Depuis son expansion rapide en 2020, la finance décentralisée (DeFi) est devenue un pilier central de l'écosystème cryptographique. Bien que de nombreux nouveaux protocoles innovants aient été établis, cela a également conduit à une augmentation de la complexité et de la fragmentation, rendant difficile pour même les utilisateurs expérimentés de naviguer à travers le grand nombre de chaînes, d'actifs et de protocoles.
En attendant, l'intelligence artificielle (AI) est passée d'un récit de base étendu en 2023 à un accent plus professionnel et axé sur l'agent en 2024. Cette transformation a donné naissance à DeFi AI (DeFAI) — un domaine émergent où l'IA améliore 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 AI doivent interagir avec une chaîne spécifique pour exécuter des transactions et exécuter des contrats intelligents. Au-dessus de cela, les niveaux de données et de calcul fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, qui proviennent des données historiques de prix, des sentiments du marché et des analyses on-chain. Le niveau de confidentialité et de vérifiabilité garantit que les données financières sensibles restent sécurisées tout en conservant une exécution sans confiance. Enfin, le cadre des agents permet aux développeurs de construire des applications pilotées par l'AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance on-chain.
Bien que cette carte écologique puisse encore être étendue, 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 :
Couche abstraite
Les protocoles construits dans cette catégorie servent d'interface conviviale similaire à ChatGPT pour DeFi, permettant aux utilisateurs de saisir des invites exécutées sur la chaîne. Ils s'intègrent généralement à plusieurs chaînes et dApps, et exécutent les intentions des utilisateurs tout en éliminant les étapes manuelles dans les transactions complexes.
Ces protocoles peuvent exécuter certaines fonctions, notamment :
Échange, inter-chaînes, prêt/retrait, exécution de transactions inter-chaînes
Copy Trading portefeuille ou profil Twitter/X
Exécution automatique des transactions de prise de bénéfices/de pertes en fonction du pourcentage de la taille de la position.
Par exemple, il n'est pas nécessaire d'extraire manuellement l'ETH de 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.
Principaux protocoles :
@griffaindotcom — un réseau d'agents pour exécuter des transactions pour les utilisateurs
@HeyAnonai — protocole pour traiter les demandes des utilisateurs concernant les transactions DeFi et les informations en temps réel.
@orbitcryptoai — Partenaire IA pour l'interaction DeFi
Agent 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 :
Analyser les données pour perfectionner continuellement la stratégie
Prédire les tendances du marché afin de prendre de meilleures décisions d'achat/vente à découvert.
Exécuter des stratégies DeFi complexes comme des transactions de base.
Principale protocole :
@Almanak__ — plateforme pour la formation, l'optimisation et le déploiement d'agents financiers autonomes
@Cod3xOrg — lance un agent AI pour exécuter des tâches financières sur la blockchain
@Spectral_Labs — Créer un réseau d'agents de trading sur une chaîne autonome
DApps alimentés par l'IA
Les dApps DeFi offrent des fonctions de prêt, d'échange, de farming de rendement, etc. L'IA et les agents IA peuvent renforcer ces services de la manière suivante :
Optimiser l'offre de liquidité en rééquilibrant les positions LP pour obtenir un meilleur APY.
Scanner les tokens pour détecter les risques en identifiant les rug ou les honeypots potentiels.
Principaux protocoles :
ARMA— AI de @gizatechxyz, utilisé pour optimiser les rendements USDC dans Mode et Base
@SturdyFinance — Coffre d'assurance de rendement alimenté par l'IA
@derivexyz — plateforme de contrats à terme et d'options optimisée par un co-pilote AI intelligent
Principaux défis
Les principaux protocoles 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 routes, 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 le sentiment du marché pour saisir l'état global du marché.
Les protocoles basés sur ces catégories ont gagné en popularité 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 afin d'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 de réseaux sociaux, tandis que les agents d'optimisation des transactions et des bénéfices ont besoin de données pour affiner davantage leurs stratégies de trading et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire l'analyse du comportement futur des prix, fournissant des recommandations de trading pour s'adapter à leurs préférences pour des positions longues ou courtes sur certains actifs.
