Может ли AI Agent стать спасательной соломинкой для Web3+AI?
Проекты AI Agent являются популярными и зрелыми в сфере Web2, в основном в области корпоративных услуг, тогда как в области Web3 проекты по обучению моделей и платформенные проекты стали основными из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке в сегменте ИИ достигает 23%, что демонстрирует их сильную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для продуктов на стороне приложения, не относящихся к ИИ в ядре. Для проектов AI Agent следует сосредоточиться на построении всей экосистемы и дизайне токеномической модели, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года, он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг потрясающих 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной обстановке крупные традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили такие большие модели, как 文心一言 и 智谱清言. Очевидно, что область AI стала полем битвы для всех.
Соревнование крупных технологических компаний не только стимулирует развитие коммерческих приложений, но и, согласно статистике исследования открытого AI, AI Index report за 2024 год показывает, что количество AI-проектов на GitHub увеличилось 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 прошлым годом, что отражает интерес мирового сообщества разработчиков к AI-исследованиям.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост и во втором квартале 2024 года показывает взрывной рост. В мире было зафиксировано 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что вдвое больше по сравнению с первым кварталом. Общая сумма финансирования стартапов в области ИИ стремительно возросла до 24 миллиардов долларов, что более чем вдвое превышает уровень предыдущего года. В частности, xAI, принадлежащая Маску, собрала 6 миллиардов долларов, оценка компании составила 24 миллиарда долларов, что делает ее второй по величине по оценке стартап в области ИИ после OpenAI.
Бурное развитие технологий ИИ в настоящее время перерабатывает ландшафт области технологий с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в open-source сообществе и до горячего спроса на концепции ИИ на фондовом рынке. Проекты появляются один за другим, объемы инвестиций продолжают обновлять рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, и крупные языковые модели и технологии, основанные на поиске, добились значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы становятся особенно важными в контекстах, где требования к надежности очень высоки.
На этом фоне мы начинаем исследовать AI Agent, так как AI Agent подчеркивает всеобъемлющий подход к решению практических задач и взаимодействию с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно переопределяет структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеновая экономика и смарт-контракты, мы предвидим появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent с его способностью самостоятельно выполнять задачи демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начали углубленное исследование разнообразных применений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, до уровня приложений, а также на рынках данных и моделей, с целью выявления и оценки самых перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение понятий: Введение в AI Agent и обзор его классификаций
Основное введение
Прежде чем представить AI Agent, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем реальный пример: предположим, вы планируете поездку. Традиционная большая языковая модель предоставляет информацию о направлении и советы по путешествиям. Технология поиска, улучшенная генерацией, может предоставить более богатое и конкретное содержание о направлениях. AI Agent подобен Джарвису из фильма о Железном Человеке, он понимает потребности и может активно искать рейсы и отели на основе вашей просьбы, выполнять бронирования и добавлять маршрут в календарь.
В настоящее время в отрасли широко распространено определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и совершать соответствующие действия, получая информацию о среде с помощью датчиков, обрабатывая ее и влияя на среду через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который сочетает в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только может предоставлять чистую информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent давно интегрирован в нашу жизнь и находит применение в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать внешние пользовательские вводы и на основе этого оказывать влияние на реальную среду.
В качестве примера для разъяснения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI модели, а GPT — это серия моделей, развившихся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на различных стадиях их развития. ChatGPT, в свою очередь, является AI агентом, эволюционировавшим на основе модели GPT.
Классификация
На данный момент на рынке AI-агентов еще не сформировались единые стандарты классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на заметных тегах каждого проекта, разделив их на первичную и вторичную классификацию. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем производится дальнейшая детализация на основе их фактических случаев использования:
Инфраструктурные проекты: эта категория сосредоточена на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые прикладные B2B-сервисы.
Инструменты для разработчиков: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс 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 нацелены на корпоративных пользователей, предоставляющие решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы для объединения: платформы, интегрирующие 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 технологий обработки естественного языка (NLP), достигая двустороннего взаимодействия с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI Agent на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на поисковых функциях, предоставляют более точный поиск информации.
