Интеграция ИИ и DeFi: за пределами ончейн-игр AlphaGo (I)

Введение: Когда ИИ становится "новым игроком" в ончейн-играх

В 2025 году общая заблокированная стоимость (TVL) в глобальных DeFi-протоколах превысила 100 миллиардов долларов, однако такие проблемы, как неэффективность рынка и фрагментированная ликвидность, остаются нерешенными. Между тем, взрывной рост технологий ИИ (таких как GPT-4, Llama 2) представил новую переменную в DeFi — ИИ-агентов. Эти ончейн "роботы" могут не только выполнять заданные стратегии, но и динамически оптимизировать решения с помощью машинного обучения и даже участвовать в играх с другими системами ИИ. Однако эта технологическая революция сопровождается острыми спорами: приведет ли ИИ DeFi к пропасти игр с нулевой суммой? Как можно гарантировать справедливость на ончейн-рынках?

В первой части мы подробно рассмотрим знаковый кейс и раскроем технический путь интеграции ИИ и DeFi, а во второй части сосредоточимся на экономическом воздействии и потенциальных рисках.

ИИ, меняющий основополагающую логику DeFi

1.1 Эволюционные потребности DeFi

С момента интеграции технологии блокчейн с децентрализованными финансами (DeFi) экосистема DeFi пережила быстрые инновации и развитие. На ранних этапах основным принципом DeFi был "код — это закон", что означало, что все протоколы и транзакционные действия контролировались смарт-контрактами, снижая зависимость от посредников. Однако по мере расширения масштаба рынка и увеличения объемов транзакций потребности DeFi изменились, появились более сложные финансовые операции и стратегические требования, подталкивающие DeFi к более утонченным и интеллектуальным направлениям.

Высокочастотный трейдинг, управление ликвидностью и арбитражные стратегии, очень распространенные на традиционных финансовых рынках, постепенно проникли в сферу DeFi. С ростом волатильности и сложности рынка традиционные правила и статические алгоритмы больше не могут удовлетворять требованиям. В этот момент внедрение ИИ становится ключом к решению этой проблемы. Благодаря глубокому обучению и алгоритмам оптимизации ИИ может анализировать огромные объемы рыночных данных в режиме реального времени для разработки более точных торговых стратегий и решений по управлению ликвидностью. Кроме того, ИИ может помочь еще больше снизить барьеры для использования DeFi-проектов. Проведение серии ончейн-взаимодействий через ИИ-агентов с использованием команд на естественном языке может значительно снизить затраты пользователей на обучение.

1.2 Синергетические эффекты ИИ и DeFi

С непрерывным развитием технологии ИИ сфера DeFi постепенно переходит от чисто управляемых кодом к интеллектуальным моделям принятия решений, основанным на данных. ИИ не только помогает повысить эффективность выполнения стратегий, но и обнаруживает потенциальные возможности и риски на рынке посредством глубокого анализа данных, тем самым повышая уровень интеллекта всей системы DeFi.

1.2.1 Информационное преимущество: интеграция ончейн- и офчейн-данных

В традиционных DeFi-протоколах рыночные данные в основном поступают из ончейн-информации, такой как данные блокчейн-транзакций, балансы пулов активов и статусы пулов ликвидности. Однако внедрение ИИ позволяет DeFi органично объединять офчейн-данные с ончейн-данными, что еще больше повышает возможности прогнозирования. Например, путем внедрения оракулов для предоставления офчейн-данных о ценах и анализа этих данных с использованием технологии машинного обучения ИИ может более точно прогнозировать тенденции рыночных цен, тем самым помогая разрабатывать эффективные торговые стратегии. Это преимущество интеграции информации делает ИИ важным технологическим инструментом в DeFi-протоколах.

1.2.2 Обновление игр: автоматизация MEV

В децентрализованных финансовых системах извлекаемая стоимость майнерами (MEV) постоянно является актуальной темой для беспокойства. MEV относится к дополнительному доходу, который майнеры могут получить, корректируя порядок транзакций в блоке. В прошлом извлечение MEV в основном основывалось на ручных стратегиях и операциях, которые были не только неэффективными, но и легко подвергались влиянию человеческого фактора.

