저자: DFG 공식 출처: 매체 굿오바, 골든파이낸스 번역

디파이란 무엇인가요

탈중앙화 금융(DeFi)은 2020년에 급속도로 확장된 이후 암호화폐 생태계의 중심축이 되어 왔습니다. 새롭고 혁신적인 프로토콜이 많이 생겨났지만, 이로 인해 복잡성과 파편화가 증가하여 숙련된 사용자도 수많은 체인, 자산, 프로토콜을 탐색하기 어려워졌습니다.

동시에 인공지능(AI)은 2023년 광범위한 기반에서 2024년 보다 전문화된 에이전트 중심으로 진화했습니다. 이러한 변화는 자동화, 위험 관리, 자본 최적화를 통해 AI가 DeFi를 보강하는 새로운 분야인 DeFi AI(DeFAI)를 탄생시켰습니다.

DeFAI는 여러 계층에 걸쳐 있습니다. AI 에이전트가 거래를 실행하고 스마트 계약을 실행하려면 특정 체인과 상호 작용해야 하므로 블록체인은 기본 계층입니다. 또한 데이터 및 컴퓨팅 계층은 과거 가격 데이터, 시장 정서, 온체인 분석에서 파생된 AI 모델을 훈련하는 데 필요한 인프라를 제공합니다. 프라이버시 및 검증 레이어는 민감한 금융 데이터를 안전하게 보호하는 동시에 신뢰 없는 실행을 유지합니다. 마지막으로 에이전트 프레임워크를 통해 개발자는 자율 트레이딩 봇, 신용 위험 평가자, 온체인 거버넌스 옵티마이저와 같은 전문화된 AI 기반 애플리케이션을 구축할 수 있습니다.

이 생태계 매핑은 더 확장할 수 있지만, 다음은 DeFAI에 구축된 프로젝트의 상위 범주입니다. 를 기반으로 구축된 프로젝트의 최상위 카테고리입니다.

DeFAI 생태계가 계속 확장됨에 따라 가장 눈에 띄는 프로젝트는 세 가지 주요 카테고리로 분류할 수 있습니다.

1. 추상화 레이어

이 범주에 구축된 프로토콜은 사용자가 체인 실행을 위한 프롬프트를 입력할 수 있도록 하는 DeFi용 ChatGPT와 같은 사용자 친화적인 인터페이스 역할을 합니다. 일반적으로 여러 체인 및 디앱과 통합되며, 복잡한 트랜잭션에서 수동 단계를 제거하면서 사용자의 의도를 실행합니다.

이러한 프로토콜이 수행할 수 있는 기능은 다음과 같습니다:

• 체인 간 거래 전환, 브리징, 대출/인출, 실행.

• 거래 지갑 또는 트위터/X 프로필 복사

• 포지션 규모 비율에 따라 이익실현/손절매 등 거래 자동화

예를 들어, 에이브에서 이더를 수동으로 추출하여 솔라나에 연결하고, SOL/파트코인 교환, 레이디움에 유동성을 공급하는 대신 추상화 레이어 프로토콜을 사용하면 한 단계만 거치면 됩니다! 완료되었습니다.

주요 프로토콜 :

• @griffaindotcom . - 사용자를 위해 트랜잭션을 실행하는 에이전트 네트워크

• @HeyAnonai - 사용자 프롬프트 처리 및 실시간 인사이트 제공을 위한 프로토콜

• < p style="text-align: 왼쪽;">@orbitcryptoai - DeFi 상호작용을 위한 AI 동반자

2. 자율 트레이딩 에이전트

사전 설정된 규칙을 따르는 기존 트레이딩 로봇과 달리 자율 트레이딩 에이전트는 시장 상황을 학습하고 적응하며 새로운 정보에 대응하여 전략을 조정할 수 있습니다. 이러한 에이전트는 다음을 수행할 수 있습니다.

