Может ли AI Agent стать спасательной соломинкой для Web3+AI?
Проекты AI Agent в Web2 предпринимательстве в основном популярны и зрелы в области корпоративных услуг, в то время как в области Web3 проекты по обучению моделей и платформам становятся основными из-за их ключевой роли в построении экосистем.
В настоящее время проектов AI Agent в Web3 немного, их доля составляет 8%, но их доля на рынке в AI-секторе достигает 23%, что демонстрирует их огромную конкурентоспособность. Мы ожидаем, что с развитием технологий и увеличением признания на рынке в будущем появится множество проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При сочетании проектов ИИ-агентов следует обратить внимание на построение всей экосистемы и проектирование токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и повышения оценок
С момента выпуска ChatGPT в ноябре 2022 года, он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг惊人的 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной ситуации крупные традиционные технологические компании осознали важность применения передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила крупную языковую модель PaLM2, Meta представила Llama3, а китайские компании запустили такие крупные модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для многих.
Соревнование среди крупных технологических компаний не только способствовало развитию коммерческих приложений, но и из нашего исследования статистики открытого AI стало известно, что в отчете AI Index за 2024 год количество проектов, связанных с AI, на GitHub выросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлечение сообщества разработчиков по всему миру исследованиями в области AI.
Страсть к технологиям искусственного интеллекта напрямую отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, вторая четверть 2024 года показывает взрывной рост. В мире было зарегистрировано 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первой четверти. Общая сумма финансирования стартапов в области ИИ также стремительно возросла до 24 миллиардов долларов, что более чем вдвое превышает прошлогодний показатель. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов, оценка составила 24 миллиарда долларов, что делает её второй по величине стартапом в области ИИ после OpenAI по оценке.
Быстрое развитие технологий ИИ в настоящее время переосмысляет ландшафт технологической области с небывалой скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, а также до горячего увлечения капиталовложений концепцией ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, где крупные языковые модели и технологии генерации, усиленные поиском, достигают значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и вопросы прозрачности модели. Эти проблемы становятся особенно важными в приложениях, требующих высокой надежности.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает важность решения практических задач и взаимодействия с окружающей средой. Этот переход отмечает эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно способны понимать, обучаться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, сочетаются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим появление ряда инновационных приложений. В этой многообещающей пересекающейся области мы считаем, что AI Agent, обладая способностью выполнять задачи самостоятельно, демонстрирует огромный потенциал для реализации широкомасштабных приложений.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая такие аспекты, как инфраструктура Web3, промежуточное программное обеспечение, уровень приложений, а также рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)
Пояснение концепции: Введение в AI Agent и обзор его классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете путешествие. Традиционные крупные языковые модели предоставляют информацию о направлениях и рекомендации по путешествиям. Технология извлечения информации, улучшенная генерацией, может предложить более богатое и конкретное содержание о местах назначения. AI Agent подобен Джарвису из фильмов о Железном человеке, он способен понять потребности, а также активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять маршруты в календарь.
В настоящее время в отрасли общепринятое определение AI-агента заключается в том, что это интеллектуальная система, способная воспринимать окружающую среду и принимать соответствующие меры, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружение через исполнительные механизмы (Стюарт Рассел и Питер Норвиг, 2020). Мы считаем, что AI-агент — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только предоставляет информацию, но также может планировать, разбирать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем увидеть, что AI Agent уже давно интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать входные данные от пользователей и соответственно влиять на реальную среду.
В качестве примера для прояснения концепции, мы должны четко указать, что Transformer является технической архитектурой, составляющей AI модели, а GPT - это серия моделей, развивающихся на основе этой архитектуры, где GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах развития. ChatGP же T является AI агентом, эволюционировавшим на основе модели GPT.
Категория общего обзора
В настоящее время на рынке AI-агентов еще не сформировались единые стандарты классификации. Мы пометили 204 проекта AI-агентов на рынках Web2 и Web3, основываясь на их значительных метках, и разделили их на первичную и вторичную классификации. Первичная классификация состоит из трех категорий: инфраструктура, генерация контента, пользовательское взаимодействие, а затем мы дополнительно разделили их по фактическим случаям использования:
Инфраструктурные решения: Эта категория сосредоточена на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые базовые приложения для B2B-сервисов.
