Desde su rápida expansión en 2020, las finanzas descentralizadas (DeFi) han sido un pilar central del ecosistema criptográfico. Aunque se han establecido muchos nuevos protocolos innovadores, también ha llevado a un aumento de la complejidad y la fragmentación, lo que hace que incluso los usuarios experimentados tengan dificultades para navegar por la gran cantidad de cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha evolucionado de una narrativa amplia en 2023 a un enfoque más especializado y orientado a agentes en 2024. Esta transformación ha dado lugar a DeFi AI (DeFAI), un campo emergente donde la IA mejora DeFi a través de la automatización, la gestión de riesgos y la optimización de capital.
DeFAI atraviesa múltiples niveles. La blockchain es la capa base, ya que los agentes de IA deben interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Encima de esto, las capas de datos y de computación proporcionan la infraestructura necesaria para entrenar modelos de IA, que provienen de datos de precios históricos, sentimientos del mercado y análisis en cadena. La capa de privacidad y verificación asegura que los datos financieros sensibles se mantengan seguros mientras se ejecutan sin confianza. Finalmente, el marco de agentes permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en cadena.
Aunque este diagrama ecológico aún se puede expandir más, estas son las principales categorías de proyectos construidos en DeFAI.
A medida que el ecosistema DeFAI sigue expandiéndose, los proyectos más destacados se pueden clasificar en tres categorías principales:
Capa abstracta
Los protocolos construidos sobre esta categoría actúan como una interfaz amigable similar a ChatGPT para DeFi, permitiendo a los usuarios ingresar mensajes que se ejecutan en la cadena. Generalmente, están integrados con múltiples cadenas y dApps, y ejecutan la intención del usuario, al mismo tiempo que eliminan los pasos manuales en transacciones complejas.
Algunas de las funciones que estos protocolos pueden ejecutar incluyen:
Intercambio, cadena cruzada, préstamo/retiro, ejecución de transacciones en cadena cruzada
Monedero de trading de seguimiento o perfil personal de Twitter/X
Ejecutar automáticamente las órdenes de toma de ganancias/pérdidas según el porcentaje del tamaño de la posición.
Por ejemplo, no es necesario extraer manualmente ETH de Aave, transferirlo a Solana, intercambiar SOL / Fartcoin y proporcionar liquidez en Raydium: el protocolo de capa de abstracción puede completar la operación en un solo paso.
Protocolo principal:
@griffaindotcom — red de agentes que ejecutan operaciones para los usuarios
@HeyAnonai — protocolo para manejar las señales de los usuarios sobre transacciones DeFi y percepciones en tiempo real
@orbitcryptoai — Socio de IA para la interacción DeFi
Agente de comercio autónomo
A diferencia de los robots de trading tradicionales que siguen reglas preestablecidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, ajustando sus estrategias según nueva información. Estos agentes pueden:
Analizar datos para mejorar continuamente las estrategias
Predecir la tendencia del mercado para tomar mejores decisiones alcistas/bajistas
Ejecutar estrategias DeFi complejas como el comercio básico
Protocolo principal:
@Almanak__ — plataforma para la formación, optimización y despliegue de agentes financieros autónomos
@Cod3xOrg — lanza agentes de IA para ejecutar tareas financieras en la blockchain
@Spectral_Labs — Crear una red de agentes de transacciones en cadenas autónomas
DApps impulsados por IA
Las dApps de DeFi ofrecen funciones como préstamos, intercambios y farming de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Optimizar el suministro de liquidez mediante el reequilibrio de las posiciones de LP para obtener un mejor APY
Escanear tokens para detectar riesgos mediante la detección de posibles rug pulls o honeypots.
Protocolo principal:
@gizatechxyz de ARMA— agente de IA, utilizado para optimizar los rendimientos de USDC en Mode y Base.
@SturdyFinance — Bóveda de ingresos impulsada por IA
@derivexyz — plataforma de opciones y contratos perpetuos optimizada con el co-piloto inteligente AI
Principales desafíos
Los principales protocolos construidos sobre estas capas enfrentan algunos desafíos:
Estos protocolos se basan en flujos de datos en tiempo real para una ejecución óptima de las operaciones. La mala calidad de los datos puede dar lugar a rutas ineficientes, transacciones fallidas o transacciones no rentables
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas es muy volátil. Los agentes deben aceptar el entrenamiento con conjuntos de datos diversos y de alta calidad para mantener su efectividad.