Le principal fournisseur de données de DeFAI
accord
détails
Fonction
Mode Synth
Données synthétiques pour les prévisions financières
Capturer la distribution complète des variations de prix, utilisée pour la prédiction des modèles d'IA.
Chainbase
jeu de données structurées sur toute la chaîne
Fournir des données améliorées par l'IA pour le trading, la prévision et l'obtention d'alpha
sqd.ai
Lac de données décentralisé orienté vers les agents IA
Accès aux données multi-chaînes extensible et personnalisable, avec une sécurité basée sur des preuves à divulgation nulle de connaissance.
Cookie
CT mentalité et couche de données on-chain pour les agents IA
Utiliser 18 agents IA spécialisés pour traiter plus de 7 To de données d'agents sur chaîne sur plus de 20 chaînes.
Mode Synth sous-réseau
En tant que 50ème sous-réseau de Bittensor, Synth crée des données synthétiques pour la capacité de prévision financière des agents. Contrairement aux autres systèmes de prévision des prix traditionnels, Synth capture la distribution complète 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 davantage de jeux de données de haute qualité peut permettre 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 liquidités puissent réaffecter ou retirer des liquidités au besoin. Depuis le lancement du réseau autonome, ils ont reçu une forte demande de la part des équipes DeFi pour intégrer les données de Synth via leur API.
La blockchain d'agent IA la plus suivie
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 en chaîne 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 d'énormes efforts pour intégrer des protocoles tels qu'Autonolas, Giza et Sturdy dans son écosystème, et avec le développement et l'exécution de plus d'agents, Mode se développe rapidement.
Ces mesures sont mises en œuvre alors qu'ils modernisent le réseau avec l'IA, le plus remarquable étant l'équipement de leur blockchain avec un classificateur IA. En utilisant la simulation et l'analyse IA avant l'exécution des transactions, 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 situe à un carrefour, connectant les utilisateurs humains et les agents aux meilleures écosystèmes DeFi.
Comparaison des meilleures blockchains sur lesquelles se base l'agent IA
Solana et Base sont sans aucun doute les deux principales chaînes pour la construction et le lancement de cadres et de tokens AI. Les agents AI utilisent le haut débit et le réseau à faible latence de Solana ainsi que l'ElizaOS open source pour déployer des tokens d'agent, tandis que Virtuals sert de launchpad pour le déploiement d'agents sur Base. Bien qu'ils disposent tous deux de hackathons et d'incitations financières, en ce qui concerne leur programme AI en tant que chaîne, ils n'ont pas encore atteint le niveau de Mode.
NEAR s'est auparavant défini comme une blockchain L1 centrée sur l'IA, dont les fonctionnalités incluent un marché de tâches IA, un centre de recherche NEAR AI avec un cadre d'agent IA open source et un assistant NEAR AI. Ils ont récemment annoncé un fonds d'agent IA de 20 millions de dollars pour étendre des agents entièrement autonomes et vérifiables sur NEAR.
Chainbase
Chainbase fournit un ensemble de données structurées vérifiables sur toute la chaîne, ce qui peut améliorer les fonctionnalités de transaction, d'analyse, de prédiction et de recherche d'alpha des agents IA. Ils ont lancé des manuscrits, qui est un cadre de flux de données blockchain utilisé pour intégrer des ensembles de données en ligne et hors ligne dans un stockage de données cible pour des requêtes et des analyses illimitées.
Cela permet aux développeurs de personnaliser les flux de traitement des données en fonction de leurs besoins spécifiques. La normalisation des données brutes et leur traitement dans 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 des modèles, aidant à créer des agents IA fiables.
Basé sur ses vastes données en chaîne, ils ont également développé un modèle appelé Theia, qui traduit les données en chaîne 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 des protocoles d'IA utilisent leurs données pour :
Plugin de proxy ElizaOS, utilisé pour des décisions pilotées par la chaîne.
Construisez l’assistant IA Vana
Flock.io réseau social intelligent, offrant des insights sur le comportement des utilisateurs
Theoriq sur l'analyse des données et les prévisions de DeFi
collabore également avec 0G, Aethir et io.net
Comparé aux protocoles de données traditionnels
Des protocoles de données tels que The Graph, Chainlink et Alchemy fournissent des données, mais ne sont pas centrés sur l'IA. The Graph propose une plateforme de requête et d'indexation des données blockchain, offrant aux développeurs un accès aux données brutes, qui ne sont pas construites pour des transactions ou des exécutions de stratégies. Chainlink fournit des flux de données d'oracle, mais manque de jeux de données optimisés pour l'IA pour la prédiction, tandis qu'Alchemy se concentre principalement sur les services RPC.
