借助 AI 交易：初探 DeFai 生态

作者：Henry @IOSG

一、前言

在短短 3 个月内，AI x memecoin 的市值已达到 134 亿美元，与一些成熟的 L1（如 AVAX 或 SUI）规模相当。

事实上，人工智能与区块链的关系由来已久，从早期 Bittensor 子网上的去中心化模型训练，到 Akash 和 io.net 等去中心化 GPU / 算力资源市场，再到当前 Solana 上的 AI x memecoins 和框架浪潮。每个阶段都表明，加密货币在一定程度上可以通过资源聚合对人工智能进行补充，从而实现主权人工智能和消费者用例。

在第一波 Solana AI 币浪潮中，有些带来了有意义的实用性，而不仅仅是纯粹的投机。我们看到出现了像 ai16z 的 ELIZA 这样的框架，AI agents 则出现了像 aixbt 这样提供市场分析和内容创作的人工智能代理，或将 AI 与区块链能力集成的工具包等。

在 AI 的第二波浪潮中，随着更多工具的成熟，应用已成为关键的价值驱动因素，而 DeFi 已成为这些创新的完美试验场。为简化表述，在本研究中，我们将 AI 与 DeFi 的结合称作 “DeFai”。

根据 CoinGecko 的数据，DeFai 的市值约为 10 亿美元。Griffian 以 45% 的份额占据市场主导地位，而 $ANON 则占比 22%。这个赛道在 12 月 25 日之后开始经历快速增长，与同期的 Virtual 和 ai16z 等框架和平台在圣诞假期后迎来了强势增长。

▲ 来源：Coingecko.com

这仅仅只是第一步，DeFai 的潜力远不止于此。虽然 DeFai 仍处于概念验证阶段，但我们不能低估它的潜力，它将利用 AI 所能提供的智能和效率，把 DeFi 行业转变为一个更加用户友好、智能和高效的金融生态系统。

在深入了解 DeFai 的世界之前，我们需要了解代理（Agent）在 DeFi / 区块链中的实际运作方式。

二、Agent 在 DeFi 系统中如何运作

人工智能代理（AI Agent）指的是可以根据工作流程代表用户执行任务的程序。AI Agent 背后的核心是 LLM（大语言模型），该模型可以根据其训练或学习到的知识做出反应，但这种反应往往是有限制的。

Agent 与机器人有本质区别。机器人通常针对特定任务，需要人工监督，并需要在预定义的规则和条件下运行。相比之下，agent 更具动态性和适应性，能够自主学习以实现特定目标。

为了创造更个性化的体验和更全面的响应，agent 可以将过去的互动存储在内存中，从而使代理能够从用户的行为模式中学习并调整其响应，根据历史背景生成量身定制的建议和策略。

在区块链中，agent 可以与智能合约和账户互动，处理复杂的任务，而无需持续的人工干预。例如，在简化 defi 用户体验方面，包括一键执行多步桥接和 farming、优化 farming 策略以获得更高的回报、执行交易（买入/卖出）并进行市场分析，所有这些步骤都是自主完成的。

参考 @3sigma 的研究，大多数模型都遵循 6 个特定的工作流程：

• 数据收集 

• 模型推理 

• 决策制定 

• 托管和运行 

• 互操作性

• 钱包

1.数据收集

首先，模型需要了解其工作环境。因此它们需要多个数据流，以使模型与市场状况保持同步。这包括：1) 来自索引器和预言机的链上数据 2) 来自价格平台的链下数据，例如 CMC / Coingecko / 其他数据提供商的数据 API。 

2.模型推理

一旦模型学习了环境，它们就需要应用这些知识，根据用户新的、未识别过的输入数据进行预测或执行。Agent 使用的模型包括：

1. 监督学习和非监督学习：在有标签或无标签数据上训练的模型，用于预测结果。在区块链语境下，这些模型可以分析治理论坛数据，以预测投票结果或识别交易模式。

2. 强化学习：通过评估其行为的奖惩结果，在试错中学习的模型。其应用包括优化代币交易策略，如确定购买代币的最佳买入点或调整 farming 参数。

3. 自然语言处理（NLP）：理解和处理人类语言输入的技术，这对于扫描治理论坛和提案以获取观点来说非常有价值。

▲ 来源：https://www.researchgate.net/figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266