Es necesario comprender completamente la correlación de los activos, los cambios en la liquidez y el sentimiento del mercado para entender la situación general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos en el mercado. Sin embargo, para ofrecer mejores productos y resultados óptimos, deberían considerar integrar conjuntos de datos de diferentes calidades para elevar sus productos a un nuevo nivel.
Capa de datos: potencia para la inteligencia DeFAI
La IA es tan buena como los datos en los que se basa. Para que los agentes de IA trabajen eficazmente en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceso a los datos en cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y rendimiento necesitan datos para refinar aún más sus estrategias comerciales y reasignar recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar análisis predictivos sobre el comportamiento futuro de los precios, ofreciendo recomendaciones de trading que se adapten a sus preferencias por posiciones largas o cortas en ciertos activos.
El principal proveedor de datos de DeFAI
acuerdo
detalles
Función
Modo Sintetizador
Datos sintéticos para previsiones financieras
Capturar la distribución completa de los cambios de precios, utilizada para la predicción del modelo de IA.
Chainbase
Conjunto de datos estructurados de cadena completa
Proporcionar datos mejorados por IA, para el comercio, la predicción y la obtención de alpha
sqd.ai
Lago de datos descentralizado orientado a agentes de IA
Acceso a datos multicanal escalable y personalizable, con seguridad de prueba de conocimiento cero.
Cookie
Capa de datos en cadena y mentalidad CT orientada a agentes de IA
Utilizando 18 agentes de IA especializados para procesar más de 7TB de datos de agentes en cadena en más de 20 cadenas.
Modo Synth Subred
Como la 50ª subred de Bittensor, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precios y sus probabilidades asociadas, construyendo así los datos sintéticos más precisos del mundo, apoyando a los agentes y a los LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el comercio, al mismo tiempo que predicen las fluctuaciones de APY bajo diferentes condiciones del mercado, para que los fondos de liquidez puedan redistribuir o retirar liquidez cuando sea necesario. Desde el lanzamiento de la red autónoma, han tenido una fuerte demanda por parte de equipos DeFi para integrar los datos de Synth a través de su API.
La blockchain de agentes de IA más seguida
Además de construir la capa de datos para AI y agentes, Mode también se posiciona para construir una blockchain de pila completa para el futuro de DeFAI. Recientemente implementaron Mode Terminal, que es el co-piloto de DeFAI, para ejecutar transacciones en cadena a través de indicaciones de los usuarios, que estará disponible para los stakers de $MODE.
Además, Mode también admite muchos equipos basados en IA y agentes. Mode ha realizado un gran esfuerzo para integrar protocolos como Autonolas, Giza y Sturdy en su ecosistema, y con el desarrollo de más agentes y la ejecución de transacciones, Mode está evolucionando rápidamente.
Estas medidas se están implementando mientras actualizan la red con IA, siendo lo más notable la incorporación de un clasificador de IA para su blockchain. Al utilizar simulaciones y análisis de IA antes de la ejecución de las transacciones, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, asegurando así la seguridad en la cadena. Como L2 de la supercadena Optimism, Mode se sitúa en un espacio intermedio, conectando a usuarios humanos y agentes con el mejor ecosistema DeFi.
Comparación de las principales blockchains en las que se basa el agente de IA
Solana y Base son sin duda las dos principales cadenas para la construcción y publicación de marcos y tokens de agentes de IA. Los agentes de IA aprovechan el alto rendimiento y la baja latencia de la red de Solana, así como ElizaOS de código abierto, para desplegar tokens de agentes, mientras que Virtuals actúa como un launchpad para desplegar agentes en Base. A pesar de que ambos tienen hackatones e incentivos financieros, en lo que respecta a su programa de IA como cadena, aún no han alcanzado el nivel que ha logrado Mode.
