¿El Agente AI puede convertirse en la salvación de Web3 + AI?
Los proyectos de Agente de IA son principalmente tipos de servicios empresariales que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, el número de proyectos de agentes de IA en Web3 es bajo, representando el 8%, pero su participación en el valor de mercado en la pista de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos con valoraciones superiores a 10 mil millones de dólares.
Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales de IA puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agentes de IA debe centrarse en la construcción de un ecosistema completo y el diseño de un modelo económico de tokens, para fomentar la descentralización y el efecto de red.
Ola de IA: Estado actual de proyectos emergentes y aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con este rápido desarrollo, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA, por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia inevitable.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, según la investigación de estadísticas de investigación de IA de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, el número de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
El entusiasmo por la tecnología de la IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento de las startups de IA ha aumentado hasta los 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon 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 mayor valoración, solo detrás de OpenAI.
2024 Q2AI Carreras de financiamiento TOP10, fuente: Yiou
El rápido desarrollo de la tecnología de IA está reconfigurando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un periodo dorado de rápido desarrollo, con grandes modelos de lenguaje y tecnologías de generación aumentada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir sus ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones al generar información inexacta y los problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
En este contexto, comenzamos a investigar sobre los Agentes de IA, ya que enfatizan la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo de los Agentes de IA, ya que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando 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 descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que los Agentes de IA, con su capacidad de ejecutar tareas de forma autónoma, muestran un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente AI en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda fusión entre AI y Web3.
Aclaración de conceptos: Introducción y visión general de las clasificaciones de los Agentes de IA
Introducción básica
Antes de presentar al Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario práctico como ejemplo: supongamos que estás planeando un viaje. Los grandes modelos de lenguaje tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como J.A.R.V.I.S. en la película de Iron Man, que puede entender las necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario al calendario.
Actualmente, la definición más común de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información simple, sino que también puede planificar, descomponer tareas y realmente ejecutarlas.
Según esta definición y características, podemos observar 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 y 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 entorno externo y, en consecuencia, generar un impacto en el entorno real.
Tomando como ejemplo a ChatGPT para aclarar conceptos, debemos señalar claramente que el Transformer es la arquitectura tecnológica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. A través de la etiquetación de 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, hemos dividido los proyectos en categorías de primer y segundo nivel, según las etiquetas significativas correspondientes a cada proyecto. Entre ellas, la categoría de primer nivel incluye tres tipos: 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 básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B para aplicaciones básicas más maduras.
Herramientas de desarrollo: proporciona a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.
Clase de procesamiento de datos: manejar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, construcción de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Clase interactiva: Similar a la clase de generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente AI de compañía emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador de Preentrenamiento Generativo).
Clase de búsqueda: Agente centrado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional presenta una clara tendencia de concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más numerosos. También hemos realizado algún análisis sobre este fenómeno.
Impacto de la madurez tecnológica: la razón por la que los proyectos de infraestructura dominan es, ante todo, gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados 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. En comparación con el mercado de consumo, la demanda de tecnología 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 caja de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la IA generadora de contenido tiene escenarios de aplicación relativamente limitados en el mercado B2B. Debido a su inestabilidad en los resultados, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera constante. Esto ha llevado a que la IA generadora de contenido represente una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA sigue avanzando y la demanda del mercado se aclara aún más, esperamos que este patrón pueda ajustarse, pero las infraestructuras seguirán siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis del proyecto líder de AI Agent en Web2
Organización de proyectos líderes en AI Agent de Web2, fuente: base de datos del proyecto ArkStream
Analizamos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2, tomando como ejemplos los 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 excelente 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 propia. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron 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 que realicen preguntas de seguimiento y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó 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 un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
8 me gusta
Recompensa
8
6
Compartir
Comentar
0/400
GasFeeLover
· hace9h
Qué lío, ¿cuándo podrán optimizar las tarifas de gas?
Ver originalesResponder0
ContractFreelancer
· hace9h
¿Un 23% de participación? 🔥 ¡Lo veo positivo!
Ver originalesResponder0
MEVHunter
· hace9h
ngmi a menos que los agentes puedan encontrar alpha en mempool... el 23% de mcap no significa nada si no pueden extraer valor tbh
Ver originalesResponder0
YieldHunter
· hace9h
técnicamente hablando... ¿8% de tracción pero 23% de mcap? huele a otro ponzi para ser sincero
Ver originalesResponder0
MEVHunterWang
· hace9h
¿Por qué ahora el hype sobre la IA no tiene límites?
¿Puede el Agente de IA convertirse en la próxima tendencia de Web3+IA? Análisis del estado actual de desarrollo y tendencias futuras.
¿El Agente AI puede convertirse en la salvación de Web3 + AI?
