Depuis son expansion rapide en 2020, la finance décentralisée (DeFi) est devenue un pilier central de l'écosystème cryptographique. Bien qu'un grand nombre de nouveaux protocoles innovants aient été établis, cela a également entraîné une augmentation de la complexité et de la fragmentation, rendant difficile, même pour les utilisateurs expérimentés, de naviguer à travers le grand nombre de chaînes, d'actifs et de protocoles.
En attendant, l'intelligence artificielle (AI) a évolué d'une narration de base étendue en 2023 à un focus plus professionnel et orienté vers les agents en 2024. Cette transformation a engendré DeFi AI (DeFAI) — un domaine émergent où l'IA améliore la DeFi grâce à l'automatisation, à la gestion des risques et à l'optimisation du capital.
DeFAI traverse plusieurs niveaux. La blockchain est le niveau de base, car les agents IA doivent interagir avec une chaîne spécifique pour exécuter des transactions et exécuter des contrats intelligents. Au-dessus, le niveau de données et le niveau de calcul fournissent l'infrastructure nécessaire pour entraîner des modèles IA, qui proviennent des données historiques de prix, du sentiment du marché et de l'analyse sur chaîne. Le niveau de confidentialité et de vérification garantit que les données financières sensibles restent sécurisées tout en maintenant une exécution sans confiance. Enfin, le cadre des agents permet aux développeurs de créer des applications alimentées par l'IA spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance sur chaîne.
Bien que ce diagramme écologique puisse encore être étendu, ce sont les principales catégories de projets construits sur DeFAI.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois catégories principales :
1. Couche abstraite
Les protocoles basés sur cette catégorie agissent comme une interface utilisateur conviviale de type ChatGPT pour DeFi, permettant aux utilisateurs de saisir des instructions exécutées sur la chaîne. Ils s'intègrent généralement à plusieurs chaînes et dApps, et exécutent l'intention de l'utilisateur tout en éliminant les étapes manuelles dans les transactions complexes.
Certaines des fonctions que ces protocoles peuvent exécuter incluent :
Échange, inter-chaînes, prêt/retrait, exécution de transactions inter-chaînes
Portefeuille de trading de suivi ou profil Twitter/X
Exécution automatique des ordres de prise de profit/stop loss en fonction du pourcentage de la taille de la position.
Par exemple, il n'est pas nécessaire d'extraire manuellement ETH d'Aave, de le transférer sur Solana, d'échanger SOL / Fartcoin et de fournir de la liquidité sur Raydium - le protocole de couche d'abstraction peut accomplir l'opération en une seule étape.
Protocoles principaux :
@griffaindotcom — réseau d'agents exécutant des transactions pour les utilisateurs
@HeyAnonai — protocole de gestion des alertes des utilisateurs concernant les transactions DeFi et les insights en temps réel
@orbitcryptoai — partenaire AI pour l'interaction DeFi
2. Agent de négociation 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 :
Analyser les données pour améliorer continuellement les stratégies
Prédire les tendances du marché afin de prendre de meilleures décisions haussières/baissières
Exécutez des stratégies DeFi complexes comme des transactions de base
Principaux protocoles :
@Almanak__ — plateforme pour former, optimiser et déployer des agents financiers autonomes
@Cod3xOrg — Lancement d'un agent IA exécutant des tâches financières sur la blockchain
@Spectral_Labs — Créer un réseau d'agents de trading autonomes sur la chaîne
3. DApps alimentés par l'IA
Les dApps DeFi offrent des fonctionnalités telles que le prêt, l'échange, et le yield farming. L'IA et les agents IA peuvent améliorer ces services de plusieurs manières :
Optimiser l'approvisionnement en liquidité en rééquilibrant les positions LP pour obtenir un meilleur APY
Scanner les tokens en détectant les rug ou les honeypots potentiels pour identifier les risques
Principale protocole :
@gizatechxyz de l'ARMA— agent AI, utilisé pour optimiser les rendements USDC dans Mode et Base
@SturdyFinance — Coffre d'assurance de rendement alimenté par l'IA
@derivexyz — plateforme d'options et de contrats à terme perpétuels optimisée par l'IA co-pilot intelligent
principaux défis
Les protocoles de haut niveau construits sur ces couches font face à certains défis :
Ces protocoles s'appuient sur des flux de données en temps réel pour garantir une exécution optimale des transactions. Une mauvaise qualité des données peut entraîner une inefficacité des itinéraires, 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 avec des ensembles de données diversifiés et de haute qualité pour maintenir leur efficacité.
