O Agente de IA pode se tornar a tábua de salvação do Web3+IA?
No Web2, os projetos de agentes de IA mais populares e maduros são principalmente do tipo serviços para empresas, enquanto no domínio do Web3, projetos de treinamento de modelos e agregação de plataformas tornaram-se mainstream devido ao seu papel crucial na construção de ecossistemas.
Atualmente, a quantidade de projetos de Agentes de IA no Web3 é reduzida, representando 8%, mas sua participação no valor de mercado na área de IA atinge 23%, demonstrando assim uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurecer e a aceitação do mercado aumentar, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologia de IA em produtos de aplicação que não são centrais em IA pode se tornar uma vantagem estratégica. A forma de integração de projetos de Agente de IA deve focar na construção de um ecossistema completo e no design de modelos de economia de tokens, a fim de promover a descentralização e efeitos de rede.
A Onda da IA: A Situação de Projetos Emergentes e Valorações Elevadas
Desde o lançamento do ChatGPT em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Em maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o após a liberação do ChatGPT. Com tal crescimento acelerado, as grandes empresas de tecnologia tradicionais perceberam a importância das aplicações de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto as empresas chinesas introduziram modelos como Wenxin Yiyan e Zhipu Qingyan. É evidente que o campo da IA se tornou um local de intensa concorrência.
A corrida entre os grandes gigantes da tecnologia não apenas impulsionou o desenvolvimento de aplicações comerciais, mas também, a partir de uma pesquisa estatística sobre a pesquisa em IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos aumentou 59,3% em comparação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um forte crescimento, mostrando um aumento explosivo no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA superiores a 150 milhões de dólares, o que é o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, um aumento de mais de 100% em relação ao ano anterior. Dentre eles, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, apenas atrás da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa concorrência entre gigantes da tecnologia, ao florescimento de projetos da comunidade de código aberto, até à entusiástica adesão do mercado de capitais ao conceito de IA. Os projetos surgem a um ritmo acelerado, os investimentos atingem novos máximos, e as avaliações acompanham este crescimento. De maneira geral, o mercado de IA está numa fase de ouro de rápido desenvolvimento, com grandes modelos de linguagem e tecnologias de geração aumentada de busca a realizarem avanços significativos no processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios ao converter vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de gerar informações imprecisas e a questão da transparência dos modelos. Esses problemas tornam-se especialmente importantes em cenários de aplicação que exigem alta confiabilidade.
Neste contexto, começamos a investigar o AI Agent, pois o AI Agent enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos de linguagem puramente para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do AI Agent, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA está constantemente reformulando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional, se fundem com os princípios centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que isso dará origem a uma série de aplicações inovadoras. Neste campo interdisciplinar repleto de potencial, acreditamos que o AI Agent, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para a aplicação em larga escala.
Para isso, começamos a investigar em profundidade as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até o nível de aplicações, passando por mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, para compreender mais profundamente a fusão entre AI e Web3.
Esclarecimento de Conceitos: Introdução e Visão Geral das Classificações de Agentes de IA
Introdução básica
Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais oferecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma frase sua, procurar ativamente voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e agir de acordo, obtendo informações do ambiente através de sensores, processando-as e, em seguida, impactando o ambiente por meio de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não só pode fornecer informações de forma simples, mas também pode planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e condução autónoma de nível L5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do ambiente externo e, com base nisso, fazer respostas que impactam o ambiente real.
Tomando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, GPT é a série de modelos desenvolvidos com base nessa arquitetura, enquanto GPT-1, GPT-4 e GPT-4o representam versões do modelo em diferentes estágios de desenvolvimento. O ChatGP, por sua vez, é um Agente de IA evoluído a partir do modelo GPT.
Resumo da Categoria
Atualmente, o mercado de AI Agents ainda não possui um padrão de classificação unificado. Nós categorizamos 204 projetos de AI Agents nos mercados Web2 e Web3 através da rotulagem, com base nos rótulos significativos de cada projeto, dividindo-os em classificações de primeiro e segundo nível. A classificação de primeiro nível consiste em três categorias: infraestrutura básica, geração de conteúdo e interação com o usuário, que são então subdivididas de acordo com seus casos de uso reais.
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais na área de Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, e serviços B2B mais maduros e de aplicação fundamental.
Ferramentas de Desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir Agentes de IA.
Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente usados para auxiliar na tomada de decisões e fornecer fontes para treinamento.
Classe de treinamento de modelos: oferece serviços de treinamento de modelos para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços B2B: Destinados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de classe agregadora: uma plataforma que integra vários serviços e ferramentas de Agentes de IA.
