- Rubrique
39k Popularité
5k Popularité
6k Popularité
448 Popularité
42k Popularité
17k Popularité
31k Popularité
31k Popularité
3k Popularité
95k Popularité
- Épingler
39k Popularité
5k Popularité
6k Popularité
448 Popularité
42k Popularité
17k Popularité
31k Popularité
31k Popularité
3k Popularité
95k Popularité
DeFAI : comment les agents IA optimisent l'expérience de la Finance décentralisée et les directions de développement futur
DeFAI : Comment l'IA libère le potentiel de la Finance décentralisée ?
La Finance décentralisée(DeFi) a rapidement évolué depuis 2020 et est devenue un pilier important de l'écosystème crypto. Bien que de nombreux protocoles innovants aient vu le jour, la complexité et le degré de fragmentation de la DeFi ont également augmenté, rendant difficile pour même les utilisateurs expérimentés de faire face à la multitude de chaînes, d'actifs et de protocoles.
En même temps, l'intelligence artificielle (AI) est passée du récit macroéconomique de 2023 à un focus plus spécialisé et axé sur les agents en 2024. Ce changement a donné naissance au domaine émergent de la Finance décentralisée AI(DeFAI), où l'IA renforce la finance décentralisée grâce à l'automatisation, à la gestion des risques et à l'optimisation des capitaux.
La Finance décentralisée (DeFAI) traverse plusieurs niveaux. La blockchain est le niveau de base, et les agents AI doivent interagir avec des chaînes spécifiques pour exécuter des transactions et des contrats intelligents. Les niveaux de données et de calcul qui se trouvent au-dessus fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, ces modèles étant basés sur des données de prix historiques, des sentiments du marché et des analyses on-chain. Les niveaux de confidentialité et de vérifiabilité garantissent que les données financières sensibles restent sécurisées tout en maintenant une exécution sans confiance. Enfin, le cadre des agents permet aux développeurs de construire des applications AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance on-chain.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois grandes catégories :
1. Couche d'abstraction
Ces protocoles servent d'interface utilisateur conviviale similaire à ChatGPT pour la Finance décentralisée, permettant aux utilisateurs d'entrer des instructions exécutées sur la chaîne. Ils sont souvent intégrés à plusieurs chaînes et dApp, exécutant l'intention de l'utilisateur tout en simplifiant les étapes manuelles dans des transactions complexes.
Ces protocoles peuvent exécuter certaines fonctions, y compris :
Par exemple, il n'est pas nécessaire d'extraire manuellement l'ETH de la plateforme de prêt, de le transférer sur Solana, de l'échanger contre d'autres jetons et de fournir de la liquidité sur un DEX - le protocole de couche d'abstraction peut effectuer l'opération en une seule étape.
2. Agence de trading autonome
Contrairement aux robots de trading traditionnels qui suivent des règles prédéfinies, les agents de trading autonomes peuvent apprendre et s'adapter aux conditions du marché, et ajuster leur stratégie en fonction des nouvelles informations. Ces agents peuvent :
3. DApps alimentés par l'IA
Les dApps DeFi offrent des fonctionnalités de prêt, d'échange et de farming de rendement. L'IA et les agents IA peuvent améliorer ces services de la manière suivante :
Principaux défis
Les protocoles de premier plan construits sur ces couches font face à certains défis :
Ces protocoles dépendent des flux de données en temps réel pour réaliser une exécution optimale des transactions. Une mauvaise qualité des données peut entraîner une efficacité de routage réduite, des échecs de transaction ou des transactions non rentables.
Les modèles d'IA dépendent des données historiques, mais le marché des cryptomonnaies est très volatil. Les agents doivent être formés sur des ensembles de données diversifiés et de haute qualité pour maintenir leur efficacité.
Il est nécessaire de comprendre pleinement la corrélation des actifs, les variations de liquidité et l'émotion du marché pour saisir la situation globale du marché.
Les protocoles basés sur ces catégories ont été bien accueillis sur le marché. Cependant, pour offrir de meilleurs produits et des résultats optimaux, ils devraient envisager d'intégrer divers ensembles de données de qualité différente pour élever leurs produits à un nouveau niveau.
Couche de données - Alimenter l'intelligence DeFAI
La qualité de l'IA dépend des données sur lesquelles elle s'appuie. Pour que les agents d'IA fonctionnent efficacement dans DeFAI, ils ont besoin de données en temps réel, structurées et vérifiables. Par exemple, la couche d'abstraction doit accéder aux données en chaîne via RPC et les API des réseaux sociaux, tandis que les agents d'optimisation des transactions et des rendements ont besoin de données pour affiner davantage leur stratégie de trading et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire l'évolution des prix futurs et de fournir des recommandations de trading, afin de s'adapter à leurs préférences pour des positions longues ou courtes sur certains actifs.
Les principaux fournisseurs de données de DeFAI comprennent :
Mode Synth: données synthétiques utilisées pour la prévision financière, capturant l'ensemble de la distribution des variations de prix, utilisées pour la prévision des modèles d'IA.
Chainbase: ensemble de données structurées sur la chaîne, fournissant des données améliorées par l'IA, utilisées pour le trading, la prévision et l'acquisition d'alpha.
sqd.ai: Lac de données décentralisé pour les agents AI, accès aux données multi-chaînes extensible et personnalisable, avec une sécurité de preuve zéro.
