intégrant divers services et outils d'agent AI.
Interactivité : Semblable à la génération de contenu, la différence réside dans l'interaction continue bidirectionnelle. L'Agent interactif non seulement accepte et comprend les besoins des utilisateurs, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de compagnie émotionnelle : fournissent un soutien émotionnel et une compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Axé sur les fonctionnalités de recherche, fournissant un Agent principalement dédié à la récupération d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, 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 d'audio.
Analyse de l'état actuel du développement des agents AI Web2
Selon nos statistiques, le développement des agents d'IA dans l'internet traditionnel Web2 montre une tendance claire de concentration sectorielle. Plus précisément, environ un tiers des projets se concentre sur les infrastructures, avec une majorité de services B2B et d'outils de développement. Nous avons également mené certaines analyses sur ce phénomène.
Impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est avant tout due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, réduisant ainsi la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La dynamique de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, le marché des entreprises a une demande plus pressante pour les technologies de l'IA, 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 est bénéfique pour le développement de projets ultérieurs.
Limites des cas d'application : Parallèlement, nous avons remarqué que les applications d'IA de génération de contenu sur le marché B2B sont relativement limitées. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible d'IA de génération de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et des considérations pratiques des cas d'application. Avec l'avancement constant de la technologie AI et la clarification croissante des besoins du marché, nous prévoyons que ce paysage pourrait évoluer, mais les infrastructures resteront la pierre angulaire du développement des Agents AI.
Analyse des projets leaders des agents AI Web2
Nous examinons en profondeur certains projets d'agents d'IA sur le marché actuel de Web2 et les analysons, en prenant comme exemples trois projets : Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables d'engager des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité sont âgés de 18 à 34 ans, montrant ainsi des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage à grande échelle, 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 de Google, Llama.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer des réponses détaillées sur Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions de suivi et à rechercher des mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, et le trafic de ses applications mobiles et de bureau a connu une augmentation de 8,6 % 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 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. Le modèle est adapté pour la recherche académique professionnelle et
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.
8 J'aime
Récompense
8
6
Partager
Commentaire
0/400
OPsychology
· 08-06 09:30
L'extérieur est doré, mais l'intérieur est en désordre.
Voir l'originalRépondre0
WalletDoomsDay
· 08-06 09:30
Les deux sont des bulles.
Voir l'originalRépondre0
TokenSherpa
· 08-06 09:30
Le marché est vraiment attractif.
Voir l'originalRépondre0
CoinBasedThinking
· 08-06 09:29
Voir une poursuite de la hausse
Voir l'originalRépondre0
GasFeeCrier
· 08-06 09:08
Le portefeuille brûle trop vite.
Voir l'originalRépondre0
AllInDaddy
· 08-06 09:07
Travailler ne vaut pas la peine par rapport à Trading des cryptomonnaies.
L'essor des projets d'agent AI Web3, la capitalisation boursière atteint 23 %, une valorisation de plusieurs milliards de dollars est à prévoir dans le futur.
L'agent IA peut-il devenir la bouée de sauvetage du Web3+IA ?
Les projets d'Agent IA sont principalement des types de services aux entreprises, 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 faible, représentant 8%, mais leur part de capitalisation boursière dans le secteur de l'IA atteint 23%, montrant ainsi une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturité de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets dépassant une valorisation de 1 milliard de dollars verront le jour à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application non centrés sur l'IA pourrait devenir un avantage stratégique. Pour les projets d'Agent AI, l'accent devrait être mis sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons, afin de favoriser la décentralisation et les effets de réseau.
Vague d'IA : état des lieux des projets émergents et de l'augmentation des évaluations
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 avaient atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées comme GPT-4 et GP4-4o après la sortie de ChatGPT. Face à une telle dynamique, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications de modèles d'IA de pointe comme LLM, et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a lancé le modèle de langage PaLM2, Meta a présenté Llama3, tandis que des entreprises chinoises ont lancé des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident 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 grâce à une enquête sur la recherche en IA en open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, reflétant l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, qui connaît une forte croissance, avec une explosion attendue 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, affichant une augmentation de plus de 100 % 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 intense entre les géants de la technologie, à l'essor des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour les concepts d'IA. Les projets affluent, les investissements atteignent de nouveaux sommets et les évaluations montent en flèche. Dans l'ensemble, le marché de l'IA traverse une période dorée de croissance rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par recherche ayant réalisé des avancées significatives dans le traitement du langage. Pourtant, ces modèles rencontrent encore des défis pour transformer les avantages technologiques en produits réels, tels que l'incertitude des sorties de modèles, le risque d'illusion de génération d'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 IA, car les agents IA mettent l'accent sur l'ampleur de la résolution de problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie IA, passant de modèles linguistiques purs à des systèmes intelligents capables de réellement comprendre, d'apprendre et de résoudre des problèmes réels. Ainsi, nous voyons de l'espoir dans le développement des agents IA, qui comblent progressivement le fossé entre la technologie IA et la résolution de problèmes pratiques. L'évolution de la technologie IA redéfinit continuellement 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, se fusionnent avec les concepts fondamentaux de la Web3 tels que la décentralisation, l'économie des tokens et les contrats intelligents, nous prévoyons l'émergence d'une série d'applications innovantes. Dans ce domaine croisé plein de potentiel, nous considérons que les agents IA, avec leur capacité à exécuter des tâches de manière autonome, montrent un énorme potentiel pour réaliser des applications à grande échelle.