Interativos: Semelhante aos geradores de conteúdo, a diferença está na interação bidirecional contínua. O agente interativo não apenas aceita e compreende as necessidades do usuário, mas também fornece feedback por meio de tecnologias como processamento de linguagem natural (NLP), realizando uma interação bidirecional com o usuário.
Agentes de IA de apoio emocional: oferecem suporte emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador pré-treinado generativo).
Classe de pesquisa: Focada na funcionalidade de pesquisa, oferece um Agente cuja principal função é fornecer recuperação de informações mais precisa.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de modelos grandes para gerar várias formas de conteúdo com base nas instruções do usuário, dividindo-se em geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento do Agente AI Web2
De acordo com nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma tendência clara de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, sendo que a maioria é composta por serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre esse fenômeno.
Impacto da maturidade tecnológica: A razão pela qual os projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Esses projetos geralmente se baseiam em tecnologias e estruturas testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. É equivalente à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulsionado pela demanda do mercado: outro fator chave é a demanda do mercado. Em comparação com o mercado consumidor, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é favorável ao desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA geradora de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção menor de IA geradora de conteúdo na biblioteca de projetos.
Esta tendência reflete a maturidade da tecnologia, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com os contínuos avanços na tecnologia de IA e a maior clareza nas demandas do mercado, prevemos que este padrão poderá ser ajustado, mas as infraestruturas continuarão a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder de agentes de IA Web2
Vamos explorar em profundidade alguns projetos de Agentes de IA no atual mercado Web2 e analisá-los, usando como exemplo os projetos Character AI, Perplexity AI e Midjourney.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite que os utilizadores criem, treinem e interajam com personagens virtuais que conseguem dialogar em linguagem natural e executar tarefas específicas.
Análise de dados: O Character.AI teve 277 milhões de visitas em maio, com mais de 3,5 milhões de usuários ativos diários, a maioria deles com idades entre 18 e 34 anos, mostrando características de um grupo de usuários jovem. O Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a Alphabet, a empresa-mãe do Google, para o uso de seus modelos de linguagem de grande escala, o que indica que a Character AI utiliza tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity é capaz de capturar e fornecer respostas detalhadas da Internet. Através de citações e links de referência, garante a fiabilidade e a precisão das informações, ao mesmo tempo que educa e orienta os utilizadores a fazer perguntas adicionais e a pesquisar palavras-chave, satisfazendo assim as diversas necessidades de consulta dos utilizadores.
Análise de dados: O número de usuários ativos mensais da Perplexity chegou a 10 milhões, com um crescimento de 8,6% no número de acessos aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que obteve 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com participantes incluindo Stan Druckenmiller e NVIDIA.
Análise técnica: O modelo principal utilizado pela Perplexity é o GPT-3.5 ajustado, juntamente com dois grandes modelos ajustados com base em modelos de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
8 Curtidas
Recompensa
8
6
Compartilhar
Comentário
0/400
OPsychology
· 21h atrás
A aparência é boa, mas o conteúdo é ruim.
Ver originalResponder0
WalletDoomsDay
· 21h atrás
Ambos são bolhas.
Ver originalResponder0
TokenSherpa
· 21h atrás
O mercado é realmente atraente.
Ver originalResponder0
CoinBasedThinking
· 21h atrás
Vejo uma continuação do aumento
Ver originalResponder0
GasFeeCrier
· 21h atrás
A Carteira está queimando muito rápido.
Ver originalResponder0
AllInDaddy
· 21h atrás
Trabalhar não é tão lucrativo quanto negociar criptomoedas.
O surgimento do projeto Web3 AI Agent, com uma capitalização de mercado de 23%, pode levar a uma valorização de dez bilhões de dólares no futuro.
O Agente de IA pode se tornar a tábua de salvação do Web3+IA?
No Web2, os projetos de agentes de IA mais populares e maduros são principalmente do tipo serviços para empresas, enquanto no domínio do Web3, projetos de treinamento de modelos e agregação de plataformas tornaram-se mainstream devido ao seu papel crucial na construção de ecossistemas.
Atualmente, a quantidade de projetos de Agentes de IA no Web3 é reduzida, representando 8%, mas sua participação no valor de mercado na área de IA atinge 23%, demonstrando assim uma forte competitividade no mercado. Prevemos que, à medida que a tecnologia amadurecer e a aceitação do mercado aumentar, surgirão vários projetos com avaliações superiores a 1 bilhão de dólares.
Para projetos Web3, a introdução de tecnologia de IA em produtos de aplicação que não são centrais em IA pode se tornar uma vantagem estratégica. A forma de integração de projetos de Agente de IA deve focar na construção de um ecossistema completo e no design de modelos de economia de tokens, a fim de promover a descentralização e efeitos de rede.
