¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente un tipo de servicio empresarial popular y maduro en el emprendimiento Web2, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y plataformas colectivas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de agentes de IA en Web3, representando solo el 8%, pero su 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 el reconocimiento del mercado, surgirán múltiples proyectos valorados en más de 1.000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales de AI puede convertirse en una ventaja estratégica. La forma en que se combine el proyecto de Agente AI debe centrarse en la construcción de todo el ecosistema y el diseño del modelo económico de tokens, para fomentar la descentralización y el efecto de red.
Ola de IA: Estado actual de los nuevos proyectos y el aumento de valor.
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. Ante esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de los modelos de IA más avanzados como LLM, y lanzaron sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de intensa competencia.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de una investigación estadística sobre la investigación de IA de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub aumentó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación interanual, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un crecimiento fuerte, con un aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hay 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. La financiación total de las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, bajo la dirección 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 feroz competencia entre gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y el ferviente entusiasmo del mercado de capitales por los conceptos 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 período dorado de rápido desarrollo, con modelos de lenguaje grandes y técnicas de generación aumentada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
En este contexto, comenzamos a investigar 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. Por lo tanto, vemos esperanza en el desarrollo de los Agentes de IA, 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 remodelando continuamente 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 descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que darán lugar a una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones y mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender a fondo la profunda integración de la IA y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, 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 grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La técnica de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. El Agente AI es como JARVIS en la película de Iron Man, 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 común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones en consecuencia, obteniendo información ambiental a través de sensores, procesándola y luego afectando el entorno a través de actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y habilidades de uso de herramientas. No solo puede proporcionar información pura, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya están integrados 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, hacer impactos en el entorno real.
Tomando ChatGPT como ejemplo para aclarar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se desarrolló sobre esta arquitectura, y GPT-1, GPT-4, y GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un Agente de IA evolucionado a partir del modelo GPT.
Descripción de la categoría
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 y Web3 de manera independiente, y, según las etiquetas significativas correspondientes a cada proyecto, hemos dividido en categorías de primer y segundo nivel. La categoría de primer nivel incluye tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdividen según sus casos de uso reales.
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y de aplicaciones básicas.
Herramientas de desarrollo: Proporcionar herramientas y marcos auxiliares para que los desarrolladores construyan 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.
Clases de entrenamiento de modelos: proporcionan servicios de entrenamiento de modelos para IA, incluyendo inferencia, creación de modelos, configuración, etc.
Servicios B2B: dirigidos principalmente a usuarios empresariales, ofreciendo soluciones de servicios empresariales, verticales y automatizadas.
Plataforma de tipo conjunto: una plataforma que integra varios servicios y herramientas de AI Agent.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. El agente de interacción no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Agentes de IA de acompañamiento emocional: proporcionan apoyo emocional y compañía.
Clase GPT: Agente de IA basado en el modelo GPT (Transformador Generativo Preentrenado).
Categoría de búsqueda: Agente enfocado 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 grandes modelos para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en 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 de Internet tradicional muestra una clara tendencia de concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo predominantemente servicios para empresas y herramientas de desarrollo. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: los proyectos de infraestructura dominan principalmente gracias a su madurez tecnológica. Estos proyectos suelen estar construidos sobre tecnologías y marcos probados con el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulsado por la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, 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 en el desarrollo de proyectos posteriores.
Limitaciones del escenario de aplicación: Al mismo tiempo, hemos observado que las aplicaciones de IA generadora de contenido en el mercado B2B son relativamente limitadas. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido ocupe una proporción pequeña en el repositorio 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 clarificación de la demanda del mercado, anticipamos que este panorama 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 actual mercado de Web2 y analizamos tres proyectos como ejemplos: Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción al producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un rendimiento excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe destacar 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: La cantidad 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 obtuvo 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la ronda, y los participantes incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es una versión ajustada de GPT-3.5, 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 investigaciones académicas profesionales y
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
11 me gusta
Recompensa
11
7
Republicar
Compartir
Comentar
0/400
PseudoIntellectual
· 08-11 11:21
¡Qué socorro... la sensación de existencia es tan débil como la de un fantasma!
Ver originalesResponder0
TokenomicsTinfoilHat
· 08-11 04:02
alcista, ¿no estás exagerando demasiado?
Ver originalesResponder0
GasFeeNightmare
· 08-11 00:59
Otra vez están especulando con nuevos conceptos, ¿no pueden simplemente optimizar un poco las tarifas de gas?
Ver originalesResponder0
YieldHunter
· 08-11 00:55
hmm... 23% mcap con solo 8% de proyectos? ngl parece otro ponzi en gestación...
Ver originalesResponder0
HodlTheDoor
· 08-11 00:43
¿Un clavo ardiendo? ¿Estás soñando?
