DeFAI : Comment l'intelligence artificielle libère le potentiel de la Finance Décentralisée
Finance Décentralisée(DeFi) a connu un développement rapide depuis 2020, devenant un pilier important de l'écosystème cryptographique. Bien que l'innovation soit en constante évolution, la complexité et la fragmentation ont également augmenté, rendant difficile pour même les utilisateurs les plus expérimentés de naviguer à travers de nombreuses chaînes, actifs et protocoles.
En même temps, l'intelligence artificielle (AI) passe d'un récit de base large en 2023 à un focus plus spécialisé et orienté vers les agents en 2024. Ce changement a donné naissance à DeFi AI (DeFAI) - un domaine émergent où l'IA renforce la Finance Décentralisée grâce à l'automatisation, la gestion des risques et l'optimisation du capital.
DeFAI s'étend sur plusieurs niveaux. La blockchain est la couche de base, et les agents AI doivent interagir avec des chaînes spécifiques pour exécuter des transactions et des contrats intelligents. La couche de données et la couche de calcul fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, ces modèles étant issus des données historiques de prix, du sentiment du marché et de l'analyse on-chain. La couche de confidentialité et de vérifiabilité garantit la sécurité des données financières sensibles tout en maintenant une exécution sans confiance. Enfin, le cadre d'agents permet aux développeurs de créer des applications pilotées par AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance on-chain.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois catégories principales :
1. Couche abstraite
Ces protocoles servent d'interface conviviale pour la Finance Décentralisée, permettant aux utilisateurs d'entrer des instructions à exécuter sur la chaîne. Ils sont généralement intégrés à plusieurs chaînes et dApps, exécutant l'intention de l'utilisateur tout en éliminant les étapes manuelles dans les transactions complexes.
Ces protocoles peuvent exécuter les fonctions suivantes :
Échange, inter-chaînes, prêt/retrait, exécution de transactions inter-chaînes
Portefeuille de trading de suivi ou profil de médias sociaux
Exécution automatique des prises de bénéfices / des arrêts de pertes en fonction du pourcentage de la taille de la position.
Par exemple, il n'est pas nécessaire de retirer manuellement de l'ETH d'une plateforme de prêt, de le transférer sur Solana, d'échanger des jetons et de fournir de la liquidité - le protocole de couche d'abstraction peut effectuer l'opération en une seule étape.
2. Agence de trading autonome
Contrairement aux robots de trading traditionnels qui suivent des règles prédéfinies, les agents de trading autonomes peuvent apprendre et s'adapter aux conditions du marché, et ajuster leurs stratégies en fonction de nouvelles informations. Ces agents peuvent :
Analyser les données pour améliorer continuellement la stratégie
Prédire les tendances du marché afin de prendre de meilleures décisions haussières/baissières
Exécuter des stratégies DeFi complexes
3. DApps alimentés par l'IA
Les dApps DeFi offrent des fonctionnalités telles que le prêt, l'échange et le yield farming. L'IA et les agents IA peuvent améliorer ces services de la manière suivante :
Optimiser l'approvisionnement en liquidité en rééquilibrant les positions LP pour obtenir un meilleur APY
Scannez les jetons en détectant les risques potentiels
Les principaux protocoles sur ces couches font face à certains défis :
S'appuyer sur des flux de données en temps réel pour une exécution optimale des transactions. Une mauvaise qualité des données peut entraîner une inefficacité des itinéraires, des échecs de transaction ou des transactions non rentables.
Les modèles d'IA dépendent des données historiques, mais le marché des cryptomonnaies est très volatil. Les agents doivent être formés avec des ensembles de données diversifiés et de haute qualité pour maintenir leur efficacité.
Il est nécessaire de comprendre pleinement la corrélation des actifs, les variations de liquidité et le sentiment du marché pour saisir l'état global du marché.
Pour offrir de meilleurs produits et des résultats optimaux, ces protocoles devraient envisager d'intégrer divers ensembles de données de qualité différente pour améliorer le niveau des produits.
