Может ли AI Agent стать спасательным кругом для Web3+AI?
Проект AI Agent в Web2 является популярным и зрелым типом, в основном сосредоточенным на услугах для бизнеса, тогда как в области Web3 проекты, связанные с обучением моделей и платформами, стали основными благодаря своей ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля рынка в сегменте AI достигает 23%, что демонстрирует сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением рыночной признательности 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 приложений, не связанных с ИИ в качестве основного. При сочетании проектов ИИ-агентов следует акцентировать внимание на построении всей экосистемы и дизайне токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и повышения оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более ста миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг невероятных 20,3 миллиона долларов, а OpenAI быстро выпустила такие итерационные версии, как GPT-4 и GP4-4o после релиза ChatGPT. В такой стремительной ситуации крупные традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали запускать свои собственные ИИ-модели и приложения. Например, Google выпустила большой языковой модель PaLM2, Meta представила Llama3, а китайские компании запустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область ИИ стала полем битвы для многих.
Соревнование среди крупных технологических компаний не только способствовало развитию коммерческих приложений, но и, согласно статистике исследований открытого ИИ, в отчете AI Index за 2024 год показано, что количество проектов, связанных с ИИ, на GitHub выросло с 845 в 2011 году до около 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 увлечение глобального сообщества разработчиков исследованиями ИИ.
Страсть к AI-технологиям напрямую отражается на инвестиционном рынке, где рынок инвестиций в AI демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире было совершено 16 сделок с инвестициями в AI на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области AI резко возросла до 24 миллиардов долларов, что на более чем 100% выше по сравнению с прошлым годом. Среди них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, с оценкой в 24 миллиарда долларов, став второй по величине стартапом в области AI после OpenAI по оценке.
Быстрое развитие технологий ИИ в рекордные сроки перестраивает ландшафт технологической области. От жестокой конкуренции между технологическими гигантами до бурного развития проектов в открытых сообществах и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, объемы инвестиций обновляют рекорды, а оценки растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, крупные языковые модели и технологии увеличенной генерации поиска достигли значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность результатов модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы особенно важны в сценариях применения, где требования к надежности крайне высоки.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает целостность решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, обучаются и решают 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 пересматривает структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, сливаются с ключевыми концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В этой связи мы начали глубже исследовать разнообразные приложения AI Agent в Web3, начиная от инфраструктуры Web3, посредников, уровня приложений и заканчивая рынками данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение понятий: Введение в AI Agent и обзор его классификации
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 поездку. Традиционная большая языковая модель предоставляет информацию о пунктах назначения и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатое и конкретное содержимое о пунктах назначения. А AI Agent подобен Джарвису из фильма о Железном человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли обычно определяют AI Agent как интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружающую среду с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он может не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже давно интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автоматическое вождение уровня L5 и выше от Tesla и т. д., которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они способны воспринимать внешние пользовательские вводы и соответственно влиять на реальную среду.
Для прояснения концепций возьмем ChatGPT в качестве примера. Мы должны четко указать, что Transformer является технической архитектурой, на которой основаны AI модели, а GPT — это серия моделей, развившихся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на разных стадиях развития. ChatGP является AI агентом, эволюционировавшим на основе модели GPT.
Классификация
На данный момент на рынке AI-агентов еще не сформировались единые стандарты классификации. Мы пометили 204 проекта AI-агентов на рынках Web2 и Web3, исходя из их заметных характеристик, разделив на первичную и вторичную классификацию. При этом первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, которые затем детализируются в зависимости от их фактического использования:
Инфраструктурные технологии: этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые B2B-сервисы для базовых приложений.
Инструменты для разработчиков: предоставляют разработчикам вспомогательные инструменты и фреймворки для создания AI-агентов.
Обработка данных: обработка и анализ данных в различных форматах, в основном используется для поддержки принятия решений и предоставления источников для обучения.
Класс обучения моделей: предоставляет услуги по обучению моделей для ИИ, включая вывод, создание моделей, настройку и т.д.
Услуги для B2B: в основном ориентированы на корпоративных пользователей, предоставляют решения для корпоративных услуг, вертикальных решений и автоматизации.
Платформы для объединения: платформы, интегрирующие различные AI Agent услуги и инструменты.
Интерактивные агенты: похожи на агенты 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), реализуя двустороннее взаимодействие с пользователями.
Эмоциональное сопровождение: AI-агент, предоставляющий эмоциональную поддержку и сопровождение.
GPT-тип: AI-агент на основе модели GPT (генеративный предобученный трансформер).