Контентные генерационные проекты: этот тип проектов сосредоточен на создании контента с использованием технологий крупных моделей, которые генерируют различные формы контента по указаниям пользователей, делятся на четыре категории: генерация текста, 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, среди которых преобладают услуги для бизнеса и инструменты для разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты 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 один ключевой фактор - это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от компаний относительно стабильны, что способствует разработке последующих проектов.
Ограничения в сценариях применения: В то же время мы заметили, что приложения AI для генерации контента имеют относительно ограниченные сценарии применения на рынке B2B. Из-за нестабильности их результатов предприятия предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов невелика.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения по применению. С постоянным развитием технологий ИИ и дальнейшим уточнением рыночного спроса мы ожидаем, что эта структура может немного измениться, но инфраструктурные решения по-прежнему останутся прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы подробно исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: В мае Character.AI имел 277 миллионов посещений, платформа насчитывает более 3,5 миллиона активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что говорит о характеристиках молодежной аудитории. Character AI показал отличные результаты на капиталовложенческом рынке, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемой a16z.
Технический анализ: Character AI подписала неэксклюзивное лицензионное соглашение с материнской компанией Google Alphabet на использование своей большой языковой модели, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать информацию из Интернета и предоставлять подробные ответы. Он обеспечивает надежность и точность информации за счет ссылок и реферальных ссылок, а также обучает и направляет пользователей к дополнительным вопросам и поисковым запросам, удовлетворяя разнообразные потребности пользователей в запросах.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а трафик мобильного и настольного приложений в феврале увеличился на 8,6%, привлекая около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании составила 1,04 миллиарда долларов, при этом инвестором выступил Дэниел Гросс, а среди участников были Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, представляет собой доработанный GPT-3.5, а также две большие модели, доработанные на основе открытой модели: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узкоспециализированных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем в Midjourney с помощью подсказок, охватывающих от реалистичного до
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» .
AI Agent может стать новым шансом в области интеграции Web3 и AI, рынок обещает быть многообещающим
Может ли AI Agent стать спасательной соломинкой для Web3+AI?
Проекты AI Agent являются популярными и зрелыми в сфере Web2, в основном в области корпоративных услуг, тогда как в области Web3 проекты по обучению моделей и платформенные проекты стали основными из-за их ключевой роли в построении экосистемы.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля на рынке в сегменте ИИ достигает 23%, что демонстрирует их сильную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением признания на рынке в будущем появится несколько проектов с оценкой более 1 миллиарда долларов.
Для проектов Web3 внедрение технологий ИИ может стать стратегическим преимуществом для продуктов на стороне приложения, не относящихся к ИИ в ядре. Для проектов AI Agent следует сосредоточиться на построении всей экосистемы и дизайне токеномической модели, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и роста оценок
С момента появления ChatGPT в ноябре 2022 года, он привлек более 100 миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг потрясающих 20,3 миллиона долларов, а OpenAI после выпуска ChatGPT быстро представила итерационные версии, такие как GPT-4 и GP4-4o. В такой стремительной обстановке крупные традиционные технологические гиганты осознали важность применения передовых AI-моделей, таких как LLM, и начали выпускать свои собственные AI-модели и приложения. Например, Google выпустила большую языковую модель PaLM2, Meta представила Llama3, а китайские компании выпустили такие большие модели, как 文心一言 и 智谱清言. Очевидно, что область AI стала полем битвы для всех.
Соревнование крупных технологических компаний не только стимулирует развитие коммерческих приложений, но и, согласно статистике исследования открытого AI, AI Index report за 2024 год показывает, что количество AI-проектов на GitHub увеличилось 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 прошлым годом, что отражает интерес мирового сообщества разработчиков к AI-исследованиям.