En revanche, les données Chainbase sont des données blockchain spécialement préparées qui peuvent être facilement utilisées par des applications ou des agents d’IA sous une forme plus structurée et plus perspicace, ce qui permet aux agents d’accéder plus facilement aux données relatives aux marchés on-chain, à la liquidité et aux données sur les jetons.
sqd.ai
sqd.ai (anciennement Subsquid) développe un réseau de base de données ouverte sur mesure pour les agents IA et les services Web3. Leur lac de données décentralisé offre un accès massif en temps réel et historique aux données blockchain de manière économique et sans autorisation, permettant aux agents IA de fonctionner plus efficacement.
sqd.ai fournit un index de données en temps réel (y compris l'indexation 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 à fort débit de milliards d'agents autonomes et de développeurs en IA.
Leur plate-forme de traitement de données personnalisable fournit des données personnalisées en fonction des besoins des agents d’IA, tandis que DuckDB permet une récupération efficace des données pour les requêtes locales. Leur ensemble de données complet prend en charge plus de 100 EVM et réseaux Substrate, y compris les journaux d’événements et les détails des transactions, ce qui est précieux pour les agents d’IA fonctionnant sur plusieurs blockchains.
L'ajout de la preuve à divulgation nulle permet aux agents IA d'accéder et de traiter des données sensibles sans compromettre la confidentialité. 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 (estimé à plusieurs milliards).
Cookie
Les cookies fournissent une couche de données modulaire pour les agents et les clusters d’IA spécialement conçus pour traiter les données sociales. Il dispose d’un tableau de bord des agents d’IA qui suit les principaux esprits des agents sur la chaîne et sur les plateformes sociales, et a récemment lancé une API de regroupement de données plug-and-play permettant à d’autres agents d’IA de détecter les récits populaires et les changements d’état d’esprit dans CT.
Leur groupe de données couvre plus de 7 To de sources de données en temps réel sur la chaîne et sociales, soutenu par 20 agents de données, offrant des insights sur le sentiment du marché et l'analyse sur la chaîne. Leur dernier agent IA @agentcookiefun a utilisé 7 % de leur groupe de données, en s'appuyant sur divers autres agents fonctionnant en dessous pour fournir des prévisions de marché et découvrir de nouvelles opportunités.
La prochaine étape de DeFAI
Actuellement, la plupart des agents AI dans le DeFi font face à des limitations significatives pour atteindre une autonomie complète. Par exemple :
La couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacité prédictive.
Les agents d'IA peuvent générer de l'alpha par l'analyse, mais manquent d'exécution de transactions indépendante.
Les dApps pilotées 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 de couches de données utiles pour développer la meilleure plateforme ou agent d'agent. Cela nécessitera des données on-chain approfondies sur les activités des grandes baleines, les changements de liquidité, etc., tout en générant des données synthétiques utiles pour de meilleures analyses prédictives, et en combinant des analyses de sentiment provenant du marché général, qu'il s'agisse de fluctuations de jetons dans des catégories spécifiques (comme les agents AI, DeSci, etc.) ou de fluctuations de jetons sur les réseaux sociaux.
L'objectif final est que les agents AI 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 dans le futur des traders DeFi s'appuyer sur des agents AI pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Dernières réflexions
Étant donné la forte réduction des jetons et du cadre des agents AI, certaines personnes pourraient penser que DeFAI n'est qu'un phénomène éphémère. Cependant, DeFAI est encore à un stade précoce, et le potentiel des agents AI 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 alimentées par l'IA. De plus en plus de protocoles intègrent différentes couches de données, et les protocoles de données construisent des plugins pour le cadre, ce qui souligne l'importance des données pour la prise de décision 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 IA restent dans une boîte noire, les utilisateurs doivent leur confier des fonds. Par conséquent, le développement de décisions 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 IA, permettant ainsi de faire confiance à l'autonomie.