Однако с развитием технологии ИИ методы извлечения MEV эволюционировали от традиционного ручного снайпинга до автоматизированных интеллектуальных операций. ИИ может анализировать ончейн-данные за миллисекунды и оптимизировать порядок транзакций с помощью алгоритмов для максимизации прибыли. Это преобразование не только повышает эффективность, но и продвигает DeFi-протоколы в направлении более эффективных и справедливых направлений. С автоматизацией ИИ правила игры на рынках DeFi переопределяются.

1.3 Четкое определение DeFAI

DeFAI (DeFi + AI) — это продукт глубокой интеграции между DeFi и ИИ, направленный на повышение интеллекта, удобства использования и эффективности капитала экосистемы DeFi. Его суть заключается в достижении автоматизированного принятия решений, выполнения сложных задач (таких как торговля, оптимизация доходности, кроссчейн-операции) и абстракции пользовательских взаимодействий (например, инструкций на естественном языке) с помощью ИИ-агентов, тем самым снижая барьеры для использования DeFi и оптимизируя финансовые стратегии.

Основные сценарии применения ИИ в DeFi

2.1 Управляемое ИИ выполнение операций

Благодаря агрегации различных моделей или агентов ИИ и интеграции API из различных DeFi-приложений пользователи могут быстро выполнять DeFi-операции через чат-интерфейс, подобный ChatGPT. Эта комбинация DeFAI улучшает пользовательский опыт в сети, предоставляя универсальный интерфейс для операций DeFi. Пользователям больше не нужно перемещаться между различными пользовательскими интерфейсами для выполнения операций DeFi, а также им не нужно искать и изучать, как объединять различные протоколы для достижения желаемых результатов, таких как обмен 100 SOL на USDC и последующее внесение их в протокол кредитования. Пользователям нужно только передать свои намерения через чат в интерфейсе чата.

Кейс: Bankr

Bankr — это платформа на основе ИИ, которая использует передовые технологии и интегрируется со сторонним поставщиком кошельков Privy для безопасного создания цифровых кошельков и облегчения блокчейн-транзакций, включая торговлю и передачу цифровых активов. (Демо-видео: https://x.com/bankrbot/status/1893788678776070481)

Кейс: Griffain

Проект DeFAI (DeFi + AI) на основе блокчейна Solana, его основное позиционирование — это движок ИИ-агентов, целью которого является упрощение операций DeFi посредством взаимодействия на естественном языке, обеспечивая бесшовное соединение между потребностями пользователей и экосистемой блокчейна. Пользователи могут напрямую взаимодействовать с DeFi-протоколами посредством человекоподобных языковых инструкций (таких как "купить SOL на 200 долларов США" или "межсетевой перевод и стейкинг"), не выполняя вручную смарт-контракты и не понимая основные технические детали.

Griffain развертывает несколько специализированных агентов внутри компании, каждый из которых специализируется на конкретных задачах:

Агент управления аирдропами: автоматически отслеживает и запрашивает соответствующие аирдропы;

Агент оптимизации доходности: анализирует ончейн-данные и динамически корректирует распределение активов для максимизации прибыли;

Агент управления портфелем: отслеживает риски активов и предоставляет рекомендации по ребалансировке;

Исследование токенов: генерирует отчеты на основе ончейн-информации.

2.2 Кредитная оценка и управление рисками

Кредитная оценка и управление рисками в DeFi являются ключевыми факторами обеспечения стабильности протокола и безопасности средств пользователей. По сравнению с традиционными финансовыми системами кредитная система DeFi все еще несовершенна, и кредитная оценка пользователей в основном зависит от обеспечения. Однако внедрение технологии ИИ предоставляет больше инновационных возможностей для DeFi-протоколов, особенно в области кредитной оценки и контроля рисков.

Кейс: Модель кредитного скоринга ИИ от Spectral Finance

Spectral Finance впервые представила оценку Multi-Asset Credit Risk Oracle (MACRO) в 2022 году, объединив поведение пользователей в сети с данными кредитной истории, чтобы обеспечить более интеллектуальный анализ кредитного риска для рынков кредитования.

