¿Puede el agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de agentes de IA son principalmente de tipo servicio empresarial, que son populares y maduros en el emprendimiento Web2, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y de plataformas agregadas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, la cantidad de proyectos de AI Agent en Web3 es reducida, representando el 8%, pero su participación en la capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que a medida que la tecnología madure y aumente la aceptación en el mercado, surgirán varios proyectos con una valuación superior a los 1,000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son core AI puede convertirse en una ventaja estratégica. En cuanto a la forma de combinar los proyectos de AI Agent, se debe prestar atención a la construcción de todo el ecosistema y al diseño de modelos económicos de tokens para promover la descentralización y el efecto de red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. 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 este rápido impulso, los grandes gigantes tecnológicos tradicionales han reconocido la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y han lanzado sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta lanzó Llama3, mientras que las empresas chinas presentaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un campo de batalla crucial.
La competencia entre los grandes gigantes de la tecnología no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, a partir de una investigación de estadísticas sobre AI de código abierto, encontramos que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con AI en GitHub aumentó drásticamente de 845 en 2011 a aproximadamente 1.8 millones en 2023. En particular, después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en AI.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, experimentando un crecimiento explosivo en el segundo trimestre de 2024. En total, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento de las startups de IA ha ascendido 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 después de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, con inversiones alcanzando cifras récord y valoraciones en aumento. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje a gran escala y tecnologías de generación aumentada por recuperación logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos todavía enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y el problema de la 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 en la resolución de problemas reales y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente teóricos a sistemas inteligentes que realmente entienden, aprenden y resuelven problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está remodelando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad de ejecutar tareas de forma autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones, así como los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender profundamente la fusión entre la IA y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de introducir el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizamos un escenario práctico como ejemplo: supongamos que estás planificando un viaje. Los modelos de lenguaje tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. El Agente de IA es como Jarvis en la película de Iron Man, puede entender tus necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario a tu calendario.
Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y realizar acciones en consecuencia, obteniendo información del entorno a través de sensores, procesándola y luego afectando el entorno mediante ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información 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 L5 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 del mundo exterior y, en función de ello, responder de manera que afecten el entorno real.
Tomando como ejemplo ChatGPT para aclarar el concepto, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos desarrollada sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
En la actualidad, el mercado 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 + Web3, y según las etiquetas significativas de cada proyecto, los hemos dividido en clasificaciones de primer y segundo nivel. Entre ellos, la clasificación de primer nivel comprende tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y se subdivide según sus casos de uso reales:
Infraestructura: Este tipo se centra en construir contenido más fundamental en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y aplicados a nivel básico.
Herramientas de desarrollo: proporcionar herramientas y marcos auxiliares para que los desarrolladores construyan agentes de IA.
Clase de procesamiento de datos: procesa y analiza datos en diferentes formatos, principalmente utilizado para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios para el sector B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo reciben y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente de IA de compañía emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clasificación de búsqueda: Agentes centrados en la función de búsqueda, que proporcionan una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en la creación de 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 de desarrollo del Agente AI Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en el Internet tradicional Web2 muestra una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es principalmente gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos comprobados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivalente a la "pala" en el campo de la IA, proporciona 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. Comparado con el mercado de consumo, la demanda de tecnologías de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir 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 futuros.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas prefieren aquellas aplicaciones que pueden aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción relativamente 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 mayor claridad en la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de Agentes de IA.
Análisis de proyectos líderes de agentes de IA en Web2
Profundizamos en algunos proyectos de agentes de IA en el mercado actual de Web2 y los analizamos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
Character AI：
Introducción del 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 gran desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 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, han participado en el desarrollo del modelo de lenguaje conversacional Llama de Google.
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 hacer preguntas de seguimiento y buscar palabras clave, satisfaciendo así la diversidad de las necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y las visitas a sus aplicaciones móviles y de escritorio experimentaron un crecimiento del 8.6% 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, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en un modelo grande de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para la investigación académica profesional y vertical.
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.
