DeFAI: Как ИИ раскрывает потенциал Децентрализованных финансов?

Децентрализованные финансы(DeFi) с момента своего быстрого развития с 2020 года остаются важным столпом криптоэкосистемы. Несмотря на появление множества инновационных протоколов, сложность и фрагментация DeFi также возросли, и даже опытным пользователям трудно справляться с множеством цепочек, активов и протоколов.

В то же время искусственный интеллект (AI) перешел от макронаративов 2023 года к более специализированным и ориентированным на агентов акцентам 2024 года. Этот переход породил новую область DeFi AI(DeFAI), где ИИ усиливает Децентрализованные финансы через автоматизацию, управление рисками и оптимизацию капитала.

Децентрализованные финансы (DeFAI) охватывают несколько уровней. Блокчейн является базовым уровнем, AI-агентам необходимо взаимодействовать с конкретной цепочкой для выполнения сделок и смарт-контрактов. Слои данных и вычислений, находящиеся выше, предоставляют инфраструктуру, необходимую для обучения AI-моделей, которые основываются на исторических данных о ценах, рыночных настроениях и анализе на цепочке. Слой конфиденциальности и проверки обеспечивает безопасность чувствительных финансовых данных при поддержании бездоверительной реализации. Наконец, структура агентов позволяет разработчикам создавать специализированные приложения на основе AI, такие как автономные торговые роботы, оценщики кредитных рисков и оптимизаторы управления на цепочке.

С расширением экосистемы DeFAI наиболее выдающиеся проекты можно разделить на три основных категории:

1. Абстрактный уровень

Эти протоколы служат пользовательским интерфейсом, аналогичным ChatGPT, для Децентрализованных финансов, позволяя пользователям вводить подсказки для выполнения в цепочке. Они обычно интегрируются с несколькими цепочками и dApp, выполняя намерения пользователей, одновременно упрощая ручные шаги в сложных транзакциях.

Некоторые функции, которые могут выполнять эти протоколы, включают:

• Обмен, кросс-цепочка, заимствование/вывод, кросс-цепочное выполнение транзакций
• Кошелек для копирования сделок или профиль в социальных сетях
• Автоматическое выполнение тейк-профита/стоп-лосса и других сделок в зависимости от процентного соотношения размера позиции

Например, нет необходимости вручную выводить ETH с платформы кредитования, переносить его через цепочку на Solana, обменивать на другие токены и предоставлять ликвидность на DEX — протокол абстрационного уровня может выполнить операцию всего за один шаг.

2. Автономный торговый агент

В отличие от традиционных торговых роботов, которые следуют заранее установленным правилам, автономные торговые агенты могут обучаться и адаптироваться к рыночным условиям, а также корректировать свои стратегии в зависимости от новой информации. Эти агенты могут:

• Анализировать данные для постоянного совершенствования стратегии
• Прогнозировать рыночные тренды, чтобы принимать лучшие решения по длинным/коротким позициям
• Выполнение сложных Децентрализованные финансы стратегий

3. DApps на базе ИИ

Децентрализованные финансы dApp предоставляют функции кредитования, обмена, доходного фермерства и т.д. ИИ и ИИ-агенты могут улучшить эти услуги следующими способами:

• Оптимизация предложения ликвидности через ребалансировку позиций LP для получения более высокой APY
• Сканирование токенов путем обнаружения потенциальных рисков

Основные вызовы

Топовые протоколы, построенные на этих уровнях, сталкиваются с некоторыми вызовами:

1. Эти протоколы зависят от потоков данных в реальном времени для достижения наилучшего выполнения сделок. Плохое качество данных может привести к низкой эффективности маршрута, сбоям в сделках или сделкам без прибыли.

2. Модели ИИ зависят от исторических данных, но рынок криптовалют очень волатилен. Агент должен пройти обучение на разнообразных высококачественных наборах данных, чтобы оставаться эффективным.

3. Необходимо полностью понять корреляцию активов, изменения ликвидности и рыночные настроения, чтобы понять общую ситуацию на рынке.

Протоколы на основе этих категорий пользовались спросом на рынке. Однако, чтобы предложить лучшие продукты и достичь оптимальных результатов, им следует рассмотреть возможность интеграции различных качественных наборов данных для повышения уровня своих продуктов.

Уровень данных — мощность для DeFAI

Качество ИИ зависит от данных, на которых он основан. Чтобы ИИ-агенты эффективно работали в DeFAI, им нужны данные в реальном времени, структурированные и проверяемые. Например, абстрактный уровень должен получать доступ к данным на блокчейне через RPC и API социальных сетей, в то время как агенты по оптимизации торговли и доходов нуждаются в данных для дальнейшего совершенствования своих торговых стратегий и перераспределения ресурсов.

Высококачественные наборы данных позволяют агентам лучше прогнозировать будущее ценовое поведение, предоставляя рекомендации по торговле с учетом их предпочтений по длинным или коротким позициям в определенных активах.

Основные поставщики данных DeFAI включают:

• Mode Synth: Синтетические данные для финансового прогнозирования, захватывающие полное распределение изменений цен, используемые для прогнозирования AI моделей.

• Chainbase: Полноценный структурированный набор данных, предлагающий улучшенные AI данные для торговли, прогнозирования и получения альфы.

• sqd.ai: Децентрализованное озеро данных для AI-агентов, расширяемый и настраиваемый доступ к многосетевым данным с безопасностью на основе нулевых знаний.

