L'agent IA peut-il devenir la bouée de sauvetage de Web3+IA ?
Les projets d'agent IA sont principalement des types de services pour entreprises populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent dominants en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est relativement faible, représentant 8 %, mais leur part de capitalisation boursière dans le domaine de l'IA atteint 23 %, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets d'une valorisation dépassant 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut devenir un avantage stratégique. Pour les projets AI Agent, la manière de combiner doit se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : état des lieux des projets multiples et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. D'ici mai 2024, les revenus mensuels de ChatGPT avaient atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont présenté des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grands géants de la technologie a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert grâce à une enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, ce qui reflète l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, où le marché des investissements en AI connaît une forte croissance, avec une explosion prévue au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit deux fois plus que le premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, soit une augmentation de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, détenu par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI redessine le paysage du domaine technologique à une vitesse sans précédent. De la concurrence intense entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets affluent, les montants d'investissement atteignent des niveaux record, et les évaluations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est à une période dorée de développement rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par recherche réalisant d'importants progrès dans le traitement du langage. Néanmoins, ces modèles sont encore confrontés à des défis lors de la conversion des avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes, et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents AI, car les agents AI mettent l'accent sur la globalité de la résolution des problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie AI, passant de modèles linguistiques purs à des systèmes intelligents capables de véritablement comprendre, d'apprendre et de résoudre des problèmes du monde réel. Ainsi, nous voyons de l'espoir dans le développement des agents AI, qui comblent progressivement le fossé entre la technologie AI et la résolution de problèmes pratiques. L'évolution de la technologie AI redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 restructure les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'AI : données, modèles et puissance de calcul, se fusionnent avec les concepts centraux de la décentralisation, de l'économie de jetons et des contrats intelligents du Web3, nous prévoyons qu'une série d'applications innovantes émergeront. Dans ce domaine croisé plein de potentiel, nous pensons que les agents AI, avec leur capacité à exécuter des tâches de manière autonome, montrent un immense potentiel pour des applications à grande échelle.
Pour ce faire, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des niveaux d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant d'introduire l'AI Agent, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers une situation réelle : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'AI Agent, quant à lui, est comme J.A.R.V.I.S dans les films Iron Man, capable de comprendre les besoins, et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en acquérant des informations environnementales par le biais de capteurs, puis en exerçant une influence sur l'environnement via des actionneurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est une aide qui combine des capacités LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents d'IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents d'IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer le monde réel.
Prenons ChatGPT comme exemple pour clarifier le concept. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est la série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP est un agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Actuellement, le marché des agents IA n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA sur le marché Web2+Web3 et, en fonction des étiquettes significatives de chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi celles-ci, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu et interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B d'application plus matures et de base.
Outils de développement : Fournir aux développeurs des outils et des cadres d'assistance pour construire des agents IA.
Catégorie de traitement des données : traiter et analyser des données de différents formats, principalement utilisées pour soutenir la prise de décision et fournir des sources pour l'entraînement.
Catégorie de formation des modèles : Fournit des services de formation de modèles pour l'IA, y compris l'inférence, la création et la configuration des modèles, etc.
Services B2B : principalement destiné aux utilisateurs d'entreprise, offrant des solutions de services d'entreprise, de niche et d'automatisation.
Plateforme de type agrégateur : une plateforme qui intègre divers services et outils d'Agent IA.
Interactivité : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs ne se contentent pas d'accepter et de comprendre les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Agents AI de soutien émotionnel : Fournissent un soutien émotionnel et de la compagnie.
Type GPT : Agent IA basé sur le modèle GPT (Transformateur pré-entraîné génératif).
Catégorie de recherche : Agent axé sur les fonctionnalités de recherche, offrant une récupération d'informations plus précise.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents AI dans l'Internet traditionnel Web2 montre une tendance de concentration évidente. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué une analyse de ce phénomène.
