DeFAI全解：AI如何釋放DeFi的潛力？

作者：Geng Kai，DFG

DeFAI是什麼？

自 2020 年迅速擴張以來，去中心化金融（DeFi）一直是加密生態系統的核心支柱。雖然已經建立了許多新的創新協議，但它也導致了複雜性和碎片化的增加，即使是經驗豐富的用戶也難以駕馭大量的鏈、資產和協議。

與此同時，人工智能 (AI) 已從 2023 年的廣泛基礎敘事發展為 2024 年更專業、以代理為導向的焦點。這種轉變催生了DeFi AI (DeFAI) ——一個新興領域，其中 AI 通過自動化、風險管理和資本優化來增強 DeFi。

DeFAI 跨越多個層級。區塊鏈是基礎層，因為 AI 代理必須與特定鏈交互才能執行交易和執行智能合約。在此之上，數據層和計算層提供了訓練 AI 模型所需的基礎設施，這些模型來自歷史價格數據、市場情緒和鏈上分析。隱私和可驗證層確保敏感財務數據在保持無信任執行的同時保持安全。最後，代理框架允許開發人員構建專門的 AI 驅動應用程序，例如自主交易機器人、信用風險評估器和鏈上治理優化器。

雖然這個生態圖還可以進一步擴展，但這些是在 DeFAI 上構建的項目的頂級類別。

隨著 DeFAI 生態不斷擴大，最突出的項目可以分為三個主要類別：

1. 抽象層

建立在此類別上的協議充當 DeFi 的類似 ChatGPT 的用戶友好界面，允許用戶輸入鏈上執行的提示。它們通常與多個鏈和 dApp 集成，並執行用戶意圖，同時消除複雜交易中的手動步驟。

這些協議可以執行的一些功能包括：

• 交換、跨鏈、借出/取款、跨鏈執行交易
• 跟單交易錢包或 Twitter/X 個人資料
• 根據倉位規模百分比自動執行止贏/止損等交易

例如，無需手動從 Aave 提取 ETH，將其跨鏈到 Solana，交換 SOL / Fartcoin，並在 Raydium 上提供流動性 ——抽象層協議只需一步即可完成操作。

主要協議：

• @griffaindotcom — 為用戶執行交易的代理網絡
• @HeyAnonai — 處理用戶對 DeFi 交易和實時洞察的提示的協議
• @orbitcryptoai — DeFi 交互的 AI 夥伴

2. 自主交易代理

與遵循預設規則的傳統交易機器人不同，自主交易代理可以學習和適應市場條件，並根據新信息調整其策略。這些代理可以：

• 分析數據以不斷完善策略
• 預測市場走勢，以便做出更好的多頭/空頭決策
• 像基礎交易那樣執行復雜的 DeFi 策略

主要協議：

• @Almanak__ — 用於培訓、優化和部署自主金融代理的平臺
• @Cod3xOrg —推出在區塊鏈上執行財務任務的 AI 代理
• @Spectral_Labs — 創建自主鏈上交易代理的網絡

3. AI 驅動的 DApps

DeFi dApp 提供借貸、交換、收益 farming 等功能。AI 和 AI 代理可以通過以下方式增強這些服務：

• 通過重新平衡 LP 頭寸來優化流動性供應，以獲得更好的 APY
• 通過檢測潛在的 rug 或蜜罐來掃描代幣以發現風險

主要協議：

• @gizatechxyz  的ARMA— AI 代理，用於優化 Mode 和 Base 中的 USDC 收益
• @SturdyFinance — AI 驅動的收益保險庫
• @derivexyz — 使用智能 AI co-pilot 優化的期權和永續合約平臺

主要挑戰

在這些層上構建的頂級協議面臨一些挑戰：

1. 這些協議依賴於實時數據流來實現最佳交易執行。數據質量差可能導致路線效率低下、交易失敗或交易無利可圖
2. AI 模型依賴於歷史數據，但加密貨幣市場波動性很大。代理必須接受多樣化、高質量數據集的訓練才能保持有效性
3. 需要全面瞭解資產相關性、流動性變化和市場情緒，才能瞭解整體市場狀況

基於這些類別的協議已受到市場的歡迎。然而，為了提供更好的產品和最佳結果，他們應該考慮整合各種不同質量的數據集，以將其產品提升到一個新的水平。

數據層——為 DeFAI 智能提供動力

AI 的好壞取決於它所依賴的數據。為了讓 AI 代理在 DeFAI 中有效工作，它們需要實時、結構化和可驗證的數據。例如，抽象層需要通過 RPC 和社交網絡 API 訪問鏈上數據，而交易和收益優化代理則需要數據來進一步完善其交易策略並重新分配資源。