NEAR se definió previamente como una blockchain L1 centrada en IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación de NEAR AI con un marco de agentes de IA de código abierto y un asistente de NEAR AI. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
Chainbase
Chainbase proporciona conjuntos de datos estructurados en la cadena completamente verificables, que pueden mejorar las funciones de los agentes de IA como transacciones, análisis, predicciones y búsqueda de alpha. Han lanzado manuscripts, un marco de flujo de datos en blockchain para integrar conjuntos de datos en la cadena y fuera de la cadena en un almacenamiento de datos objetivo para consultas y análisis ilimitados.
Esto permite a los desarrolladores personalizar los flujos de trabajo de procesamiento de datos de acuerdo con sus necesidades específicas. Estandarizar los datos originales y procesarlos en un formato limpio y compatible garantiza que sus conjuntos de datos cumplan con los estrictos requisitos de los sistemas de IA, lo que reduce el tiempo de preprocesamiento y mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia cantidad de datos en cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en cadena a análisis de datos para los usuarios, sin necesidad de ningún conocimiento de codificación complejo. La utilidad de los datos de Chainbase es evidente en sus asociaciones, donde los protocolos de IA están utilizando sus datos para:
ElizaOS plugin de proxy, utilizado para decisiones impulsadas en la cadena.
Construir el asistente Vana AI
Flock.io red social inteligente, proporciona información sobre el comportamiento del usuario
Theoriq análisis de datos y predicciones sobre DeFi
también colabora con 0G, Aethir e io.net
en comparación con los protocolos de datos tradicionales
Los protocolos de datos como The Graph, Chainlink y Alchemy proporcionan datos, pero no están centrados en la IA. The Graph proporciona una plataforma para consultar e indexar datos de blockchain, proporcionando a los desarrolladores acceso a datos sin procesar que no están diseñados para el comercio o la aplicación de estrategias. Chainlink proporciona fuentes de datos de Oracle, pero carece de conjuntos de datos optimizados para IA para las predicciones, mientras que Alchemy proporciona principalmente servicios de RPC.
En comparación, los datos de Chainbase son datos de blockchain preparados específicamente, que pueden ser utilizados fácilmente por aplicaciones o agentes de IA en una forma más estructurada y perspicaz, lo que permite a los agentes acceder más fácilmente a los datos relacionados con el mercado en cadena, la liquidez y los datos de tokens.
sqd.ai
sqd.ai (anteriormente conocido como Subsquid) está desarrollando una red de bases de datos abiertas diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a una gran cantidad de datos de blockchain en tiempo real y históricos de manera económica y sin necesidad de permisos, lo que permite que los agentes de IA funcionen de manera más eficiente.
sqd.ai Proporciona indexación de datos en tiempo real, incluida la indexación de bloques incompletos, a velocidades de hasta 150,000+ bloques por segundo, más rápido que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11 TB de datos, satisfaciendo las necesidades de alto rendimiento de miles de millones de agentes y desarrolladores autónomos de IA.
Su plataforma de procesamiento de datos personalizable puede proporcionar datos a medida según las necesidades de los agentes de IA, mientras que DuckDB ofrece una recuperación de datos eficiente para consultas locales. Su conjunto de datos integral admite más de 100 redes EVM y Substrate, incluidos los registros de eventos y los detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan a través de múltiples cadenas de bloques.
La incorporación de pruebas de conocimiento cero garantiza que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la creciente carga de datos al agregar más nodos de procesamiento, lo que permite soportar el número cada vez mayor de agentes de IA (se estima que alcanzará miles de millones).
Cookie
Cookie proporciona una capa de datos modular para agentes de IA y clústeres, diseñada específicamente para el manejo de datos sociales. Cuenta con un panel de control de agentes de IA que rastrea las principales mentalidades de los agentes en la cadena y en plataformas sociales, y recientemente ha lanzado una API de clúster de datos plug-and-play para otros agentes de IA, con el fin de detectar narrativas populares y cambios de mentalidad en CT.
Sus grupos de datos cubren más de 7 TB de fuentes de datos en tiempo real en la cadena y sociales, respaldados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y análisis en la cadena. Su último agente de IA @agentcookiefun utilizó el 7% de la capacidad de su grupo de datos, ofreciendo predicciones del mercado y descubriendo nuevas oportunidades a través de la utilización de varios otros agentes que operan bajo él.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en DeFi enfrentan limitaciones significativas para lograr una autonomía completa. Por ejemplo:
La capa abstracta transforma la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva.