Los proyectos de Agente de IA son principalmente tipos de servicios empresariales que son populares y maduros en el emprendimiento Web2, mientras que en el ámbito Web3, los proyectos de entrenamiento de modelos y de plataformas integradas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, el número de proyectos de agentes de IA en Web3 es bajo, representando el 8%, pero su participación en el valor de mercado en la pista de IA alcanza el 23%, lo que demuestra una fuerte competitividad en el mercado. Prevemos que, a medida que la tecnología madure y aumente el reconocimiento del mercado, surgirán múltiples proyectos con valoraciones superiores a 10 mil millones de dólares.
Para los proyectos de Web3, la introducción de tecnologías de IA en productos de aplicación que no son centrales de IA puede convertirse en una ventaja estratégica. La forma en que se combinan los proyectos de Agentes de IA debe centrarse en la construcción de un ecosistema completo y el diseño de un modelo económico de tokens, para fomentar la descentralización y el efecto de red.
Ola de IA: Estado actual de proyectos emergentes y aumento de valor
Desde que ChatGPT fue lanzado en noviembre de 2022, en solo dos meses atrajo a más de cien millones de usuarios. Para mayo de 2024, los ingresos mensuales de ChatGPT habían alcanzado la asombrosa cifra de 20.3 millones de dólares, y OpenAI, tras el lanzamiento de ChatGPT, también lanzó rápidamente versiones iterativas como GPT-4 y GP4-4o. Con este rápido desarrollo, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de modelos de IA de vanguardia como LLM, y comenzaron a lanzar sus propios modelos y aplicaciones de IA, por ejemplo, Google lanzó el modelo de lenguaje grande PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron grandes modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de competencia inevitable.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que también, según la investigación de estadísticas de investigación de IA de código abierto, el informe AI Index de 2024 muestra que el número de proyectos relacionados con IA en GitHub se disparó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, el número de proyectos creció un 59.3% en comparación interanual, reflejando el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
El entusiasmo por la tecnología de la IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un fuerte crecimiento, con un aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hay un total de 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. El total de financiamiento de las startups de IA ha aumentado hasta los 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, de Elon 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 mayor valoración, solo detrás de OpenAI.
2024 Q2AI Carreras de financiamiento TOP10, fuente: Yiou
El rápido desarrollo de la tecnología de IA está reconfigurando el panorama del campo tecnológico a una velocidad sin precedentes. Desde la feroz competencia entre gigantes tecnológicos, hasta el florecimiento de proyectos en la comunidad de código abierto, y el ferviente entusiasmo del mercado de capitales por el concepto de IA. Los proyectos surgen uno tras otro, las inversiones alcanzan nuevos máximos, y las valoraciones también aumentan. En general, el mercado de IA se encuentra en un periodo dorado de rápido desarrollo, con grandes modelos de lenguaje y tecnologías de generación aumentada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir sus ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de ilusiones al generar información inexacta y los problemas de transparencia del modelo. Estos problemas son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
En este contexto, comenzamos a investigar sobre los Agentes de IA, ya que enfatizan la integralidad de resolver problemas prácticos e interactuar con el entorno. Este cambio marca la evolución de la tecnología de IA de modelos de lenguaje puramente a sistemas inteligentes que realmente pueden entender, aprender y resolver problemas del mundo real. Así que vemos esperanza en el desarrollo de los Agentes de IA, ya que están cerrando gradualmente la brecha entre la tecnología de IA y la resolución de problemas prácticos. La evolución de la tecnología de IA está reconfigurando continuamente la estructura de la productividad, mientras que la tecnología Web3 está reestructurando 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 descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que surgirán una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que los Agentes de IA, con su capacidad de ejecutar tareas de forma autónoma, muestran un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente AI en Web3, desde la infraestructura de Web3, middleware, hasta la capa de aplicaciones, así como en mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender en profundidad la profunda fusión entre AI y Web3.
Aclaración de conceptos: Introducción y visión general de las clasificaciones de los Agentes de IA
Introducción básica
Antes de presentar al Agente AI, para que los lectores comprendan mejor la diferencia entre su definición y el modelo en sí, utilizaremos un escenario práctico como ejemplo: supongamos que estás planeando un viaje. Los grandes modelos de lenguaje tradicionales proporcionan información sobre destinos y recomendaciones de viaje. La tecnología de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. Y el Agente AI es como J.A.R.V.I.S. en la película de Iron Man, que puede entender las necesidades y, basándose en una de tus frases, buscar proactivamente vuelos y hoteles, realizar reservas y agregar el itinerario al calendario.
Actualmente, la definición más común de un Agente de IA en la industria se refiere a un sistema inteligente que puede percibir el entorno y tomar acciones correspondientes, obteniendo información del entorno a través de sensores, procesándola y luego impactando el entorno a través de ejecutores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y capacidad de uso de herramientas. No solo puede proporcionar información simple, sino que también puede planificar, descomponer tareas y realmente ejecutarlas.
