DeFAI : Comment l'IA peut-elle renforcer la Finance décentralisée ?
La finance décentralisée ( DeFi ) a rapidement évolué depuis 2020 et constitue un élément essentiel de l'écosystème cryptographique. Bien que de nouveaux protocoles innovants émergent constamment, cela a également conduit à une complexité et une fragmentation croissantes du système, rendant difficile pour même les utilisateurs les plus expérimentés de naviguer parmi les nombreuses chaînes, actifs et protocoles.
En même temps, l'intelligence artificielle (AI) est passée du récit macro de 2023 à un accent plus spécialisé et axé sur l'agent pour 2024. Ce changement a engendré le domaine émergent de DeFi AI(DeFAI), où l'IA améliore les capacités de la Finance décentralisée grâce à l'automatisation, la gestion des risques et l'optimisation du capital.
La Finance décentralisée (DeFi) couvre plusieurs aspects. La couche de base est la blockchain, où les agents d'IA doivent interagir avec une chaîne spécifique pour exécuter des transactions et des contrats intelligents. Au-dessus se trouvent la couche de données et la couche de calcul, fournissant l'infrastructure nécessaire à l'entraînement des modèles d'IA, ces modèles étant basés sur des données de prix historiques, des sentiments de marché et des analyses en chaîne. La couche de confidentialité et de vérification garantit que les données financières sensibles restent sécurisées tout en permettant une exécution sans confiance. La couche supérieure est le cadre des agents, permettant aux développeurs de construire des applications alimentées par l'IA, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance en chaîne.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois catégories principales :
1. Couche d'abstraction
De tels protocoles agissent comme une interface conviviale similaire à ChatGPT pour la Finance décentralisée, permettant aux utilisateurs d'entrer des invites exécutées sur la chaîne. Ils s'intègrent généralement à plusieurs chaînes et DApp, exécutant l'intention de l'utilisateur tout en simplifiant les étapes manuelles dans des transactions complexes.
Ces protocoles peuvent exécuter les fonctions suivantes :
Échange, inter-chaînes, prêt, exécution de transactions inter-chaînes
Portefeuille de trading social ou profil de médias sociaux
Exécuter automatiquement des transactions de prise de profit/perte en fonction du pourcentage de la taille de la position.
Par exemple, il n'est pas nécessaire d'extraire manuellement de l'ETH d'une plateforme de prêt, de le transférer sur d'autres réseaux, d'échanger des jetons et de fournir de la liquidité sur un DEX - le protocole de couche d'abstraction peut effectuer l'opération en une seule étape.
2. Agent de négociation 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 leur stratégie en fonction des nouvelles informations. Ces agents peuvent :
Analyser les données pour améliorer continuellement la stratégie
Prédire les tendances du marché pour prendre de meilleures décisions d'achat et de vente
Exécutez des stratégies DeFi complexes comme des transactions de base
3. DApps alimentés par l'IA
Les DApp de Finance décentralisée offrent des fonctionnalités de prêt, d'échange, de ferme de rendement, etc. 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
Scanner les jetons en détectant les risques potentiels
Les protocoles de premier plan dans ces domaines 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 efficacité de parcours réduite, des échecs de transaction ou une absence de rentabilité.
Les modèles d'IA dépendent des données historiques, mais la volatilité du marché des cryptomonnaies est très élevée. Les agents doivent être formés sur 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 général du marché.
Pour offrir de meilleurs produits et résultats, ces protocoles devraient envisager d'intégrer divers ensembles de données de haute qualité afin d'améliorer le niveau des produits.
Couche de données - Alimenter 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 en chaîne via RPC et les API des réseaux sociaux, tandis que les agents d'optimisation des transactions et des bénéfices ont besoin de données pour affiner les stratégies de transaction et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire les tendances futures des prix, fournissant des conseils pour le trading, afin de s'adapter aux préférences de positions longues et courtes pour certains actifs.
Les principaux fournisseurs de données de DeFAI incluent :
Mode Synth : données synthétiques pour les prévisions financières, capturant la distribution complète des variations de prix, utilisées pour les prévisions des modèles d'IA
Chainbase : ensemble de données structurées sur toute la chaîne, offrant des données améliorées par l'IA, utilisées pour le trading, la prévision et l'acquisition d'alpha
sqd.ai: Lac de données décentralisé destiné aux agents AI, accès aux données multichaînes extensible et personnalisable, avec sécurité par preuve à divulgation nulle.
Cookie : une couche sociale et de données en chaîne destinée aux agents AI, utilisant plusieurs agents AI spécialisés pour traiter les données des agents en chaîne sur plusieurs chaînes.
Mode Synth en tant que sous-réseau de Bittensor crée des données synthétiques pour la capacité de prévision financière des agents. Par rapport aux systèmes traditionnels de prévision des prix, Synth capture la distribution complète des variations de prix et leurs probabilités associées, construisant des données synthétiques précises pour soutenir les agents et les LLM.
Offrir davantage de jeux de données de haute qualité permet aux agents d'IA de prendre de meilleures décisions directionnelles dans le trading, tout en prédisant les fluctuations de l'APY dans différentes conditions de marché, afin que les pools de liquidités puissent réaffecter ou retirer des liquidités en cas de besoin.