Il est nécessaire de comprendre pleinement la corrélation des actifs, les changements de liquidité et le sentiment du marché pour comprendre la situation globale du marché.
Les protocoles basés sur ces catégories ont été bien accueillis par le marché. Cependant, pour offrir de meilleurs produits et des résultats optimaux, ils devraient envisager d'intégrer divers ensembles de données de qualité différente afin d'élever leurs produits à un nouveau niveau.
Couche de données - Alimente la 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 on-chain via RPC et les API de réseaux sociaux, tandis que les agents d'optimisation des transactions et des profits ont besoin de données pour affiner davantage leurs stratégies de trading et réaffecter les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire l'analyse du comportement futur des prix, fournissant des conseils de trading pour s'adapter à leurs préférences en matière de positions longues ou courtes sur certains actifs.
Le principal fournisseur de données de DeFAI
| Accord | Détails | Fonctionnalité |
| Mode Synth | Données synthétiques pour la prévision financière | Capturer la distribution complète des variations de prix pour la prévision des modèles d'IA |
| Chainbase | Ensemble de données structurées sur la chaîne complète | Fournit des données améliorées par l'IA pour le trading, la prévision et l'obtention d'alpha |
| sqd.ai | Lac de données décentralisé destiné aux agents IA | Accès aux données multi-chaînes extensible et personnalisable, avec sécurité par preuve à connaissance nulle |
| Cookie | Mentalité CT et couche de données on-chain destinée aux agents AI | Utilisation de 18 agents AI spécialisés pour traiter plus de 7 To de données d'agents on-chain sur plus de 20 chaînes |
Mode Synth sous-réseau
En tant que 50e sous-réseau de Bittensor, Synth crée des données synthétiques pour la capacité de prévision financière des agents. Contrairement à d'autres systèmes de prévision des prix traditionnels, Synth capture la distribution complète des variations de prix et leurs probabilités associées, créant ainsi les données synthétiques les plus précises au monde, soutenant les agents et les LLM.
Fournir davantage de jeux de données de haute qualité permet aux agents IA de prendre de meilleures décisions directionnelles dans les transactions, tout en prédisant les fluctuations de l'APY dans différentes conditions de marché, afin que les pools de liquidité puissent réaffecter ou retirer de la liquidité en cas de besoin. Depuis le lancement de l'autonomous network, ils ont reçu une forte demande de la part des équipes DeFi pour intégrer les données de Synth via leur API.
les blockchain des agents IA les plus suivies
En plus de construire une couche de données pour l'IA et les agents, Mode se positionne également comme un blockchain full-stack pour l'avenir de DeFAI. Ils ont récemment déployé Mode Terminal, qui est le co-pilote de DeFAI, pour exécuter des transactions on-chain via des invites utilisateur, qui sera bientôt ouvert aux stakers de $MODE.
De plus, Mode prend également en charge de nombreuses équipes basées sur l'IA et des agents. Mode a déployé de grands efforts pour intégrer des protocoles tels qu'Autonolas, Giza, Sturdy dans son écosystème, et avec le développement de plus d'agents et l'exécution des transactions, Mode se développe rapidement.