Страсть к технологиям ИИ напрямую отражается на инвестиционном рынке, где рынок инвестиций в ИИ демонстрирует сильный рост и во втором квартале 2024 года показывает взрывной рост. В мире было зафиксировано 16 сделок по инвестициям в ИИ на сумму более 150 миллионов долларов, что вдвое больше по сравнению с первым кварталом. Общая сумма финансирования стартапов в области ИИ стремительно возросла до 24 миллиардов долларов, что более чем вдвое превышает уровень предыдущего года. В частности, xAI, принадлежащая Маску, собрала 6 миллиардов долларов, оценка компании составила 24 миллиарда долларов, что делает ее второй по величине по оценке стартап в области ИИ после OpenAI.
Бурное развитие технологий ИИ в настоящее время перерабатывает ландшафт области технологий с беспрецедентной скоростью. От жесткой конкуренции между технологическими гигантами до бурного роста проектов в open-source сообществе и до горячего спроса на концепции ИИ на фондовом рынке. Проекты появляются один за другим, объемы инвестиций продолжают обновлять рекорды, а оценки также растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, и крупные языковые модели и технологии, основанные на поиске, добились значительного прогресса в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с вызовами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность выводов модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы становятся особенно важными в контекстах, где требования к надежности очень высоки.
На этом фоне мы начинаем исследовать AI Agent, так как AI Agent подчеркивает всеобъемлющий подход к решению практических задач и взаимодействию с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, учатся и решают реальные проблемы. Поэтому мы видим надежду в развитии AI Agent, который постепенно сокращает разрыв между технологиями ИИ и решением практических задач. Эволюция технологий ИИ постоянно переопределяет структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, объединяются с основными концепциями Web3, такими как децентрализация, токеновая экономика и смарт-контракты, мы предвидим появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent с его способностью самостоятельно выполнять задачи демонстрирует огромный потенциал для масштабного применения.
В связи с этим мы начали углубленное исследование разнообразных применений AI Agent в Web3, от инфраструктуры Web3, промежуточного ПО, до уровня приложений, а также на рынках данных и моделей, с целью выявления и оценки самых перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение понятий: Введение в AI Agent и обзор его классификаций
Основное введение
Прежде чем представить AI Agent, чтобы читатели лучше понимали разницу между его определением и самой моделью, мы приведем реальный пример: предположим, вы планируете поездку. Традиционная большая языковая модель предоставляет информацию о направлении и советы по путешествиям. Технология поиска, улучшенная генерацией, может предоставить более богатое и конкретное содержание о направлениях. AI Agent подобен Джарвису из фильма о Железном Человеке, он понимает потребности и может активно искать рейсы и отели на основе вашей просьбы, выполнять бронирования и добавлять маршрут в календарь.
В настоящее время в отрасли широко распространено определение AI Agent как интеллектуальной системы, способной воспринимать окружающую среду и совершать соответствующие действия, получая информацию о среде с помощью датчиков, обрабатывая ее и влияя на среду через исполнительные устройства (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который сочетает в себе возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он не только может предоставлять чистую информацию, но и планировать, разбивать задачи и действительно их выполнять.
Согласно этому определению и характеристикам, мы можем заметить, что AI Agent давно интегрирован в нашу жизнь и находит применение в различных сценариях, таких как AlphaGo, Siri, автопилот уровня L5 и выше от Tesla, которые можно рассматривать как примеры AI Agent. Общей чертой этих систем является то, что они могут воспринимать внешние пользовательские вводы и на основе этого оказывать влияние на реальную среду.
В качестве примера для разъяснения концепции возьмем ChatGPT. Мы должны четко указать, что Transformer является технологической архитектурой, составляющей AI модели, а GPT — это серия моделей, развившихся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на различных стадиях их развития. ChatGPT, в свою очередь, является AI агентом, эволюционировавшим на основе модели GPT.
Классификация
На данный момент на рынке AI-агентов еще не сформировались единые стандарты классификации. Мы провели маркировку 204 проектов AI-агентов на рынках Web2 и Web3, основываясь на заметных тегах каждого проекта, разделив их на первичную и вторичную классификацию. Первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, а затем производится дальнейшая детализация на основе их фактических случаев использования:
Инфраструктурные проекты: эта категория сосредоточена на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые прикладные B2B-сервисы.
