DeFAI vollständig erklärt: Wie KI das Potenzial von Dezentrales Finanzwesen freisetzen kann?
Autor: Geng Kai, DF
Was ist DeFAI?
Seit seiner raschen Expansion im Jahr 2020 ist die dezentrale Finanzen (DeFi) zu einer der zentralen Säulen des Krypto-Ökosystems geworden. Während viele neue innovative Protokolle etabliert wurden, hat dies auch zu einer Zunahme von Komplexität und Fragmentierung geführt, sodass es selbst erfahrenen Nutzern schwerfällt, die Vielzahl an Chains, Assets und Protokollen zu bewältigen.
Gleichzeitig hat sich künstliche Intelligenz (AI) von einer breiten Grundnarrative im Jahr 2023 zu einem professionelleren, agentenorientierten Fokus im Jahr 2024 entwickelt. Dieser Wandel hat DeFi AI (DeFAI) hervorgebracht – ein aufstrebendes Feld, in dem KI DeFi durch Automatisierung, Risikomanagement und Kapitaloptimierung verbessert.
DeFAI überwindet mehrere Ebenen. Die Blockchain ist die Basisebene, da AI-Agenten mit bestimmten Ketten interagieren müssen, um Transaktionen durchzuführen und Smart Contracts auszuführen. Darüber hinaus bieten die Datenebene und die Berechnungsebene die Infrastruktur, die für das Training von AI-Modellen erforderlich ist, die aus historischen Preisdaten, Marktstimmungen und On-Chain-Analysen stammen. Die Datenschutz- und Verifizierungsschicht stellt sicher, dass sensible Finanzdaten bei gleichzeitiger Aufrechterhaltung der vertrauenslosen Ausführung sicher bleiben. Schließlich ermöglicht das Agentenframework Entwicklern, spezialisierte AI-gesteuerte Anwendungen zu erstellen, wie autonome Handelsroboter, Kreditrisikobewertungsinstrumente und On-Chain-Governance-Optimierer.
Obwohl dieses Ökosystemdiagramm weiter ausgebaut werden kann, sind dies die Top-Kategorien von Projekten, die auf DeFAI aufgebaut sind.
Mit der ständig wachsenden DeFAI-Ökologie können die herausragendsten Projekte in drei Hauptkategorien unterteilt werden:
1. Abstraktionsschicht
Protokolle, die auf dieser Kategorie basieren, fungieren als benutzerfreundliche Schnittstelle für DeFi, ähnlich wie ChatGPT, und ermöglichen es den Benutzern, Eingabeaufforderungen für On-Chain-Operationen einzugeben. Sie sind oft mit mehreren Chains und dApps integriert und führen die Absichten der Benutzer aus, während sie manuelle Schritte in komplexen Transaktionen eliminieren.
Einige Funktionen, die von diesen Protokollen ausgeführt werden können, sind:
- Tauschen, Cross-Chain, Ausleihen/Abheben, Cross-Chain Transaktionen ausführen
- Follow-Trade-Wallet oder Twitter/X-Profil
- Automatisches Ausführen von Take-Profit/Stop-Loss-Transaktionen basierend auf dem prozentualen Anteil der Positionsgröße
Zum Beispiel, anstatt manuell ETH von Aave abzuziehen, es über die Kette nach Solana zu transferieren, SOL / Fartcoin zu tauschen und Liquidität auf Raydium bereitzustellen – das Abstraktionsprotokoll kann die Operation in einem Schritt durchführen.
Hauptprotokoll:
- @griffaindotcom — Vermittlernetzwerk für die Durchführung von Transaktionen für Benutzer
- @HeyAnonai — Protokoll zur Verarbeitung von Benutzeranfragen zu DeFi-Trades und Echtzeit-Einblicken
- @orbitcryptoai — DeFi Interaktions-AI-Partner
2. Selbsthandelsagentur
Im Gegensatz zu traditionellen Handelsrobotern, die vordefinierte Regeln befolgen, können autonome Handelsagenten lernen und sich an Marktbedingungen anpassen sowie ihre Strategien basierend auf neuen Informationen anpassen. Diese Agenten können:
- Daten analysieren, um Strategien kontinuierlich zu verbessern
- Marktentwicklungen vorhersagen, um bessere Long-/Short-Entscheidungen zu treffen
- Führen Sie komplexe DeFi-Strategien wie den Basishandel aus.