Impact de la maturité technologique : les projets d'infrastructure occupent une position dominante principalement grâce à leur maturité technologique. Ces projets reposent généralement sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est équivalent à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour les technologies d'IA est plus urgente, en particulier en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. De plus, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour développer des projets ultérieurs.
Limitations des cas d'utilisation : Parallèlement, nous avons remarqué que les applications d'IA générative de contenu sur le marché B2B sont relativement limitées. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une faible proportion d'IA générative de contenu dans les bibliothèques de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification croissante des besoins du marché, nous prévoyons que ce paysage pourrait évoluer, mais les infrastructures resteront une base solide pour le développement des agents AI.
Analyse des projets phares d'agents AI Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant pour exemples trois projets : Character AI, Perplexity AI et Midjourney.
Caractère AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme comptant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a connu un excellent parcours sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage de grande taille, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity peut extraire et fournir des réponses détaillées depuis Internet. En citant et en référant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 finement ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Le modèle est adapté pour la recherche académique professionnelle et
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
11 J'aime
Récompense
11
7
Reposter
Partager
Commentaire
0/400
PseudoIntellectual
· 08-11 11:21
Quel sauvetage... ma présence est aussi faible qu'un fantôme !
Voir l'originalRépondre0
TokenomicsTinfoilHat
· 08-11 04:02
Le bull a trop gonflé.
Voir l'originalRépondre0
GasFeeNightmare
· 08-11 00:59
Encore en train de spéculer sur de nouveaux concepts, ne peut-on pas simplement optimiser un peu les frais de gas...
Voir l'originalRépondre0
YieldHunter
· 08-11 00:55
hmm... 23% mcap avec seulement 8% de projets ? ngl semble être un autre ponzi en préparation...
Voir l'originalRépondre0
HodlTheDoor
· 08-11 00:43
Une bouée de sauvetage ? Je rêve là !
Voir l'originalRépondre0
GateUser-2fce706c
· 08-11 00:30
L'occasion ne doit pas être ratée, tout le monde. Cela fait deux ans que nous nous sommes positionnés, il est temps de se réveiller.
L'Agent IA peut-il devenir un moteur clé du développement de Web3 + IA ?
L'agent IA peut-il devenir la bouée de sauvetage de Web3+IA ?
Les projets d'agent IA sont principalement des types de services pour entreprises populaires et matures dans l'entrepreneuriat Web2, tandis que dans le domaine Web3, les projets de formation de modèles et de plateformes intégrées deviennent dominants en raison de leur rôle clé dans la construction d'écosystèmes.
Actuellement, le nombre de projets d'agents IA dans le Web3 est relativement faible, représentant 8 %, mais leur part de capitalisation boursière dans le domaine de l'IA atteint 23 %, ce qui démontre une forte compétitivité sur le marché. Nous prévoyons qu'avec la maturation de la technologie et l'augmentation de la reconnaissance du marché, plusieurs projets d'une valorisation dépassant 1 milliard de dollars émergeront à l'avenir.
Pour les projets Web3, l'introduction de la technologie AI dans les produits d'application qui ne sont pas au cœur de l'IA peut devenir un avantage stratégique. Pour les projets AI Agent, la manière de combiner doit se concentrer sur la construction d'un écosystème complet et la conception d'un modèle économique de jetons, afin de favoriser la décentralisation et les effets de réseau.
La vague de l'IA : état des lieux des projets multiples et de l'augmentation des valorisations
Depuis le lancement de ChatGPT en novembre 2022, il a attiré plus de 100 millions d'utilisateurs en seulement deux mois. D'ici mai 2024, les revenus mensuels de ChatGPT avaient atteint un incroyable 20,3 millions de dollars, et OpenAI a rapidement lancé des versions itérées telles que GPT-4 et GP4-4o après la sortie de ChatGPT. Face à cette dynamique rapide, les grands géants technologiques traditionnels ont pris conscience de l'importance des applications des modèles d'IA de pointe tels que LLM et ont tous lancé leurs propres modèles et applications d'IA. Par exemple, Google a publié le modèle de langage PaLM2, Meta a lancé Llama3, tandis que des entreprises chinoises ont présenté des grands modèles tels que Wenxin Yiyan et Zhipu Qingyan. Il est évident que le domaine de l'IA est devenu un champ de bataille incontournable.