3.决策制定

通过训练有素的模型和数据，agent 可利用其决策能力采取行动。这包括阐释现下情况并做出适当反应。

在这一阶段，优化引擎在寻找最佳结果方面发挥着重要作用。例如，在执行收益策略之前，agent 需要平衡滑点、价差、交易成本和潜在利润等多种因素。

由于单个 agent 可能无法优化不同领域的决策，因此可以部署多代理系统来进行协调。

4.托管和运行

由于任务的计算密集性质，AI Agent 通常将其模型托管在链下。一些 agent 依赖 AWS 等中心化云服务，而那些倾向于去中心化的 agent 则使用 Akash 或 ionet 等分布式计算网络以及 Arweave 进行数据存储。

虽然 AI Agent 模型在链下运行，但 agent 需要与链上协议交互，以执行智能合约功能及管理资产。这种交互需要安全的密钥管理解决方案，如 MPC 钱包或智能合约钱包，以安全地处理交易。Agent 可以通过 API 进行操作，在 Twitter 和 Telegram 等社交平台上与其社区进行交流和互动。

5.互操作性

Agent 需要与各种协议交互，同时在不同系统间保持更新。它们通常使用 API 桥接器来获取外部数据，如价格馈送（price feed）。

为了及时了解当前协议状态并做出适当响应，agent 需要通过 webhooks 或 IPFS 等去中心化消息传递协议进行实时同步。

6.钱包

Agent 需要一个钱包或访问私钥来发起区块链交易，市场上有两种常见的钱包/密钥管理方式：基于 MPC 和基于 TEE 的解决方案。

对于投资组合管理的应用，MPC 或 TSS 可以在 agent、用户和可信方之间拆分密钥，而用户仍可对 AI 保持一定程度的控制。Coinbase AI Replit 钱包有效地实现了这种方法，展示了如何利用 AI agent 实现 MPC 钱包。

对于完全自主的 AI 系统，TEE 提供了一种替代方案，将私钥存储在一个安全飞地中，使整个AI agent 能够在一个隐蔽和受保护的环境中运行，不受第三方干扰。然而，TEE 解决方案目前面临两大挑战：硬件集中化和性能开销。

在克服这些难题后，我们将能够在区块链上创建一个自主代理，不同的 agent 可以在 DeFi 生态系统中各司其职，以提高效率、改善链上交易体验。

总的来说，我暂且将 DeFi x Ai 分为 4 大类：

1. 抽象/用户体验友好型 AI 

2. 收益优化或投资组合管理

3. 市场分析或预测机器人 

4. DeFai 基础设施/平台

三、打开 DeFi x AI 世界的大门 — DeFai

▲ 来源：IOSG Venture

#1 抽象/用户体验友好型 AI

人工智能的目的是为用户提高效率、解决复杂问题和简化复杂任务。基于抽象的人工智能可以简化新手和现有交易者访问 DeFi 的复杂性。

在区块链领域，有效的 AI 解决方案应该能够：

• 自动执行多步骤交易和质押操作，用户无需具备任何行业知识；

• 执行实时研究，提供用户做出明智交易决策所需的所有必要信息和数据；

• 从各种平台获取数据，识别市场机会，为用户提供全面分析。

这些抽象工具大多以 ChatGPT 为核心。虽然这些模型需要与区块链无缝集成，但在我看来，似乎没有任何模型经过专门训练或与根据区块链数据进行适配。

Griffain

Griffain 的创始人 Tony 在 Solana 黑客松中提出这一概念。后来他将这一想法转化为功能性产品，并获得了 Solana 创始人 Anatoly 的支持和认可。

简单地说，griffain 是目前 Solana 上第一个也是性能最强的抽象 AI，它可以执行 swap、钱包管理、NFT 铸造和代币狙击等功能。

以下是 griffain 提供的具体功能：

• 用自然语言执行交易

• 使用 pumpfun 发行代币，铸造 NFT，并可选择地址进行空投

• 多 agent 协调

• Agent 可代表用户发布推文

• 根据特定关键字或条件在 pumpfun 上狙击新上线的 memecoins 

• 质押、自动化和执行 DeFi 策略

• 调度任务，用户可以向 agent 输入 input，创造量身定制的代理

• 从平台获取数据进行市场分析，例如识别代币的持有者分布

尽管 griffain 提供了众多功能，但用户仍需要手动输入 token 地址或向 agent 提供具体的执行指令。因此对于不熟悉这些技术指令的初学者来说，目前的产品还有优化的空间。