Основные факторы модели оценки MACRO

Оценка MACRO от Spectral Finance использует многомерные данные, включая кредитование, погашение, историю ликвидации и даже факторы волатильности рынка. Эти данные количественно обрабатываются с помощью моделей машинного обучения, чтобы предоставить пользователям точные кредитные оценки. Кредитные оценки пользователей основаны на нескольких основных факторах:

История кредитования, погашения и депозитов: поведение пользователей при транзакциях в DeFi-протоколах, особенно частота и надежность кредитования и погашения.

История ликвидации: влияние записей о ликвидации из других адресов кошельков в кошельке пользователя на кредитную оценку.

Факторы здоровья: такие как отношение кредита к стоимости (LTV) и оценка других рыночных факторов риска.

Длина истории кошелька и тенденции транзакций: время использования кошелька и модели транзакций также влияют на кредитные оценки.

Волатильность рынка и взаимодействие с протоколами кредитования: частота взаимодействия с различными DeFi-протоколами и волатильность рынка также играют важную роль в кредитной оценке.

NFC (невзаимозаменяемые кредитные) токены и управление кредитами

Чтобы лучше отражать и использовать кредиты пользователей в экосистеме DeFi, Spectral Finance представила невзаимозаменяемые кредитные (NFC) токены. NFC-токены — это токены ERC721, представляющие историю транзакций пользователей в сети. Каждый NFC-токен несет оценку MACRO пользователя и может пересчитывать оценку при инициировании новых кредитов.

В настоящее время Spectral перешла к разработке структуры ИИ-агентов в своей технической документации, хотя их модель кредитной оценки ИИ остается хорошим исследованием.

2.3 Автоматизированные стратегии и оптимизация доходности

На рынке DeFi автоматизированные стратегии и оптимизация доходности являются ключевыми факторами для повышения доходности пользователей и снижения инвестиционных рисков. С непрерывным развитием технологий искусственного интеллекта и машинного обучения, множество инновационных протоколов начали изучать, как использовать эти технологии для автоматизации инвестиционных решений и распределения активов для достижения более эффективной оптимизации доходности. ARMA и Amplifi Lending Agents являются двумя типичными примерами, которые помогают пользователям достичь лучших инвестиционных результатов на рынке DeFi посредством автоматизации и интеллекта.

Пример: Протокол управления активами ARMA

ARMA - это автоматизированный протокол управления доходностью, разработанный Giza Tech с акцентом на активы USDC. ARMA непрерывно отслеживает и оценивает возможности в различных протоколах, таких как AAVE, Morpho, Compound и Moonwell, автоматически перераспределяя средства в пулы с самой высокой доходностью. Его основные функции включают автоматическое перераспределение активов, оптимизацию доходности, минимизацию транзакционных издержек и поддержание высокой безопасности и полного контроля пользователей.

Стратегия оптимизации доходности ARMA реализуется посредством нескольких аспектов:

Автоматическая перебалансировка между протоколами: ARMA анализирует ставки кредитования в реальном времени в различных кредитных протоколах, оценивает APR, вознаграждения протокола, вознаграждения экосистемы и транзакционные издержки, а затем автоматически переводит средства в наиболее выгодные пулы. Эта динамическая корректировка гарантирует, что пользователи смогут максимизировать доходность.

Механизм сложного процента: ARMA автоматически запрашивает и реинвестирует накопленные доходы, обменивая все токены вознаграждения обратно в исходный стейблкоин, максимизируя эффект сложного процента. Частота начисления сложных процентов динамически оптимизируется на основе размера позиции, APR и транзакционных издержек, увеличивая доходность.

Логика обмена токенов: ARMA использует USDC и USDT для доступа к широкому спектру возможностей получения дохода. Когда разница в доходности между различными токенами значительна, ARMA выполняет свопы токенов для оптимизации доходности. Все операции проводятся через интегрированные DEX протоколы, гарантируя, что пользователи могут вывести свои первоначальные депозитные токены в любое время.