• 데이터를 분석하여 지속적으로 전략을 개선

• 시장의 움직임을 예측하여 더 나은 롱/숏 결정을 내리기 위해

• 파운데이션 거래와 같은 복잡한 디파이 전략 실행

주요 프로토콜:

• @알마낙__ - 자율 금융 에이전트 교육, 최적화 및 배포를 위한 플랫폼

• @Cod3xOrg___ - 블록체인에서 금융 업무를 수행하는 AI 에이전트 출시

• @Spectral_Labs___;. - 자율적인 온체인 거래 에이전트 네트워크 구축

3. 인공지능 기반 디앱

디파이 디앱은 대출, 스와핑, 이자 농사 등을 제공합니다. 인공지능과 인공지능 에이전트는 다음을 통해 이러한 서비스를 강화할 수 있습니다.

• 더 나은 APY를 위해 LP 포지션을 재조정하여 유동성 공급을 최적화

• 잠재적 카펫 또는 허니팟을 감지하여 토큰의 리스크를 스캔

주요 프로토콜 :

• @gizatechxyz의 ARMA - 모드 및 베이스에서 USDC 수익률 최적화를 위한 AI 에이전트

• @SturdyFinance - 인공지능 기반 수익률 금고

• @derivexyz  - 지능형 AI 공동 파일럿을 사용한 최적화된 옵션 및 퍼프 플랫폼

주요 과제

이 계층에 구축된 최상위 프로토콜은 다음과 같은 여러 가지 문제에 직면해 있습니다. 과제:

1. 이러한 프로토콜은 최적의 트랜잭션 실행을 위해 실시간 데이터 피드에 의존합니다. 데이터 품질이 좋지 않으면 비효율적인 경로, 거래 실패 또는 수익성 없는 거래로 이어질 수 있습니다

2. 인공지능 모델은 과거 데이터에 의존하지만 암호화폐 시장은 변동성이 매우 큽니다. 에이전트는 효율성을 유지하기 위해 다양한 고품질 데이터 세트에 대한 교육을 받아야 합니다

3. 전체 시장 상황을 이해하려면 자산 상관관계, 유동성 변화, 시장 심리에 대한 종합적인 이해가 필요합니다

이러한 카테고리에 기반한 계약은 시장에서 호평을 받고 있습니다. 그러나 더 나은 상품과 최적의 결과를 제공하기 위해서는 다양한 품질의 다양한 데이터 세트를 통합하여 한 단계 더 높은 수준의 서비스를 제공하는 것을 고려해야 합니다.

데이터 레이어 - DeFAI 인텔리전스 강화

인공지능은 의존하는 데이터만큼만 우수합니다. 인공지능 에이전트가 DeFAI에서 효과적으로 작동하려면 구조화되고 검증 가능한 실시간 데이터가 필요합니다. 예를 들어 추상화 계층은 RPC와 소셜 네트워크 API를 통해 온체인 데이터에 액세스해야 하며, 트레이딩 및 수익률 최적화 에이전트는 트레이딩 전략을 더욱 구체화하고 리소스를 재할당하기 위해 데이터가 필요합니다.

고품질 데이터 세트를 통해 에이전트는 미래 가격 움직임에 대한 더 나은 예측 분석을 수행하고 특정 자산의 매수 또는 매도 포지션에 대한 선호도에 맞는 거래 추천을 할 수 있습니다.

DeFAI의 기본 데이터 제공자

패턴 합성 서브네트워크

비텐서의 50번째 서브네트워크인 Synth는 에이전트의 재무 예측 기능을 위한 합성 데이터를 생성합니다. Synth는 기존의 다른 가격 예측 시스템과 비교하여 가격 움직임의 전체 분포와 관련 확률을 포착하여 세계에서 가장 정확한 합성 데이터를 구축하여 에이전트와 LLM을 지원합니다.

더 많은 고품질 데이터 세트를 제공하면 AI 에이전트가 거래에서 더 나은 방향성을 결정하고 다양한 시장 조건에서 APY 변동성을 예측하여 유동성 풀이 필요할 때 유동성을 재할당하거나 인출할 수 있습니다. 자율 네트워크 출시 이후, 탈중앙 금융 팀은 API를 통해 신스의 데이터 통합을 강력하게 요청해 왔습니다.

