DeFAI: Bagaimana AI Membebaskan Potensi Keuangan Desentralisasi?

Keuangan Desentralisasi ( DeFi ) telah menjadi pilar penting dalam ekosistem cryptocurrency sejak berkembang pesat pada tahun 2020. Meskipun banyak protokol inovatif telah lahir, kompleksitas dan tingkat fragmentasi DeFi juga meningkat, sehingga bahkan pengguna yang berpengalaman pun kesulitan menghadapi banyaknya rantai, aset, dan protokol.

Sementara itu, kecerdasan buatan (AI) telah beralih dari narasi makro 2023 ke fokus yang lebih profesional dan berbasis agen pada 2024. Perubahan ini melahirkan bidang baru DeFi AI(DeFAI), di mana AI meningkatkan DeFi melalui otomatisasi, manajemen risiko, dan optimisasi modal.

Keuangan Desentralisasi melintasi beberapa lapisan. Blockchain adalah lapisan dasar, agen AI perlu berinteraksi dengan rantai tertentu untuk mengeksekusi transaksi dan kontrak pintar. Lapisan data dan lapisan komputasi di atasnya menyediakan infrastruktur yang diperlukan untuk melatih model AI, yang didasarkan pada data harga historis, sentimen pasar, dan analisis on-chain. Lapisan privasi dan verifikasi memastikan bahwa data keuangan sensitif tetap aman sambil menjaga eksekusi tanpa kepercayaan. Akhirnya, kerangka agen memungkinkan pengembang membangun aplikasi yang didorong oleh AI khusus, seperti robot perdagangan otonom, penilai risiko kredit, dan pengoptimalan pemerintahan on-chain.

Dengan terus berkembangnya ekosistem DeFAI, proyek yang paling menonjol dapat dibagi menjadi tiga kategori utama:

1. Lapisan Abstrak

Protokol semacam ini berfungsi sebagai antarmuka pengguna yang ramah seperti ChatGPT untuk Keuangan Desentralisasi, memungkinkan pengguna memasukkan prompt yang dieksekusi di blockchain. Mereka biasanya terintegrasi dengan beberapa rantai dan dApp, mengeksekusi niat pengguna, sambil menyederhanakan langkah-langkah manual dalam transaksi yang kompleks.

Beberapa fungsi yang dapat dieksekusi oleh protokol ini termasuk:

• Pertukaran, lintas rantai, meminjam/penarikan, eksekusi transaksi lintas rantai
• Dompet perdagangan salinan atau profil media sosial
• Secara otomatis mengeksekusi take profit/stop loss dan transaksi lainnya berdasarkan persentase ukuran posisi.

Misalnya, tidak perlu secara manual menarik ETH dari platform pinjaman, mengalirkannya ke Solana, menukarnya dengan token lain, dan menyediakan likuiditas di DEX—protokol lapisan abstrak hanya memerlukan satu langkah untuk menyelesaikan operasi.

2. Agen Perdagangan Mandiri

Berbeda dengan robot trading tradisional yang mengikuti aturan yang telah ditetapkan, agen trading otonom dapat belajar dan beradaptasi dengan kondisi pasar, serta menyesuaikan strateginya berdasarkan informasi baru. Agen-agen ini dapat:

• Menganalisis data untuk terus memperbaiki strategi
• Memprediksi pergerakan pasar, agar dapat membuat keputusan bullish/bearish yang lebih baik
• Melaksanakan strategi DeFi yang kompleks

3. DApps yang Didorong oleh AI

Keuangan Desentralisasi dApp menyediakan fungsi pinjam-meminjam, pertukaran, dan pertanian hasil. AI dan agen AI dapat meningkatkan layanan ini melalui cara-cara berikut:

• Mengoptimalkan pasokan likuiditas melalui penyesuaian kembali posisi LP untuk mendapatkan APY yang lebih baik
• Memindai token dengan mendeteksi risiko potensial

Tantangan Utama

Protokol-protokol teratas yang dibangun di atas lapisan ini menghadapi beberapa tantangan:

1. Protokol ini bergantung pada aliran data real-time untuk mencapai eksekusi perdagangan yang optimal. Kualitas data yang buruk dapat menyebabkan efisiensi rute yang rendah, kegagalan perdagangan, atau perdagangan yang tidak menguntungkan.