La compétition entre les grands géants de la technologie a non seulement stimulé le développement des applications commerciales, mais nous avons également découvert grâce à une enquête sur la recherche en IA open source que le rapport AI Index de 2024 montre que le nombre de projets liés à l'IA sur GitHub a explosé, passant de 845 en 2011 à environ 1,8 million en 2023. En particulier, après la publication de GPT en 2023, le nombre de projets a augmenté de 59,3 % par rapport à l'année précédente, ce qui reflète l'enthousiasme de la communauté des développeurs du monde entier pour la recherche en IA.
L'enthousiasme pour la technologie AI se reflète directement sur le marché des investissements, où le marché des investissements en AI connaît une forte croissance, avec une explosion prévue au deuxième trimestre de 2024. Il y a eu au total 16 investissements liés à l'AI dépassant 150 millions de dollars dans le monde, soit deux fois plus que le premier trimestre. Le montant total de financement des startups AI a également grimpé à 24 milliards de dollars, soit une augmentation de plus de 100 % par rapport à l'année précédente. Parmi eux, xAI, détenu par Musk, a levé 6 milliards de dollars, avec une valorisation de 24 milliards de dollars, devenant ainsi la deuxième startup AI la mieux valorisée après OpenAI.
Le développement rapide de la technologie AI redessine le paysage du domaine technologique à une vitesse sans précédent. De la concurrence intense entre les géants de la technologie, à l'épanouissement des projets de la communauté open source, en passant par l'engouement du marché des capitaux pour le concept d'IA. Les projets affluent, les montants d'investissement atteignent des niveaux record, et les évaluations augmentent en conséquence. Dans l'ensemble, le marché de l'IA est à une période dorée de développement rapide, avec des modèles de langage de grande taille et des technologies de génération augmentée par recherche réalisant d'importants progrès dans le traitement du langage. Néanmoins, ces modèles sont encore confrontés à des défis lors de la conversion des avantages technologiques en produits réels, tels que l'incertitude des sorties des modèles, le risque d'illusions générant des informations inexactes, et les problèmes de transparence des modèles. Ces problèmes deviennent particulièrement importants dans des scénarios d'application où la fiabilité est cruciale.
Dans ce contexte, nous avons commencé à étudier les agents AI, car les agents AI mettent l'accent sur la globalité de la résolution des problèmes pratiques et de l'interaction avec l'environnement. Ce changement marque l'évolution de la technologie AI, passant de modèles linguistiques purs à des systèmes intelligents capables de véritablement comprendre, d'apprendre et de résoudre des problèmes du monde réel. Ainsi, nous voyons de l'espoir dans le développement des agents AI, qui comblent progressivement le fossé entre la technologie AI et la résolution de problèmes pratiques. L'évolution de la technologie AI redéfinit continuellement l'architecture de la productivité, tandis que la technologie Web3 restructure les relations de production de l'économie numérique. Lorsque les trois éléments clés de l'AI : données, modèles et puissance de calcul, se fusionnent avec les concepts centraux de la décentralisation, de l'économie de jetons et des contrats intelligents du Web3, nous prévoyons qu'une série d'applications innovantes émergeront. Dans ce domaine croisé plein de potentiel, nous pensons que les agents AI, avec leur capacité à exécuter des tâches de manière autonome, montrent un immense potentiel pour des applications à grande échelle.
Pour ce faire, nous avons commencé à étudier en profondeur les applications diversifiées des agents IA dans le Web3, en examinant plusieurs dimensions allant des infrastructures Web3, des middleware, des niveaux d'application, jusqu'aux marchés de données et de modèles, dans le but d'identifier et d'évaluer les types de projets et les scénarios d'application les plus prometteurs, afin de mieux comprendre la profonde intégration de l'IA et du Web3.