A Onda da IA: A Situação de Projetos Emergentes e Valorações Elevadas
Desde o lançamento do ChatGPT em novembro de 2022, ele atraiu mais de 100 milhões de usuários em apenas dois meses. Em maio de 2024, a receita mensal do ChatGPT atingiu impressionantes 20,3 milhões de dólares, e a OpenAI rapidamente lançou versões iterativas como o GPT-4 e o GP4-4o após a liberação do ChatGPT. Com tal crescimento acelerado, as grandes empresas de tecnologia tradicionais perceberam a importância das aplicações de modelos de IA de ponta, como LLM, e começaram a lançar seus próprios modelos e aplicações de IA. Por exemplo, o Google lançou o modelo de linguagem PaLM2, a Meta lançou o Llama3, enquanto as empresas chinesas introduziram modelos como Wenxin Yiyan e Zhipu Qingyan. É evidente que o campo da IA se tornou um local de intensa concorrência.
A corrida entre os grandes gigantes da tecnologia não apenas impulsionou o desenvolvimento de aplicações comerciais, mas também, a partir de uma pesquisa estatística sobre a pesquisa em IA de código aberto, descobrimos que o relatório AI Index de 2024 mostra que o número de projetos relacionados à IA no GitHub disparou de 845 em 2011 para cerca de 1,8 milhão em 2023. Especialmente após o lançamento do GPT em 2023, o número de projetos aumentou 59,3% em comparação ao ano anterior, refletindo o entusiasmo da comunidade global de desenvolvedores pela pesquisa em IA.
O entusiasmo pela tecnologia de IA reflete-se diretamente no mercado de investimentos, com o mercado de investimentos em IA apresentando um forte crescimento, mostrando um aumento explosivo no segundo trimestre de 2024. No total, houve 16 investimentos relacionados à IA superiores a 150 milhões de dólares, o que é o dobro do primeiro trimestre. O total de financiamento para startups de IA disparou para 24 bilhões de dólares, um aumento de mais de 100% em relação ao ano anterior. Dentre eles, a xAI, de Elon Musk, arrecadou 6 bilhões de dólares, com uma avaliação de 24 bilhões de dólares, tornando-se a segunda startup de IA com a maior avaliação, apenas atrás da OpenAI.
O rápido desenvolvimento da tecnologia de IA está a reconfigurar o panorama do setor tecnológico a uma velocidade sem precedentes. Desde a intensa concorrência entre gigantes da tecnologia, ao florescimento de projetos da comunidade de código aberto, até à entusiástica adesão do mercado de capitais ao conceito de IA. Os projetos surgem a um ritmo acelerado, os investimentos atingem novos máximos, e as avaliações acompanham este crescimento. De maneira geral, o mercado de IA está numa fase de ouro de rápido desenvolvimento, com grandes modelos de linguagem e tecnologias de geração aumentada de busca a realizarem avanços significativos no processamento de linguagem. No entanto, esses modelos ainda enfrentam desafios ao converter vantagens tecnológicas em produtos reais, como a incerteza nas saídas dos modelos, o risco de gerar informações imprecisas e a questão da transparência dos modelos. Esses problemas tornam-se especialmente importantes em cenários de aplicação que exigem alta confiabilidade.
Neste contexto, começamos a investigar o AI Agent, pois o AI Agent enfatiza a abrangência da resolução de problemas práticos e da interação com o ambiente. Esta mudança marca a evolução da tecnologia de IA de modelos de linguagem puramente para sistemas inteligentes que realmente compreendem, aprendem e resolvem problemas do mundo real. Assim, vemos esperança no desenvolvimento do AI Agent, que está gradualmente fechando a lacuna entre a tecnologia de IA e a resolução de problemas práticos. A evolução da tecnologia de IA está constantemente reformulando a estrutura da produtividade, enquanto a tecnologia Web3 está reestruturando as relações de produção da economia digital. Quando os três elementos principais da IA: dados, modelos e poder computacional, se fundem com os princípios centrais do Web3, como descentralização, economia de tokens e contratos inteligentes, prevemos que isso dará origem a uma série de aplicações inovadoras. Neste campo interdisciplinar repleto de potencial, acreditamos que o AI Agent, com sua capacidade de executar tarefas de forma autônoma, demonstra um enorme potencial para a aplicação em larga escala.
Para isso, começamos a investigar em profundidade as diversas aplicações do AI Agent no Web3, desde a infraestrutura do Web3, middleware, até o nível de aplicações, passando por mercados de dados e modelos, com o objetivo de identificar e avaliar os tipos de projetos e cenários de aplicação mais promissores, para compreender mais profundamente a fusão entre AI e Web3.