Инструменты для разработчиков: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI Agent.
Категория обработки данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Классы обучения моделей: предоставление услуг по обучению моделей для ИИ, включая вывод, создание моделей, настройку и т.д.
Услуги для B-клиентов: в основном ориентированы на корпоративных пользователей и предлагают услуги для предприятий, вертикальные решения и автоматизированные решения.
Платформы-агрегаторы: платформы, объединяющие различные услуги и инструменты AI Agent.
Интерактивные агенты: аналогичны агентам по генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью таких технологий, как обработка естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Эмоциональная поддержка: AI-агент, предоставляющий эмоциональную поддержку и companionship.
GPT-класс: AI-агент, основанный на модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточьтесь на функциях поиска, предоставляйте более точные результаты поиска.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форматов контента в соответствии с указаниями пользователя, которые делятся на четыре категории: текстовая генерация, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где основными являются услуги для бизнеса (B2B) и инструменты для разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение прежде всего благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще одним ключевым фактором является рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ в корпоративном секторе более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время, для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании склонны отдавать предпочтение тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может немного измениться, но инфраструктурные классы по-прежнему останутся прочной основой для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и анализируем их, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает систему диалогов и инструменты для создания виртуальных персонажей на основе искусственного интеллекта. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: Character.AI в мае достигла 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большая часть которых в возрасте от 18 до 34 лет, что демонстрирует характер молодежной аудитории. Character AI показала отличные результаты на капиталовложениях, завершив финансирование в 150 миллионов долларов с оценкой в 1 миллиард долларов, возглавляемое a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей большой языковой модели, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке диалоговой языковой модели Google Llama.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылки и референсы обеспечивают надежность и точность информации, в то время как он обучает и направляет пользователей задавать дополнительные вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлечя около 50 миллионов пользователей. На капитальном рынке Perplexity AI недавно объявила о получении финансирования в размере 62,7 миллиона долларов с оценкой в 1,04 миллиарда долларов, которое возглавил Даниэль Гросс, среди участников - Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная версия GPT-3.5, а также две крупные модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
11 Лайков
Награда
11
7
Репост
Поделиться
комментарий
0/400
PseudoIntellectual
· 08-11 11:21
Что за спасение... чувство присутствия такое же слабое, как у призрака!
Посмотреть ОригиналОтветить0
TokenomicsTinfoilHat
· 08-11 04:02
Он слишком большой
Посмотреть ОригиналОтветить0
GasFeeNightmare
· 08-11 00:59
Снова говорят о новых концепциях, разве нельзя просто оптимизировать Газ?
Посмотреть ОригиналОтветить0
YieldHunter
· 08-11 00:55
хмм... 23% мкап с только 8% проектов? не буду лукавить, похоже, что это очередная пирамида готовится...
Посмотреть ОригиналОтветить0
HodlTheDoor
· 08-11 00:43
Соломинка для спасения? Снится мне, а?
Посмотреть ОригиналОтветить0
GateUser-2fce706c
· 08-11 00:30
Не упустите возможность, друзья. Мы уже два года находимся в подготовке, пора проснуться.
Может ли AI Agent стать ключевым двигателем развития Web3+AI
Может ли AI Agent стать спасательной соломинкой для Web3+AI?
Проекты AI Agent в Web2 предпринимательстве в основном популярны и зрелы в области корпоративных услуг, в то время как в области Web3 проекты по обучению моделей и платформам становятся основными из-за их ключевой роли в построении экосистем.
