DeFAI：人工智能赋能的去中心化金融新纪元

自 2020 年以来，去中心化金融 (DeFi) 以惊人的速度发展，已成为加密货币生态系统中不可或缺的基石。然而，在涌现出大量创新协议的同时，DeFi 也变得日益复杂和碎片化。即使是经验丰富的用户，也常常迷失在浩如烟海的链、资产和协议之中。

然而，随着人工智能 (AI) 在 2023 年经历了基础叙事的大爆发，并在 2024 年转向更专业、以代理为导向的发展方向，一种全新的可能性正在浮现：DeFi AI (DeFAI)。这是一个新兴领域，它巧妙地融合了 AI 与 DeFi，旨在通过自动化、风险管理和资本优化，全面提升 DeFi 的能力。

DeFAI 的出现，预示着 DeFi 领域即将迎来一场深刻的变革。

DeFAI 的崛起：从概念到生态

DeFAI 的核心在于其分层架构，每一层都扮演着至关重要的角色，共同支撑着 AI 在 DeFi 领域的应用。

• 基础层：区块链。AI 代理必须与特定的区块链进行交互，才能执行交易和智能合约。因此，区块链构成了 DeFAI 的基石。

• 数据层与计算层。AI 模型的训练离不开海量的数据，包括历史价格数据、市场情绪和链上分析等。数据层和计算层为 AI 模型提供了训练所需的必要基础设施。

• 隐私与可验证层。在金融领域，数据的安全性至关重要。隐私和可验证层确保敏感的财务数据在得到保护的同时，还能保持无信任的执行。

• 代理框架。开发者可以利用代理框架构建各种 AI 驱动的应用程序，例如自主交易机器人、信用风险评估器和链上治理优化器等。

简而言之，DeFAI 通过整合 AI 技术，赋予 DeFi 更强大的自动化、智能化和安全性，从而推动 DeFi 进入一个全新的发展阶段。

DeFAI 生态系统的三大支柱

虽然 DeFAI 生态系统仍在不断发展壮大，但目前涌现出的项目可以大致分为以下三个主要类别：

1. 抽象层：DeFi 的用户友好入口

抽象层协议旨在为 DeFi 提供类似于 ChatGPT 的用户友好界面，用户只需输入简单的指令，即可在链上执行复杂的操作。这些协议通常与多个链和去中心化应用 (dApp) 集成，从而简化用户的交易流程，省去手动操作的繁琐步骤。

抽象层协议可以执行以下功能：

• 交易执行：包括交换、跨链、借贷、提取等操作。

• 跟单交易：追踪并复制其他钱包或社交媒体账户的交易策略。

• 自动化交易：根据预设的条件自动执行交易，例如止盈/止损等。

举例来说，用户无需手动从 Aave 提取 ETH，然后将其跨链到 Solana，再交换 SOL / Fartcoin，并在 Raydium 上提供流动性。通过抽象层协议，所有这些操作只需一步即可完成。

主要协议：

• @griffaindotcom：为用户执行交易的代理网络。

• @HeyAnonai：处理用户关于 DeFi 交易和实时洞察的指令的协议。

• @orbitcryptoai：DeFi 交互的 AI 伙伴。

2. 自主交易代理：智能化的市场策略执行者

与传统的交易机器人不同，自主交易代理能够学习和适应市场条件，并根据新的信息调整其策略。这些代理可以：

• 分析数据：不断完善交易策略。

• 预测市场走势：做出更明智的多头/空头决策。

• 执行复杂策略：例如基础交易等 DeFi 策略。

主要协议：

• @Almanak__：用于培训、优化和部署自主金融代理的平台。

• @Cod3xOrg：推出在区块链上执行财务任务的 AI 代理。

• @Spectral_Labs：创建自主链上交易代理的网络。

3. AI 驱动的 DApp：提升 DeFi 应用的效率与安全性

DeFi dApp 提供借贷、交换、收益耕作等功能。AI 和 AI 代理可以通过以下方式增强这些服务：

• 优化流动性供应：通过重新平衡 LP 头寸，提高年化收益率 (APY)。

• 风险检测：通过扫描代币，发现潜在的欺诈或恶意行为。

主要协议：

• @gizatechxyz 的 ARMA：用于优化 Mode 和 Base 中 USDC 收益的 AI 代理。

• @SturdyFinance：AI 驱动的收益保险库。

• @derivexyz：使用智能 AI co-pilot 优化的期权和永续合约平台。

  DeFAI 面临的主要挑战

在 DeFAI 的各个层面上构建的协议面临着一些共同的挑战：

1. 数据质量：这些协议依赖于实时数据流来实现最佳交易执行。数据质量差可能导致路线效率低下、交易失败或交易无利可图。

2. 市场波动性：AI 模型依赖于历史数据，但加密货币市场波动性很大。代理必须接受多样化、高质量数据集的训练才能保持有效性。

3. 市场理解：需要全面了解资产相关性、流动性变化和市场情绪，才能了解整体市场状况。

虽然基于这些类别的协议已受到市场的欢迎，但为了提供更好的产品和最佳结果，它们应该考虑整合各种不同质量的数据集，以将产品提升到新的水平。

数据层：DeFAI 智能的核心驱动力

“巧妇难为无米之炊”，AI 的能力很大程度上取决于它所依赖的数据。为了让 AI 代理在 DeFAI 中有效工作，它们需要实时、结构化和可验证的数据。例如，抽象层需要通过 RPC 和社交网络 API 访问链上数据，而交易和收益优化代理则需要数据来进一步完善其交易策略并重新分配资源。