Ces mesures sont mises en œuvre en parallèle avec leur mise à niveau du réseau par l'IA, la plus remarquable étant l'ajout d'un classificateur AI à leur blockchain. En utilisant des simulations et des analyses AI pour les 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. En tant que L2 de la super chaîne Optimism, Mode se trouve à mi-chemin, connectant les utilisateurs humains et les agents aux meilleurs écosystèmes DeFi.
Comparaison des meilleures blockchains sur lesquelles se basent les agents AI
Solana et Base sont sans aucun doute les deux principales chaînes pour la construction et le déploiement de la plupart des cadres et des jetons d'agents AI. Les agents AI utilisent le réseau à haut débit et à faible latence de Solana ainsi que l'ElizaOS open source pour déployer des jetons d'agents, tandis que Virtuals sert de launchpad pour le déploiement d'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 atteint par Mode.
NEAR s'est précédemment défini comme une blockchain L1 axée sur l'IA, dont les fonctionnalités incluent un marché de tâches AI, un centre de recherche NEAR AI avec un cadre d'agent AI open source et un assistant NEAR AI. Ils ont récemment annoncé un fonds d'agents AI de 20 millions de dollars pour étendre des agents entièrement autonomes et vérifiables sur NEAR.
Chainbase
Chainbase fournit un ensemble de données structurées vérifiables en chaîne sur l'ensemble de la chaîne, ce qui peut améliorer les fonctionnalités des agents IA telles que les transactions, les insights, les prévisions et la recherche d'alpha. Ils ont lancé des manuscripts, qui est un cadre de flux de données blockchain, utilisé pour intégrer des ensembles de données en chaîne et hors chaîne dans un stockage de données cible pour des requêtes et analyses illimitées.
Cela permet aux développeurs de personnaliser les flux de travail de traitement des données en fonction de leurs besoins spécifiques. La normalisation et le traitement des données brutes en un format propre et compatible garantissent que leurs ensembles de données répondent aux exigences strictes des systèmes d'IA, réduisant ainsi le temps de prétraitement tout en améliorant la précision du modèle, ce qui aide à créer des agents IA fiables.
Sur la base de ses vastes données on-chain, ils ont également développé un modèle appelé Theia, qui traduit les données on-chain en analyses de données pour les utilisateurs, sans nécessiter de connaissances en codage complexes. L'utilité des données de Chainbase est évidente dans leurs partenariats, où les protocoles d'IA utilisent leurs données pour :
ElizaOS plugin de proxy, utilisé pour des décisions pilotées par la chaîne
Construire l'assistant Vana AI
Flock.io réseau social intelligent, offrant des insights sur le comportement des utilisateurs
Theoriq sur l'analyse et la prévision des données DeFi
a également collaboré avec 0G, Aethir et io.net
Par rapport aux protocoles de données traditionnels
Des protocoles de données tels que The Graph, Chainlink et Alchemy fournissent des données, mais pas de manière centrée sur l'IA. The Graph propose une plateforme pour interroger et indexer les données de la blockchain, offrant un accès aux données brutes qui ne sont pas construites pour les transactions ou l'exécution de stratégies. Chainlink fournit des flux de données d'oracle, mais manque de jeux de données optimisés par l'IA pour la prévision, tandis qu'Alchemy propose principalement des services RPC.
En comparaison, les données Chainbase sont des données blockchain spécialement préparées, pouvant être facilement utilisées par des applications ou des agents AI sous une forme plus structurée et plus perspicace, permettant ainsi aux agents d'accéder plus facilement aux données liées au marché en chaîne, à la liquidité et aux données des tokens.
sqd.ai
sqd.ai (anciennement Subsquid) développe un réseau de bases de données ouvertes sur mesure pour les agents IA et les services Web3. Leur lac de données décentralisé offre un accès illimité et économique à une grande quantité de données blockchain en temps réel et historiques, permettant aux agents IA de fonctionner plus efficacement.
sqd.ai fournit un index de données en temps réel (y compris l'index des blocs non confirmés), avec une vitesse d'indexation allant jusqu'à 150 000+ blocs par seconde, plus rapide que tout autre indexeur. Au cours des dernières 24 heures, ils ont fourni plus de 11 To de données, répondant aux besoins en haute capacité de traitement de milliards d'agents IA autonomes et de développeurs.