到目前为止，griffain 提供两种类型的AI agent：个人人工智能代理和特殊代理。

个人人工智能代理 (Personal AI Agent) 由用户控制。用户可以自定义指令和输入内存设置，以便根据个人情况定制代理。

特殊代理 (Special agents) 是为特定任务设计的代理。例如，“空投代理” (Airdrop Agent) 经过训练后可查找地址并将代币分配给指定的持有者，而 “质押代理” (Staking Agent) 经过编程后可将 SOL 或其他资产质押到资产池中，以实现挖矿策略。

Griffain 的多代理协作系统是一个显著特点，多个 agent 可以在一个聊天室里协同工作。这些 agent 既能独立解决复杂的任务，又能保持协作。

▲ 来源：Source: https://griffain.com

账户创建后，系统会生成一个钱包，用户可以将账户委托给 agent，由其自主执行交易和管理投资组合。

其中，密钥通过 Shamir Secret Sharing 进行拆分，这样 griffain 和 privy 都无法托管钱包，根据 Slate 的介绍，SSS 的工作原理是将密钥拆分为三个部分，包括：

1. 设备共享：存储在浏览器中，打开标签页时检索

2. 授权共享：存储在 Privy 服务器上，在验证和登录应用程序时检索

3. 恢复共享：加密存储在 Privy 服务器上，只有在用户输入密码登录标签页时才能解密并获取

此外，用户还可以在 griffain 前端选择导出或导出。

Anon 

Anon 由 Daniele Sesta 建立，他因创建 DeFi 协议 Wonderland 和 MIM (Magic Internet Money) 而闻名。与 Griffain 类似，Anon 也是为了简化用户与 DeFi 的交互。

虽然该团队已经对其未来功能做出介绍，但由于产品尚未公开，因此还没有任何功能得到验证。部分功能包括：

• 使用自然语言（包括中文在内的多语言）执行交易  

• 通过 LayerZero 实现跨链桥接

• 与 Aave、Sparks、Sky 和 Wagmi 等伙伴协议进行借贷和供应

• 通过 Pyth 获取实时价格和数据信息

• 提供基于时间和 gas price 的自动执行和触发器

• 提供实时市场分析，如情绪检测、社交资料分析等

除核心功能外，Anon 还支持各种 AI 模型，包括 Gemma、Llama 3.1、Llama 3.3、Vision、Pixtral 和 Claude。这些模型有可能提供有价值的市场分析，提供有助于用户节省研究时间并做出明智决策，这在当今每天都有市值 1 亿的新代币出现的市场中尤为宝贵。

钱包可以导出、撤销授权，但有关钱包管理和安全协议的具体细节尚未公开。

除核心功能外，Anon 还支持各种 AI 模型，包括 Gemma、Llama 3.1、Llama 3.3、Vision、Pixtral 和 Claude。

除此之外，daniele 最近发布了 2 条关于 Anon 的更新：

• Automate 框架：

  一个 typeScript 框架，可帮助更多项目更快地与 Anon 集成。该框架将要求所有数据和交互都遵循预定义的结构，以便 Anon 可以降低 AI 被幻觉的风险并更加可靠。

• Gemma：

  一个Research / 研究代理，可以从链上 defi 指标（例如 TVL、交易量、prepdex 资金率）和链下数据（例如 Twitter 和 Telegram）收集实时数据，以进行社交情绪分析。这些数据将转化为机会警报和针对用户的定制见解。

从文档来看，这使得 Anon 成为整个领域中最受期待和最强大的抽象工具之一。这在当今每天都有市值 1 亿的新代币出现的市场中尤为宝贵。

Slate

在 BigBrain Holdings 的支持下，Slate 将自己定位为 “Alpha AI”，可根据链上信号进行自主交易。目前 Slate 是唯一能够在 Hyperliquid 上自动执行交易的抽象 AI。