Los agentes de IA pueden generar alfa a través del análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de una capa de datos útil para desarrollar la mejor plataforma o agente. Esto requerirá datos en cadena profundos sobre actividades de ballenas, cambios en la liquidez, etc., al tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, combinando con el análisis de sentimiento del mercado en general, ya sea sobre la volatilidad de tokens de categorías específicas (como agentes de IA, DeSci, etc.) o sobre la volatilidad de tokens en redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading de manera fluida desde una única interfaz. A medida que estos sistemas maduran, es posible que veamos a los futuros traders de DeFi confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con mínima intervención humana.
Últimos pensamientos
Dado el gran retroceso de los tokens y marcos de agentes de IA, algunas personas pueden pensar que DeFAI es solo un destello. Sin embargo, DeFAI aún se encuentra en una etapa temprana, y el potencial de los agentes de IA para mejorar la usabilidad y el rendimiento de DeFi es innegable.
La clave para liberar este potencial radica en obtener datos en tiempo real de alta calidad, lo que mejorará las predicciones y ejecuciones de trading impulsadas por IA. Cada vez más protocolos integran diferentes capas de datos, y los protocolos de datos construyen complementos para el marco, lo que resalta la importancia de los datos en la toma de decisiones por parte de los agentes.
En el futuro, la verificabilidad y la privacidad serán los desafíos clave que deben abordar los protocolos. En la actualidad, la mayoría de las operaciones de proxy de IA siguen siendo una caja negra a la que los usuarios tienen que confiar sus fondos. Como resultado, el desarrollo de decisiones de IA verificables ayudará a garantizar la transparencia y la rendición de cuentas en el proceso de los agentes. La integración de protocolos basados en TEE, PHE e incluso zk-proofs puede mejorar la verificabilidad del comportamiento de los agentes de IA, lo que permite confiar en la autonomía.
Solo combinando datos de alta calidad, modelos robustos y procesos de toma de decisiones transparentes, el agente DeFAI podrá obtener una amplia aplicación.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
DeFAI completo: ¿Cómo puede la IA liberar el potencial de las Finanzas descentralizadas?
Autor: Geng Kai, DF
¿Qué es DeFAI?
Desde su rápida expansión en 2020, las finanzas descentralizadas (DeFi) han sido un pilar central del ecosistema criptográfico. Aunque se han establecido muchos nuevos protocolos innovadores, también ha llevado a un aumento de la complejidad y la fragmentación, lo que hace que incluso los usuarios experimentados tengan dificultades para navegar por la gran cantidad de cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha evolucionado de una narrativa amplia en 2023 a un enfoque más especializado y orientado a agentes en 2024. Esta transformación ha dado lugar a DeFi AI (DeFAI), un campo emergente donde la IA mejora DeFi a través de la automatización, la gestión de riesgos y la optimización de capital.
DeFAI atraviesa múltiples niveles. La blockchain es la capa base, ya que los agentes de IA deben interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Encima de esto, las capas de datos y de computación proporcionan la infraestructura necesaria para entrenar modelos de IA, que provienen de datos de precios históricos, sentimientos del mercado y análisis en cadena. La capa de privacidad y verificación asegura que los datos financieros sensibles se mantengan seguros mientras se ejecutan sin confianza. Finalmente, el marco de agentes permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en cadena.
Aunque este diagrama ecológico aún se puede expandir más, estas son las principales categorías de proyectos construidos en DeFAI.
A medida que el ecosistema DeFAI sigue expandiéndose, los proyectos más destacados se pueden clasificar en tres categorías principales:
Los protocolos construidos sobre esta categoría actúan como una interfaz amigable similar a ChatGPT para DeFi, permitiendo a los usuarios ingresar mensajes que se ejecutan en la cadena. Generalmente, están integrados con múltiples cadenas y dApps, y ejecutan la intención del usuario, al mismo tiempo que eliminan los pasos manuales en transacciones complejas.
Algunas de las funciones que estos protocolos pueden ejecutar incluyen:
Intercambio, cadena cruzada, préstamo/retiro, ejecución de transacciones en cadena cruzada
Monedero de trading de seguimiento o perfil personal de Twitter/X
Ejecutar automáticamente las órdenes de toma de ganancias/pérdidas según el porcentaje del tamaño de la posición.