Ce n'est qu'en combinant des données de haute qualité, des modèles robustes et des processus décisionnels transparents que les agents DeFAI pourront être largement adoptés.
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.
Finance décentralisée AI tout expliqué : 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 que de nombreux nouveaux protocoles innovants aient été établis, cela a également conduit à une augmentation de la complexité et de la fragmentation, rendant difficile pour même les utilisateurs expérimentés de naviguer à travers le grand nombre de chaînes, d'actifs et de protocoles.
En attendant, l'intelligence artificielle (AI) est passée d'un récit de base étendu en 2023 à un accent plus professionnel et axé sur l'agent en 2024. Cette transformation a donné naissance à DeFi AI (DeFAI) — un domaine émergent où l'IA améliore 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 AI doivent interagir avec une chaîne spécifique pour exécuter des transactions et exécuter des contrats intelligents. Au-dessus de cela, les niveaux de données et de calcul fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, qui proviennent des données historiques de prix, des sentiments du marché et des analyses on-chain. Le niveau de confidentialité et de vérifiabilité garantit que les données financières sensibles restent sécurisées tout en conservant une exécution sans confiance. Enfin, le cadre des agents permet aux développeurs de construire des applications pilotées par l'AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance on-chain.
Bien que cette carte écologique puisse encore être étendue, 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 :
Les protocoles construits dans cette catégorie servent d'interface conviviale similaire à ChatGPT pour DeFi, permettant aux utilisateurs de saisir des invites exécutées sur la chaîne. Ils s'intègrent généralement à plusieurs chaînes et dApps, et exécutent les intentions des utilisateurs tout en éliminant les étapes manuelles dans les transactions complexes.
Ces protocoles peuvent exécuter certaines fonctions, notamment :
Échange, inter-chaînes, prêt/retrait, exécution de transactions inter-chaînes
Copy Trading portefeuille ou profil Twitter/X
Exécution automatique des transactions de prise de bénéfices/de pertes en fonction du pourcentage de la taille de la position.
Par exemple, il n'est pas nécessaire d'extraire manuellement l'ETH de 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.
Principaux protocoles :
@griffaindotcom — un réseau d'agents pour exécuter des transactions pour les utilisateurs
@HeyAnonai — protocole pour traiter les demandes des utilisateurs concernant les transactions DeFi et les informations en temps réel.
@orbitcryptoai — Partenaire IA pour l'interaction DeFi
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 perfectionner continuellement la stratégie
Prédire les tendances du marché afin de prendre de meilleures décisions d'achat/vente à découvert.
Exécuter des stratégies DeFi complexes comme des transactions de base.
Principale protocole :
@Almanak__ — plateforme pour la formation, l'optimisation et le déploiement d'agents financiers autonomes
@Cod3xOrg — lance un agent AI pour exécuter des tâches financières sur la blockchain
@Spectral_Labs — Créer un réseau d'agents de trading sur une chaîne autonome
Les dApps DeFi offrent des fonctions de prêt, d'échange, de farming de rendement, etc. L'IA et les agents IA peuvent renforcer ces services de la manière suivante :
Optimiser l'offre de liquidité en rééquilibrant les positions LP pour obtenir un meilleur APY.
Scanner les tokens pour détecter les risques en identifiant les rug ou les honeypots potentiels.
Principaux protocoles :
ARMA— AI de @gizatechxyz, utilisé pour optimiser les rendements USDC dans Mode et Base
@SturdyFinance — Coffre d'assurance de rendement alimenté par l'IA
@derivexyz — plateforme de contrats à terme et d'options optimisée par un co-pilote AI intelligent
Principaux défis
Les principaux protocoles 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 routes, 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 le sentiment du marché pour saisir l'état global du marché.
Les protocoles basés sur ces catégories ont gagné en popularité 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 afin d'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 de réseaux sociaux, tandis que les agents d'optimisation des transactions et des bénéfices ont besoin de données pour affiner davantage leurs stratégies de trading et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire l'analyse du comportement futur des prix, fournissant des recommandations de trading pour s'adapter à leurs préférences pour des positions longues ou courtes sur certains actifs.
Le principal fournisseur de données de DeFAI
accord
détails
Fonction
Mode Synth
Données synthétiques pour les prévisions financières
Capturer la distribution complète des variations de prix, utilisée pour la prédiction des modèles d'IA.