2. Model AI bergantung pada data historis, tetapi volatilitas pasar cryptocurrency sangat tinggi. Agen harus dilatih dengan dataset yang beragam dan berkualitas tinggi agar tetap efektif.

3. Perlu memahami secara menyeluruh tentang korelasi aset, perubahan likuiditas, dan sentimen pasar untuk memahami kondisi pasar secara keseluruhan.

Protokol yang berdasarkan kategori ini telah diterima dengan baik di pasar. Namun, untuk memberikan produk yang lebih baik dan hasil yang optimal, mereka harus mempertimbangkan untuk mengintegrasikan berbagai dataset berkualitas berbeda, untuk membawa produk mereka ke tingkat yang baru.

Lapisan Data——Memberikan Daya untuk Kecerdasan DeFi

Kualitas AI bergantung pada data yang digunakannya. Agar agen AI dapat bekerja secara efektif dalam DeFAI, mereka memerlukan data yang real-time, terstruktur, dan dapat diverifikasi. Misalnya, lapisan abstraksi perlu mengakses data on-chain melalui RPC dan API jaringan sosial, sedangkan agen optimisasi transaksi dan pendapatan memerlukan data untuk lebih menyempurnakan strategi perdagangan mereka dan mengalokasikan kembali sumber daya.

Kumpulan data berkualitas tinggi memungkinkan agen untuk melakukan analisis prediktif yang lebih baik terhadap perilaku harga di masa depan, memberikan saran untuk perdagangan, sesuai dengan preferensi mereka terhadap posisi beli atau jual pada aset tertentu.

Penyedia data utama DeFAI termasuk:

• Mode Synth: data sintetik untuk prediksi keuangan, menangkap distribusi perubahan harga secara lengkap, digunakan untuk prediksi model AI.

• Chainbase: Dataset data terstruktur seluruh rantai, menyediakan data yang ditingkatkan AI, digunakan untuk perdagangan, prediksi, dan mendapatkan alpha.

• sqd.ai: Danau data terdesentralisasi yang ditujukan untuk agen AI, akses data multi-rantai yang dapat diperluas dan disesuaikan, dengan keamanan pembuktian nol pengetahuan.

• Cookie: Media sosial yang ditujukan untuk agen AI dan lapisan data on-chain, menggunakan 18 agen AI khusus untuk memproses lebih dari 20 rantai data agen on-chain lebih dari 7TB.

Mode Synth subnet sebagai sub-jaringan ke-50 Bittensor, menciptakan data sintetik untuk kemampuan prediksi keuangan agen. Dibandingkan dengan sistem prediksi harga tradisional lainnya, Synth menangkap distribusi lengkap dari perubahan harga dan probabilitas terkait, sehingga membangun data sintetik paling akurat di dunia, mendukung agen dan LLM.

Memberikan lebih banyak dataset berkualitas tinggi dapat membantu agen AI membuat keputusan arah yang lebih baik dalam perdagangan, sambil memprediksi fluktuasi APY di berbagai kondisi pasar, sehingga kolam likuiditas dapat mendistribusikan kembali atau menarik likuiditas saat diperlukan.

Blockchain Agen AI yang Paling Diperhatikan

Selain membangun lapisan data untuk AI dan agen, sebuah blockchain juga memposisikan dirinya sebagai platform full-stack untuk membangun masa depan DeFAI. Mereka baru-baru ini meluncurkan co-pilot DeFAI yang digunakan untuk mengeksekusi transaksi on-chain berdasarkan prompt pengguna, yang akan segera dibuka untuk staker token.

Selain itu, blockchain ini juga mendukung banyak tim berbasis AI dan agen. Mereka telah berusaha keras untuk mengintegrasikan beberapa protokol ke dalam ekosistemnya, dan seiring dengan pengembangan lebih banyak agen dan pelaksanaan transaksi, blockchain ini berkembang dengan cepat.

Langkah-langkah ini dilakukan bersamaan dengan mereka yang meningkatkan jaringan mereka dengan AI, yang paling mencolok adalah dilengkapi dengan pengurut AI untuk blockchain mereka. Dengan menggunakan simulasi dan analisis AI sebelum eksekusi transaksi, transaksi berisiko tinggi dapat dihentikan dan diperiksa sebelum diproses, untuk memastikan keamanan di dalam rantai.