Pour ce faire, nous avons commencé à examiner en profondeur les applications diversifiées des agents IA dans le Web3, allant des infrastructures Web3, des middleware, des applications, jusqu'aux marchés de données et de modèles, afin d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, pour mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant de présenter l'Agent AI, afin de permettre aux lecteurs de mieux comprendre la distinction entre sa définition et le modèle lui-même, nous allons donner un exemple à travers un scénario pratique : supposons que vous planifiez un voyage. Les modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'Agent AI est comme J.A.R.V.I.S. dans le film Iron Man, capable de comprendre vos besoins et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition générale d'un Agent IA dans l'industrie est un système intelligent capable de percevoir son environnement et d'agir en conséquence, en obtenant des informations sur l'environnement par des capteurs, puis en influençant cet environnement par des actionneurs après traitement (Stuart Russell & Peter Norvig, 2020). Nous pensons qu'un Agent IA est un assistant qui combine les capacités de LLM, RAG, mémoire, planification de 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 notre vie, appliqués dans différents scénarios, tels qu'AlphaGo, Siri, et la conduite autonome de niveau L5 et au-dessus 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 influencer l'environnement réel.
Prenons ChatGPT comme exemple pour clarifier les concepts. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, que GPT est une série de modèles développés sur cette architecture, et que GPT-1, GPT-4, et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGPT, quant à lui, est un agent IA évolué à partir du modèle GPT.
Aperçu de la catégorie
Le marché actuel des agents AI n'a pas encore de norme de classification uniforme. Nous avons étiqueté 204 projets d'agents AI dans les marchés Web2 et Web3, en fonction des étiquettes significatives de chaque projet, et les avons classés en catégories de premier niveau et de deuxième niveau. Parmi celles-ci, les catégories de premier niveau sont l'infrastructure, la génération de contenu et l'interaction utilisateur, puis elles sont 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 relativement matures et basés sur des applications fondamentales.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisé pour aider à la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation de modèles : fournit des services de formation de modèles pour l'IA, y compris l'inférence, la construction de modèles, les réglages, etc.
Services B2B : principalement destinés aux utilisateurs professionnels, fournissant des solutions de services d'entreprise, verticales et automatisées.
Plateformes de type agrégateur : plateformes intégrant divers services et outils d'agent AI.
Interactivité : Semblable à la génération de contenu, la différence réside dans l'interaction continue bidirectionnelle. L'Agent interactif non seulement accepte et comprend les besoins des utilisateurs, mais fournit également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de compagnie émotionnelle : fournissent un soutien émotionnel et une compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Axé sur les fonctionnalités de recherche, fournissant un Agent principalement dédié à la récupération d'informations plus précises.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, 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 d'audio.
Analyse de l'état actuel du développement des agents AI Web2
Selon nos statistiques, le développement des agents d'IA dans l'internet traditionnel Web2 montre une tendance claire de concentration sectorielle. Plus précisément, environ un tiers des projets se concentre sur les infrastructures, avec une majorité de services B2B et d'outils de développement. Nous avons également mené certaines analyses sur ce phénomène.
Impact de la maturité technologique : la raison pour laquelle les projets d'infrastructure dominent est avant tout due à leur maturité technologique. Ces projets sont généralement basés sur des technologies et des cadres éprouvés par le temps, réduisant ainsi la difficulté et le risque de développement. Cela équivaut à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La dynamique de la demande du marché : un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, le marché des entreprises a une demande plus pressante pour les technologies de l'IA, 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 est bénéfique pour le développement de projets ultérieurs.
Limites des cas d'application : Parallèlement, nous avons remarqué que les applications d'IA de génération de contenu sur le marché B2B sont relativement limitées. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une proportion relativement faible d'IA de génération de contenu dans le portefeuille de projets.
Cette tendance reflète la maturité technologique, la demande du marché et des considérations pratiques des cas d'application. Avec l'avancement constant de la technologie AI et la clarification croissante des besoins du marché, nous prévoyons que ce paysage pourrait évoluer, mais les infrastructures resteront la pierre angulaire du développement des Agents AI.
Analyse des projets leaders des agents AI Web2
Nous examinons en profondeur certains projets d'agents d'IA sur le marché actuel de Web2 et les analysons, en prenant comme exemples trois projets : Character AI, Perplexity AI et Midjourney.
Character AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et des outils de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, d'entraîner et d'interagir avec des personnages virtuels capables d'engager des dialogues en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme compte plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la majorité sont âgés de 18 à 34 ans, montrant ainsi des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a bien performé sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage à grande échelle, 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 de Google, Llama.
Perplexity AI :
Présentation du produit : Perplexity est capable de récupérer des réponses détaillées sur Internet. En citant et en fournissant des liens de référence, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions de suivi et à rechercher des mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, et le trafic de ses applications mobiles et de bureau a connu une augmentation de 8,6 % 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 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. Le modèle est adapté pour la recherche académique professionnelle et