Hauptprotokoll:
- @Almanak__ — eine Plattform für das Training, die Optimierung und den Einsatz autonomer Finanzagenten
- @Cod3xOrg — Einführung eines KI-Agenten zur Ausführung finanzieller Aufgaben auf der Blockchain
- @Spectral_Labs — Netzwerk zur Erstellung autonomer Blockchain-Handelsagenten
3. AI-gesteuerte DApps
DeFi dApp bietet Funktionen wie Kreditvergabe, Austausch und Ertrags farming. KI und KI-Agenten können diese Dienste auf folgende Weise verbessern:
- Durch das Rebalancieren von LP-Positionen die Liquiditätsbereitstellung optimieren, um eine bessere APY zu erzielen.
- Scannen von Tokens zur Risikobewertung durch Erkennung potenzieller Rug-Pulls oder Honeypots.
Hauptprotokoll:
- @gizatechxyz s ARMA— AI-Agent, um die USDC-Erträge in Mode und Base zu optimieren
- @SturdyFinance — KI-gesteuertes Ertragsversicherungsprotokoll
- @derivexyz — Plattform für Optionen und unbefristete Verträge, optimiert durch den intelligenten KI-Co-Piloten
Haupt Herausforderungen
Die Top-Protokolle, die auf diesen Schichten aufgebaut sind, stehen vor einigen Herausforderungen:
- Diese Vereinbarungen basieren auf Echtzeitdatenströmen, um die beste Handelsausführung zu erreichen. Schlechte Datenqualität kann zu ineffizienten Routen, Handelsfehlern oder unprofitablen Transaktionen führen.
- KI-Modelle basieren auf historischen Daten, aber der Kryptowährungsmarkt ist sehr volatil. Agenten müssen auf vielfältigen, qualitativ hochwertigen Datensätzen trainiert werden, um effektiv zu bleiben.
- Um den Gesamtmarktstatus zu verstehen, ist es notwendig, ein umfassendes Verständnis der Vermögenskorrelation, der Liquiditätsänderungen und der Marktentwicklung zu haben.
Die auf diesen Kategorien basierenden Protokolle haben sich auf dem Markt bewährt. Um jedoch bessere Produkte und optimale Ergebnisse zu bieten, sollten sie in Betracht ziehen, verschiedene Datensätze unterschiedlicher Qualität zu integrieren, um ihre Produkte auf ein neues Niveau zu heben.
Datenebene - Treibstoff für DeFAI Intelligenz
Die Qualität von KI hängt von den Daten ab, auf die sie angewiesen ist. Damit KI-Agenten in DeFAI effektiv arbeiten können, benötigen sie Echtzeit-, strukturierte und verifizierbare Daten. Beispielsweise muss die Abstraktionsschicht über RPC und soziale Netzwerk-APIs auf On-Chain-Daten zugreifen, während Handels- und Ertragsoptimierungsagenten Daten benötigen, um ihre Handelsstrategien weiter zu verfeinern und Ressourcen neu zuzuordnen.
Hochwertige Datensätze ermöglichen es den Agenten, zukünftige Preisbewegungen besser vorherzusagen und Empfehlungen für den Handel zu geben, um sich an ihre Präferenzen für Long- oder Short-Positionen bei bestimmten Vermögenswerten anzupassen.