Esclarecimento de Conceitos: Introdução e Visão Geral das Classificações de Agentes de IA
Introdução básica
Antes de apresentar o AI Agent, para que os leitores compreendam melhor a diferença entre sua definição e o modelo em si, vamos usar um cenário prático como exemplo: suponha que você está planejando uma viagem. Os modelos de linguagem tradicionais oferecem informações sobre destinos e sugestões de viagem. A tecnologia de geração aumentada por recuperação pode fornecer conteúdos de destino mais ricos e específicos. E o AI Agent é como o Jarvis do filme do Homem de Ferro, capaz de entender as necessidades e, com base em uma frase sua, procurar ativamente voos e hotéis, executar operações de reserva e adicionar o itinerário ao calendário.
Atualmente, a definição comum de um Agente de IA na indústria refere-se a um sistema inteligente que pode perceber o ambiente e agir de acordo, obtendo informações do ambiente através de sensores, processando-as e, em seguida, impactando o ambiente por meio de atuadores (Stuart Russell & Peter Norvig, 2020). Acreditamos que um Agente de IA é um assistente que combina LLM, RAG, memória, planejamento de tarefas e capacidade de uso de ferramentas. Ele não só pode fornecer informações de forma simples, mas também pode planejar, decompor tarefas e realmente executá-las.
De acordo com esta definição e características, podemos perceber que os Agentes de IA já estão integrados em nossas vidas, sendo aplicados em diferentes cenários, como AlphaGo, Siri e condução autónoma de nível L5 ou superior da Tesla, que podem ser vistos como exemplos de Agentes de IA. A característica comum desses sistemas é que todos conseguem perceber as entradas dos usuários do ambiente externo e, com base nisso, fazer respostas que impactam o ambiente real.
Tomando o ChatGPT como exemplo para esclarecer conceitos, devemos deixar claro que o Transformer é a arquitetura técnica que compõe os modelos de IA, GPT é a série de modelos desenvolvidos com base nessa arquitetura, enquanto GPT-1, GPT-4 e GPT-4o representam versões do modelo em diferentes estágios de desenvolvimento. O ChatGP, por sua vez, é um Agente de IA evoluído a partir do modelo GPT.
Resumo da Categoria
Atualmente, o mercado de AI Agents ainda não possui um padrão de classificação unificado. Nós categorizamos 204 projetos de AI Agents nos mercados Web2 e Web3 através da rotulagem, com base nos rótulos significativos de cada projeto, dividindo-os em classificações de primeiro e segundo nível. A classificação de primeiro nível consiste em três categorias: infraestrutura básica, geração de conteúdo e interação com o usuário, que são então subdivididas de acordo com seus casos de uso reais.
Infraestrutura: Esta categoria foca na construção de conteúdos mais fundamentais na área de Agentes, incluindo plataformas, modelos, dados, ferramentas de desenvolvimento, e serviços B2B mais maduros e de aplicação fundamental.
Ferramentas de Desenvolvimento: fornece aos desenvolvedores ferramentas e estruturas auxiliares para construir Agentes de IA.
Classe de processamento de dados: processar e analisar dados em diferentes formatos, principalmente usados para auxiliar na tomada de decisões e fornecer fontes para treinamento.
Classe de treinamento de modelos: oferece serviços de treinamento de modelos para IA, incluindo inferência, construção de modelos, configuração, etc.
Serviços B2B: Destinados principalmente a usuários empresariais, oferecendo soluções de serviços empresariais, verticais e automatizadas.
Plataforma de classe agregadora: uma plataforma que integra vários serviços e ferramentas de Agentes de IA.
Interativos: Semelhante aos geradores de conteúdo, a diferença está na interação bidirecional contínua. O agente interativo não apenas aceita e compreende as necessidades do usuário, mas também fornece feedback por meio de tecnologias como processamento de linguagem natural (NLP), realizando uma interação bidirecional com o usuário.
Agentes de IA de apoio emocional: oferecem suporte emocional e companhia.
Classe GPT: Agente de IA baseado no modelo GPT (Transformador pré-treinado generativo).
Classe de pesquisa: Focada na funcionalidade de pesquisa, oferece um Agente cuja principal função é fornecer recuperação de informações mais precisa.
Geração de Conteúdo: Este tipo de projeto foca na criação de conteúdo, utilizando tecnologia de modelos grandes para gerar várias formas de conteúdo com base nas instruções do usuário, dividindo-se em geração de texto, geração de imagem, geração de vídeo e geração de áudio.