В настоящее время проектов AI Agent в Web3 немного, их доля составляет 8%, но их доля на рынке в AI-секторе достигает 23%, что демонстрирует их огромную конкурентоспособность. Мы ожидаем, что с развитием технологий и увеличением признания на рынке в будущем появится множество проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ в приложения, не являющиеся ядром ИИ, может стать стратегическим преимуществом. При сочетании проектов ИИ-агентов следует обратить внимание на построение всей экосистемы и проектирование токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и повышения оценок
С момента выпуска ChatGPT в ноябре 2022 года, он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг惊人的 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной ситуации крупные традиционные технологические компании осознали важность применения передовых AI-моделей, таких как LLM, и начали запускать свои собственные AI-модели и приложения. Например, Google выпустила крупную языковую модель PaLM2, Meta представила Llama3, а китайские компании запустили такие крупные модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область AI стала полем битвы для многих.
Соревнование среди крупных технологических компаний не только способствовало развитию коммерческих приложений, но и из нашего исследования статистики открытого AI стало известно, что в отчете AI Index за 2024 год количество проектов, связанных с AI, на GitHub выросло с 845 в 2011 году до примерно 1,8 миллиона в 2023 году. Особенно после выпуска GPT в 2023 году количество проектов увеличилось на 59,3% по сравнению с предыдущим годом, что отражает увлечение сообщества разработчиков по всему миру исследованиями в области AI.
Страсть к технологиям искусственного интеллекта напрямую отражается на инвестиционном рынке, рынок инвестиций в ИИ демонстрирует сильный рост, вторая четверть 2024 года показывает взрывной рост. В мире было зарегистрировано 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что вдвое больше, чем в первой четверти. Общая сумма финансирования стартапов в области ИИ также стремительно возросла до 24 миллиардов долларов, что более чем вдвое превышает прошлогодний показатель. Среди них xAI, принадлежащая Маску, собрала 6 миллиардов долларов, оценка составила 24 миллиарда долларов, что делает её второй по величине стартапом в области ИИ после OpenAI по оценке.
Быстрое развитие технологий ИИ в настоящее время переосмысляет ландшафт технологической области с небывалой скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в открытых сообществах, а также до горячего увлечения капиталовложений концепцией ИИ. Проекты появляются один за другим, объемы инвестиций устанавливают новые рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, где крупные языковые модели и технологии генерации, усиленные поиском, достигают значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и вопросы прозрачности модели. Эти проблемы становятся особенно важными в приложениях, требующих высокой надежности.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает важность решения практических задач и взаимодействия с окружающей средой. Этот переход отмечает эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно способны понимать, обучаться и решать реальные проблемы. Таким образом, мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно перестраивает архитектуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, сочетаются с основными концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим появление ряда инновационных приложений. В этой многообещающей пересекающейся области мы считаем, что AI Agent, обладая способностью выполнять задачи самостоятельно, демонстрирует огромный потенциал для реализации широкомасштабных приложений.
В связи с этим мы начали углубленное исследование разнообразных приложений AI Agent в Web3, охватывая такие аспекты, как инфраструктура Web3, промежуточное программное обеспечение, уровень приложений, а также рынки данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
! [Может ли AI Agent стать спасением для Web3+AI?] ](https://img-cdn.gateio.im/webp-social/moments-f111ba9d433c828b9d5720e4e25d23aa.webp)
Пояснение концепции: Введение в AI Agent и обзор его классификаций
Основное введение
Перед тем как представить AI Agent, чтобы читатели лучше понимали различия между его определением и самой моделью, мы приведем пример из реальной жизни: предположим, вы планируете путешествие. Традиционные крупные языковые модели предоставляют информацию о направлениях и рекомендации по путешествиям. Технология извлечения информации, улучшенная генерацией, может предложить более богатое и конкретное содержание о местах назначения. AI Agent подобен Джарвису из фильмов о Железном человеке, он способен понять потребности, а также активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять маршруты в календарь.
В настоящее время в отрасли общепринятое определение AI-агента заключается в том, что это интеллектуальная система, способная воспринимать окружающую среду и принимать соответствующие меры, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружение через исполнительные механизмы (Стюарт Рассел и Питер Норвиг, 2020). Мы считаем, что AI-агент — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только предоставляет информацию, но также может планировать, разбирать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем увидеть, что AI Agent уже давно интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri и автопилот уровня L5 и выше от Tesla, которые могут рассматриваться как примеры AI Agent. Общая черта этих систем заключается в том, что они могут воспринимать входные данные от пользователей и соответственно влиять на реальную среду.