Blockchain des agents IA
En plus de construire une couche de données pour l'IA et les agents, certaines blockchains se positionnent comme des solutions full stack pour la Finance décentralisée et l'IA. Par exemple, Mode a déployé un co-pilote DeFAI pour exécuter des transactions en chaîne via des invites utilisateur. Ils soutiennent également de nombreuses équipes basées sur l'IA et les agents, intégrant plusieurs protocoles dans leur écosystème.
Ces mesures sont mises en œuvre en parallèle avec leur mise à niveau du réseau par l'IA, y compris l'équipement de la blockchain avec des classificateurs IA. En utilisant la simulation et l'analyse IA des transactions avant leur exécution, il est possible de bloquer et d'examiner les transactions à haut risque avant leur traitement, afin d'assurer la sécurité sur la chaîne.
D'autres blockchains majeures comme Solana et Base sont également des plateformes importantes pour la construction de cadres et de jetons d'agents AI. NEAR se définit comme une blockchain L1 centrée sur l'IA, offrant des fonctionnalités telles qu'un marché de tâches AI et un cadre d'agents AI open source.
L'avenir du DeFAI
Actuellement, la plupart des agents IA dans la Finance décentralisée font encore face à des limitations en matière d'autonomie totale. Par exemple, la couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacités de prévision ; les agents IA peuvent générer de l'alpha par l'analyse, mais manquent d'exécution de transactions indépendante ; les DApps alimentées par l'IA peuvent gérer des coffres ou des transactions, mais sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration d'une couche de données utile pour développer la meilleure plateforme d'agents. Cela nécessitera des données on-chain approfondies, tout en générant des données synthétiques utiles pour des analyses prédictives améliorées, et en combinant l'analyse du sentiment du marché.
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 le système mûrit, les traders DeFi pourraient à l'avenir compter sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
DeFAI est encore à un stade précoce, le potentiel des agents IA pour améliorer la disponibilité et les performances de la Finance décentralisée ne doit pas être négligé. Obtenir des données en temps réel de haute qualité est la clé pour libérer ce potentiel, ce qui améliorera les prévisions et l'exécution des transactions pilotées par l'IA.
À l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. L'intégration de technologies basées sur TEE, FHE ou même des preuves à connaissance nulle peut renforcer la vérifiabilité des comportements des agents IA, établissant ainsi la confiance dans l'autonomie.
Seule une combinaison réussie de données de haute qualité, de modèles robustes et de processus de décision transparents permettra à l'agent DeFAI d'être largement adopté.
Finance décentralisée alimentée par l'IA : les trois grands domaines et les tendances de développement futur
DeFAI : Comment l'IA peut-elle renforcer la Finance décentralisée ?
La finance décentralisée ( DeFi ) a rapidement évolué depuis 2020 et constitue un élément essentiel de l'écosystème cryptographique. Bien que de nouveaux protocoles innovants émergent constamment, cela a également conduit à une complexité et une fragmentation croissantes du système, rendant difficile pour même les utilisateurs les plus expérimentés de naviguer parmi les nombreuses chaînes, actifs et protocoles.
En même temps, l'intelligence artificielle (AI) est passée du récit macro de 2023 à un accent plus spécialisé et axé sur l'agent pour 2024. Ce changement a engendré le domaine émergent de DeFi AI(DeFAI), où l'IA améliore les capacités de la Finance décentralisée grâce à l'automatisation, la gestion des risques et l'optimisation du capital.
La Finance décentralisée (DeFi) couvre plusieurs aspects. La couche de base est la blockchain, où les agents d'IA doivent interagir avec une chaîne spécifique pour exécuter des transactions et des contrats intelligents. Au-dessus se trouvent la couche de données et la couche de calcul, fournissant l'infrastructure nécessaire à l'entraînement des modèles d'IA, ces modèles étant basés sur des données de prix historiques, des sentiments de marché et des analyses en chaîne. La couche de confidentialité et de vérification garantit que les données financières sensibles restent sécurisées tout en permettant une exécution sans confiance. La couche supérieure est le cadre des agents, permettant aux développeurs de construire des applications alimentées par l'IA, telles que des robots de trading autonomes, des évaluateurs de risque de crédit et des optimiseurs de gouvernance en chaîne.
Avec l'expansion continue de l'écosystème DeFAI, les projets les plus remarquables peuvent être classés en trois catégories principales :
1. Couche d'abstraction
De tels protocoles agissent comme une interface conviviale similaire à ChatGPT pour la Finance décentralisée, permettant aux utilisateurs d'entrer des invites exécutées sur la chaîne. Ils s'intègrent généralement à plusieurs chaînes et DApp, exécutant l'intention de l'utilisateur tout en simplifiant les étapes manuelles dans des transactions complexes.
Ces protocoles peuvent exécuter les fonctions suivantes :
Par exemple, il n'est pas nécessaire d'extraire manuellement de l'ETH d'une plateforme de prêt, de le transférer sur d'autres réseaux, d'échanger des jetons et de fournir de la liquidité sur un DEX - le protocole de couche d'abstraction peut effectuer l'opération en une seule étape.