Análise do estado atual do desenvolvimento do Agente AI Web2
De acordo com nossas estatísticas, o desenvolvimento de Agentes de IA na Internet tradicional Web2 apresenta uma tendência clara de concentração de setores. Especificamente, cerca de dois terços dos projetos estão concentrados em infraestrutura, sendo que a maioria é composta por serviços B2B e ferramentas de desenvolvimento, e também realizamos algumas análises sobre esse fenômeno.
Impacto da maturidade tecnológica: A razão pela qual os projetos de infraestrutura dominam é, em primeiro lugar, devido à sua maturidade tecnológica. Esses projetos geralmente se baseiam em tecnologias e estruturas testadas ao longo do tempo, reduzindo assim a dificuldade e o risco de desenvolvimento. É equivalente à "pá" no campo da IA, fornecendo uma base sólida para o desenvolvimento e aplicação de Agentes de IA.
Impulsionado pela demanda do mercado: outro fator chave é a demanda do mercado. Em comparação com o mercado consumidor, a demanda do mercado empresarial por tecnologias de IA é mais urgente, especialmente na busca por soluções que melhorem a eficiência operacional e reduzam custos. Ao mesmo tempo, para os desenvolvedores, o fluxo de caixa proveniente das empresas é relativamente estável, o que é favorável ao desenvolvimento de projetos subsequentes.
Limitações dos cenários de aplicação: Ao mesmo tempo, notamos que a aplicação de IA geradora de conteúdo no mercado B2B é relativamente limitada. Devido à sua instabilidade na produção, as empresas tendem a preferir aplicações que possam aumentar a produtividade de forma estável. Isso resulta em uma proporção menor de IA geradora de conteúdo na biblioteca de projetos.
Esta tendência reflete a maturidade da tecnologia, a demanda do mercado e as considerações práticas dos cenários de aplicação. Com os contínuos avanços na tecnologia de IA e a maior clareza nas demandas do mercado, prevemos que este padrão poderá ser ajustado, mas as infraestruturas continuarão a ser a base sólida para o desenvolvimento de Agentes de IA.
Análise do projeto líder de agentes de IA Web2
Vamos explorar em profundidade alguns projetos de Agentes de IA no atual mercado Web2 e analisá-los, usando como exemplo os projetos Character AI, Perplexity AI e Midjourney.
Character AI:
Introdução ao produto: Character.AI oferece um sistema de diálogo baseado em inteligência artificial e ferramentas para a criação de personagens virtuais. A sua plataforma permite que os utilizadores criem, treinem e interajam com personagens virtuais que conseguem dialogar em linguagem natural e executar tarefas específicas.
Análise de dados: O Character.AI teve 277 milhões de visitas em maio, com mais de 3,5 milhões de usuários ativos diários, a maioria deles com idades entre 18 e 34 anos, mostrando características de um grupo de usuários jovem. O Character AI teve um desempenho excelente no mercado de capitais, completando um financiamento de 150 milhões de dólares, com uma avaliação de 1 bilhão de dólares, liderado pela a16z.
Análise técnica: A Character AI assinou um acordo de licença não exclusivo com a Alphabet, a empresa-mãe do Google, para o uso de seus modelos de linguagem de grande escala, o que indica que a Character AI utiliza tecnologia desenvolvida internamente. Vale a pena mencionar que os fundadores da empresa, Noam Shazeer e Daniel De Freitas, estiveram envolvidos no desenvolvimento do modelo de linguagem conversacional Llama do Google.
Perplexity AI:
Apresentação do produto: Perplexity é capaz de capturar e fornecer respostas detalhadas da Internet. Através de citações e links de referência, garante a fiabilidade e a precisão das informações, ao mesmo tempo que educa e orienta os utilizadores a fazer perguntas adicionais e a pesquisar palavras-chave, satisfazendo assim as diversas necessidades de consulta dos utilizadores.
Análise de dados: O número de usuários ativos mensais da Perplexity chegou a 10 milhões, com um crescimento de 8,6% no número de acessos aos seus aplicativos móveis e de desktop em fevereiro, atraindo cerca de 50 milhões de usuários. No mercado de capitais, a Perplexity AI anunciou recentemente que obteve 62,7 milhões de dólares em financiamento, com uma avaliação de 1,04 bilhões de dólares, liderada por Daniel Gross, com participantes incluindo Stan Druckenmiller e NVIDIA.
Análise técnica: O modelo principal utilizado pela Perplexity é o GPT-3.5 ajustado, juntamente com dois grandes modelos ajustados com base em modelos de código aberto: pplx-7b-online e pplx-70b-online. O modelo é adequado para pesquisa acadêmica profissional e