Slate 优先考虑价格路由、快速执行，并能在交易前进行模拟。主要功能包括：

• EVM 链和 Solana 之间的跨链 swap

• 基于价格、市值、gas 费用和盈亏指标的自动交易

• 自然语言任务调度

• 链上交易聚合 

• Telegram 通知系统

• 可开仓多空、在特定条件下清偿、LP 管理+挖矿，包括在 hyperliquid 上执行

总体而言，其费用结构分为两种： 

1. 常规操作：Slate 对常规转账/提款不收取费用，但对 swap、桥接、claim、借入、借出、偿还、质押、解除质押、做多、做空、锁定、解锁等操作收取 0.35% 的费用。

2. 条件操作：如果设置了条件订单 (如限价订单)。如果基于 gas 费用条件，Slate 将收取 0.25% 手续费；所有其他条件的费用则为 1.00 %。

在钱包方面，Slate 集成了 Privy 的嵌入式钱包架构，确保 Slate 和 Privy 都不会托管用户的钱包。用户既可以连接自己现有的钱包，也可以授权 agent 代表自己执行交易。

▲ 来源：https://docs.slate.ceo

抽象AI的对比分析

对比主流抽象 AI：

▲ 来源：IOSG Venture

目前大多数 AI 抽象工具支持在 Solana 和 EVM 链之间进行跨链交易和资产桥接。Slate 提供 Hyperliquid 集成，而 Neur 和 Griffin 目前仅支持 Solana，但预计很快会加入跨链支持功能。

大多数平台整合了 Privy 内嵌钱包和 EOA 钱包，允许用户自主管理资金，但需要用户授权 agent 访问以执行某些交易。这为 TEE (Trusted Execution Environment) 提供了机会，以确保 AI 系统的防篡改性。

尽管大多数 AI 抽象工具共享如代币发行、交易执行和自然语言条件订单等功能，但它们的性能差异显著。

在产品层面，我们仍处于抽象 AI 的初期阶段。通过比较上述提到的五个项目，Griffin 因其丰富的功能集、广泛的合作网络以及多代理协作的工作流处理而脱颖而出 (Orbit 也是支持多代理的另一个项目)。Anon 凭借快速响应、多语言支持和 Telegram 集成而表现出色，而 Slate 则得益于其复杂的自动化平台，且是唯一支持 Hyperliquid 的代理。

然而，在所有抽象 AI 中，一些平台在处理基础交易 (如 USDC Swap) 时仍面临挑战，例如无法准确获取正确的代币地址或价格，或未能分析最新的市场趋势。响应时间、准确性和结果相关性也是衡量模型基本性能的重要差异化因素。未来，我们希望与团队合作开发一个透明化的仪表板，实时追踪所有抽象 AI 的表现。

#2 自主收益优化与投资组合管理

与传统收益策略不同，该领域的协议使用 A I分析链上数据以进行趋势分析，并提供帮助团队开发更优收益优化和投资组合分配策略的信息。
为了降低成本，模型通常在 Bittensor 子网或链下训练。为了让 AI 能够自主执行交易，采用了 ZKP (零知识证明) 等验证方法以确保模型的诚实性和可验证性。以下是几个优化受益 DeFai 协议的例子：

T3AI 是一个支持非足额抵押的借贷协议，通过使用 AI 作为中介和风险引擎。其 AI agent 实时监控贷款健康状况，并通过 T3AI 的风险指标框架确保贷款可清偿。同时，AI 通过分析不同资产之间的关系及其价格变化趋势，提供精确的风险预测。T3AI 的 AI 具体表现为：

• 分析主要 CEX 和 DEX 的价格数据；

• 测量不同资产的波动性；

• 研究资产价格的相关性和联动性；

• 发现资产交互中的隐藏模式。

AI 将根据用户的投资组合建议最优配置策略，并在模型调整后潜在实现自主的 AI 投资组合管理。此外，T3AI 还通过 ZK 证明和验证者网络确保所有操作的可验证性和可靠性。

▲ 来源：https://www.trustinweb3.xyz/

Kudai

Kudai 是一个实验性的 GMX 生态系统代理，由 GMX Blueberry Club 利用 EmpyrealSDK 工具包开发，其代币目前在 Base 网络上交易。