25 me gusta
Recompensa
25
9
Republicar
Compartir
Comentar
0/400
GasBankrupter
· 07-14 06:00
¿Esto realmente funciona? Comprar la caída es mejor que la paja.
Ver originalesResponder0
tokenomics_truther
· 07-13 14:37
8% de participación capitalización de mercado 23% ¡Es un verdadero rollo!
Ver originalesResponder0
StakeTillRetire
· 07-13 07:29
Los datos son bastante buenos, vale la pena hacer una inversión.
Ver originalesResponder0
SleepyValidator
· 07-13 01:55
Un poco de volumen, 23% de capitalización de mercado, solo este 8% de cantidad.
Ver originalesResponder0
GasFeeWhisperer
· 07-13 01:55
La expectativa de un bull run ya está lista, solo falta ver si el agente corre rápido o no.
Ver originalesResponder0
0xLostKey
· 07-13 01:52
Ser engañados nueva táctica ha llegado
Ver originalesResponder0
AltcoinAnalyst
· 07-13 01:52
Desde los datos, la capitalización de mercado del sector de Agentes ha alcanzado el 23%, la curva de crecimiento de TVL cumple con las expectativas, pero se debe tener en cuenta la estructura de asignación de tokens y el riesgo de concentración de peso individual, se sugiere participar de manera moderada para mantener la liquidez, no recomiendo una posición pesada en la entrada.
Ver originalesResponder0
HorizonHunter
· 07-13 01:52
La reputación ha caído a cero, esto es... el próximo bull run depende de esto.
Ver originalesResponder0
Web3Educator
· 07-13 01:27
*ajusta las gafas* datos interesantes sobre agentes de IA... pero no nos engañemos sobre la tokenómica siendo la salsa mágica aquí
¿Puede el Agente de IA convertirse en la clave del éxito en la carrera de Web3+AI?
¿Puede el agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de agentes de IA son principalmente de tipo servicio empresarial, que son populares y maduros en el emprendimiento Web2, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y de plataformas agregadas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, la cantidad de proyectos de AI Agent en Web3 es reducida, representando el 8%, pero su participación en la capitalización de mercado en el sector de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que a medida que la tecnología madure y aumente la aceptación en el mercado, surgirán varios proyectos con una valuación superior a los 1,000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son core AI puede convertirse en una ventaja estratégica. En cuanto a la forma de combinar los proyectos de AI Agent, se debe prestar atención a la construcción de todo el ecosistema y al diseño de modelos económicos de tokens para promover la descentralización y el efecto de red.
Ola de IA: Estado actual de la aparición de proyectos y el aumento de valoraciones
Desde que ChatGPT fue lanzado en noviembre de 2022, atrajo a más de cien millones de usuarios en solo dos meses. 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 este rápido impulso, los grandes gigantes tecnológicos tradicionales han reconocido la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y han lanzado sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta lanzó Llama3, mientras que las empresas chinas presentaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un campo de batalla crucial.
La competencia entre los grandes gigantes de la tecnología no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, a partir de una investigación de estadísticas sobre AI de código abierto, encontramos que el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con AI en GitHub aumentó drásticamente de 845 en 2011 a aproximadamente 1.8 millones en 2023. En particular, después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación con el año anterior, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en AI.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, experimentando un crecimiento explosivo en el segundo trimestre de 2024. En total, ha habido 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento de las startups de IA ha ascendido 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 después de OpenAI.