高质量的数据集使代理能够更好地对未来价格行为进行预测分析，为交易提供建议，以适应他们对某些资产的多头或空头头寸的偏好。

领先的 DeFAI 数据提供商

目前，涌现出一些专注于为 DeFAI 领域提供数据支持的提供商。他们致力于提供高质量的数据集，以满足 AI 代理和应用的各种需求。

Mode：构建 DeFAI 的全栈区块链

Mode Synth 子网

作为 Bittensor 的第 50 个子网络，Synth 为代理的财务预测能力创建合成数据。与其他传统价格预测系统相比，Synth 捕获了价格变动的完整分布及其相关概率，从而构建了世界上最准确的合成数据，为代理和 LLM 提供支持。

提供更多高质量数据集可以使 AI 代理在交易中做出更好的方向性决策，同时预测不同市场条件下的 APY 波动，以便流动性池在需要时重新分配或提取流动性。自主网启动以来，他们一直有很强的来自 DeFi 团队的要求，通过他们的 API 集成 Synth 的数据。

除了为 AI 和代理构建数据层之外，Mode 还将自己定位为为 DeFAI 未来构建全栈的区块链。他们最近部署了 Mode Terminal，这是 DeFAI 的 co-pilot，用于通过用户提示执行链上交易，即将向 $MODE 质押者开放。

此外，Mode 还支持许多基于 AI 和代理的团队。Mode 付出了巨大努力，将 Autonolas、Giza、Sturdy 等协议集成到其生态中，随着更多代理的开发和执行交易，Mode 迅速发展。

这些举措都是在他们用 AI 升级网络的同时实现的，最引人注目的是为他们的区块链配备了一个 AI 的排序器。通过在执行前使用模拟和 AI 分析交易，可以在处理前阻止和审查高风险交易，以确保链上安全。作为 Optimism 超级链的 L2，Mode 站在中间地带，将人类和代理用户与最好的 DeFi 生态连接起来。

顶级 AI 代理区块链比较

Solana 和 Base 无疑是大多数 AI 代理框架和代币构建和发布的两条主要链。AI 代理利用 Solana 的高吞吐量和低延迟网络以及开源 ElizaOS 来部署代理代币，而 Virtuals 则充当了在 Base 上部署代理的 launchpad。尽管它们都有黑客松和资金激励，但就其作为一条链的 AI 计划而言，它们还没有达到 Mode 所达到的水平。

NEAR 之前将自己定义为以 AI 为中心的 L1 区块链，其功能包括 AI 任务市场、具有开源 AI 代理框架的 NEAR AI 研究中心和 NEAR AI 助手。他们最近宣布了 2000 万美元的 AI 代理基金，用于在 NEAR 上扩展完全自主和可验证的代理。

Chainbase：全链可验证的数据基础设施

Chainbase 提供全链可验证的链上结构化数据集，可增强 AI 代理的交易、洞察、预测、alpha 寻找等功能。他们推出了 manuscripts，这是一种区块链数据流框架，用于将链上和链下数据集成到目标数据存储中，以进行无限制的查询和分析。

这使得开发者能够根据自己的特定需求定制数据处理工作流程。将原始数据标准化并处理成干净、兼容的格式，可确保其数据集满足 AI 系统的严格要求，从而减少预处理时间，同时提高模型准确性，帮助创建可靠的 AI 代理。

基于其广泛的链上数据，他们还开发了一个名为 Theia 的模型，该模型将链上数据翻译为用户的数据分析，而无需任何复杂的编码知识。Chainbase 的数据实用性在他们的合作伙伴关系中显而易见，其中 AI 协议正在使用他们的数据来：

• ElizaOS 代理插件，用于链上驱动决策

• 构建 Vana AI 助手

• Flock.io 社交网络智能，提供用户行为洞察

• Theoriq 对 DeFi 的数据分析和预测

• 还与 0G、Aethir 和 io.net 合作

  与传统数据协议的对比

诸如 The Graph、Chainlink 和 Alchemy 之类的数据协议提供数据，但并非以 AI 为中心。The Graph 提供了一个查询和索引区块链数据的平台，为开发者提供了原始数据访问，这些数据并非为交易或策略执行而构建。Chainlink 提供预言机数据馈送，但缺乏用于预测的 AI 优化数据集，而 Alchemy 主要提供 RPC 服务。