Leur plateforme de traitement de données personnalisable peut fournir des données sur mesure en fonction des besoins des agents IA, tandis que DuckDB offre une récupération de données efficace pour les requêtes locales. Leur ensemble de données complet prend en charge plus de 100 réseaux EVM et Substrate, y compris les journaux d'événements et les détails des transactions, ce qui est très précieux pour les agents IA fonctionnant sur plusieurs blockchains.
L'ajout de preuves à divulgation nulle de connaissance garantit que les agents IA peuvent accéder et traiter des données sensibles sans compromettre la vie privée. De plus, sqd.ai peut gérer la charge de données croissante en ajoutant davantage de nœuds de traitement, soutenant ainsi le nombre croissant d'agents IA (qui devrait atteindre des milliards).
Cookie
Cookie fournit une couche de données modulaire pour les agents IA et les clusters, spécialement conçue pour traiter les données sociales. Il dispose d'un tableau de bord d'agents IA qui suit les principaux agents sur la chaîne et sur les plateformes sociales, et a récemment lancé une API de cluster de données plug-and-play pour d'autres agents IA, afin de détecter les récits et les changements d'état d'esprit populaires dans le CT.
 DeFAI étape suivante
Actuellement, la plupart des agents IA dans le DeFi 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 prédictive.
Les agents AI peuvent générer de l'alpha par l'analyse, mais manquent d'exécution de transactions indépendante.
Les dApps alimentées par l'IA peuvent gérer des coffres-forts ou des transactions, mais elles sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration de couches de données utiles pour développer la meilleure plateforme ou agent d'agent. Cela nécessitera des données on-chain approfondies concernant l'activité des grandes baleines, les variations de liquidité, tout en générant des données synthétiques utiles pour de meilleures analyses prédictives, et en combinant l'analyse de sentiment du marché général, que ce soit les fluctuations des tokens dans des catégories spécifiques (comme les agents IA, DeSci, etc.) ou 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 à l'avenir des traders DeFi s'appuyer sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Dernières pensées
Étant donné la forte réduction des jetons et du cadre des agents 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 IA pour améliorer l'utilisabilité et la performance de la DeFi est indéniable.
La clé pour libérer ce potentiel réside dans l'acquisition 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 construisant des plugins pour le cadre, ce qui souligne l'importance des données pour les décisions des agents.
En regardant vers 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 leur confier des fonds. Par conséquent, le développement de décisions d'IA vérifiables contribuera à garantir la transparence et la responsabilité des processus des agents. L'intégration de protocoles basés sur TEE, FHE ou même zk-proofs peut renforcer la vérifiabilité du comportement des agents d'IA, permettant ainsi de faire confiance à leur autonomie.
Seule la combinaison réussie de données de haute qualité, de modèles robustes et de processus de décision transparents permettra aux agents DeFAI d'obtenir une large application.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
DeFAI tout compris : comment l'IA libère le potentiel de la Finance décentralisée ?
Auteur : Geng Kai, DF
Qu'est-ce que DeFAI ?
Depuis son expansion rapide en 2020, la finance décentralisée (DeFi) est devenue un pilier central de l'écosystème cryptographique. Bien qu'un grand nombre de nouveaux protocoles innovants aient été établis, cela a également entraîné une augmentation de la complexité et de la fragmentation, rendant difficile, même pour les utilisateurs expérimentés, de naviguer à travers le grand nombre de chaînes, d'actifs et de protocoles.
En attendant, l'intelligence artificielle (AI) a évolué d'une narration de base étendue en 2023 à un focus plus professionnel et orienté vers les agents en 2024. Cette transformation a engendré DeFi AI (DeFAI) — un domaine émergent où l'IA améliore la DeFi grâce à l'automatisation, à la gestion des risques et à l'optimisation du capital.