Kudai 的理念是将 $KUDAI 产生的所有交易费用用于资助自主交易操作的代理，并将利润分配给代币持有者。

在即将到来的第 2/4 阶段，Kudai 将能够解释 Twitter 上的自然语言：

• 购买并质押 $GMX 以生成新收入流；

• 投资于 GMX GM 池以进一步提高收益；

• 以最低价购买 GBC NFT 以扩展投资组合。

在此阶段之后，Kudai 将完全自主化，可独立执行杠杆交易、套利和赚取资产回报 (利息)。除此之外团队尚未披露更多信息。

Sturdy Finance V2

Sturdy Finance 是一个借贷与收益聚合器，利用由 Bittensor SN10 子网矿工训练的 AI 模型，通过在不同的白名单 silo 池之间转移资金来优化收益。

Sturdy 采用两层架构，由独立资产池 (silo pools) 和聚合层 (aggregator layer) 组成：

1. 独立资产池（Silo Pools）
   这些是单一资产隔离池，用户只能在其中借贷单一资产或使用单一抵押品进行借款。

2. 聚合层（Aggregator Layer）
   聚合层基于 Yearn V3 构建，通过利用率和收益率将用户资产分配到经过白名单审核的独立资产池中。Bittensor 子网为聚合器提供最佳的分配策略。当用户将资产存入聚合器时，他们仅暴露于所选的抵押品类型，完全避免了来自其他借贷池或抵押资产的风险。

▲ 来源：https://sturdy.finance

截至本文撰写时，Sturdy V2 的 TVL 自 2024 年 5 月以来一直下降，目前聚合器的 TVL 约为 390 万美元，占协议总 TVL 的 29%。

自 2024 年 9 月以来，Sturdy 的日活跃用户始终保持在两位数（>100），其中 pxETH 和 crvUSD 是聚合器中的主要借贷资产。然而，该协议的表现在过去几个月中明显停滞。引入 AI 的整合似乎是为了希望重新激发协议的增长动能。

▲ 来源：https://dune.com/tk-research/sturdy-v2

#3 市场分析代理

#Aixbt

Aixbt 是一个市场情绪追踪代理，聚合并分析来自 400 多位 Twitter KOL 的数据。借助其专有引擎，AixBT 能够识别实时趋势并全天候发布市场观察信息。

在现有的 AI agent 中，AixBT 拥有显著的 14.76% 的市场关注份额，使其成为生态系统中最具影响力的代理之一。

▲ 来源：Kaito.com

Aixbt 是为社交媒体互动而设计，其发布的洞察直接反映了市场的注意力焦点。

其功能不仅仅局限于提供市场洞察 (alpha)，还包括互动性。AixBT 能够回复用户问题，甚至通过 Twitter 使用专业工具包进行代币发行。例如，$CHAOS 代币便是 AixBT 和另一个交互式机器人 Simi 利用 @EmpyrealSDK 工具包合作创建的。

截至目前，持有 600,000 枚 $AIXBT 代币（价值约 24 万美元）的用户可访问其分析平台和终端。

#4 去中心化 AI 基础设施和平台

Web3 AI Agent 的存在离不开去中心化基础设施的支持。这些项目不仅为模型训练和推理提供支持，还提供数据、验证方法以及协调层，以推动 AI 代理的开发。

无论是 Web2 还是 Web3 的 AI，模型、计算能力、数据始终是推动大语言模型 (LLM) 和 AI  agent 卓越发展的三大基石。通过去中心化方式训练的开源模型将受到 agent 构建者的青睐，因为这种方式完全消除了中心化所带来的单点风险，并为用户所拥有的 AI 开辟了可能性。开发者无需依赖 Google、Meta 和 OpenAI 等 Web2 AI 巨头的 LLM API。

以下是由 Pinkbrains 绘制的 AI 基础设施图：

▲ 来源：Pink Brains

模型创建

Nous Research、Prime Intellect 和 Exo Labs 等先锋机构正在推动去中心化训练的边界。

Nous Research 的 Distro 训练算法以及 Prime Intellect 的 DiLoco 算法已经成功在低带宽环境中训练出拥有超过 100 亿参数的模型，这表明在传统中心化系统之外，同样可以实现大规模训练。Exo Labs 更进一步推出了 SPARTA 分布式 AI 训练算法，将 GPU 间的通信量减少了 1000 倍以上。