高質量的數據集使代理能夠更好地對未來價格行為進行預測分析，為交易提供建議，以適應他們對某些資產的多頭或空頭頭寸的偏好。

DeFAI 的主要數據提供商

| 協議 | 細節 | 功能 | | Mode Synth | 用於財務預測的合成數據 | 捕捉完整的價格變動分佈，用於 AI 模型預測 | | Chainbase | 全鏈結構化數據集 | 提供 AI 增強數據，用於交易、預測和獲取 alpha | | sqd.ai | 面向 AI 代理的去中心化數據湖 | 可擴展、可定製的多鏈數據訪問，具有零知識證明安全性 | | Cookie | 面向 AI 代理的 CT 心智和鏈上數據層 | 使用 18 個專門的 AI 代理處理 20 多條鏈上的超過 7TB 的鏈上代理數據 |

Mode Synth 子網

作為 Bittensor 的第 50 個子網絡，Synth 為代理的財務預測能力創建合成數據。與其他傳統價格預測系統相比，Synth 捕獲了價格變動的完整分佈及其相關概率，從而構建了世界上最準確的合成數據，為代理和 LLM 提供支持。

提供更多高質量數據集可以使 AI 代理在交易中做出更好的方向性決策，同時預測不同市場條件下的 APY 波動，以便流動性池在需要時重新分配或提取流動性。自主網啟動以來，他們一直有很強的來自DeFi團隊的要求，通過他們的 API 集成 Synth 的數據。

最受關注的AI代理區塊鏈

除了為 AI 和代理構建數據層之外，Mode 還將自己定位為為 DeFAI 未來構建全棧的區塊鏈。他們最近部署了 Mode Terminal，這是 DeFAI 的 co-pilot，用於通過用戶提示執行鏈上交易，即將向 $MODE 質押者開放。

此外，Mode 還支持許多基於 AI 和代理的團隊。Mode 付出了巨大努力，將 Autonolas、Giza、Sturdy 等協議集成到其生態中，隨著更多代理的開發和執行交易，Mode 迅速發展。

這些舉措都是在他們用 AI 升級網絡的同時實現的，最引人注目的是為他們的區塊鏈配備了一個AI的排序器。通過在執行前使用模擬和 AI 分析交易，可以在處理前阻止和審查高風險交易，以確保鏈上安全。作為 Optimism 超級鏈的 L2，Mode 站在中間地帶，將人類和代理用戶與最好的 DeFi 生態連接起來。

AI 代理所基於的頂級區塊鏈比較

Solana 和 Base 無疑是大多數 AI 代理框架和代幣構建和發佈的兩條主要鏈。AI 代理利用 Solana 的高吞吐量和低延遲網絡以及開源 ElizaOS 來部署代理代幣，而 Virtuals 則充當了在 Base 上部署代理的 launchpad。儘管它們都有黑客鬆和資金激勵，但就其作為一條鏈的 AI 計劃而言，它們還沒有達到 Mode 所達到的水平。

NEAR 之前將自己定義為以 AI 為中心的 L1區塊鏈，其功能包括 AI 任務市場、具有開源 AI 代理框架的 NEAR AI 研究中心和 NEAR AI 助手。他們最近宣佈了2000 萬美元的 AI 代理基金，用於在 NEAR 上擴展完全自主和可驗證的代理。

Chainbase

Chainbase 提供全鏈可驗證的鏈上結構化數據集，可增強 AI 代理的交易、洞察、預測、alpha 尋找等功能。他們推出了 manuscripts，這是一種區塊鏈數據流框架，用於將鏈上和鏈下數據集成到目標數據存儲中，以進行無限制的查詢和分析。

這使得開發人員能夠根據自己的特定需求定製數據處理工作流程。將原始數據標準化並處理成乾淨、兼容的格式，可確保其數據集滿足 AI 系統的嚴格要求，從而減少預處理時間，同時提高模型準確性，幫助創建可靠的 AI 代理。

基於其廣泛的鏈上數據，他們還開發了一個名為Theia的模型，該模型將鏈上數據翻譯為用戶的數據分析，而無需任何複雜的編碼知識。Chainbase 的數據實用性在他們的合作伙伴關係中顯而易見，其中 AI 協議正在使用他們的數據來：

• ElizaOS 代理插件，用於鏈上驅動決策
• 構建 Vana AI 助手
• Flock.io社交網絡智能，提供用戶行為洞察
• Theoriq 對 DeFi 的數據分析和預測
• 還與 0G、Aethir 和io.net合作