Por ejemplo, no es necesario extraer manualmente ETH de Aave, transferirlo a Solana, intercambiar SOL / Fartcoin y proporcionar liquidez en Raydium: el protocolo de capa de abstracción puede completar la operación en un solo paso.
Protocolo principal:
@griffaindotcom — red de agentes que ejecutan operaciones para los usuarios
@HeyAnonai — protocolo para manejar las señales de los usuarios sobre transacciones DeFi y percepciones en tiempo real
@orbitcryptoai — Socio de IA para la interacción DeFi
A diferencia de los robots de trading tradicionales que siguen reglas preestablecidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, ajustando sus estrategias según nueva información. Estos agentes pueden:
Analizar datos para mejorar continuamente las estrategias
Predecir la tendencia del mercado para tomar mejores decisiones alcistas/bajistas
Ejecutar estrategias DeFi complejas como el comercio básico
Protocolo principal:
@Almanak__ — plataforma para la formación, optimización y despliegue de agentes financieros autónomos
@Cod3xOrg — lanza agentes de IA para ejecutar tareas financieras en la blockchain
@Spectral_Labs — Crear una red de agentes de transacciones en cadenas autónomas
Las dApps de DeFi ofrecen funciones como préstamos, intercambios y farming de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Optimizar el suministro de liquidez mediante el reequilibrio de las posiciones de LP para obtener un mejor APY
Escanear tokens para detectar riesgos mediante la detección de posibles rug pulls o honeypots.
Protocolo principal:
@gizatechxyz de ARMA— agente de IA, utilizado para optimizar los rendimientos de USDC en Mode y Base.
@SturdyFinance — Bóveda de ingresos impulsada por IA
@derivexyz — plataforma de opciones y contratos perpetuos optimizada con el co-piloto inteligente AI
Principales desafíos
Los principales protocolos construidos sobre estas capas enfrentan algunos desafíos:
Estos protocolos se basan en flujos de datos en tiempo real para una ejecución óptima de las operaciones. La mala calidad de los datos puede dar lugar a rutas ineficientes, transacciones fallidas o transacciones no rentables
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas es muy volátil. Los agentes deben aceptar el entrenamiento con conjuntos de datos diversos y de alta calidad para mantener su efectividad.
Es necesario comprender completamente la correlación de los activos, los cambios en la liquidez y el sentimiento del mercado para entender la situación general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos en el mercado. Sin embargo, para ofrecer mejores productos y resultados óptimos, deberían considerar integrar conjuntos de datos de diferentes calidades para elevar sus productos a un nuevo nivel.
Capa de datos: potencia para la inteligencia DeFAI
La IA es tan buena como los datos en los que se basa. Para que los agentes de IA trabajen eficazmente en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceso a los datos en cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y rendimiento necesitan datos para refinar aún más sus estrategias comerciales y reasignar recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar análisis predictivos sobre el comportamiento futuro de los precios, ofreciendo recomendaciones de trading que se adapten a sus preferencias por posiciones largas o cortas en ciertos activos.
El principal proveedor de datos de DeFAI
acuerdo
detalles
Función
Modo Sintetizador
Datos sintéticos para previsiones financieras
Capturar la distribución completa de los cambios de precios, utilizada para la predicción del modelo de IA.
Chainbase
Conjunto de datos estructurados de cadena completa
Proporcionar datos mejorados por IA, para el comercio, la predicción y la obtención de alpha
sqd.ai
Lago de datos descentralizado orientado a agentes de IA
Acceso a datos multicanal escalable y personalizable, con seguridad de prueba de conocimiento cero.
Cookie
Capa de datos en cadena y mentalidad CT orientada a agentes de IA
Utilizando 18 agentes de IA especializados para procesar más de 7TB de datos de agentes en cadena en más de 20 cadenas.
Modo Synth Subred
Como la 50ª subred de Bittensor, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precios y sus probabilidades asociadas, construyendo así los datos sintéticos más precisos del mundo, apoyando a los agentes y a los LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el comercio, al mismo tiempo que predicen las fluctuaciones de APY bajo diferentes condiciones del mercado, para que los fondos de liquidez puedan redistribuir o retirar liquidez cuando sea necesario. Desde el lanzamiento de la red autónoma, han tenido una fuerte demanda por parte de equipos DeFi para integrar los datos de Synth a través de su API.