Chainbase
jeu de données structurées sur toute la chaîne
Fournir des données améliorées par l'IA pour le trading, la prévision et l'obtention d'alpha
sqd.ai
Lac de données décentralisé orienté vers les agents IA
Accès aux données multi-chaînes extensible et personnalisable, avec une sécurité basée sur des preuves à divulgation nulle de connaissance.
Cookie
CT mentalité et couche de données on-chain pour les agents IA
Utiliser 18 agents IA spécialisés pour traiter plus de 7 To de données d'agents sur chaîne sur plus de 20 chaînes.
Mode Synth sous-réseau
En tant que 50ème sous-réseau de Bittensor, Synth crée des données synthétiques pour la capacité de prévision financière des agents. Contrairement aux autres systèmes de prévision des prix traditionnels, Synth capture la distribution complète 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 davantage de jeux de données de haute qualité peut permettre 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 liquidités puissent réaffecter ou retirer des liquidités au besoin. Depuis le lancement du réseau autonome, ils ont reçu une forte demande de la part des équipes DeFi pour intégrer les données de Synth via leur API.
La blockchain d'agent IA la plus suivie
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 en chaîne 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 d'énormes efforts pour intégrer des protocoles tels qu'Autonolas, Giza et Sturdy dans son écosystème, et avec le développement et l'exécution de plus d'agents, Mode se développe rapidement.
Ces mesures sont mises en œuvre alors qu'ils modernisent le réseau avec l'IA, le plus remarquable étant l'équipement de leur blockchain avec un classificateur IA. En utilisant la simulation et l'analyse IA avant l'exécution des transactions, 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 situe à un carrefour, connectant les utilisateurs humains et les agents aux meilleures écosystèmes DeFi.
Comparaison des meilleures blockchains sur lesquelles se base l'agent IA
Solana et Base sont sans aucun doute les deux principales chaînes pour la construction et le lancement de cadres et de tokens AI. Les agents AI utilisent le haut débit et le réseau à faible latence de Solana ainsi que l'ElizaOS open source pour déployer des tokens d'agent, tandis que Virtuals sert de launchpad pour le déploiement d'agents sur Base. Bien qu'ils disposent tous deux de hackathons et d'incitations financières, en ce qui concerne leur programme AI en tant que chaîne, ils n'ont pas encore atteint le niveau de Mode.
NEAR s'est auparavant défini comme une blockchain L1 centrée sur l'IA, dont les fonctionnalités incluent un marché de tâches IA, un centre de recherche NEAR AI avec un cadre d'agent IA open source et un assistant NEAR AI. Ils ont récemment annoncé un fonds d'agent IA de 20 millions de dollars pour étendre des agents entièrement autonomes et vérifiables sur NEAR.
Chainbase
Chainbase fournit un ensemble de données structurées vérifiables sur toute la chaîne, ce qui peut améliorer les fonctionnalités de transaction, d'analyse, de prédiction et de recherche d'alpha des agents IA. Ils ont lancé des manuscrits, qui est un cadre de flux de données blockchain utilisé pour intégrer des ensembles de données en ligne et hors ligne dans un stockage de données cible pour des requêtes et des analyses illimitées.
Cela permet aux développeurs de personnaliser les flux de traitement des données en fonction de leurs besoins spécifiques. La normalisation des données brutes et leur traitement dans 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 des modèles, aidant à créer des agents IA fiables.
Basé sur ses vastes données en chaîne, ils ont également développé un modèle appelé Theia, qui traduit les données en chaîne 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 des protocoles d'IA utilisent leurs données pour :
Plugin de proxy ElizaOS, utilisé pour des décisions pilotées par la chaîne.
Construisez l’assistant IA Vana
Flock.io réseau social intelligent, offrant des insights sur le comportement des utilisateurs
Theoriq sur l'analyse des données et les prévisions de DeFi
collabore également avec 0G, Aethir et io.net
Comparé aux protocoles de données traditionnels
Des protocoles de données tels que The Graph, Chainlink et Alchemy fournissent des données, mais ne sont pas centrés sur l'IA. The Graph propose une plateforme de requête et d'indexation des données blockchain, offrant aux développeurs un accès aux données brutes, qui ne sont pas construites pour des transactions ou des exécutions de stratégies. Chainlink fournit des flux de données d'oracle, mais manque de jeux de données optimisés pour l'IA pour la prédiction, tandis qu'Alchemy se concentre principalement sur les services RPC.