DeFAI traverse plusieurs niveaux. La blockchain est le niveau de base, car les agents IA doivent interagir avec une chaîne spécifique pour exécuter des transactions et exécuter des contrats intelligents. Au-dessus, le niveau de données et le niveau de calcul fournissent l'infrastructure nécessaire pour entraîner des modèles IA, qui proviennent des données historiques de prix, du sentiment du marché et de l'analyse sur chaîne. Le niveau de confidentialité et de vérification garantit que les données financières sensibles restent sécurisées tout en maintenant une exécution sans confiance. Enfin, le cadre des agents permet aux développeurs de créer des applications alimentées par l'IA spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance sur chaîne.
Bien que ce diagramme écologique puisse encore être étendu, ce sont les principales catégories de projets construits sur DeFAI.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois catégories principales :
1. Couche abstraite
Les protocoles basés sur cette catégorie agissent comme une interface utilisateur conviviale de type ChatGPT pour DeFi, permettant aux utilisateurs de saisir des instructions exécutées sur la chaîne. Ils s'intègrent généralement à plusieurs chaînes et dApps, et exécutent l'intention de l'utilisateur tout en éliminant les étapes manuelles dans les transactions complexes.
Certaines des fonctions que ces protocoles peuvent exécuter incluent :
Par exemple, il n'est pas nécessaire d'extraire manuellement ETH d'Aave, de le transférer sur Solana, d'échanger SOL / Fartcoin et de fournir de la liquidité sur Raydium - le protocole de couche d'abstraction peut accomplir l'opération en une seule étape.
Protocoles principaux :
2. Agent de négociation 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 :
Principaux protocoles :
3. DApps alimentés par l'IA
Les dApps DeFi offrent des fonctionnalités telles que le prêt, l'échange, et le yield farming. L'IA et les agents IA peuvent améliorer ces services de plusieurs manières :
Principale protocole :
principaux défis
Les protocoles de haut niveau construits sur ces couches font face à certains défis :
Les protocoles basés sur ces catégories ont été bien accueillis par le marché. Cependant, pour offrir de meilleurs produits et des résultats optimaux, ils devraient envisager d'intégrer divers ensembles de données de qualité différente afin d'élever leurs produits à un nouveau niveau.
Couche de données - Alimente la 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 on-chain via RPC et les API de réseaux sociaux, tandis que les agents d'optimisation des transactions et des profits ont besoin de données pour affiner davantage leurs stratégies de trading et réaffecter les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire l'analyse du comportement futur des prix, fournissant des conseils de trading pour s'adapter à leurs préférences en matière de positions longues ou courtes sur certains actifs.
Le principal fournisseur de données de DeFAI
| Accord | Détails | Fonctionnalité | | Mode Synth | Données synthétiques pour la prévision financière | Capturer la distribution complète des variations de prix pour la prévision des modèles d'IA | | Chainbase | Ensemble de données structurées sur la chaîne complète | Fournit des données améliorées par l'IA pour le trading, la prévision et l'obtention d'alpha | | sqd.ai | Lac de données décentralisé destiné aux agents IA | Accès aux données multi-chaînes extensible et personnalisable, avec sécurité par preuve à connaissance nulle | | Cookie | Mentalité CT et couche de données on-chain destinée aux agents AI | Utilisation de 18 agents AI spécialisés pour traiter plus de 7 To de données d'agents on-chain sur plus de 20 chaînes |
Mode Synth sous-réseau
En tant que 50e sous-réseau de Bittensor, Synth crée des données synthétiques pour la capacité de prévision financière des agents. Contrairement à d'autres systèmes de prévision des prix traditionnels, Synth capture la distribution complète des variations de prix et leurs probabilités associées, créant ainsi les données synthétiques les plus précises au monde, soutenant les agents et les LLM.