El rápido desarrollo de la tecnología de IA está remodelando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la intensa competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, con inversiones alcanzando cifras récord y valoraciones en aumento. En general, el mercado de IA se encuentra en un período dorado de rápido desarrollo, con modelos de lenguaje a gran escala y tecnologías de generación aumentada por recuperación logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos todavía enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y el problema de la 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 en la resolución de problemas reales y la interacción con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente teóricos a sistemas inteligentes que realmente entienden, aprenden y resuelven problemas del mundo real. Así que vemos esperanza en el desarrollo del Agente de IA, que está cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está remodelando constantemente la estructura de la productividad, mientras que la tecnología Web3 está reconfigurando las relaciones de producción de la economía digital. Cuando los tres elementos clave de la IA: datos, modelos y potencia de cálculo, se fusionan con los conceptos centrales de Web3 como la descentralización, la economía de tokens y los contratos inteligentes, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo de intersección lleno de potencial, creemos que el Agente de IA, con su capacidad de ejecutar tareas de forma autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones, así como los mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender profundamente la fusión entre la IA y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de introducir el Agente de IA, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizamos un escenario práctico como ejemplo: supongamos que estás planificando un viaje. Los modelos de lenguaje tradicionales proporcionan información sobre destinos y sugerencias de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. El Agente de IA es como Jarvis en la película de Iron Man, puede entender tus necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario a tu calendario.
Actualmente, la definición común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y realizar acciones en consecuencia, obteniendo información del entorno a través de sensores, procesándola y luego afectando el entorno mediante ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina capacidades de LLM, RAG, memoria, planificación de tareas y uso de herramientas. No solo puede proporcionar información 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 L5 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 del mundo exterior y, en función de ello, responder de manera que afecten el entorno real.
Tomando como ejemplo ChatGPT para aclarar el concepto, debemos señalar claramente que el Transformer es la arquitectura técnica que constituye los modelos de IA, GPT es la serie de modelos desarrollada sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de categorías
En la actualidad, el mercado 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 + Web3, y según las etiquetas significativas de cada proyecto, los hemos dividido en clasificaciones de primer y segundo nivel. Entre ellos, la clasificación de primer nivel comprende tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y se subdivide según sus casos de uso reales:
Infraestructura: Este tipo se centra en construir contenido más fundamental en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y aplicados a nivel básico.
Herramientas de desarrollo: proporcionar herramientas y marcos auxiliares para que los desarrolladores construyan agentes de IA.
Clase de procesamiento de datos: procesa y analiza datos en diferentes formatos, principalmente utilizado para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: proporciona servicios de entrenamiento de modelos para IA, incluyendo inferencia, establecimiento de modelos, configuración, etc.
Servicios para el sector B: principalmente dirigidos a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes de interacción no solo reciben y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento de lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente de IA de compañía emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Clasificación de búsqueda: Agentes centrados en la función de búsqueda, que proporcionan una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en la creación de 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 de desarrollo del Agente AI Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en el Internet tradicional Web2 muestra una clara tendencia de concentración en sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: La razón por la cual los proyectos de infraestructura dominan es principalmente gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos comprobados por el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Equivalente a la "pala" en el campo de la IA, proporciona 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. Comparado con el mercado de consumo, la demanda de tecnologías de IA en el mercado empresarial es más urgente, especialmente en la búsqueda de soluciones para mejorar la eficiencia operativa y reducir 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 futuros.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la aplicación de la IA generadora de contenido en el mercado B2B es relativamente limitada. Debido a su inestabilidad en la producción, las empresas prefieren aquellas aplicaciones que pueden aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido tenga una proporción relativamente 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 mayor claridad en la demanda del mercado, anticipamos que este patrón podría ajustarse, pero la infraestructura seguirá siendo la base sólida para el desarrollo de Agentes de IA.
Análisis de proyectos líderes de agentes de IA en Web2
Profundizamos en algunos proyectos de agentes de IA en el mercado actual de Web2 y los analizamos, tomando como ejemplos los tres proyectos Character AI, Perplexity AI y Midjourney.
Character AI：
Introducción del 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 gran desempeño en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración que alcanza los 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, han participado en el desarrollo del modelo de lenguaje conversacional Llama de Google.
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 hacer preguntas de seguimiento y buscar palabras clave, satisfaciendo así la diversidad de las necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y las visitas a sus aplicaciones móviles y de escritorio experimentaron un crecimiento del 8.6% 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, liderado por Daniel Gross, con la participación de Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es el GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en un modelo grande de código abierto: pplx-7b-online y pplx-70b-online. El modelo es adecuado para la investigación académica profesional y vertical.