В качестве примера для прояснения концепции, мы должны четко указать, что Transformer является технической архитектурой, составляющей AI модели, а GPT - это серия моделей, развивающихся на основе этой архитектуры, где GPT-1, GPT-4 и GPT-4o представляют собой версии модели на разных этапах развития. ChatGP же T является AI агентом, эволюционировавшим на основе модели GPT.
Категория общего обзора
В настоящее время на рынке AI-агентов еще не сформировались единые стандарты классификации. Мы пометили 204 проекта AI-агентов на рынках Web2 и Web3, основываясь на их значительных метках, и разделили их на первичную и вторичную классификации. Первичная классификация состоит из трех категорий: инфраструктура, генерация контента, пользовательское взаимодействие, а затем мы дополнительно разделили их по фактическим случаям использования:
Инфраструктурные решения: Эта категория сосредоточена на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые базовые приложения для B2B-сервисов.
Интерактивные агенты: аналогичны агентам по генерации контента, но отличаются тем, что обеспечивают постоянное двустороннее взаимодействие. Интерактивные агенты не только принимают и понимают потребности пользователей, но и предоставляют обратную связь с помощью таких технологий, как обработка естественного языка (NLP), реализуя двустороннее взаимодействие с пользователями.
Генерация контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форматов контента в соответствии с указаниями пользователя, которые делятся на четыре категории: текстовая генерация, генерация изображений, генерация видео и генерация аудио.
Анализ текущего состояния развития Web2 AI Agent
Согласно нашей статистике, разработка AI-агентов в традиционном интернет-пространстве Web2 демонстрирует явную тенденцию к концентрации в определенных сегментах. В частности, примерно две трети проектов сосредоточены в области инфраструктуры, где основными являются услуги для бизнеса (B2B) и инструменты для разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты в области инфраструктуры занимают доминирующее положение прежде всего благодаря своей зрелости технологий. Эти проекты обычно основываются на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Это эквивалентно "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление рыночного спроса: еще одним ключевым фактором является рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ в корпоративном секторе более настоятельный, особенно в поисках решений для повышения операционной эффективности и снижения затрат. В то же время, для разработчиков денежный поток от предприятий относительно стабилен, что способствует разработке последующих проектов.
Ограничения в области применения: В то же время мы отмечаем, что применение AI для генерации контента на B2B-рынке относительно ограничено. Из-за нестабильности его результатов компании склонны отдавать предпочтение тем приложениям, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может немного измениться, но инфраструктурные классы по-прежнему останутся прочной основой для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы глубоко исследуем некоторые текущие проекты AI Agent на рынке Web2 и анализируем их, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предлагает систему диалогов и инструменты для создания виртуальных персонажей на основе искусственного интеллекта. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: Character.AI в мае достигла 277 миллионов посещений, платформа имеет более 3,5 миллионов активных пользователей в день, большая часть которых в возрасте от 18 до 34 лет, что демонстрирует характер молодежной аудитории. Character AI показала отличные результаты на капиталовложениях, завершив финансирование в 150 миллионов долларов с оценкой в 1 миллиард долларов, возглавляемое a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей большой языковой модели, что свидетельствует о том, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль де Фрейтас принимали участие в разработке диалоговой языковой модели Google Llama.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Ссылки и референсы обеспечивают надежность и точность информации, в то время как он обучает и направляет пользователей задавать дополнительные вопросы и искать ключевые слова, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и настольных приложений в феврале увеличилась на 8,6%, привлечя около 50 миллионов пользователей. На капитальном рынке Perplexity AI недавно объявила о получении финансирования в размере 62,7 миллиона долларов с оценкой в 1,04 миллиарда долларов, которое возглавил Даниэль Гросс, среди участников - Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанная версия GPT-3.5, а также две крупные модели, основанные на доработанных открытых больших моделях: pplx-7b-online и pplx-70b-online. Модель подходит для профессиональных академических исследований и