Ver originalesResponder0
GateUser-2fce706c
· 08-11 00:30
No se puede perder esta oportunidad, amigos. Han pasado dos años en la planificación, es hora de despertar.
¿Puede el agente de IA convertirse en el motor clave para el desarrollo de Web3 + IA?
¿Puede el Agente de IA convertirse en la salvación de Web3+IA?
Los proyectos de AI Agent son principalmente un tipo de servicio empresarial popular y maduro en el emprendimiento Web2, mientras que en el campo de Web3, los proyectos de entrenamiento de modelos y plataformas colectivas se han convertido en la corriente principal debido a su papel clave en la construcción de ecosistemas.
Actualmente, hay pocos proyectos de agentes de IA en Web3, representando solo el 8%, pero su 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 el reconocimiento del mercado, surgirán múltiples proyectos valorados en más de 1.000 millones de dólares.
Para los proyectos de Web3, la introducción de tecnología AI en productos de aplicación que no son centrales de AI puede convertirse en una ventaja estratégica. La forma en que se combine el proyecto de Agente AI debe centrarse en la construcción de todo el ecosistema y el diseño del modelo económico de tokens, para fomentar la descentralización y el efecto de red.
Ola de IA: Estado actual de los nuevos proyectos y el aumento de valor.
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. Ante esta rápida tendencia, los grandes gigantes tecnológicos tradicionales se dieron cuenta de la importancia de las aplicaciones de los modelos de IA más avanzados como LLM, y lanzaron sus propios modelos y aplicaciones de IA. Por ejemplo, Google lanzó el modelo de lenguaje PaLM2, Meta presentó Llama3, mientras que las empresas chinas lanzaron modelos como Wenxin Yiyan y Zhipu Qingyan. Es evidente que el campo de la IA se ha convertido en un lugar de intensa competencia.
La competencia entre los grandes gigantes tecnológicos no solo ha impulsado el desarrollo de aplicaciones comerciales, sino que a partir de una investigación estadística sobre la investigación de IA de código abierto, el informe AI Index de 2024 muestra que la cantidad de proyectos relacionados con IA en GitHub aumentó de 845 en 2011 a aproximadamente 1.8 millones en 2023. Especialmente después del lanzamiento de GPT en 2023, la cantidad de proyectos creció un 59.3% en comparación interanual, lo que refleja el entusiasmo de la comunidad de desarrolladores global por la investigación en IA.
La pasión por la tecnología de IA se refleja directamente en el mercado de inversiones, donde el mercado de inversiones en IA muestra un crecimiento fuerte, con un aumento explosivo en el segundo trimestre de 2024. A nivel mundial, hay 16 inversiones relacionadas con la IA que superan los 150 millones de dólares, el doble que en el primer trimestre. La financiación total de las startups de IA ha aumentado a 24 mil millones de dólares, más del doble en comparación con el año anterior. Entre ellas, xAI, bajo la dirección 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 feroz competencia entre gigantes tecnológicos, hasta el floreciente desarrollo de proyectos en comunidades de código abierto, y el ferviente entusiasmo del mercado de capitales por los conceptos 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 período dorado de rápido desarrollo, con modelos de lenguaje grandes y técnicas de generación aumentada por búsqueda logrando avances significativos en el procesamiento del lenguaje. Sin embargo, estos modelos aún enfrentan desafíos al convertir las ventajas tecnológicas en productos reales, como la incertidumbre en la salida del modelo, el riesgo de generar información inexacta y problemas de transparencia del modelo. Estas cuestiones son especialmente importantes en escenarios de aplicación que requieren una alta fiabilidad.
En este contexto, comenzamos a investigar 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. Por lo tanto, vemos esperanza en el desarrollo de los Agentes de IA, 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 remodelando continuamente 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 descentralización, economía de tokens y contratos inteligentes de Web3, prevemos que darán lugar a una serie de aplicaciones innovadoras. En este campo interseccional lleno de potencial, creemos que el Agente de IA, con su capacidad para ejecutar tareas de manera autónoma, muestra un gran potencial para lograr aplicaciones a gran escala.
Para ello, comenzamos a investigar en profundidad las diversas aplicaciones del Agente de IA en Web3, desde la infraestructura de Web3, middleware, hasta el nivel de aplicaciones y mercados de datos y modelos, con el objetivo de identificar y evaluar los tipos de proyectos y escenarios de aplicación más prometedores, para comprender a fondo la profunda integración de la IA y Web3.
Aclaración de conceptos: Introducción y clasificación de los Agentes de IA
Introducción básica
Antes de presentar el Agente AI, 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 grandes tradicionales proporcionan información sobre destinos y sugerencias de viaje. La técnica de generación mejorada por recuperación puede ofrecer contenido de destino más rico y específico. El Agente AI es como JARVIS en la película de Iron Man, 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 común de un Agente de IA en la industria se refiere a un sistema inteligente capaz de percibir el entorno y tomar acciones en consecuencia, obteniendo información ambiental a través de sensores, procesándola y luego afectando el entorno a través de actuadores (Stuart Russell & Peter Norvig, 2020). Creemos que un Agente de IA es un asistente que combina LLM, RAG, memoria, planificación de tareas y habilidades de uso de herramientas. No solo puede proporcionar información pura, sino que también puede planificar, descomponer tareas y ejecutarlas realmente.