Bagel 正致力于成为一个去中心化的 HuggingFace，为 AI 开发者提供模型和数据，同时通过加密技术解决开源数据的归属和货币化问题。Bittensor 则构建了一个竞争性市场，参与者可贡献算力、数据和智能，以加速 AI 模型和代理的开发。

数据与算力服务商

许多人认为 AixBT 能够在实用型代理类别中脱颖而出，主要得益于其高质量数据集的获取能力。

Grass、Vana、Sahara、Space and Time 和 Cookie DAOs 等提供商供应高质量、领域特定的数据，或允许 AI 开发者访问数据“围墙花园”，从而增强其能力。通过利用超过 250 万个节点，Grass 每日可抓取高达 300 TB 的数据。

目前，Nvidia 仅能在 2000 万小时的视频数据上训练其视频模型，而 Grass 的视频数据集规模是其 15 倍 (3 亿小时)，并且每天增长 400 万小时——也就是 Nvidia 总数据集的 20% 每天都在被 Grass 收集。换句话说，Grass 仅需 5 天就能获取 Nvidia 总视频数据集的等量数据。

没有计算资源，agent 无法运行。Aethir 和 io.net 等算力市场通过聚合各种 GPU，为 agent 开发者提供了经济高效的选择。Hyperbolic 的去中心化 GPU 市场将计算成本削减了多达 75%，同时托管开源 AI 模型，提供与 Web2 云提供商相当的低延迟推理能力。

Hyperbolic 通过推出 AgentKit，进一步增强其 GPU 市场和云服务。AgentKit 是一个强大的接口，允许 AI 代理完全访问 Hyperbolic 的去中心化 GPU 网络。它具有 AI 可读的算力资源地图，能够实时扫描并提供有关资源可用性、规格、当前负载和性能详细信息。

AgentKit 开启了一个革命性的未来，agent 可以独立获取所需的算力并支付相关费用。

验证机制

通过创新的 Proof of Sample 验证机制，Hyperbolic 确保生态系统中的每次推理交互都经过验证，为未来的代理世界建立信任基础。

然而，验证仅解决了自主代理信任问题的一部分。另一个信任维度涉及隐私保护，而这正是 Phala、Automata 和 Marlin 等 TEE (可信执行环境) 基础设施项目的优势。例如，这些 AI agent 所使用的专有数据或模型可以被安全地保护。

事实上，真正的自主代理无法在没有 TEE 的情况下完全运行，因为 TEE 对于保护敏感信息至关重要，比如保护钱包私钥、防止未经授权的访问，以及确保 Twitter 账户的登录安全等。

TEE 的工作原理

TEE (可信执行环境) 在处理过程中将敏感数据隔离在受保护的 CPU/GPU enclave (安全区域) 内。只有授权的程序代码才能访问 enclave 的内容，而云服务提供商、开发人员、管理员以及其他硬件部分均无法访问这一区域。

TEE 的主要用途是执行智能合约，尤其是在涉及更敏感金融数据的 DeFi 协议中。因此，TEE 与 DeFai 的集成包括传统的 DeFi 应用场景，例如：

1. 交易隐私：TEE 可以隐藏交易细节，如发送方和接收方地址以及交易金额。Secret Network 和 Oasis 等平台使用 TEE 保护 DeFai 应用程序中的交易隐私，从而实现隐私支付。

2. 抗 MEV：通过在 TEE 中执行智能合约，区块构建者无法访问交易信息，从而防止了产生 MEV 的抢跑攻击。Flashbots 利用 TEE 开发了 BuilderNet，这是一个去中心化的区块构建网络，可降低与中心化区块构建相关的审查风险。Unichain 和 Taiko 等链也使用 TEE 为用户提供更好的交易体验。