La blockchain de agentes de IA más seguida
Además de construir la capa de datos para AI y agentes, Mode también se posiciona para construir una blockchain de pila completa para el futuro de DeFAI. Recientemente implementaron Mode Terminal, que es el co-piloto de DeFAI, para ejecutar transacciones en cadena a través de indicaciones de los usuarios, que estará disponible para los stakers de $MODE.
Además, Mode también admite muchos equipos basados en IA y agentes. Mode ha realizado un gran esfuerzo para integrar protocolos como Autonolas, Giza y Sturdy en su ecosistema, y con el desarrollo de más agentes y la ejecución de transacciones, Mode está evolucionando rápidamente.
Estas medidas se están implementando mientras actualizan la red con IA, siendo lo más notable la incorporación de un clasificador de IA para su blockchain. Al utilizar simulaciones y análisis de IA antes de la ejecución de las transacciones, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, asegurando así la seguridad en la cadena. Como L2 de la supercadena Optimism, Mode se sitúa en un espacio intermedio, conectando a usuarios humanos y agentes con el mejor ecosistema DeFi.
Comparación de las principales blockchains en las que se basa el agente de IA
Solana y Base son sin duda las dos principales cadenas para la construcción y publicación de marcos y tokens de agentes de IA. Los agentes de IA aprovechan el alto rendimiento y la baja latencia de la red de Solana, así como ElizaOS de código abierto, para desplegar tokens de agentes, mientras que Virtuals actúa como un launchpad para desplegar agentes en Base. A pesar de que ambos tienen hackatones e incentivos financieros, en lo que respecta a su programa de IA como cadena, aún no han alcanzado el nivel que ha logrado Mode.
NEAR se definió previamente como una blockchain L1 centrada en IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación de NEAR AI con un marco de agentes de IA de código abierto y un asistente de NEAR AI. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
Chainbase
Chainbase proporciona conjuntos de datos estructurados en la cadena completamente verificables, que pueden mejorar las funciones de los agentes de IA como transacciones, análisis, predicciones y búsqueda de alpha. Han lanzado manuscripts, un marco de flujo de datos en blockchain para integrar conjuntos de datos en la cadena y fuera de la cadena en un almacenamiento de datos objetivo para consultas y análisis ilimitados.
Esto permite a los desarrolladores personalizar los flujos de trabajo de procesamiento de datos de acuerdo con sus necesidades específicas. Estandarizar los datos originales y procesarlos en un formato limpio y compatible garantiza que sus conjuntos de datos cumplan con los estrictos requisitos de los sistemas de IA, lo que reduce el tiempo de preprocesamiento y mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia cantidad de datos en cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en cadena a análisis de datos para los usuarios, sin necesidad de ningún conocimiento de codificación complejo. La utilidad de los datos de Chainbase es evidente en sus asociaciones, donde los protocolos de IA están utilizando sus datos para:
ElizaOS plugin de proxy, utilizado para decisiones impulsadas en la cadena.
Construir el asistente Vana AI
Flock.io red social inteligente, proporciona información sobre el comportamiento del usuario
Theoriq análisis de datos y predicciones sobre DeFi
también colabora con 0G, Aethir e io.net
en comparación con los protocolos de datos tradicionales
Los protocolos de datos como The Graph, Chainlink y Alchemy proporcionan datos, pero no están centrados en la IA. The Graph proporciona una plataforma para consultar e indexar datos de blockchain, proporcionando a los desarrolladores acceso a datos sin procesar que no están diseñados para el comercio o la aplicación de estrategias. Chainlink proporciona fuentes de datos de Oracle, pero carece de conjuntos de datos optimizados para IA para las predicciones, mientras que Alchemy proporciona principalmente servicios de RPC.