相比之下，Chainbase 数据是专门准备的区块链数据，可以以更结构化和更具洞察力的形式被 AI 应用程序或代理轻松使用，从而使代理可以更方便地获取与链上市场、流动性和代币数据相关的数据。

sqd.ai：为 AI 代理定制的开放数据库网络

sqd.ai (原名 Subsquid) 正在开发一个专为 AI 代理和 Web3 服务量身定制的开放数据库网络。他们的去中心化数据湖提供无需许可、经济高效的大量实时和历史区块链数据访问，使 AI 代理能够更有效地运行。

sqd.ai 提供实时数据索引（包括未完成区块的索引），索引速度高达每秒 150, 000+ 区块，比任何其他索引器都快。在过去 24 小时内，它们提供了超过 11 TB 的数据，满足了数十亿自主 AI 代理和开发人员的高吞吐量需求。

他们的可定制数据处理平台可根据 AI 代理的需求提供定制数据，而 DuckDB 则为本地查询提供高效的数据检索。他们的综合数据集支持 100 多个 EVM 和 Substrate 网络，包括事件日志和交易详细信息，这对于跨多个区块链运行的 AI 代理来说非常有价值。

零知识证明的加入确保了 AI 代理能够访问和处理敏感数据，而不会损害隐私。此外，sqd.ai 可以通过添加更多处理节点来处理不断增加的数据负载，从而支持数量不断增长的 AI 代理（估计数量将达到数十亿）。

Cookie：专注于社交数据的 AI 代理模块化数据层

Cookie 为 AI 代理和集群提供模块化数据层，专门用于处理社交数据。它具有一个 AI 代理仪表板，可跟踪链上和社交平台上的顶级代理心智，并且最近为其他 AI 代理推出了即插即用的数据集群 API，以检测 CT 中的流行叙述和心智转变。

他们的数据群覆盖了超过 7 TB 的实时链上和社交数据源，由 20 个数据代理提供支持，提供对市场情绪和链上分析的洞察。他们最新的 AI 代理 @agentcookiefun 以 7% 的容量利用了他们的数据群，通过利用在其下运行的各种其他代理提供市场预测并发现新的机会。

DeFAI 的未来展望：整合与自主

目前，DeFi 中的大多数 AI 代理在实现完全自主方面面临重大限制。例如：

1. 抽象层将用户意图转化为执行，但通常缺乏预测能力。

2. AI 代理可能会通过分析产生 alpha，但缺乏独立的交易执行。

3. AI 驱动的 dApp 可以处理保险库或交易，但属于被动而非主动。

DeFAI 的下一阶段可能会专注于集成有用的数据层，以开发最佳的代理平台或代理。这将需要有关巨鲸活动、流动性变化等的深层链上数据，同时产生有用的合成数据以进行更好的预测分析，并结合来自一般市场的情绪分析，无论是特定类别（如 AI 代理、DeSci 等）的代币波动，还是社交网络上的代币波动。

最终目标是 AI 代理能够从单一界面无缝生成和执行交易策略。随着这些系统的成熟，我们可能会看到未来 DeFi 交易者依靠 AI 代理在最少的人为干预下自主评估、预测和执行金融策略。

总结：DeFAI 的潜力和挑战

鉴于 AI 代理代币和框架的大幅缩水，一些人可能认为 DeFAI 只是昙花一现。然而，DeFAI 仍处于早期阶段，AI 代理增强 DeFi 可用性和性能的潜力是不可否认的。

释放这一潜力的关键在于获取高质量的实时数据，这将改善 AI 驱动的交易预测和执行。越来越多的协议集成了不同的数据层，数据协议为框架构建了插件，这凸显了数据对代理决策的重要性。

展望未来，可验证性和隐私性将成为协议必须解决的关键挑战。目前，大多数 AI 代理操作仍然是一个黑匣子，用户必须将资金托付给它。因此，可验证的 AI 决策的发展将有助于确保代理流程的透明度和可问责性。集成基于 TEE、FHE 甚至 zk-proofs 的协议都可以增强 AI 代理行为的可验证性，从而实现对自主性的信任。

只有成功结合高质量数据、稳健模型和透明决策流程，DeFAI 代理才能获得广泛应用。

关于 DFG

Digital Finance Group (DFG) 是一家全球领先的 Web3 投资和风险投资公司，成立于 2015 年。DFG 的管理资产超过 10 亿美元，投资范围涵盖区块链生态内的不同领域。我们的投资组合投资了 Circle、Ledger、Coinlist、Near、Solana、Render Network、ZetaChain 等 100 多个先锋项目。

在 DFG，我们致力于通过市场研究、战略咨询和在全球范围内共享我们的庞大资源，为我们的投资组合公司创造价值。我们正积极与最具变革性和前景的区块链和 Web 3.0 项目合作，这些项目准备彻底改变这个行业。

DFG 网站：https://dfg.group

DFG Twitter： @DFG__Official

DFG LinkedIn： DFG