Couche de données - Alimente l'intelligence DeFAI
La qualité de l'IA dépend des données sur lesquelles elle s'appuie. Pour que les agents IA fonctionnent efficacement dans DeFAI, ils ont besoin de données en temps réel, structurées et vérifiables. Par exemple, la couche d'abstraction doit accéder aux données on-chain via RPC et les API de réseaux sociaux, tandis que les agents d'optimisation des transactions et des revenus ont besoin de données pour affiner davantage les stratégies de transaction et réaffecter les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prévoir les comportements futurs des prix, en fournissant des recommandations de trading pour s'adapter aux préférences de positions longues ou courtes sur certains actifs.
Les principaux fournisseurs de données de DeFAI incluent :
Mode Synth : données synthétiques utilisées pour la prévision financière, capturant la distribution complète des variations de prix, pour la prédiction des modèles d'IA
Chainbase: jeu de données structurées sur l'ensemble de la chaîne, fournissant des données améliorées par l'IA, utilisées pour le trading, la prévision et l'obtention d'alpha
sqd.ai : Lac de données décentralisé pour agents d'IA, accès multi-chaînes extensible et personnalisable, avec sécurité par preuve à connaissance nulle.
Cookie: une couche de données sociale et en chaîne orientée vers des agents AI, utilisant 18 agents AI spécialisés pour traiter plus de 7 To de données d'agents en chaîne sur plus de 20 chaînes.
Comparaison des meilleures blockchains sur lesquelles sont basés les agents IA
Solana et Base sont les deux principales chaînes pour la construction et le lancement de la plupart des cadres et des tokens d'agents AI. Les agents AI tirent parti du haut débit et du réseau à faible latence de Solana ainsi que de l'ElizaOS open source pour déployer des tokens d'agents, tandis que Virtuals sert de plateforme de lancement pour le déploiement d'agents sur Base. Bien qu'ils disposent tous deux de hackathons et d'incitations financières, ils n'ont pas encore atteint le niveau de certaines blockchains spécialisées en ce qui concerne leurs programmes AI en tant que chaînes.
NEAR se définissait auparavant comme une blockchain L1 centrée sur l'IA, dont les fonctionnalités incluent un marché de tâches IA, un centre de recherche en IA avec un cadre d'agents IA open source et des assistants IA. Ils ont récemment annoncé un fonds d'agents IA de 20 millions de dollars, destiné à étendre des agents entièrement autonomes et vérifiables sur NEAR.
La prochaine étape de DeFAI
Actuellement, la plupart des agents AI dans la Finance Décentralisée rencontrent d'importantes limitations pour atteindre une autonomie totale. Par exemple :
La couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacité prédictive.
Les agents AI peuvent générer de l'alpha par l'analyse, mais manquent d'exécution indépendante des transactions.
Les dApps pilotées par l'IA peuvent gérer des coffres ou des transactions, mais elles sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration d'une couche de données utile, afin de développer la meilleure plateforme ou le meilleur agent. Cela nécessitera des données on-chain approfondies concernant les activités des gros investisseurs, les variations de liquidité, etc., tout en générant des données synthétiques utiles pour de meilleures analyses prédictives, et en combinant l'analyse des sentiments du marché général, que ce soit pour les fluctuations des jetons d'une catégorie spécifique ou pour les fluctuations des jetons sur les réseaux sociaux.
L'objectif final est que les agents IA puissent générer et exécuter des stratégies de trading de manière transparente à partir d'une seule interface. À mesure que ces systèmes mûrissent, nous pourrions voir les traders DeFi du futur s'appuyer sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Conclusion
Bien que les jetons et cadres d'agents IA aient récemment considérablement diminué, DeFAI est encore à ses débuts, et le potentiel des agents IA pour améliorer l'utilisabilité et la performance de la Finance Décentralisée est indéniable.
La clé pour libérer ce potentiel réside dans l'acquisition de données en temps réel de haute qualité, ce qui améliorera les prévisions et l'exécution des transactions pilotées par l'IA. De plus en plus de protocoles intègrent différentes couches de données, et les protocoles de données construisent des plugins pour le cadre, soulignant l'importance des données pour les décisions des agents.