DeFAI Hauptdatenanbieter
| Protokoll | Details | Funktion | | Mode Synth | Synthesierte Daten für Finanzprognosen | Vollständige Verteilung der Preisbewegungen erfassen, um AI-Modelle zu prognostizieren | | Chainbase | Vollständige blockchain-strukturierte Datensätze | Bietet KI-unterstützte Daten für Handel, Vorhersage und Alpha-Generierung | | sqd.ai | Dezentrale Datenlager für KI-Agenten | Skalierbarer, anpassbarer Multi-Chain-Datenzugang mit Zero-Knowledge-Proofs-Sicherheit | | Cookie | CT-Mentalität und On-Chain-Datenebene für KI-Agenten | Verarbeitung von über 7 TB On-Chain-Agentendaten auf mehr als 20 Chains mit 18 spezialisierten KI-Agenten |
Mode Synth Subnetz
Als das 50. Subnetz von Bittensor erstellt Synth synthetische Daten für die finanziellen Vorhersagefähigkeiten von Agenten. Im Vergleich zu anderen traditionellen Preisvorhersagesystemen erfasst Synth die vollständige Verteilung der Preisänderungen und deren zugehörige Wahrscheinlichkeiten, was die genauesten synthetischen Daten der Welt liefert und Agenten sowie LLM unterstützt.
Durch die Bereitstellung hochwertigerer Datensätze können KI-Agenten bessere richtungsweisende Entscheidungen im Handel treffen und die Schwankungen des APY unter verschiedenen Marktbedingungen vorhersagen, damit Liquiditätspools bei Bedarf Liquidität umschichten oder abziehen können. Seit dem Start des autonomen Netzwerks gibt es eine starke Nachfrage von DeFi-Teams, die Daten von Synth über ihre API-Integration einbinden.
Am meisten beachtete AI-Agent-Blockchain
Neben dem Aufbau einer Datenebene für KI und Agenten positioniert sich Mode auch als ein Full-Stack-Blockchain-Anbieter für die Zukunft von DeFAI. Sie haben kürzlich das Mode Terminal eingeführt, das als Co-Pilot für DeFAI dient, um on-chain Transaktionen basierend auf Benutzeraufforderungen durchzuführen, welches bald für $MODE Staker zugänglich sein wird.
Darüber hinaus unterstützt Mode viele auf KI und Agenten basierende Teams. Mode hat große Anstrengungen unternommen, um Protokolle wie Autonolas, Giza und Sturdy in sein Ökosystem zu integrieren. Mit der Entwicklung und Ausführung weiterer Agenten entwickelt sich Mode schnell.
Diese Initiativen wurden alle zur gleichen Zeit ermöglicht, als sie ihr Netzwerk mit KI aufrüsteten, vor allem indem sie ihre Blockchain mit einem KI-Sequenzer ausstatteten. Durch die Analyse von Transaktionen mithilfe von Simulation und KI vor der Ausführung können Transaktionen mit hohem Risiko blockiert und vor der Verarbeitung überprüft werden, um die Sicherheit auf der Kette zu gewährleisten. Als L2 der Optimism-Superchain steht Mode in der Mitte und verbindet Menschen und Proxy-Nutzer mit den besten DeFi-Ökosystemen.
Vergleich der Spitzenblockchain, auf der die AI-Agenten basieren
Solana und Base sind zweifellos die beiden Hauptketten für die meisten KI-Proxy-Frameworks und Token-Builds und -Releases. KI-Proxys nutzen das Netzwerk von Solana mit hohem Durchsatz und niedriger Latenz sowie das Open-Source-ElizaOS, um Proxy-Token bereitzustellen, während Virtuals als Startrampe für die Bereitstellung von Proxys auf Base dient. Obwohl sie alle Hackathons und Finanzierungsanreize haben, haben sie nicht das Niveau erreicht, das Mode in Bezug auf seine KI-Initiativen als Kette erreicht hat.
NEAR hatte sich zuvor als KI-zentrierte L1-Blockchain definiert, deren Funktionen einen KI-Aufgabenmarkt, ein NEAR AI-Forschungszentrum mit einem Open-Source-KI-Agentenrahmen und den NEAR AI-Assistenten umfassen. Sie haben kürzlich einen AI-Agentenfonds in Höhe von 20 Millionen US-Dollar angekündigt, um vollständig autonome und verifiable Agenten auf NEAR auszubauen.
Chainbase
Chainbase bietet ein vollständig verifiziertes on-chain strukturiertes Datenset, das die Funktionen von AI-Agenten in Bezug auf Transaktionen, Einblicke, Prognosen und Alpha-Suche verbessert. Sie haben Manuskripte eingeführt, ein Framework für Blockchain-Datenströme, das die Integration von on-chain und off-chain Datensätzen in ein Ziel-Datenspeicher ermöglicht, um uneingeschränkte Abfragen und Analysen durchzuführen.