Según esta definición y características, podemos encontrar que los Agentes de IA ya están integrados 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, hacer impactos en el entorno real.
Tomando ChatGPT como ejemplo para aclarar conceptos, debemos señalar claramente que el Transformer es la arquitectura técnica que compone los modelos de IA, GPT es la serie de modelos que se desarrolló sobre esta arquitectura, y GPT-1, GPT-4, y GPT-4o representan las versiones del modelo en diferentes etapas de desarrollo. ChatGP, por otro lado, es un Agente de IA evolucionado a partir del modelo GPT.
Descripción de la categoría
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 y Web3 de manera independiente, y, según las etiquetas significativas correspondientes a cada proyecto, hemos dividido en categorías de primer y segundo nivel. La categoría de primer nivel incluye tres categorías: infraestructura básica, generación de contenido e interacción con el usuario, y luego se subdividen según sus casos de uso reales.
Infraestructura: Esta categoría se centra en construir contenido más básico en el campo de los agentes, incluyendo plataformas, modelos, datos, herramientas de desarrollo y servicios B2B más maduros y de aplicaciones básicas.
Interacción: Similar a la generación de contenido, la diferencia radica en la interacción bidireccional continua. El agente de interacción no solo acepta y comprende las necesidades del usuario, sino que también proporciona retroalimentación a través de tecnologías como el procesamiento del lenguaje natural (NLP), logrando una interacción bidireccional con el usuario.
Generación de contenido: Este tipo de proyectos se centra en crear contenido, utilizando tecnología de grandes modelos para generar diversas formas de contenido según las instrucciones del usuario, que se dividen en 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 de Internet tradicional muestra una clara tendencia de concentración de sectores. En concreto, aproximadamente dos tercios de los proyectos se concentran en la infraestructura, siendo predominantemente servicios para empresas y herramientas de desarrollo. También hemos realizado un análisis sobre este fenómeno.
Impacto de la madurez tecnológica: los proyectos de infraestructura dominan principalmente gracias a su madurez tecnológica. Estos proyectos suelen estar construidos sobre tecnologías y marcos probados con el tiempo, lo que reduce la dificultad y el riesgo de desarrollo. Es equivalente a la "pala" en el campo de la IA, proporcionando una base sólida para el desarrollo y la aplicación de Agentes de IA.
Impulsado por la demanda del mercado: otro factor clave es la demanda del mercado. En comparación con el mercado de consumidores, 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 en el desarrollo de proyectos posteriores.
Limitaciones del escenario de aplicación: Al mismo tiempo, hemos observado que las aplicaciones de IA generadora de contenido en el mercado B2B son relativamente limitadas. Debido a la inestabilidad de su producción, las empresas tienden a preferir aquellas aplicaciones que puedan aumentar la productividad de manera estable. Esto ha llevado a que la IA generadora de contenido ocupe una proporción pequeña en el repositorio 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 clarificación de la demanda del mercado, anticipamos que este panorama 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 actual mercado de Web2 y analizamos tres proyectos como ejemplos: Character AI, Perplexity AI y Midjourney.
Character AI:
Introducción al producto: Character.AI ofrece un sistema de conversación basado en inteligencia artificial y herramientas para la creación de personajes virtuales. Su plataforma permite a los usuarios crear, entrenar e interactuar con personajes virtuales que pueden mantener conversaciones en lenguaje natural y realizar tareas específicas.
Análisis de datos: Character.AI tuvo 277 millones de visitas en mayo, la plataforma cuenta con más de 3.5 millones de usuarios activos diarios, la mayoría de los cuales tienen entre 18 y 34 años, lo que muestra características de un grupo de usuarios más joven. Character AI ha tenido un rendimiento excepcional en el mercado de capitales, completando una financiación de 150 millones de dólares, con una valoración de 1,000 millones de dólares, liderada por a16z.
Análisis técnico: Character AI ha firmado un acuerdo de licencia no exclusivo con la empresa matriz de Google, Alphabet, lo que indica que Character AI utiliza tecnología desarrollada internamente. Cabe destacar 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: La cantidad 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 obtuvo 62.7 millones de dólares en financiamiento, alcanzando una valoración de 1.04 mil millones de dólares, con Daniel Gross liderando la ronda, y los participantes incluyen a Stan Druckenmiller y NVIDIA.
Análisis técnico: El modelo principal utilizado por Perplexity es una versión ajustada de GPT-3.5, 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 investigaciones académicas profesionales y