Поисковые агенты: сосредоточены на функции поиска, предоставляя более точные результаты информации.
Проекты по генерации контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в соответствии с указаниями пользователей, которые 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 интернете Web2 демонстрирует явную тенденцию к концентрации по сегментам. В частности, около двух третей проектов сосредоточены в области инфраструктуры, среди которых в основном преобладают услуги для B2B и инструменты разработки. Мы также провели некоторые анализы этого явления.
Влияние зрелости технологий: Проекты инфраструктуры занимают доминирующее положение, прежде всего благодаря своей зрелости технологий. Эти проекты обычно строятся на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Они равнозначны "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление со стороны рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии со стороны корпоративного сектора более настойчивый, особенно в поисках решений, направленных на повышение операционной эффективности и снижение затрат. В то же время для разработчиков денежные потоки от предприятий относительно стабильны, что способствует разработке последующих проектов.
Ограничения сферы применения: В то же время мы отмечаем, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его выходов предприятия предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной базе остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные условия применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может быть скорректирована, но инфраструктурные решения по-прежнему будут прочным фундаментом 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 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 количество посещений Character.AI составило 277 миллионов, платформа насчитывает более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодую аудиторию. Character AI демонстрирует отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценочной стоимостью в 1 миллиард долларов, с участием a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что указывает на то, что Character AI использует собственную технологию. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас участвовали в разработке разговорной языковой модели Google Llama.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет ссылок и источников, а также обучает и направляет пользователей на уточняющие вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и десктопных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капитальном рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании составила 1,04 миллиарда долларов, лидером раунда стал Дэниел Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанный GPT-3.5, а также две крупные модели, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в вертикальных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на 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» .
16 Лайков
Награда
16
6
Поделиться
комментарий
0/400
SchrodingersPaper
· 3ч назад
Снова рисуем мечты. Сколько неудачников можно разыграть на 23% рыночной капитализации... Убытки, убытки.
Посмотреть ОригиналОтветить0
ThreeHornBlasts
· 3ч назад
Повышение агента, кто сможет взять этот контракт?
Посмотреть ОригиналОтветить0
OnchainDetective
· 3ч назад
Что за спасительная соломинка? Прямо на луну, хорошо?
Посмотреть ОригиналОтветить0
hodl_therapist
· 3ч назад
Все это просто спекуляции, а суть нужно смотреть на реальное применение.
Посмотреть ОригиналОтветить0
Lonely_Validator
· 3ч назад
Неужели это просто игра для неудачников, кто быстрее убежит?
Сможет ли AI Agent стать ключевым двигателем развития Web3+AI
Может ли AI Agent стать спасательным кругом для Web3+AI?
Проект AI Agent в Web2 является популярным и зрелым типом, в основном сосредоточенным на услугах для бизнеса, тогда как в области Web3 проекты, связанные с обучением моделей и платформами, стали основными благодаря своей ключевой роли в построении экосистем.
В настоящее время количество проектов AI Agent в Web3 невелико и составляет 8%, но их доля рынка в сегменте AI достигает 23%, что демонстрирует сильную рыночную конкурентоспособность. Мы ожидаем, что с развитием технологий и повышением рыночной признательности 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 приложений, не связанных с ИИ в качестве основного. При сочетании проектов ИИ-агентов следует акцентировать внимание на построении всей экосистемы и дизайне токеномики, чтобы способствовать децентрализации и сетевым эффектам.
Волна ИИ: текущее состояние появления проектов и повышения оценок
С момента появления ChatGPT в ноябре 2022 года он привлек более ста миллионов пользователей всего за два месяца. К маю 2024 года месячный доход ChatGPT достиг невероятных 20,3 миллиона долларов, а OpenAI быстро выпустила такие итерационные версии, как GPT-4 и GP4-4o после релиза ChatGPT. В такой стремительной ситуации крупные традиционные технологические гиганты осознали важность применения передовых ИИ-моделей, таких как LLM, и начали запускать свои собственные ИИ-модели и приложения. Например, Google выпустила большой языковой модель PaLM2, Meta представила Llama3, а китайские компании запустили такие большие модели, как Wenxin Yiyan и Zhipu Qingyan. Очевидно, что область ИИ стала полем битвы для многих.
Соревнование среди крупных технологических компаний не только способствовало развитию коммерческих приложений, но и, согласно статистике исследований открытого ИИ, в отчете AI Index за 2024 год показано, что количество проектов, связанных с ИИ, на GitHub выросло с 845 в 2011 году до около 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 увлечение глобального сообщества разработчиков исследованиями ИИ.