Пример: Инвестиционная стратегия Amplifi Lending Agents

Amplifi Lending Agents - это инструмент автоматизированной оптимизации стратегии кредитования, разработанный Amplifi.Fi на основе алгоритмов искусственного интеллекта. Протокол оптимизирует поведение пользователей при кредитовании и стратегии генерации доходности на рынке DeFi посредством глубокого обучения и анализа данных. Его основная цель - помочь пользователям достичь наилучшей инвестиционной доходности в сложных рыночных условиях посредством интеллектуального распределения активов, управления рисками и оптимизации доходности.

source：https://amplifi-2.gitbook.io/documentation

Основные функции Amplifi Lending Agents:

Динамическое управление активами (оптимизация и перебалансировка): AI/ML движок Amplifi непрерывно оптимизирует распределение активов на основе собственных стратегий институционального уровня. Он автоматически перераспределяет активы в пулы с самой высокой доходностью и обеспечивает эффективное управление стратегиями Bitcoin и стейблкоинов.

Кросс-чейн функциональность: Благодаря Polyhedras zkBridge, Amplifi обеспечивает беспрепятственную кросс-чейн ликвидность, при этом пользователям не нужно вручную использовать мосты или платить комиссии за газ. zkBridge обеспечивает эффективные и безопасные кросс-чейн операции, упрощая пользовательский опыт и снижая риски.

Абстракция учетной записи: Amplifi поддерживает транзакции без газа (оплачиваемые спонсором) и вход через Web2 (например, Facebook, Gmail и т. д.), что упрощает пользователям создание и управление кошельками. Таким образом, Amplifi упрощает операции DeFi, позволяя пользователям, незнакомым с блокчейном, легко участвовать.

Интеллектуальные стратегии Amplifi: AI/ML движок Amplifi сочетает в себе несколько алгоритмов оптимизации, включая эволюционные алгоритмы, градиентный спуск и теорию портфеля Марковица. Эти стратегии балансируют риск и доходность с помощью взвешенных методов и непрерывно оптимизируют распределение активов, чтобы обеспечить инвесторам наилучшую доходность в различных рыночных условиях.

Стратегия оптимизации: Amplifi непрерывно оценивает изменения рынка и динамически корректирует распределение активов посредством комплексного применения методов машинного обучения для поддержания стабильной годовой доходности (APY). Когда колебания APY превышают разумные пороговые значения, система автоматически запускает стратегии перераспределения, чтобы обеспечить оптимальное состояние портфеля.

Перераспределение активов: Отслеживая изменения APY на платформах DeFi (таких как AAVE), Amplifi может автоматически перераспределять активы, когда APY значительно колеблется, чтобы максимизировать доходность пользователей.

2.4 Анализ рынка и отслеживание настроений

Анализ рынка и отслеживание настроений с помощью ИИ в DeFi фокусируются на поддержке принятия решений на основе данных, с основными возможностями интеграции многомерной информации в реальном времени и количественной оценке рыночного риска. Системы ИИ могут одновременно анализировать поведение транзакций в сети (такие как крупные переводы, изменения пула ликвидности), настроения в социальных сетях вне сети (такие как настроения в Twitter) и макроэкономические рыночные индикаторы (такие как колебания цены BTC), прогнозируя краткосрочные тенденции волатильности активов с помощью моделей машинного обучения и выявляя потенциальные сигналы риска (такие как предупреждения об уязвимости контракта или риски истощения ликвидности). В то же время ИИ использует технологию обработки естественного языка для эмоциональной оценки новостных событий, динамически генерируя предложения по распределению активов или запуская автоматические стратегии хеджирования, помогая пользователям уменьшить асимметрию информации и повысить эффективность принятия решений в сложных рыночных условиях.

Пример: AIXBT

Специализированный инструмент AI agent, ориентированный на криптовалютную сферу, объединяющий анализ данных в реальном времени и технологию обработки естественного языка для предоставления пользователям информации о рыночных тенденциях и поддержки принятия торговых решений. Он может отслеживать и анализировать горячие темы, настроения рынка и ключевые показатели в Crypto Twitter в режиме реального времени, помогая инвесторам быстро улавливать динамику отрасли и выявлять потенциальные инвестиционные возможности. Основные функции AIXBT включают агрегирование данных с нескольких платформ, анализ настроений в социальных сетях и автоматическое создание стратегий, особенно преуспевая в анализе твитов от более чем 400 KOL, извлечении ценной информации и создании исполняемых торговых предложений.