这些功能也适用于 ZKP 或 MPC 等替代解决方案。不过，TEE 目前在这三种解决方案中执行智能合约的效率最高，原因很简单，因为该模型是基于硬件的。

在代理方面，TEE 为代理提供了各种能力：

1. 自动化：TEE 可以为 agent 创建独立的操作环境，确保其策略的执行不受人为干扰。这保证了投资决策完全基于代理的独立逻辑。

2. TEE 还能让 agent 控制社交媒体账户，确保其发表的任何公开声明都是独立的，不受外界影响，从而避免广告等宣传的嫌疑。Phala 正与 AI16Z 团队合作，使 Eliza 能够在 TEE 环境中高效运行。

3. 可验证性：人们可以验证 agent 是否在使用承诺的模型进行计算并产生有效结果。Automata 和 Brevis 正在合作开发这种功能。

AI Agent 集群

随着越来越多具有特定用例（DeFi、游戏、投资、音乐等）的专业代理进入这一领域，更好的 agent 协作和无缝通信变得至关重要。

代理群框架的基础设施已经出现，以解决单体代理的局限性。群集智能允许代理作为一个团队协同工作，汇集它们的能力来实现共同的目标。协调层将复杂性抽象化，使代理更容易在共同目标和激励机制下开展协作。

包括 Theoriq、FXN 和 Questflow 在内的几家 Web3 公司正在朝这个方向发展。在所有这些参与者中，最初于 2022 年作为 ChainML 推出的 Theoriq 在实现这一目标方面的努力时间最长，其愿景是成为代理人工智能的通用基础层。

为了实现这一愿景，Theoriq 在底层模块处理 agent 注册、支付、安全、路由、规划和管理。它还连接了供需双方，提供了一个名为 Infinity Studio 的直观代理构建平台，允许任何人部署自己的代理，同时还提供了 Infinity Hub（一个客户可以浏览所有可用代理的市场）。在其蜂群系统中，元代理会为给定任务选择最合适的代理，创建 “蜂群 ” (swarms) 以实现共同目标，同时跟踪声誉和贡献以保持质量和责任。

Theoriq 代币提供了经济保障，代理运营商和社区成员可以用代币来表示对代理的质量和信任，从而激励优质服务，阻止恶意行为。代币还可作为一种交换媒介，用于支付服务费用和访问数据，并奖励贡献数据、模型等的参与者。

▲ 来源：Theoriq

随着围绕 AI Agent 的讨论逐渐成为一个长期的行业领域，并由明确的实用代理带头，我们可能会看到 Crypto x AI 基础设施项目的复兴，并带来强劲的价格表现。这些项目有可能利用其风险投资资金、多年的研发经验和特定领域的技术专长，在整个价值链上进行扩张。这可以让它们开发出自己的高级实用 AI Agent，能够超越目前市场上 95% 的其他 agents。

四、DeFai 的演变及未来

我始终认为，市场的发展将分为三个阶段：首先是要求效率，然后是去中心化，最后是隐私化。DeFai 将分为 4 个阶段。

DeFi 人工智能的第一阶段将重点关注效率，通过各种工具改善用户体验，以完成复杂的 DeFi 任务，而无需扎实的协议知识。例子包括：

• 即使格式不完善也能理解用户提示的人工智能

• 在最短的区块时间内快速执行 swap

• 实时市场调研，帮助用户根据自己的目标做出有利决策

如果创新得以实现，可以助力用户节省时间和精力，同时降低链上交易的门槛，有可能在未来几个月内创造一个 “魅影 ”时刻。

在第二阶段，agent 将在极少人为干预的情况下自主交易。交易代理可以根据第三方的观点或其他代理的数据执行策略，这将创造一种新的 DeFi 模式。专业或成熟的 DeFi 用户可以微调自己的模型建立代理，为自己或客户创造最佳收益，从而减少人工监控。

在第三阶段，用户将开始关注钱包管理问题和人工智能验证，因为用户会要求透明度。TEE 和 ZKP 等解决方案将确保人工智能系统防篡改、不受第三方干扰并可验证。

最后，一旦这些阶段完成，无代码 DeFi AI 工程工具包或 AI 即服务协议就可以创建一个基于代理的经济，使用根据加密货币训练后的模型进行交易。

虽然这一愿景雄心勃勃，令人振奋，但仍有几个瓶颈尚待解决：

• 目前的大多数工具都只是 ChatGPT 包装，没有明确的基准来识别高质量项目

• 链上数据碎片化将人工智能模型推向中心化而非去中心化，目前还不清楚链上代理将如何解决这一问题