Cookie : un esprit de médias sociaux orienté vers les agents d'IA et une couche de données en chaîne, utilisant 18 agents d'IA spécialisés pour traiter plus de 7 To de données d'agents en chaîne sur plus de 20 chaînes.
Le sous-réseau Mode Synth, en tant que 50ème sous-réseau de Bittensor, crée des données synthétiques pour les capacités de prévision financière des agents. Par rapport aux autres systèmes de prévision des prix traditionnels, Synth capture l'intégralité de la distribution des variations de prix et leurs probabilités associées, construisant ainsi les données synthétiques les plus précises au monde, soutenant les agents et les LLM.
Fournir des ensembles de données de haute qualité permet aux agents IA de prendre de meilleures décisions directionnelles dans le trading, tout en prédisant les fluctuations de l'APY sous différentes conditions de marché, afin que les pools de liquidités puissent réaffecter ou retirer des liquidités lorsque cela est nécessaire.
Les blockchains d'agents IA les plus populaires
En plus de construire une couche de données pour l'IA et les agents, une certaine blockchain se positionne également comme une plateforme full-stack pour construire l'avenir de la Finance décentralisée et de l'IA. Ils ont récemment déployé un co-pilote DeFAI, destiné à exécuter des transactions on-chain sur la base des instructions des utilisateurs, qui sera bientôt ouvert aux stakers de tokens.
De plus, cette blockchain prend en charge de nombreuses équipes basées sur l'IA et des agents. Ils ont déployé de grands efforts pour intégrer plusieurs protocoles dans leur écosystème, et avec le développement et l'exécution de plus d'agents, cette blockchain se développe rapidement.
Ces mesures sont mises en œuvre en même temps qu'ils améliorent leur réseau avec l'IA, la plus remarquable étant l'équipement de leur blockchain avec un tri AI. En utilisant des simulations et des analyses IA des transactions avant leur exécution, il est possible de bloquer et d'examiner les transactions à haut risque avant leur traitement, afin d'assurer la sécurité sur la chaîne.
Comparaison des principales blockchains sur lesquelles reposent les agents AI
Solana et Base sont sans aucun doute les deux principales chaînes pour la construction et le lancement de la plupart des cadres et des jetons d'agents IA. Les agents IA utilisent le haut débit et le réseau à faible latence de Solana ainsi que le système d'exploitation open source pour déployer des jetons d'agents, tandis qu'une certaine plateforme agit comme un launchpad pour déployer des agents sur Base. Bien qu'ils aient tous deux des hackathons et des incitations financières, en ce qui concerne leurs programmes d'IA en tant que chaîne, ils n'ont pas encore atteint le niveau de certaines blockchains.
NEAR s'est auparavant défini comme une blockchain L1 centrée sur l'IA, ses fonctionnalités incluent un marché de tâches d'IA, un centre de recherche avec un cadre d'agent IA open source et un assistant IA. Ils ont récemment annoncé un fonds d'agents IA de 20 millions de dollars, destiné à étendre des agents totalement autonomes et vérifiables sur NEAR.
La prochaine étape de DeFAI
Actuellement, la plupart des agents AI dans la Finance décentralisée font face à des limitations majeures en matière d'autonomie complète. Par exemple :
La couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacité de prédiction.
Les agents IA peuvent générer de l'alpha par analyse, mais manquent d'exécution de trading indépendante.
Les dApps alimentées par l'IA peuvent gérer des coffres ou des transactions, mais elles sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration d'une couche de données utile, afin de développer la meilleure plateforme ou le meilleur agent. Cela nécessitera des données on-chain approfondies sur les activités des gros détenteurs, les variations de liquidité, etc., tout en générant des données synthétiques utiles pour une meilleure analyse prédictive, et en combinant des analyses de sentiment provenant du marché général, que ce soit sur les fluctuations des tokens de catégories spécifiques ou sur les fluctuations des tokens sur les réseaux sociaux.
L'objectif final est que les agents IA puissent générer et exécuter des stratégies de trading de manière transparente à partir d'une interface unique. À mesure que ces systèmes mûrissent, nous pourrions voir les traders DeFi du futur compter sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Conclusion
Étant donné la forte contraction des jetons et des cadres d'agents d'IA, certaines personnes pourraient penser que DeFAI n'est qu'un feu de paille. Cependant, DeFAI est encore à ses débuts, et le potentiel des agents d'IA pour améliorer l'utilisabilité et la performance de la Finance décentralisée est indéniable.
La clé pour libérer ce potentiel réside dans l'obtention de données en temps réel de haute qualité, ce qui améliorera les prévisions et l'exécution des transactions pilotées par l'IA. De plus en plus de protocoles intègrent différentes couches de données, les protocoles de données construisent des plugins pour le cadre, ce qui souligne l'importance des données pour la prise de décision par les agents.
Envisageant l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. Actuellement, la plupart des opérations des agents d'IA restent une boîte noire, les utilisateurs doivent confier leurs fonds à ces derniers. Par conséquent, le développement de décisions d'IA vérifiables contribuera à garantir la transparence et la responsabilité des processus d'agents. L'intégration de protocoles basés sur TEE, FHE ou même des preuves zk peut renforcer la vérifiabilité des comportements des agents d'IA, permettant ainsi de faire confiance à l'autonomie.
Seule la combinaison réussie de données de haute qualité, de modèles robustes et de processus décisionnels transparents permettra à l'agent DeFAI d'être largement utilisé.