Кроме того, AIXBT обладает интерактивными возможностями, позволяя пользователям напрямую общаться с ним через социальные сети для получения индивидуальных аналитических отчетов. В будущем, по мере развития технологии AI agent, ожидается, что AIXBT еще больше снизит барьеры для участия в крипторынке, продвигая DeFi в направлении более интеллектуальных и автоматизированных направлений.

Техническая архитектура и конкурентная среда

3.1 Пути для ончейн AI моделей

В настоящее время наиболее распространенным потенциальным направлением развития является облегченная реализация в сети. Это включает в себя снижение потребления ресурсов в сети путем вычислений вне сети и отправки результатов и вычислительных доказательств. Одним из подходов является zkML.

zkML проверяет процесс логического вывода моделей машинного обучения с помощью доказательств с нулевым разглашением (таких как zkSNARKs), обеспечивая правильность вычислительных результатов без раскрытия параметров модели или входных данных. Его основной процесс:

Вычисления вне сети: Запустите ML модель вне сети для создания результатов логического вывода.

Создание доказательства: Используйте технологию zk для создания краткого математического доказательства, указывающего на то, что процесс логического вывода соответствует предопределенной модели (такой как веса модели, архитектура) и не был изменен.

Проверка в сети: Отправьте доказательство в блокчейн, где смарт-контракты проверяют легитимность результатов, проверяя доказательство, без необходимости повторного выполнения вычислений.

Этот механизм решает проблему высокой стоимости запуска ML моделей непосредственно в сети (таких как вычислительные ограничения EVM), обеспечивая при этом прозрачность и устойчивость к цензуре.

Уже существуют соответствующие варианты использования, такие как ZKML framework от Modulus Labs.

Основная технология Modulus Labs - это вычисления вне сети + проверка в сети, с функциями framework, включающими:

Проверка целостности выполнения AI: Обеспечение того, чтобы результаты логического вывода модели AI не были изменены с помощью доказательств с нулевым разглашением (например, обеспечение подлинности результатов модели оценки цен NFT). Пример: Сотрудничество с Upshot для размещения результатов оценки цен NFT, сгенерированных AI (100 миллионов в час), в сети через ZK proofs, достигая комбинации "возможности AI + безопасность в сети".

Механизм защиты от мошенничества: В игровых сценариях (таких как AI Arena) проверка соответствия между AI моделями, обученными игроками, и моделями, фактически развернутыми в соревнованиях, предотвращая мошеннические действия, обусловленные экономическими интересами.

Открытый API: Предоставление API "защищенного от несанкционированного доступа AI", позволяющих разработчикам dApp интегрировать проверяемую функциональность AI без ущерба для децентрализованной безопасности.

3.2 Сравнение ведущих проектов

Помимо инфраструктурного уровня, конкуренция на уровне приложений DeFAI является интенсивной. В целом, барьеры для входа на рынок продуктов не очень высоки, и не было обнаружено, чтобы какой-либо протокол приложений имел стабильность продукта и точность, намного превосходящие других конкурентов. Между тем, соответствие продукта рынку (PMF) существующих приложений проверяется пользователями. В сегодняшней быстро развивающейся инфраструктуре AI, более эффективные приложения DeFAI могут появиться в любое время, заменив существующие ведущие проекты.

В настоящее время ведущим проектом является Griffain. Их продукт позволяет пользователям взаимодействовать с блокчейном посредством естественного языка, а затем выполнять ончейн DeFi операции. Скорость обновления продукта Griffain впечатляет. В настоящее время у них уже запущены такие продукты, как Agent Sniper, Agentic Commerce, агрегация multi-agent API (Energy system) и т. д., при этом общим направлением строительства является интегрированная платформа операций на естественном языке, позволяющая пользователям просматривать и выполнять различные ежедневные ончейн операции через окно чата бота.

Поскольку ИИ продолжает преобразовывать ландшафт DeFi посредством передовых технических архитектур и инновационных приложений, крайне важно осознавать потенциальные риски и этические проблемы, сопровождающие эту трансформацию. В следующей части нашего анализа мы углубимся в темную сторону DeFi, управляемого ИИ, изучая системные риски, регуляторные препятствия и этические дилеммы, которые могут определить будущее этой развивающейся экосистемы.