與傳統數據協議相比

諸如 The Graph、Chainlink 和 Alchemy 之類的數據協議提供數據，但並非以 AI 為中心。The Graph 提供了一個查詢和索引區塊鏈數據的平臺，為開發人員提供了原始數據訪問，這些數據並非為交易或策略執行而構建。Chainlink 提供預言機數據饋送，但缺乏用於預測的 AI 優化數據集，而 Alchemy 主要提供 RPC 服務。

相比之下，Chainbase 數據是專門準備的區塊鏈數據，可以以更結構化和更具洞察力的形式被 AI 應用程序或代理輕鬆使用，從而使代理可以更方便地獲取與鏈上市場、流動性和代幣數據相關的數據。

sqd.ai

sqd.ai（原名 Subsquid）正在開發一個專為 AI 代理和 Web3 服務量身定製的開放數據庫網絡。他們的去中心化數據湖提供無需許可、經濟高效的大量實時和歷史區塊鏈數據訪問，使 AI 代理能夠更有效地運行。

sqd.ai 提供實時數據索引（包括未完成區塊的索引），索引速度高達每秒 150,000+ 區塊，比任何其他索引器都快。在過去 24 小時內，它們提供了超過 11TB 的數據，滿足了數十億自主 AI 代理和開發人員的高吞吐量需求。

他們的可定製數據處理平臺可根據 AI 代理的需求提供定製數據，而 DuckDB 則為本地查詢提供高效的數據檢索。他們的綜合數據集支持 100 多個 EVM 和 Substrate 網絡，包括事件日誌和交易詳細信息，這對於跨多個區塊鏈運行的 AI 代理來說非常有價值。

零知識證明的加入確保了 AI 代理能夠訪問和處理敏感數據，而不會損害隱私。此外，sqd.ai可以通過添加更多處理節點來處理不斷增加的數據負載，從而支持數量不斷增長的 AI 代理（估計數量將達到數十億）。

Cookie

Cookie 為 AI 代理和集群提供模塊化數據層，專門用於處理社交數據。它具有一個 AI 代理儀表板，可跟蹤鏈上和社交平臺上的頂級代理心智，並且最近為其他 AI 代理推出了即插即用的數據集群 API，以檢測 CT 中的流行敘述和心智轉變。

他們的數據群覆蓋了超過 7TB 的實時鏈上和社交數據源，由 20 個數據代理提供支持，提供對市場情緒和鏈上分析的洞察。他們最新的 AI 代理 @agentcookiefun 以 7% 的容量利用了他們的數據群，通過利用在其下運行的各種其他代理提供市場預測並發現新的機會。

DeFAI 的下一步

目前，DeFi 中的大多數 AI 代理在實現完全自主方面面臨重大限制。例如：

1. 抽象層將用戶意圖轉化為執行，但通常缺乏預測能力
2. AI 代理可能會通過分析產生 alpha，但缺乏獨立的交易執行
3. AI 驅動的 dApp 可以處理保險庫或交易，但屬於被動而非主動

DeFAI 的下一階段可能會專注於集成有用的數據層，以開發最佳的代理平臺或代理。這將需要有關巨鯨活動、流動性變化等的深層的鏈上數據，同時產生有用的合成數據以進行更好的預測分析，並結合來自一般市場的情緒分析，無論是特定類別（如 AI 代理、DeSci 等）的代幣波動，還是社交網絡上的代幣波動。

最終目標是 AI 代理能夠從單一界面無縫生成和執行交易策略。隨著這些系統的成熟，我們可能會看到未來 DeFi 交易者依靠 AI 代理在最少的人為干預下自主評估、預測和執行金融策略。

最後的想法

鑑於 AI 代理代幣和框架的大幅縮水，一些人可能認為 DeFAI 只是曇花一現。然而，DeFAI 仍處於早期階段，AI 代理增強 DeFi 可用性和性能的潛力是不可否認的。

釋放這一潛力的關鍵在於獲取高質量的實時數據，這將改善 AI 驅動的交易預測和執行。越來越多的協議集成了不同的數據層，數據協議為框架構建了插件，這凸顯了數據對代理決策的重要性。

展望未來，可驗證性和隱私性將成為協議必須解決的關鍵挑戰。目前，大多數 AI 代理操作仍然是一個黑匣子，用戶必須將資金託付給它。因此，可驗證的 AI 決策的發展將有助於確保代理流程的透明度和可問責性。集成基於 TEE、FHE 甚至 zk-proofs 的協議都可以增強 AI 代理行為的可驗證性，從而實現對自主性的信任。

只有成功結合高質量數據、穩健模型和透明決策流程，DeFAI 代理才能獲得廣泛應用。