Dies ermöglicht es Entwicklern, Datenverarbeitungsworkflows entsprechend ihren spezifischen Anforderungen anzupassen. Durch die Standardisierung und Verarbeitung von Rohdaten in ein sauberes, kompatibles Format kann sichergestellt werden, dass ihre Datensätze die strengen Anforderungen von KI-Systemen erfüllen, wodurch die Vorverarbeitungszeit verkürzt und die Modellgenauigkeit erhöht wird, um zuverlässige KI-Agenten zu erstellen.
Basierend auf ihren umfangreichen On-Chain-Daten haben sie ein Modell namens Theia entwickelt, das On-Chain-Daten in die Datenanalyse der Benutzer übersetzt, ohne dass komplexe Programmierkenntnisse erforderlich sind. Die Datenverwendbarkeit von Chainbase ist in ihren Partnerschaften offensichtlich, in denen das KI-Protokoll ihre Daten verwendet, um:
- ElizaOS Proxy-Plugin, um On-Chain-Entscheidungen zu steuern
- Vana AI Assistent erstellen
- Flock.io soziale Netzwerkintelligenz, bietet Einblicke in das Nutzerverhalten
- Theoriq zur Datenanalyse und Prognose von DeFi
- arbeitet auch mit 0G, Aethir und io.net zusammen
Im Vergleich zu traditionellen Datenprotokollen
Datenprotokolle wie The Graph, Chainlink und Alchemy bieten Daten an, sind jedoch nicht KI-zentriert. The Graph bietet eine Plattform für die Abfrage und Indizierung von Blockchain-Daten, die Entwicklern den Zugriff auf Rohdaten ermöglicht, die nicht für Transaktionen oder die Ausführung von Strategien erstellt wurden. Chainlink bietet Oracle-Datenfeeds an, hat jedoch keine KI-optimierten Datensätze für Vorhersagen, während Alchemy hauptsächlich RPC-Dienste anbietet.
Im Vergleich dazu sind Chainbase-Daten speziell vorbereitete Blockchain-Daten, die von KI-Anwendungen oder Agenten in einer strukturierteren und aufschlussreicheren Form leicht genutzt werden können, sodass Agenten einfacher auf Daten zugreifen können, die mit On-Chain-Märkten, Liquidität und Token-Daten verbunden sind.
sqd.ai
sqd.ai (ehemals Subsquid) entwickelt ein offenes Datenbanknetzwerk, das speziell für KI-Agenten und Web3-Dienste zugeschnitten ist. Ihr dezentrales Datenlager bietet uneingeschränkten, kosteneffizienten Zugriff auf große Mengen an Echtzeit- und historischen Blockchain-Daten, wodurch KI-Agenten effizienter arbeiten können.
sqd.ai bietet Echtzeit-Datenindizes (einschließlich Indizes von unvollendeten Blöcken) mit einer Indexgeschwindigkeit von über 150.000 Blöcken pro Sekunde, schneller als jeder andere Indexierer. In den letzten 24 Stunden haben sie über 11 TB Daten bereitgestellt, um die hohen Durchsatzanforderungen von Milliarden autonomer KI-Agenten und Entwicklern zu erfüllen.
Die anpassbare Datenverarbeitungsplattform liefert maßgeschneiderte Daten, die auf die Bedürfnisse von KI-Agenten zugeschnitten sind, während DuckDB einen effizienten Datenabruf für lokale Abfragen ermöglicht. Ihr umfassender Datensatz unterstützt mehr als 100 EVMs und Substratnetzwerke, einschließlich Ereignisprotokollen und Transaktionsdetails, was für KI-Agenten, die über mehrere Blockchains hinweg ausgeführt werden, wertvoll ist.
Der Beitritt von Zero-Knowledge-Proofs stellt sicher, dass AI-Agenten auf sensible Daten zugreifen und diese verarbeiten können, ohne die Privatsphäre zu beeinträchtigen. Darüber hinaus kann sqd.ai durch das Hinzufügen weiterer Verarbeitungs-Knoten mit der ständig wachsenden Datenlast umgehen und eine zunehmend wachsende Anzahl von AI-Agenten unterstützen (geschätzt wird die Anzahl in die Milliarden gehen).