• Cookie: социальные медиа и уровень данных на цепочке, ориентированные на AI-агентов, используют 18 специализированных AI-агентов для обработки более 7 ТБ данных агентов на более чем 20 цепочках.

Сетевой синтез Mode Synth, являющийся 50-м под网络ом Bittensor, создает синтетические данные для финансовых прогнозов агентов. В отличие от других традиционных систем прогнозирования цен, Synth захватывает полное распределение ценовых изменений и их связанные вероятности, что позволяет создавать самые точные синтетические данные в мире, поддерживающие агентов и LLM.

Предоставление большего количества качественных наборов данных может позволить ИИ-агентам принимать лучшие направленные решения при торговле, а также предсказывать колебания APY в различных рыночных условиях, чтобы ликвидные пулы могли перераспределять или изымать ликвидность по мере необходимости.

Наиболее обсуждаемая блокчейн платформа AI агентств

Помимо создания уровня данных для ИИ и агентов, одна блокчейн-платформа также позиционирует себя как полный стек для строительства будущего DeFAI. Недавно они развернули co-pilot для DeFAI, который будет выполнять онлайновые транзакции по запросам пользователей и вскоре будет доступен для ставщиков токенов.

Кроме того, эта блокчейн-технология поддерживает множество команд, основанных на ИИ и агентах. Они приложили большие усилия, чтобы интегрировать несколько протоколов в свою экосистему, и с развитием большего количества агентов и выполнением сделок эта блокчейн-технология быстро развивается.

Эти меры были реализованы одновременно с обновлением их сети с помощью ИИ, наиболее примечательным является оснащение их блокчейна ИИ-сортировщиком. Используя моделирование и ИИ-анализ транзакций перед выполнением, можно блокировать и проверять транзакции с высоким риском до их обработки, чтобы обеспечить безопасность на цепочке.

Сравнение ведущих блокчейнов, на которых основаны AI-агенты

Солана и Бейс без сомнения являются двумя основными цепочками для создания и выпуска токенов AI-агентов. AI-агенты используют высокую пропускную способность и низкую задержку сети Солана, а также открытое операционное окружение для развертывания токенов-агентов, в то время как одна платформа выступает в роли лаунчпада для развертывания агентов на Бейс. Несмотря на то, что у них есть хакатоны и финансовые стимулы, с точки зрения AI-программ на цепочке, они еще не достигли уровня, достигнутого некоторыми другими блокчейнами.

NEAR ранее определял себя как L1 блокчейн, ориентированный на ИИ, его функции включают рынок задач ИИ, исследовательский центр с открытой архитектурой ИИ-агентов и помощника ИИ. Они недавно объявили о фонде в 20 миллионов долларов для ИИ-агентов, чтобы развивать полностью автономных и проверяемых агентов на NEAR.

Следующий шаг DeFAI

В настоящее время большинство AI-агентов в Децентрализованных финансах сталкиваются с серьезными ограничениями в достижении полной автономии. Например:

1. Абстрактный слой преобразует намерения пользователя в действия, но часто не хватает предсказательной способности.

2. AI-агенты могут генерировать альфа за счет анализа, но им не хватает независимого исполнения сделок.

3. Децентрализованные приложения на базе ИИ могут обрабатывать хранилища или сделки, но они являются пассивными, а не активными.

Следующий этап DeFAI может сосредоточиться на интеграции полезного слоя данных для разработки оптимальной платформы или代理. Это потребует глубоких цепочных данных о деятельности крупных держателей, изменениях ликвидности и т.д., одновременно создавая полезные синтетические данные для лучших прогнозных анализов и сочетая их с анализом настроений на общем рынке, независимо от колебаний токенов определенных категорий или колебаний токенов в социальных сетях.

Конечной целью является то, чтобы AI-агенты могли бесшовно генерировать и выполнять торговые стратегии из единого интерфейса. По мере того как эти системы будут развиваться, мы, возможно, увидим, как в будущем трейдеры Децентрализованных финансов будут полагаться на AI-агентов для самостоятельной оценки, прогнозирования и выполнения финансовых стратегий с минимальным человеческим вмешательством.

Заключение

Учитывая значительное сокращение токенов и фреймворков AI-агентов, некоторые могут считать, что DeFAI — это всего лишь мимолетное явление. Тем не менее, DeFAI все еще находится на ранней стадии, и потенциал AI-агентов для улучшения доступности и производительности Децентрализованных финансов неоспорим.

Ключ к раскрытию этого потенциала заключается в получении высококачественных实时 данных, что улучшит прогнозирование и выполнение сделок на основе ИИ. Все больше протоколов интегрируют различные уровни данных, а протоколы данных строят плагины для фреймворков, подчеркивая важность данных для агентских решений.

Смотря в будущее, проверяемость и конфиденциальность станут ключевыми вызовами, которые должны быть решены в протоколах. В настоящее время большинство операций AI-агентов все еще являются черным ящиком, и пользователи должны доверять свои средства им. Таким образом, развитие проверяемых AI-решений поможет обеспечить прозрачность и подотчетность процессов агентирования. Интеграция протоколов на основе TEE, FHE и даже zk-доказательств может повысить проверяемость поведения AI-агентов, что приведет к доверию к автономности.

Только успешное сочетание высококачественных данных, надежных моделей и прозрачных процессов принятия решений позволит агентам DeFAI получить широкое применение.