가장 화제를 모으고 있는 AI 에이전트 블록체인

모드는 AI와 에이전트를 위한 데이터 레이어를 구축하는 것 외에도 DeFAI의 미래를 위한 풀스택 블록체인을 구축하는 데 주력하고 있습니다. 최근 사용자 프롬프트를 통해 온체인 거래를 실행하는 DeFAI의 보조 파일럿인 모드 터미널을 배포했으며, 이는 곧 $MODE 플레저에게 제공될 예정입니다.

또한 모드는 여러 AI 및 에이전트 기반 팀을 지원하고 있으며, 오토놀라스, 기자, 스터디 등의 프로토콜을 생태계에 통합하는 데 많은 노력을 기울여 왔으며, 더 많은 에이전트가 개발되고 거래를 실행함에 따라 빠르게 성장하고 있습니다.

이러한 이니셔티브는 모두 AI로 네트워크를 업그레이드하면서 달성되었으며, 특히 블록체인에 AI 보안 분류 기능을 갖춘 기계. 시뮬레이션과 AI를 사용하여 트랜잭션을 실행하기 전에 분석함으로써 고위험 거래를 처리하기 전에 차단하고 검토하여 체인 보안을 보장할 수 있습니다. 옵티미즘 슈퍼체인의 L2인 모드는 인간과 프록시 사용자를 최고의 디파이 생태계로 연결하는 중간 지점에 서 있습니다.

AI 에이전트의 기반이 되는 상위 블록체인 비교

솔라나와 베이스는 의심할 여지없이 대부분의 AI 에이전트 프레임워크와 토큰이 구축되고 배포되는 두 가지 주요 체인입니다. AI 에이전트는 솔라나의 처리량이 많고 지연 시간이 짧은 네트워크와 오픈 소스 ElizaOS를 사용하여 에이전트 토큰을 배포하고, 버추얼스는 베이스에서 에이전트 배포를 위한 런치패드 역할을 합니다. 두 체인 모두 해커톤과 재정적 인센티브가 있지만, 체인으로서의 AI 이니셔티브 측면에서는 모드 수준에는 미치지 못합니다.

NEAR는 이전에 스스로를 AI 중심의 L1 블록체인으로 정의하며, 오픈 소스 AI 에이전트 프레임워크를 갖춘 NEAR AI 연구 센터, NEAR AI 어시스턴트와 같은 기능을 갖추고 있습니다. 최근에는 NEAR에서 완전히 자율적이고 검증 가능한 에이전트를 확장하기 위해 2천만 달러 규모의 AI 에이전트 펀드를 발표했습니다.

체인베이스

체인베이스는 거래, 인사이트, 예측, 알파 찾기 등에 대한 AI 에이전트의 역량을 강화하는 체인 전반의 검증 가능한 온체인 구조화 데이터 세트를 제공합니다. 그리고 알파 찾기. 또한, 온체인 및 오프체인 데이터를 대상 데이터 저장소에 통합하여 무제한 쿼리 및 분석을 수행할 수 있는 블록체인 데이터 스트리밍 프레임워크인 '원고'를 출시했습니다.

이를 통해 개발자는 특정 요구에 맞게 데이터 처리 워크플로우를 맞춤화할 수 있습니다. 원시 데이터를 깨끗하고 호환 가능한 형식으로 표준화하고 처리하면 데이터 세트가 AI 시스템의 엄격한 요구 사항을 충족하여 전처리 시간을 단축하는 동시에 모델 정확도를 개선하고 신뢰할 수 있는 AI 에이전트를 만들 수 있습니다.

체인베이스는 광범위한 온체인 데이터를 기반으로 복잡한 코딩 지식 없이도 사용자가 온체인 데이터를 데이터 분석으로 변환하는 Theia라는 모델도 개발했으며, 체인베이스의 데이터 유용성은 AI 프로토콜이 데이터를 사용하는 파트너십에서 분명하게 드러납니다. 에서 데이터를 사용하고 있습니다.