Clarification des concepts : Introduction et aperçu des classifications des agents IA
Introduction de base
Avant d'introduire l'AI Agent, afin de permettre aux lecteurs de mieux comprendre la différence entre sa définition et le modèle lui-même, nous allons donner un exemple à travers une situation réelle : supposons que vous planifiez un voyage. Les grands modèles de langage traditionnels fournissent des informations sur les destinations et des conseils de voyage. La technologie de génération augmentée par la recherche peut offrir un contenu de destination plus riche et spécifique. L'AI Agent, quant à lui, est comme J.A.R.V.I.S dans les films Iron Man, capable de comprendre les besoins, et de rechercher activement des vols et des hôtels en fonction de votre phrase, d'effectuer des réservations et d'ajouter l'itinéraire à votre calendrier.
La définition généralement acceptée d'un agent IA dans l'industrie est celle d'un système intelligent capable de percevoir son environnement et d'agir en conséquence, en acquérant des informations environnementales par le biais de capteurs, puis en exerçant une influence sur l'environnement via des actionneurs (Stuart Russell & Peter Norvig, 2020). Nous considérons qu'un agent IA est une aide qui combine des capacités LLM, RAG, mémoire, planification de tâches et utilisation d'outils. Il peut non seulement fournir des informations, mais aussi planifier, décomposer des tâches et les exécuter réellement.
Selon cette définition et ces caractéristiques, nous pouvons constater que les agents d'IA sont déjà intégrés dans notre vie, appliqués dans différents scénarios, tels qu'AlphaGo, Siri et la conduite autonome de niveau L5 et au-delà de Tesla, qui peuvent tous être considérés comme des exemples d'agents d'IA. La caractéristique commune de ces systèmes est qu'ils peuvent percevoir les entrées des utilisateurs externes et agir en conséquence pour influencer le monde réel.
Prenons ChatGPT comme exemple pour clarifier le concept. Nous devons clairement indiquer que le Transformer est l'architecture technique qui compose les modèles d'IA, et que GPT est la série de modèles développée sur cette architecture. GPT-1, GPT-4 et GPT-4o représentent respectivement les versions des modèles à différents stades de développement. ChatGP est un agent IA évolué basé sur le modèle GPT.
Aperçu de la classification
Actuellement, le marché des agents IA n'a pas encore établi de normes de classification unifiées. Nous avons étiqueté 204 projets d'agents IA sur le marché Web2+Web3 et, en fonction des étiquettes significatives de chaque projet, nous les avons divisés en classifications de premier et de deuxième niveau. Parmi celles-ci, la classification de premier niveau comprend trois catégories : infrastructure de base, génération de contenu et interaction utilisateur, puis nous les avons subdivisées en fonction de leurs cas d'utilisation réels :
Infrastructure : Cette catégorie se concentre sur la construction de contenus plus fondamentaux dans le domaine des agents, y compris les plateformes, les modèles, les données, les outils de développement, ainsi que des services B2B d'application plus matures et de base.
Interactivité : similaire à la génération de contenu, la différence réside dans l'interaction bidirectionnelle continue. Les agents interactifs ne se contentent pas d'accepter et de comprendre les besoins des utilisateurs, mais fournissent également des retours grâce à des technologies telles que le traitement du langage naturel (NLP), réalisant ainsi une interaction bidirectionnelle avec les utilisateurs.
Génération de contenu : Ce type de projet se concentre sur la création de contenu, utilisant des technologies de grands modèles pour générer diverses formes de contenu selon les instructions des utilisateurs, divisées en quatre catégories : génération de texte, génération d'images, génération de vidéos et génération d'audio.
Analyse de l'état actuel du développement des agents IA Web2
Selon nos statistiques, le développement des agents AI dans l'Internet traditionnel Web2 montre une tendance de concentration évidente. Plus précisément, environ deux tiers des projets sont concentrés dans le secteur des infrastructures, principalement dans les services B2B et les outils de développement. Nous avons également effectué une analyse de ce phénomène.