Fournir davantage de jeux de données de haute qualité permet aux agents IA de prendre de meilleures décisions directionnelles dans les transactions, tout en prédisant les fluctuations de l'APY dans différentes conditions de marché, afin que les pools de liquidité puissent réaffecter ou retirer de la liquidité en cas de besoin. Depuis le lancement de l'autonomous network, ils ont reçu une forte demande de la part des équipes DeFi pour intégrer les données de Synth via leur API.
les blockchain des agents IA les plus suivies
En plus de construire une couche de données pour l'IA et les agents, Mode se positionne également comme un blockchain full-stack pour l'avenir de DeFAI. Ils ont récemment déployé Mode Terminal, qui est le co-pilote de DeFAI, pour exécuter des transactions on-chain via des invites utilisateur, qui sera bientôt ouvert aux stakers de $MODE.
De plus, Mode prend également en charge de nombreuses équipes basées sur l'IA et des agents. Mode a déployé de grands efforts pour intégrer des protocoles tels qu'Autonolas, Giza, Sturdy dans son écosystème, et avec le développement de plus d'agents et l'exécution des transactions, Mode se développe rapidement.
Ces mesures sont mises en œuvre en parallèle avec leur mise à niveau du réseau par l'IA, la plus remarquable étant l'ajout d'un classificateur AI à leur blockchain. En utilisant des simulations et des analyses AI pour les 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. En tant que L2 de la super chaîne Optimism, Mode se trouve à mi-chemin, connectant les utilisateurs humains et les agents aux meilleurs écosystèmes DeFi.
Comparaison des meilleures blockchains sur lesquelles se basent les agents AI
Solana et Base sont sans aucun doute les deux principales chaînes pour la construction et le déploiement de la plupart des cadres et des jetons d'agents AI. Les agents AI utilisent le réseau à haut débit et à faible latence de Solana ainsi que l'ElizaOS open source pour déployer des jetons d'agents, tandis que Virtuals sert de launchpad pour le déploiement d'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 atteint par Mode.
NEAR s'est précédemment défini comme une blockchain L1 axée sur l'IA, dont les fonctionnalités incluent un marché de tâches AI, un centre de recherche NEAR AI avec un cadre d'agent AI open source et un assistant NEAR AI. Ils ont récemment annoncé un fonds d'agents AI de 20 millions de dollars pour étendre des agents entièrement autonomes et vérifiables sur NEAR.
Chainbase
Chainbase fournit un ensemble de données structurées vérifiables en chaîne sur l'ensemble de la chaîne, ce qui peut améliorer les fonctionnalités des agents IA telles que les transactions, les insights, les prévisions et la recherche d'alpha. Ils ont lancé des manuscripts, qui est un cadre de flux de données blockchain, utilisé pour intégrer des ensembles de données en chaîne et hors chaîne dans un stockage de données cible pour des requêtes et analyses illimitées.
Cela permet aux développeurs de personnaliser les flux de travail de traitement des données en fonction de leurs besoins spécifiques. La normalisation et le traitement des données brutes en un format propre et compatible garantissent que leurs ensembles de données répondent aux exigences strictes des systèmes d'IA, réduisant ainsi le temps de prétraitement tout en améliorant la précision du modèle, ce qui aide à créer des agents IA fiables.
Sur la base de ses vastes données on-chain, ils ont également développé un modèle appelé Theia, qui traduit les données on-chain en analyses de données pour les utilisateurs, sans nécessiter de connaissances en codage complexes. L'utilité des données de Chainbase est évidente dans leurs partenariats, où les protocoles d'IA utilisent leurs données pour :
Par rapport aux protocoles de données traditionnels
Des protocoles de données tels que The Graph, Chainlink et Alchemy fournissent des données, mais pas de manière centrée sur l'IA. The Graph propose une plateforme pour interroger et indexer les données de la blockchain, offrant un accès aux données brutes qui ne sont pas construites pour les transactions ou l'exécution de stratégies. Chainlink fournit des flux de données d'oracle, mais manque de jeux de données optimisés par l'IA pour la prévision, tandis qu'Alchemy propose principalement des services RPC.