Perbandingan Blockchain Teratas yang Didasari oleh AI代理

Solana dan Base jelas merupakan dua rantai utama untuk membangun dan menerbitkan sebagian besar kerangka dan token agen AI. Agen AI memanfaatkan throughput tinggi dan jaringan latensi rendah Solana serta sistem operasi sumber terbuka untuk menerapkan token agen, sementara suatu platform berfungsi sebagai launchpad untuk menerapkan agen di Base. Meskipun keduanya memiliki hackathon dan insentif dana, dalam hal rencana AI mereka sebagai sebuah rantai, mereka belum mencapai tingkat yang dicapai oleh beberapa blockchain.

NEAR sebelumnya mendefinisikan dirinya sebagai blockchain L1 yang berfokus pada AI, dengan fungsi termasuk pasar tugas AI, pusat penelitian dengan kerangka agen AI sumber terbuka, dan asisten AI. Mereka baru-baru ini mengumumkan dana agen AI sebesar 20 juta dolar AS, untuk memperluas agen yang sepenuhnya otonom dan dapat diverifikasi di NEAR.

Langkah Selanjutnya DeFAI

Saat ini, sebagian besar agen AI dalam Keuangan Desentralisasi menghadapi batasan signifikan dalam mencapai otonomi penuh. Contohnya:

1. Lapisan abstrak mengubah niat pengguna menjadi eksekusi, tetapi biasanya kurang memiliki kemampuan prediksi.

2. Agen AI mungkin dapat menghasilkan alpha melalui analisis, tetapi kekurangan pelaksanaan perdagangan yang independen.

3. dApp yang didorong oleh AI dapat menangani penyimpanan atau transaksi, tetapi bersifat pasif dan bukan aktif.

Tahap berikutnya dari DeFAI mungkin akan fokus pada integrasi lapisan data yang berguna, untuk mengembangkan platform atau agen terbaik. Ini akan membutuhkan data on-chain yang mendalam tentang aktivitas whale, perubahan likuiditas, dan sebagainya, sambil menghasilkan data sintetis yang berguna untuk analisis prediktif yang lebih baik, dan menggabungkan analisis sentimen dari pasar umum, baik itu volatilitas token kategori tertentu, atau volatilitas token di media sosial.

Tujuan akhir adalah agar agen AI dapat menghasilkan dan mengeksekusi strategi perdagangan secara seamless dari satu antarmuka. Seiring dengan matangnya sistem-sistem ini, kita mungkin akan melihat di masa depan para trader DeFi mengandalkan agen AI untuk secara mandiri mengevaluasi, memprediksi, dan mengeksekusi strategi keuangan dengan intervensi manusia yang minimal.

Kesimpulan

Mengingat penurunan drastis token dan kerangka kerja agen AI, beberapa orang mungkin menganggap DeFAI hanya sebagai fenomena sementara. Namun, DeFAI masih berada di tahap awal, dan potensi peningkatan penggunaan dan kinerja DeFi oleh agen AI tidak dapat disangkal.

Kunci untuk melepaskan potensi ini adalah dengan mendapatkan data waktu nyata berkualitas tinggi, yang akan meningkatkan prediksi dan eksekusi perdagangan yang didorong oleh AI. Semakin banyak protokol yang mengintegrasikan berbagai lapisan data, protokol data membangun plugin untuk kerangka kerja, yang menyoroti pentingnya data untuk keputusan agen.

Melihat ke depan, verifikasi dan privasi akan menjadi tantangan kunci yang harus diatasi oleh protokol. Saat ini, sebagian besar operasi agen AI masih merupakan kotak hitam, di mana pengguna harus mempercayakan dana mereka kepadanya. Oleh karena itu, perkembangan keputusan AI yang dapat diverifikasi akan membantu memastikan transparansi dan akuntabilitas proses agen. Protokol yang terintegrasi dengan TEE, FHE, atau bahkan zk-proofs dapat meningkatkan verifikasi perilaku agen AI, sehingga memungkinkan kepercayaan terhadap otonomi.

Hanya dengan berhasil menggabungkan data berkualitas tinggi, model yang kuat, dan proses pengambilan keputusan yang transparan, agen DeFAI dapat diterapkan secara luas.