Страсть к AI-технологиям напрямую отражается на инвестиционном рынке, где рынок инвестиций в AI демонстрирует сильный рост, а во втором квартале 2024 года наблюдается взрывной рост. В мире было совершено 16 сделок с инвестициями в AI на сумму более 150 миллионов долларов, что вдвое больше, чем в первом квартале. Общая сумма финансирования стартапов в области AI резко возросла до 24 миллиардов долларов, что на более чем 100% выше по сравнению с прошлым годом. Среди них xAI, принадлежащая Маску, привлекла 6 миллиардов долларов, с оценкой в 24 миллиарда долларов, став второй по величине стартапом в области AI после OpenAI по оценке.
Быстрое развитие технологий ИИ в рекордные сроки перестраивает ландшафт технологической области. От жестокой конкуренции между технологическими гигантами до бурного развития проектов в открытых сообществах и горячего интереса рынка капитала к концепции ИИ. Проекты появляются один за другим, объемы инвестиций обновляют рекорды, а оценки растут. В целом, рынок ИИ находится в золотую эпоху быстрого развития, крупные языковые модели и технологии увеличенной генерации поиска достигли значительных успехов в области обработки языка. Тем не менее, эти модели по-прежнему сталкиваются с проблемами при преобразовании технологических преимуществ в реальные продукты, такими как неопределенность результатов модели, риск генерации неточной информации и проблемы прозрачности модели. Эти проблемы особенно важны в сценариях применения, где требования к надежности крайне высоки.
В этом контексте мы начали исследовать AI Agent, поскольку AI Agent подчеркивает целостность решения практических задач и взаимодействия с окружающей средой. Этот переход знаменует собой эволюцию технологий ИИ от чисто языковых моделей к интеллектуальным системам, которые действительно понимают, обучаются и решают 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 пересматривает структуру производительности, в то время как технологии Web3 реконструируют производственные отношения цифровой экономики. Когда три основных элемента ИИ: данные, модели и вычислительная мощность, сливаются с ключевыми концепциями Web3, такими как децентрализация, токеномика и смарт-контракты, мы предвидим появление ряда инновационных приложений. В этой многообещающей перекрестной области мы считаем, что AI Agent, обладая способностью самостоятельно выполнять задачи, демонстрирует огромный потенциал для масштабного применения.
В этой связи мы начали глубже исследовать разнообразные приложения AI Agent в Web3, начиная от инфраструктуры Web3, посредников, уровня приложений и заканчивая рынками данных и моделей, с целью выявления и оценки наиболее перспективных типов проектов и сценариев применения для глубокого понимания глубокой интеграции AI и Web3.
Уточнение понятий: Введение в AI Agent и обзор его классификации
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 поездку. Традиционная большая языковая модель предоставляет информацию о пунктах назначения и советы по путешествиям. Технология, основанная на извлечении и улучшении генерации, может предоставить более богатое и конкретное содержимое о пунктах назначения. А AI Agent подобен Джарвису из фильма о Железном человеке, он понимает потребности и может активно искать рейсы и отели по вашему запросу, выполнять операции бронирования и добавлять поездку в календарь.
В настоящее время в отрасли обычно определяют AI Agent как интеллектуальную систему, способную воспринимать окружающую среду и предпринимать соответствующие действия, получая информацию об окружающей среде через датчики, обрабатывая её и влияя на окружающую среду с помощью исполнительных устройств (Stuart Russell & Peter Norvig, 2020). Мы считаем, что AI Agent — это помощник, который объединяет возможности LLM, RAG, памяти, планирования задач и использования инструментов. Он может не только предоставлять информацию, но и планировать, разбивать задачи и действительно выполнять их.
Согласно этому определению и характеристикам, мы можем обнаружить, что AI Agent уже давно интегрирован в нашу жизнь и применяется в различных сценариях, таких как AlphaGo, Siri, автоматическое вождение уровня L5 и выше от Tesla и т. д., которые можно рассматривать как примеры AI Agent. Общая черта этих систем заключается в том, что они способны воспринимать внешние пользовательские вводы и соответственно влиять на реальную среду.
Для прояснения концепций возьмем ChatGPT в качестве примера. Мы должны четко указать, что Transformer является технической архитектурой, на которой основаны AI модели, а GPT — это серия моделей, развившихся на основе этой архитектуры. GPT-1, GPT-4 и GPT-4o представляют собой версии моделей на разных стадиях развития. ChatGP является AI агентом, эволюционировавшим на основе модели GPT.