En comparación, los datos de Chainbase son datos de blockchain preparados específicamente, que pueden ser utilizados fácilmente por aplicaciones o agentes de IA en una forma más estructurada y perspicaz, lo que permite a los agentes acceder más fácilmente a los datos relacionados con el mercado en cadena, la liquidez y los datos de tokens.
sqd.ai
sqd.ai (anteriormente conocido como Subsquid) está desarrollando una red de bases de datos abiertas diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a una gran cantidad de datos de blockchain en tiempo real y históricos de manera económica y sin necesidad de permisos, lo que permite que los agentes de IA funcionen de manera más eficiente.
sqd.ai Proporciona indexación de datos en tiempo real, incluida la indexación de bloques incompletos, a velocidades de hasta 150,000+ bloques por segundo, más rápido que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11 TB de datos, satisfaciendo las necesidades de alto rendimiento de miles de millones de agentes y desarrolladores autónomos de IA.
Su plataforma de procesamiento de datos personalizable puede proporcionar datos a medida según las necesidades de los agentes de IA, mientras que DuckDB ofrece una recuperación de datos eficiente para consultas locales. Su conjunto de datos integral admite más de 100 redes EVM y Substrate, incluidos los registros de eventos y los detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan a través de múltiples cadenas de bloques.
La incorporación de pruebas de conocimiento cero garantiza que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la creciente carga de datos al agregar más nodos de procesamiento, lo que permite soportar el número cada vez mayor de agentes de IA (se estima que alcanzará miles de millones).
Cookie
Cookie proporciona una capa de datos modular para agentes de IA y clústeres, diseñada específicamente para el manejo de datos sociales. Cuenta con un panel de control de agentes de IA que rastrea las principales mentalidades de los agentes en la cadena y en plataformas sociales, y recientemente ha lanzado una API de clúster de datos plug-and-play para otros agentes de IA, con el fin de detectar narrativas populares y cambios de mentalidad en CT.
Sus grupos de datos cubren más de 7 TB de fuentes de datos en tiempo real en la cadena y sociales, respaldados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y análisis en la cadena. Su último agente de IA @agentcookiefun utilizó el 7% de la capacidad de su grupo de datos, ofreciendo predicciones del mercado y descubriendo nuevas oportunidades a través de la utilización de varios otros agentes que operan bajo él.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en DeFi enfrentan limitaciones significativas para lograr una autonomía completa. Por ejemplo:
La capa abstracta transforma la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva.
Los agentes de IA pueden generar alfa a través del análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de una capa de datos útil para desarrollar la mejor plataforma o agente. Esto requerirá datos en cadena profundos sobre actividades de ballenas, cambios en la liquidez, etc., al tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, combinando con el análisis de sentimiento del mercado en general, ya sea sobre la volatilidad de tokens de categorías específicas (como agentes de IA, DeSci, etc.) o sobre la volatilidad de tokens en redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading de manera fluida desde una única interfaz. A medida que estos sistemas maduran, es posible que veamos a los futuros traders de DeFi confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con mínima intervención humana.
Últimos pensamientos
Dado el gran retroceso de los tokens y marcos de agentes de IA, algunas personas pueden pensar que DeFAI es solo un destello. Sin embargo, DeFAI aún se encuentra en una etapa temprana, y el potencial de los agentes de IA para mejorar la usabilidad y el rendimiento de DeFi es innegable.
La clave para liberar este potencial radica en obtener datos en tiempo real de alta calidad, lo que mejorará las predicciones y ejecuciones de trading impulsadas por IA. Cada vez más protocolos integran diferentes capas de datos, y los protocolos de datos construyen complementos para el marco, lo que resalta la importancia de los datos en la toma de decisiones por parte de los agentes.
En el futuro, la verificabilidad y la privacidad serán los desafíos clave que deben abordar los protocolos. En la actualidad, la mayoría de las operaciones de proxy de IA siguen siendo una caja negra a la que los usuarios tienen que confiar sus fondos. Como resultado, el desarrollo de decisiones de IA verificables ayudará a garantizar la transparencia y la rendición de cuentas en el proceso de los agentes. La integración de protocolos basados en TEE, PHE e incluso zk-proofs puede mejorar la verificabilidad del comportamiento de los agentes de IA, lo que permite confiar en la autonomía.
Solo combinando datos de alta calidad, modelos robustos y procesos de toma de decisiones transparentes, el agente DeFAI podrá obtener una amplia aplicación.