2. Agent de négociation 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 leur stratégie en fonction des nouvelles informations. Ces agents peuvent :
3. DApps alimentés par l'IA
Les DApp de Finance décentralisée offrent des fonctionnalités de prêt, d'échange, de ferme de rendement, etc. L'IA et les agents IA peuvent améliorer ces services de la manière suivante :
Les protocoles de premier plan dans ces domaines 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 efficacité de parcours réduite, des échecs de transaction ou une absence de rentabilité.
Les modèles d'IA dépendent des données historiques, mais la volatilité du marché des cryptomonnaies est très élevée. Les agents doivent être formés sur 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 général du marché.
Pour offrir de meilleurs produits et résultats, ces protocoles devraient envisager d'intégrer divers ensembles de données de haute qualité afin d'améliorer le niveau des produits.
Couche de données - Alimenter 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 en chaîne via RPC et les API des réseaux sociaux, tandis que les agents d'optimisation des transactions et des bénéfices ont besoin de données pour affiner les stratégies de transaction et redistribuer les ressources.
Des ensembles de données de haute qualité permettent aux agents de mieux prédire les tendances futures des prix, fournissant des conseils pour le trading, afin de s'adapter aux préférences de positions longues et courtes pour certains actifs.
Les principaux fournisseurs de données de DeFAI incluent :
Mode Synth en tant que sous-réseau de Bittensor crée des données synthétiques pour la capacité de prévision financière des agents. Par rapport aux systèmes traditionnels de prévision des prix, Synth capture la distribution complète des variations de prix et leurs probabilités associées, construisant des données synthétiques précises pour soutenir les agents et les LLM.
Offrir davantage de jeux de données de haute qualité permet aux agents d'IA de prendre de meilleures décisions directionnelles dans le trading, tout en prédisant les fluctuations de l'APY dans différentes conditions de marché, afin que les pools de liquidités puissent réaffecter ou retirer des liquidités en cas de besoin.
Blockchain des agents IA
En plus de construire une couche de données pour l'IA et les agents, certaines blockchains se positionnent comme des solutions full stack pour la Finance décentralisée et l'IA. Par exemple, Mode a déployé un co-pilote DeFAI pour exécuter des transactions en chaîne via des invites utilisateur. Ils soutiennent également de nombreuses équipes basées sur l'IA et les agents, intégrant plusieurs protocoles dans leur écosystème.
Ces mesures sont mises en œuvre en parallèle avec leur mise à niveau du réseau par l'IA, y compris l'équipement de la blockchain avec des classificateurs IA. En utilisant la simulation et l'analyse IA des transactions avant leur exécution, il est possible de bloquer et d'examiner les transactions à haut risque avant leur traitement, afin d'assurer la sécurité sur la chaîne.
D'autres blockchains majeures comme Solana et Base sont également des plateformes importantes pour la construction de cadres et de jetons d'agents AI. NEAR se définit comme une blockchain L1 centrée sur l'IA, offrant des fonctionnalités telles qu'un marché de tâches AI et un cadre d'agents AI open source.
L'avenir du DeFAI
Actuellement, la plupart des agents IA dans la Finance décentralisée font encore face à des limitations en matière d'autonomie totale. Par exemple, la couche d'abstraction transforme l'intention de l'utilisateur en exécution, mais manque souvent de capacités de prévision ; les agents IA peuvent générer de l'alpha par l'analyse, mais manquent d'exécution de transactions indépendante ; les DApps alimentées par l'IA peuvent gérer des coffres ou des transactions, mais sont passives plutôt qu'actives.
La prochaine étape de DeFAI pourrait se concentrer sur l'intégration d'une couche de données utile pour développer la meilleure plateforme d'agents. Cela nécessitera des données on-chain approfondies, tout en générant des données synthétiques utiles pour des analyses prédictives améliorées, et en combinant l'analyse du sentiment du marché.
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 le système mûrit, les traders DeFi pourraient à l'avenir compter sur des agents IA pour évaluer, prédire et exécuter des stratégies financières de manière autonome avec un minimum d'intervention humaine.
DeFAI est encore à un stade précoce, le potentiel des agents IA pour améliorer la disponibilité et les performances de la Finance décentralisée ne doit pas être négligé. Obtenir des données en temps réel de haute qualité est la clé pour libérer ce potentiel, ce qui améliorera les prévisions et l'exécution des transactions pilotées par l'IA.
À l'avenir, la vérifiabilité et la confidentialité deviendront des défis clés que les protocoles devront relever. L'intégration de technologies basées sur TEE, FHE ou même des preuves à connaissance nulle peut renforcer la vérifiabilité des comportements des agents IA, établissant ainsi la confiance dans l'autonomie.
Seule une combinaison réussie de données de haute qualité, de modèles robustes et de processus de décision transparents permettra à l'agent DeFAI d'être largement adopté.
![Finance décentralisée et IA : comment libérer le potentiel de la Finance décentralisée ?](https://img-cdn.gateio.im/webp-social/moments-56a89e79609d8f982d5d31dadfad9205.webp01