En revanche, les données Chainbase sont des données blockchain spécialement préparées qui peuvent être facilement utilisées par des applications ou des agents d’IA sous une forme plus structurée et plus perspicace, ce qui permet aux agents d’accéder plus facilement aux données relatives aux marchés on-chain, à la liquidité et aux données sur les jetons.
sqd.ai
sqd.ai (anciennement Subsquid) développe un réseau de base de données ouverte sur mesure pour les agents IA et les services Web3. Leur lac de données décentralisé offre un accès massif en temps réel et historique aux données blockchain de manière économique et sans autorisation, permettant aux agents IA de fonctionner plus efficacement.
sqd.ai fournit un index de données en temps réel (y compris l'indexation 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 à fort débit de milliards d'agents autonomes et de développeurs en IA.
Leur plate-forme de traitement de données personnalisable fournit des données personnalisées en fonction des besoins des agents d’IA, tandis que DuckDB permet une récupération efficace des données pour les requêtes locales. Leur ensemble de données complet prend en charge plus de 100 EVM et réseaux Substrate, y compris les journaux d’événements et les détails des transactions, ce qui est précieux pour les agents d’IA fonctionnant sur plusieurs blockchains.
L'ajout de la preuve à divulgation nulle permet aux agents IA d'accéder et de traiter des données sensibles sans compromettre la confidentialité. 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 (estimé à plusieurs milliards).
Cookie
Les cookies fournissent une couche de données modulaire pour les agents et les clusters d’IA spécialement conçus pour traiter les données sociales. Il dispose d’un tableau de bord des agents d’IA qui suit les principaux esprits des agents sur la chaîne et sur les plateformes sociales, et a récemment lancé une API de regroupement de données plug-and-play permettant à d’autres agents d’IA de détecter les récits populaires et les changements d’état d’esprit dans CT.
Leur groupe de données couvre plus de 7 To de sources de données en temps réel sur la chaîne et sociales, soutenu par 20 agents de données, offrant des insights sur le sentiment du marché et l'analyse sur la chaîne. Leur dernier agent IA @agentcookiefun a utilisé 7 % de leur groupe de données, en s'appuyant sur divers autres agents fonctionnant en dessous pour fournir des prévisions de marché et découvrir de nouvelles opportunités.
La prochaine étape de DeFAI
Actuellement, la plupart des agents AI dans le DeFi font face à des limitations significatives pour atteindre une autonomie complète. Par exemple :
La couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacité prédictive.
Les agents d'IA peuvent générer de l'alpha par l'analyse, mais manquent d'exécution de transactions indépendante.
Les dApps pilotées 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 de couches de données utiles pour développer la meilleure plateforme ou agent d'agent. Cela nécessitera des données on-chain approfondies sur les activités des grandes baleines, les changements de liquidité, etc., tout en générant des données synthétiques utiles pour de meilleures analyses prédictives, et en combinant des analyses de sentiment provenant du marché général, qu'il s'agisse de fluctuations de jetons dans des catégories spécifiques (comme les agents AI, DeSci, etc.) ou de fluctuations de jetons sur les réseaux sociaux.
L'objectif final est que les agents AI 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 dans le futur des traders DeFi s'appuyer sur des agents AI pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Dernières réflexions
Étant donné la forte réduction des jetons et du cadre des agents AI, certaines personnes pourraient penser que DeFAI n'est qu'un phénomène éphémère. Cependant, DeFAI est encore à un stade précoce, et le potentiel des agents AI 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 alimentées par l'IA. De plus en plus de protocoles intègrent différentes couches de données, et les protocoles de données construisent des plugins pour le cadre, ce qui souligne l'importance des données pour la prise de décision 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 IA restent dans une boîte noire, les utilisateurs doivent leur confier des fonds. Par conséquent, le développement de décisions 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 IA, permettant ainsi de faire confiance à l'autonomie.
Ce n'est qu'en combinant des données de haute qualité, des modèles robustes et des processus décisionnels transparents que les agents DeFAI pourront être largement adoptés.