Envisageant l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. Actuellement, la plupart des opérations des agents IA restent une boîte noire, et les utilisateurs doivent confier leurs fonds à ceux-ci. Par conséquent, le développement de décisions IA vérifiables contribuera à garantir la transparence et la responsabilité des processus des agents. L'intégration de protocoles basés sur TEE, FHE ou même des preuves à divulgation nulle de connaissance peut renforcer la vérifiabilité du comportement des agents IA, permettant ainsi de faire confiance à leur autonomie.
Seule une combinaison réussie de données de haute qualité, de modèles robustes et de processus décisionnels transparents permettra aux agents DeFAI d'être largement adoptés.
DeFAI : Comment l'IA renforce la Finance Décentralisée et libère le nouveau potentiel de la Finance Décentralisée
DeFAI : Comment l'intelligence artificielle libère le potentiel de la Finance Décentralisée
Finance Décentralisée(DeFi) a connu un développement rapide depuis 2020, devenant un pilier important de l'écosystème cryptographique. Bien que l'innovation soit en constante évolution, la complexité et la fragmentation ont également augmenté, rendant difficile pour même les utilisateurs les plus expérimentés de naviguer à travers de nombreuses chaînes, actifs et protocoles.
En même temps, l'intelligence artificielle (AI) passe d'un récit de base large en 2023 à un focus plus spécialisé et orienté vers les agents en 2024. Ce changement a donné naissance à DeFi AI (DeFAI) - un domaine émergent où l'IA renforce la Finance Décentralisée grâce à l'automatisation, la gestion des risques et l'optimisation du capital.
DeFAI s'étend sur plusieurs niveaux. La blockchain est la couche de base, et les agents AI doivent interagir avec des chaînes spécifiques pour exécuter des transactions et des contrats intelligents. La couche de données et la couche de calcul fournissent l'infrastructure nécessaire à l'entraînement des modèles AI, ces modèles étant issus des données historiques de prix, du sentiment du marché et de l'analyse on-chain. La couche de confidentialité et de vérifiabilité garantit la sécurité des données financières sensibles tout en maintenant une exécution sans confiance. Enfin, le cadre d'agents permet aux développeurs de créer des applications pilotées par AI spécialisées, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance on-chain.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois catégories principales :
1. Couche abstraite
Ces protocoles servent d'interface conviviale pour la Finance Décentralisée, permettant aux utilisateurs d'entrer des instructions à exécuter sur la chaîne. Ils sont généralement intégrés à plusieurs chaînes et dApps, exécutant l'intention de l'utilisateur tout en éliminant les étapes manuelles dans les transactions complexes.
Ces protocoles peuvent exécuter les fonctions suivantes :
Par exemple, il n'est pas nécessaire de retirer manuellement de l'ETH d'une plateforme de prêt, de le transférer sur Solana, d'échanger des jetons et de fournir de la liquidité - le protocole de couche d'abstraction peut effectuer l'opération en une seule étape.
2. Agence de trading autonome
Contrairement aux robots de trading traditionnels qui suivent des règles prédéfinies, les agents de trading autonomes peuvent apprendre et s'adapter aux conditions du marché, et ajuster leurs stratégies en fonction de nouvelles informations. Ces agents peuvent :
3. DApps alimentés par l'IA
Les dApps DeFi offrent des fonctionnalités telles que le prêt, l'échange et le yield farming. L'IA et les agents IA peuvent améliorer ces services de la manière suivante :
Les principaux protocoles sur ces couches font face à certains défis :
S'appuyer sur des flux de données en temps réel pour une exécution optimale des transactions. Une mauvaise qualité des données peut entraîner une inefficacité des itinéraires, des échecs de transaction ou des transactions non rentables.
Les modèles d'IA dépendent des données historiques, mais le marché des cryptomonnaies est très volatil. Les agents doivent être formés avec des ensembles de données diversifiés et de haute qualité pour maintenir leur efficacité.
Il est nécessaire de comprendre pleinement la corrélation des actifs, les variations de liquidité et le sentiment du marché pour saisir l'état global du marché.
Pour offrir de meilleurs produits et des résultats optimaux, ces protocoles devraient envisager d'intégrer divers ensembles de données de qualité différente pour améliorer le niveau des produits.