Impact de la maturité technologique : les projets d'infrastructure occupent une position dominante principalement grâce à leur maturité technologique. Ces projets reposent généralement sur des technologies et des cadres éprouvés par le temps, ce qui réduit la difficulté et le risque de développement. C'est équivalent à la "pelle" dans le domaine de l'IA, fournissant une base solide pour le développement et l'application des agents IA.
La demande du marché : Un autre facteur clé est la demande du marché. Par rapport au marché des consommateurs, la demande des entreprises pour les technologies d'IA est plus urgente, en particulier en ce qui concerne la recherche de solutions pour améliorer l'efficacité opérationnelle et réduire les coûts. De plus, pour les développeurs, les flux de trésorerie provenant des entreprises sont relativement stables, ce qui leur est favorable pour développer des projets ultérieurs.
Limitations des cas d'utilisation : Parallèlement, nous avons remarqué que les applications d'IA générative de contenu sur le marché B2B sont relativement limitées. En raison de l'instabilité de leur production, les entreprises préfèrent des applications qui peuvent améliorer de manière stable la productivité. Cela a conduit à une faible proportion d'IA générative de contenu dans les bibliothèques de projets.
Cette tendance reflète la maturité technologique, la demande du marché et les considérations pratiques des cas d'utilisation. Avec les progrès continus de la technologie AI et la clarification croissante des besoins du marché, nous prévoyons que ce paysage pourrait évoluer, mais les infrastructures resteront une base solide pour le développement des agents AI.
Analyse des projets phares d'agents AI Web2
Nous explorons en profondeur certains projets d'agents IA sur le marché Web2 actuel et les analysons, en prenant pour exemples trois projets : Character AI, Perplexity AI et Midjourney.
Caractère AI :
Présentation du produit : Character.AI propose un système de dialogue basé sur l'intelligence artificielle et un outil de création de personnages virtuels. Sa plateforme permet aux utilisateurs de créer, former et interagir avec des personnages virtuels capables de mener des conversations en langage naturel et d'exécuter des tâches spécifiques.
Analyse des données : Character.AI a enregistré 277 millions de visites en mai, la plateforme comptant plus de 3,5 millions d'utilisateurs actifs quotidiens, dont la plupart ont entre 18 et 34 ans, montrant des caractéristiques d'un groupe d'utilisateurs jeune. Character AI a connu un excellent parcours sur le marché des capitaux, ayant levé 150 millions de dollars, avec une valorisation atteignant 1 milliard de dollars, dirigée par a16z.
Analyse technique : Character AI a signé un accord de licence non exclusif avec la société mère de Google, Alphabet, pour l'utilisation de son modèle de langage de grande taille, ce qui indique que Character AI utilise une technologie développée en interne. Il convient de noter que les fondateurs de l'entreprise, Noam Shazeer et Daniel De Freitas, ont participé au développement du modèle de langage conversationnel Llama de Google.
Perplexity AI :
Présentation du produit : Perplexity peut extraire et fournir des réponses détaillées depuis Internet. En citant et en référant des liens, il garantit la fiabilité et l'exactitude des informations, tout en éduquant et en guidant les utilisateurs à poser des questions supplémentaires et à rechercher des mots-clés, répondant ainsi aux besoins variés des utilisateurs.
Analyse des données : Le nombre d'utilisateurs actifs mensuels de Perplexity a atteint 10 millions, avec une augmentation de 8,6 % du trafic sur ses applications mobiles et de bureau en février, attirant environ 50 millions d'utilisateurs. Sur le marché des capitaux, Perplexity AI a récemment annoncé avoir levé 62,7 millions de dollars, avec une valorisation atteignant 1,04 milliard de dollars, dirigée par Daniel Gross, avec la participation de Stan Druckenmiller et de NVIDIA.
Analyse technique : Le principal modèle utilisé par Perplexity est le GPT-3.5 finement ajusté, ainsi que deux grands modèles basés sur des modèles open source ajustés : pplx-7b-online et pplx-70b-online. Le modèle est adapté pour la recherche académique professionnelle et