Классификация
На данный момент на рынке AI-агентов еще не сформировались единые стандарты классификации. Мы пометили 204 проекта AI-агентов на рынках Web2 и Web3, исходя из их заметных характеристик, разделив на первичную и вторичную классификацию. При этом первичная классификация включает три категории: инфраструктура, генерация контента и взаимодействие с пользователем, которые затем детализируются в зависимости от их фактического использования:
Инфраструктурные технологии: этот тип сосредоточен на создании более базового контента в области агентов, включая платформы, модели, данные, инструменты разработки, а также более зрелые B2B-сервисы для базовых приложений.
Интерактивные агенты: похожи на агенты 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), реализуя двустороннее взаимодействие с пользователями.
Проекты по генерации контента: Эти проекты сосредоточены на создании контента, используя технологии больших моделей для генерации различных форм контента в соответствии с указаниями пользователей, которые 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 интернете Web2 демонстрирует явную тенденцию к концентрации по сегментам. В частности, около двух третей проектов сосредоточены в области инфраструктуры, среди которых в основном преобладают услуги для B2B и инструменты разработки. Мы также провели некоторые анализы этого явления.
Влияние зрелости технологий: Проекты инфраструктуры занимают доминирующее положение, прежде всего благодаря своей зрелости технологий. Эти проекты обычно строятся на проверенных временем технологиях и рамках, что снижает сложность разработки и риски. Они равнозначны "лопате" в области ИИ, обеспечивая прочную основу для разработки и применения ИИ-агентов.
Давление со стороны рыночного спроса: еще одним ключевым фактором является рыночный спрос. По сравнению с потребительским рынком, спрос на AI-технологии со стороны корпоративного сектора более настойчивый, особенно в поисках решений, направленных на повышение операционной эффективности и снижение затрат. В то же время для разработчиков денежные потоки от предприятий относительно стабильны, что способствует разработке последующих проектов.
Ограничения сферы применения: В то же время мы отмечаем, что применение AI для генерации контента на B-рынке относительно ограничено. Из-за нестабильности его выходов предприятия предпочитают те приложения, которые могут стабильно повышать производительность. Это приводит к тому, что доля AI для генерации контента в проектной базе остается небольшой.
Эта тенденция отражает зрелость технологий, рыночный спрос и реальные условия применения. С постоянным прогрессом технологий ИИ и дальнейшим уточнением рыночного спроса, мы ожидаем, что эта структура может быть скорректирована, но инфраструктурные решения по-прежнему будут прочным фундаментом 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 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 количество посещений Character.AI составило 277 миллионов, платформа насчитывает более 3,5 миллиона активных пользователей в день, большинство из которых в возрасте от 18 до 34 лет, что демонстрирует молодую аудиторию. Character AI демонстрирует отличные результаты на капиталовложениях, завершив финансирование на сумму 150 миллионов долларов, с оценочной стоимостью в 1 миллиард долларов, с участием a16z.
Технический анализ: Character AI подписала лицензионное соглашение с материнской компанией Google Alphabet на неэксклюзивное использование своей крупной языковой модели, что указывает на то, что Character AI использует собственную технологию. Стоит отметить, что основатели компании Ноам Шазир и Даниэль Де Фрейтас участвовали в разработке разговорной языковой модели Google Llama.
ИИ недоумения:
Описание продукта: Perplexity может извлекать и предоставлять подробные ответы из Интернета. Он обеспечивает надежность и точность информации за счет ссылок и источников, а также обучает и направляет пользователей на уточняющие вопросы и поиск ключевых слов, удовлетворяя разнообразные запросы пользователей.
Анализ данных: количество активных пользователей Perplexity достигло 10 миллионов, а посещаемость его мобильных и десктопных приложений в феврале увеличилась на 8,6%, привлекая около 50 миллионов пользователей. На капитальном рынке Perplexity AI недавно объявила о привлечении 62,7 миллиона долларов финансирования, оценка компании составила 1,04 миллиарда долларов, лидером раунда стал Дэниел Гросс, участниками стали Стэн Друкенмиллер и NVIDIA.
Технический анализ: Основная модель, используемая Perplexity, - это доработанный GPT-3.5, а также две крупные модели, доработанные на основе открытых крупных моделей: pplx-7b-online и pplx-70b-online. Модели подходят для профессиональных академических исследований и запросов в вертикальных областях, обеспечивая достоверность и надежность информации.
В середине путешествия:
Описание продукта: Пользователи могут создавать изображения различных стилей и тем на Midjourney с помощью подсказок, охватывающих от реалистичного до