Couche de données - Alimente l'intelligence DeFAI
La qualité de l'IA dépend des données sur lesquelles elle s'appuie. Pour que les agents IA fonctionnent efficacement dans DeFAI, ils ont besoin de données en temps réel, structurées et vérifiables. Par exemple, la couche d'abstraction doit accéder aux données on-chain via RPC et les API de réseaux sociaux, tandis que les agents d'optimisation des transactions et des revenus ont besoin de données pour affiner davantage les stratégies de transaction et réaffecter les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prévoir les comportements futurs des prix, en fournissant des recommandations de trading pour s'adapter aux préférences de positions longues ou courtes sur certains actifs.
Les principaux fournisseurs de données de DeFAI incluent :
Comparaison des meilleures blockchains sur lesquelles sont basés les agents IA
Solana et Base sont les deux principales chaînes pour la construction et le lancement de la plupart des cadres et des tokens d'agents AI. Les agents AI tirent parti du haut débit et du réseau à faible latence de Solana ainsi que de l'ElizaOS open source pour déployer des tokens d'agents, tandis que Virtuals sert de plateforme de lancement pour le déploiement d'agents sur Base. Bien qu'ils disposent tous deux de hackathons et d'incitations financières, ils n'ont pas encore atteint le niveau de certaines blockchains spécialisées en ce qui concerne leurs programmes AI en tant que chaînes.
NEAR se définissait auparavant comme une blockchain L1 centrée sur l'IA, dont les fonctionnalités incluent un marché de tâches IA, un centre de recherche en IA avec un cadre d'agents IA open source et des assistants IA. Ils ont récemment annoncé un fonds d'agents IA de 20 millions de dollars, destiné à étendre des agents entièrement autonomes et vérifiables sur NEAR.
La prochaine étape de DeFAI
Actuellement, la plupart des agents AI dans la Finance Décentralisée rencontrent d'importantes limitations pour atteindre une autonomie totale. Par exemple :
La couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacité prédictive.
Les agents AI peuvent générer de l'alpha par l'analyse, mais manquent d'exécution indépendante des transactions.
Les dApps pilotées par l'IA peuvent gérer des coffres ou des transactions, mais elles sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration d'une couche de données utile, afin de développer la meilleure plateforme ou le meilleur agent. Cela nécessitera des données on-chain approfondies concernant les activités des gros investisseurs, les variations de liquidité, etc., tout en générant des données synthétiques utiles pour de meilleures analyses prédictives, et en combinant l'analyse des sentiments du marché général, que ce soit pour les fluctuations des jetons d'une catégorie spécifique ou pour les fluctuations des jetons sur les réseaux sociaux.
L'objectif final est que les agents IA puissent générer et exécuter des stratégies de trading de manière transparente à partir d'une seule interface. À mesure que ces systèmes mûrissent, nous pourrions voir les traders DeFi du futur s'appuyer sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
Conclusion
Bien que les jetons et cadres d'agents IA aient récemment considérablement diminué, DeFAI est encore à ses débuts, et le potentiel des agents IA pour améliorer l'utilisabilité et la performance de la Finance Décentralisée est indéniable.
La clé pour libérer ce potentiel réside dans l'acquisition de données en temps réel de haute qualité, ce qui améliorera les prévisions et l'exécution des transactions pilotées par l'IA. De plus en plus de protocoles intègrent différentes couches de données, et les protocoles de données construisent des plugins pour le cadre, soulignant l'importance des données pour les décisions des agents.
Envisageant l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. Actuellement, la plupart des opérations des agents IA restent une boîte noire, et les utilisateurs doivent confier leurs fonds à ceux-ci. Par conséquent, le développement de décisions IA vérifiables contribuera à garantir la transparence et la responsabilité des processus des agents. L'intégration de protocoles basés sur TEE, FHE ou même des preuves à divulgation nulle de connaissance peut renforcer la vérifiabilité du comportement des agents IA, permettant ainsi de faire confiance à leur autonomie.
Seule une combinaison réussie de données de haute qualité, de modèles robustes et de processus décisionnels transparents permettra aux agents DeFAI d'être largement adoptés.
![DeFAI complet : comment l'IA libère le potentiel de la Finance Décentralisée ?](https://img-cdn.gateio.im/webp-social/moments-56a89e79609d8f982d5d31dadfad9205.webp01