Según esta definición y características, podemos observar 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 y 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 entorno externo y, en consecuencia, generar un impacto en el entorno real.
Tomando como ejemplo a ChatGPT para aclarar conceptos, debemos señalar claramente que el Transformer es la arquitectura tecnológica que constituye los modelos de IA, GPT es la serie de modelos que se ha desarrollado sobre esta arquitectura, y GPT-1, GPT-4, GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por su parte, es un Agente de IA que ha evolucionado a partir del modelo GPT.
Resumen de clasificación
Actualmente, el mercado de Agentes de IA aún no ha formado un estándar de clasificación unificado. A través de la etiquetación de 204 proyectos de Agentes de IA en los mercados de Web2 y Web3, hemos dividido los proyectos en categorías de primer y segundo nivel, según las etiquetas significativas correspondientes a cada proyecto. Entre ellas, la categoría de primer nivel incluye tres tipos: 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 básico en el campo de los Agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B para aplicaciones básicas más maduras.
Herramientas de desarrollo: proporciona a los desarrolladores herramientas y marcos auxiliares para construir agentes de IA.
Clase de procesamiento de datos: manejar y analizar datos en diferentes formatos, principalmente utilizados para apoyar la toma de decisiones y proporcionar fuentes para el entrenamiento.
Clase de entrenamiento de modelos: ofrece servicios de entrenamiento de modelos para IA, incluyendo inferencia, construcción de modelos, configuración, etc.
Servicios B2B: principalmente dirigidos a usuarios empresariales, ofrecen soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Clase interactiva: Similar a la clase de generación de contenido, la diferencia radica en la interacción bidireccional continua. Los agentes interactivos no solo aceptan y comprenden las necesidades del usuario, sino que también proporcionan retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agente AI de compañía emocional: proporciona apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador de Preentrenamiento Generativo).
Clase de búsqueda: Agente centrado en la función de búsqueda, que proporciona una recuperación de información más precisa.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de modelos grandes para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en cuatro categorías: generación de texto, generación de imágenes, generación de videos y generación de audio.
Análisis del estado actual del desarrollo de agentes de IA Web2
Según nuestras estadísticas, el desarrollo de Agentes de IA en la Web2 tradicional presenta una clara tendencia de concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo principalmente servicios B2B y herramientas de desarrollo los más numerosos. También hemos realizado algún análisis sobre este fenómeno.
Impacto de la madurez tecnológica: la razón por la que los proyectos de infraestructura dominan es, ante todo, gracias a su madurez tecnológica. Estos proyectos suelen estar basados en tecnologías y marcos probados 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. En comparación con el mercado de consumo, la demanda de tecnología 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 caja de las empresas es relativamente estable, lo que les beneficia para desarrollar proyectos posteriores.
Limitaciones en los escenarios de aplicación: Al mismo tiempo, notamos que la IA generadora de contenido tiene escenarios de aplicación relativamente limitados en el mercado B2B. Debido a su inestabilidad en los resultados, las empresas tienden a preferir aquellas aplicaciones que pueden aumentar la productividad de manera constante. Esto ha llevado a que la IA generadora de contenido represente una proporción pequeña en la biblioteca de proyectos.
Esta tendencia refleja la madurez tecnológica, la demanda del mercado y las consideraciones prácticas de los escenarios de aplicación. A medida que la tecnología de IA sigue avanzando y la demanda del mercado se aclara aún más, esperamos que este patrón pueda ajustarse, pero las infraestructuras seguirán siendo la base sólida para el desarrollo de los Agentes de IA.
Análisis del proyecto líder de AI Agent en Web2
Organización de proyectos líderes en AI Agent de Web2, fuente: base de datos del proyecto ArkStream
Analizamos en profundidad algunos proyectos de agentes de IA en el actual mercado de Web2, tomando como ejemplos los 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 excelente 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 propia. Cabe mencionar que los fundadores de la empresa, Noam Shazeer y Daniel De Freitas, participaron 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 que realicen preguntas de seguimiento y busquen palabras clave, satisfaciendo así las diversas necesidades de consulta de los usuarios.
Análisis de datos: El número de usuarios activos mensuales de Perplexity ha alcanzado los 10 millones, y el tráfico de sus aplicaciones móviles y de escritorio experimentó 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 un GPT-3.5 ajustado, así como dos grandes modelos ajustados basados en modelos de código abierto: pplx-7b-online y pplx-70b-online. Los modelos son adecuados para investigaciones académicas profesionales y consultas en campos verticales, asegurando la veracidad y confiabilidad de la información.
Midjourney:
Introducción del producto: usuario