Инструменты для разработчиков: предоставляют разработчикам вспомогательные инструменты и фреймы для создания AI-агентов.
Класс 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 нацелены на корпоративных пользователей, предоставляющие решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы для объединения: платформы, интегрирующие 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 технологий обработки естественного языка (NLP), достигая двустороннего взаимодействия с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-класс: AI Agent на основе модели GPT (генеративный предварительно обученный трансформер).
Поисковые агенты: сосредоточены на поисковых функциях, предоставляют более точный поиск информации.
Контентные генерационные проекты: этот тип проектов сосредоточен на создании контента с использованием технологий крупных моделей, которые генерируют различные формы контента по указаниям пользователей, делятся на четыре категории: генерация текста, 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, среди которых преобладают услуги для бизнеса и инструменты для разработки. Мы также провели некоторый анализ этого явления.
Влияние зрелости технологий: проекты 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 один ключевой фактор - это рыночный спрос. В отличие от потребительского рынка, спрос на технологии ИИ в корпоративном секторе более настоятельный, особенно в поиске решений для повышения операционной эффективности и снижения затрат. В то же время для разработчиков денежные потоки от компаний относительно стабильны, что способствует разработке последующих проектов.
Ограничения в сценариях применения: В то же время мы заметили, что приложения AI для генерации контента имеют относительно ограниченные сценарии применения на рынке B2B. Из-за нестабильности их результатов предприятия предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в библиотеке проектов невелика.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные соображения по применению. С постоянным развитием технологий ИИ и дальнейшим уточнением рыночного спроса мы ожидаем, что эта структура может немного измениться, но инфраструктурные решения по-прежнему останутся прочным основанием для развития ИИ-агентов.
Анализ ведущих проектов AI-агентов Web2
Мы подробно исследуем некоторые текущие проекты AI Agent на рынке Web2 и проводим их анализ, используя в качестве примеров три проекта: Character AI, Perplexity AI и Midjourney.
ИИ персонажа:
Описание продукта: Character.AI предоставляет систему диалогов на основе искусственного интеллекта и инструменты для создания виртуальных персонажей. Платформа позволяет пользователям создавать, обучать и взаимодействовать с виртуальными персонажами, которые могут вести диалоги на естественном языке и выполнять определенные задачи.
Анализ данных: В мае Character.AI имел 277 миллионов посещений, платформа насчитывает более 3,5 миллиона активных пользователей в день, большая часть из которых в возрасте от 18 до 34 лет, что говорит о характеристиках молодежной аудитории. Character AI показал отличные результаты на капиталовложенческом рынке, завершив финансирование на сумму 150 миллионов долларов, с оценкой в 1 миллиард долларов, возглавляемой a16z.
Технический анализ: Character AI подписала неэксклюзивное лицензионное соглашение с материнской компанией Google Alphabet на использование своей большой языковой модели, что указывает на то, что Character AI использует собственные технологии. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас принимали участие в разработке разговорной языковой модели Google Llama.
Перплексити ИИ:
Описание продукта: Perplexity может извлекать информацию из Интернета и предоставлять подробные ответы. Он обеспечивает надежность и точность информации за счет ссылок и реферальных ссылок, а также обучает и направляет пользователей к дополнительным вопросам и поисковым запросам, удовлетворяя разнообразные потребности пользователей в запросах.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а трафик мобильного и настольного приложений в феврале увеличился на 8,6%, привлекая около 50 миллионов пользователей. На капиталовом рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании составила 1,04 миллиарда долларов, при этом инвестором выступил Дэниел Гросс, а среди участников были Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, представляет собой доработанный GPT-3.5, а также две большие модели, доработанные на основе открытой модели: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в узкоспециализированных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем в Midjourney с помощью подсказок, охватывающих от реалистичного до