En comparaison, les données Chainbase sont des données blockchain spécialement préparées, pouvant être facilement utilisées par des applications ou des agents AI sous une forme plus structurée et plus perspicace, permettant ainsi aux agents d'accéder plus facilement aux données liées au marché en chaîne, à la liquidité et aux données des tokens.
sqd.ai
sqd.ai (anciennement Subsquid) développe un réseau de bases de données ouvertes sur mesure pour les agents IA et les services Web3. Leur lac de données décentralisé offre un accès illimité et économique à une grande quantité de données blockchain en temps réel et historiques, permettant aux agents IA de fonctionner plus efficacement.
sqd.ai fournit un index de données en temps réel (y compris l'index des blocs non confirmés), avec une vitesse d'indexation allant jusqu'à 150 000+ blocs par seconde, plus rapide que tout autre indexeur. Au cours des dernières 24 heures, ils ont fourni plus de 11 To de données, répondant aux besoins en haute capacité de traitement de milliards d'agents IA autonomes et de développeurs.
Leur plateforme de traitement de données personnalisable peut fournir des données sur mesure en fonction des besoins des agents IA, tandis que DuckDB offre une récupération de données efficace pour les requêtes locales. Leur ensemble de données complet prend en charge plus de 100 réseaux EVM et Substrate, y compris les journaux d'événements et les détails des transactions, ce qui est très précieux pour les agents IA fonctionnant sur plusieurs blockchains.
L'ajout de preuves à divulgation nulle de connaissance garantit que les agents IA peuvent accéder et traiter des données sensibles sans compromettre la vie privée. De plus, sqd.ai peut gérer la charge de données croissante en ajoutant davantage de nœuds de traitement, soutenant ainsi le nombre croissant d'agents IA (qui devrait atteindre des milliards).
Cookie
Cookie fournit une couche de données modulaire pour les agents IA et les clusters, spécialement conçue pour traiter les données sociales. Il dispose d'un tableau de bord d'agents IA qui suit les principaux agents sur la chaîne et sur les plateformes sociales, et a récemment lancé une API de cluster de données plug-and-play pour d'autres agents IA, afin de détecter les récits et les changements d'état d'esprit populaires dans le CT.
 DeFAI étape suivante
Actuellement, la plupart des agents IA dans le DeFi font face à des limitations majeures en matière d'autonomie complète. Par exemple :
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration de couches de données utiles pour développer la meilleure plateforme ou agent d'agent. Cela nécessitera des données on-chain approfondies concernant l'activité des grandes baleines, les variations de liquidité, tout en générant des données synthétiques utiles pour de meilleures analyses prédictives, et en combinant l'analyse de sentiment du marché général, que ce soit les fluctuations des tokens dans des catégories spécifiques (comme les agents IA, DeSci, etc.) ou 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 à l'avenir des traders DeFi s'appuyer sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Dernières pensées
Étant donné la forte réduction des jetons et du cadre des agents 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 IA pour améliorer l'utilisabilité et la performance de la DeFi est indéniable.
La clé pour libérer ce potentiel réside dans l'acquisition 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 construisant des plugins pour le cadre, ce qui souligne l'importance des données pour les décisions des agents.
En regardant vers 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 leur confier des fonds. Par conséquent, le développement de décisions d'IA vérifiables contribuera à garantir la transparence et la responsabilité des processus des agents. L'intégration de protocoles basés sur TEE, FHE ou même zk-proofs peut renforcer la vérifiabilité du comportement des agents d'IA, permettant ainsi de faire confiance à leur autonomie.
Seule la combinaison réussie de données de haute qualité, de modèles robustes et de processus de décision transparents permettra aux agents DeFAI d'obtenir une large application.