Cookie
Cookie bietet eine modulare Datenebene für AI-Agenten und Cluster, die speziell für die Verarbeitung von sozialen Daten entwickelt wurde. Es verfügt über ein AI-Agenten-Dashboard, das die Top-Agenten-Mentalitäten auf der Blockchain und sozialen Plattformen verfolgt, und hat kürzlich eine Plug-and-Play-Datencluster-API für andere AI-Agenten eingeführt, um populäre Narrative und Mentalitätswandel in CT zu erkennen.
 Der nächste Schritt von DeFAI
Derzeit stehen die meisten KI-Agenten im DeFi-Bereich vor erheblichen Einschränkungen bei der Erreichung vollständiger Autonomie. Zum Beispiel:
- Die Abstraktionsschicht wandelt die Benutzerabsicht in Ausführungen um, hat jedoch oft nicht die Fähigkeit zur Vorhersage.
- AI-Agenten können durch Analyse Alpha generieren, haben jedoch keinen eigenständigen Handel.
- KI-gesteuerte dApps können Tresore oder Transaktionen verwalten, sind jedoch passiv und nicht aktiv.
Die nächste Phase von DeFAI könnte sich auf die Integration nützlicher Datenebenen konzentrieren, um die beste Agenturplattform oder den besten Agenten zu entwickeln. Dies wird tiefgehende On-Chain-Daten über Walaktivitäten, Liquiditätsänderungen usw. erfordern, während nützliche synthetische Daten für bessere Vorhersageanalysen erzeugt werden und eine Kombination aus Sentiment-Analyse aus dem allgemeinen Markt, sei es für Token-Schwankungen in bestimmten Kategorien (wie AI-Agenten, DeSci usw.) oder für Token-Schwankungen in sozialen Netzwerken.
Das endgültige Ziel ist, dass KI-Agenten nahtlos Handelsstrategien aus einer einzigen Schnittstelle generieren und ausführen können. Mit der Reifung dieser Systeme könnten wir in Zukunft sehen, dass DeFi-Händler auf KI-Agenten angewiesen sind, um Finanzstrategien eigenständig mit minimaler menschlicher Intervention zu bewerten, vorherzusagen und auszuführen.
Letzte Gedanken
Angesichts des drastischen Rückgangs der AI-Agent-Token und -Frameworks könnten einige denken, dass DeFAI nur ein kurzlebiger Trend ist. Dennoch befindet sich DeFAI noch in einer frühen Phase, und das Potenzial von AI-Agenten zur Verbesserung der Verwendbarkeit und Leistung von DeFi ist unbestreitbar.
Der Schlüssel zur Freisetzung dieses Potenzials liegt in der Beschaffung hochwertiger Echtzeitdaten, die die KI-gesteuerten Handelsprognosen und -ausführungen verbessern werden. Immer mehr Protokolle integrieren verschiedene Datenschichten, und Datenprotokolle bauen Plugins für die Rahmenstruktur auf, was die Bedeutung von Daten für die Entscheidungsfindung von Agenten hervorhebt.
In der Zukunft werden Verifizierbarkeit und Datenschutz zu den entscheidenden Herausforderungen, die Protokolle bewältigen müssen. Derzeit operieren die meisten KI-Agenten weiterhin als Black Box, und die Benutzer müssen ihr Kapital ihm anvertrauen. Daher wird die Entwicklung verifizierbarer KI-Entscheidungen dazu beitragen, die Transparenz und Verantwortlichkeit der Agentenprozesse sicherzustellen. Protokolle, die auf TEE, FHE oder sogar zk-Proofs basieren, können die Verifizierbarkeit des Verhaltens von KI-Agenten verbessern und so das Vertrauen in die Autonomie fördern.
Nur durch die erfolgreiche Kombination von hochwertigen Daten, robusten Modellen und transparenten Entscheidungsprozessen kann der DeFAI-Agent weit verbreitet werden.