DeFAI：人工智能如何爲去中心化金融賦能

去中心化金融(DeFi)自2020年以來迅速發展,成爲加密生態系統的核心支柱。盡管創新協議不斷湧現,但DeFi生態系統的復雜性和碎片化程度也隨之上升,即便是經驗豐富的用戶也難以應對衆多的區塊鏈、資產和協議。

與此同時,人工智能(AI)從2023年的廣泛基礎敘事,發展爲2024年更加專業化、以代理爲導向的焦點。這一轉變催生了DeFi AI(DeFAI) - 一個新興領域,通過自動化、風險管理和資本優化來增強DeFi。

DeFAI橫跨多個層級。底層是區塊鏈,AI代理需要與特定鏈交互才能執行交易和智能合約。其上是數據層和計算層,爲訓練AI模型提供所需的基礎設施,這些模型利用歷史價格數據、市場情緒和鏈上分析。隱私和可驗證層確保敏感金融數據在保持無信任執行的同時得到保護。最上層是代理框架,允許開發者構建專門的AI驅動應用,如自主交易機器人、信用風險評估器和鏈上治理優化器。

隨着DeFAI生態系統不斷擴大,最突出的項目可分爲三個主要類別:

1. 抽象層

此類協議充當DeFi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,執行用戶意圖,同時簡化復雜交易中的手動步驟。

這些協議可以執行的功能包括:

• 交換、跨鏈、借貸、跨鏈執行交易
• 跟單交易錢包或社交媒體個人資料
• 根據倉位規模百分比自動執行止盈/止損等交易

例如,無需手動從借貸平台提取ETH、將其跨鏈到Solana、交換代幣並提供流動性,抽象層協議只需一步即可完成操作。

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,根據新信息調整策略。這些代理可以:

• 分析數據以不斷完善策略
• 預測市場走勢,做出更好的多頭/空頭決策
• 執行復雜的DeFi策略

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
• 通過檢測潛在風險來掃描代幣

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. 需要全面了解資產相關性、流動性變化和市場情緒,才能把握整體市場狀況。

爲了提供更好的產品和最佳結果,這些協議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 - 爲DeFAI提供智能動力

AI的性能取決於其所依賴的數據。爲了讓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爲進行預測分析,爲交易提供建議,以適應他們對某些資產的多頭或空頭頭寸的偏好。

最受關注的AI代理區塊鏈

除了爲AI和代理構建數據層之外,某區塊鏈正將自己定位爲DeFAI未來的全棧解決方案。他們最近部署了一個DeFAI的co-pilot,用於通過用戶提示執行鏈上交易,即將向代幣質押者開放。

此外,該區塊鏈還支持許多基於AI和代理的團隊。他們付出了巨大努力,將多個協議集成到其生態中,隨着更多代理的開發和執行交易,該生態系統迅速發展。

這些舉措都是在他們用AI升級網路的同時實現的,最引人注目的是爲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。

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爲執行,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台或代理。這將需要有關大額交易活動、流動性變化等的深層鏈上數據,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。隨着這些系統的成熟,我們可能會看到未來DeFi交易者依靠AI代理在最少的人爲幹預下自主評估、預測和執行金融策略。

結語

盡管AI代理代幣和框架最近出現大幅縮水,但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,數據協議爲框架構建了插件,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爲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,用戶必須將資金托付給它。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。集成基於可信執行環境、全同態加密甚至零知識證明的協議都可以增強AI代理行爲的可驗證性,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。