• 온체인 기반 의사결정을 위한 엘리자OS 에이전트 플러그인

• Vana AI 어시스턴트 구축

• 사용자 행동 인사이트를 위한 Flock.io 소셜 네트워크 인텔리전스

• Theoriq의 분석 및 예측에 대한 DeFi의 데이터 분석 및 예측

• 0G, Aethir, io.net과도 제휴

기존 데이터 프로토콜과 비교하여

The Graph, Chainlink, Alchemy와 같은 데이터 프로토콜은 데이터를 제공하지만 AI 중심적이지 않습니다.The Graph는 블록체인 데이터를 쿼리하고 색인하는 플랫폼을 제공하여 개발자에게 원시 데이터에 대한 액세스를 제공합니다. 거래 또는 전략 실행을 위해 구축되지 않은 데이터에 대한 액세스를 제공하고, 체인링크는 예측 머신 데이터 피드를 제공하지만 예측을 위한 AI 최적화 데이터 세트가 부족하며, 알케미는 주로 RPC 서비스를 제공합니다.

반면, 체인베이스 데이터는 AI 앱이나 에이전트가 보다 구조화되고 인사이트가 있는 형태로 쉽게 사용할 수 있도록 특별히 준비된 블록체인 데이터로, 에이전트가 온체인 시장, 유동성, 토큰 데이터와 관련된 데이터에 쉽게 접근할 수 있도록 합니다.

sqd.ai

sqd.ai(이전 Subsquid로 알려짐)는 개방형 데이터베이스 네트워크를 개발하고 있습니다. 탈중앙화된 데이터 레이크는 대량의 실시간 및 과거 블록체인 데이터에 라이선스 없이 비용 효율적으로 액세스할 수 있는 기능을 제공하여 AI 에이전트가 보다 효율적으로 운영될 수 있도록 지원합니다.

sqd.ai는 다른 어떤 인덱서보다 빠른 초당 최대 150,000개 이상의 속도로 실시간 데이터 인덱싱(미결 블록의 인덱싱 포함)을 제공합니다. 지난 24시간 동안 11TB가 넘는 데이터를 제공하여 수십억 개의 자율 AI 에이전트와 개발자들의 높은 처리량 요구를 충족시켰습니다.

커스터마이징 가능한 데이터 처리 플랫폼은 AI 에이전트의 필요에 맞는 데이터를 제공하며, DuckDB는 로컬 쿼리를 위한 효율적인 데이터 검색을 제공합니다. 포괄적인 데이터 세트는 이벤트 로그와 트랜잭션 세부 정보를 포함해 100개 이상의 EVM 및 서브스트레이트 네트워크를 지원하며, 이는 여러 블록체인에서 작동하는 AI 에이전트에게 유용합니다.

영지식 증명이 포함되어 있어 AI 에이전트가 프라이버시를 침해하지 않고 민감한 데이터에 액세스하고 처리할 수 있습니다. 또한 sqd.ai는 증가하는 데이터 부하를 처리하기 위해 더 많은 처리 노드를 추가하여 수십억 개로 추정되는 AI 에이전트의 수를 지원할 수 있습니다.

쿠키

쿠키는 소셜 데이터 처리 전용 AI 에이전트와 클러스터를 위한 모듈식 데이터 계층을 제공합니다. 체인 및 소셜 플랫폼에서 상위 에이전트 마인드를 추적하는 AI 에이전트 대시보드가 있으며, 최근에는 다른 AI 에이전트를 위한 플러그 앤 플레이 데이터 클러스터링 API를 출시하여 인기 내러티브와 CT에서 마인드 변화를 감지할 수 있도록 지원합니다.

데이터베이스는 시장 심리와 온체인 분석에 대한 인사이트를 제공하는 20개의 데이터 에이전트를 통해 7TB가 넘는 실시간 온체인 및 소셜 데이터 피드를 포함합니다. 최신 AI 에이전트 '@agentcookiefun'은 7% 용량의 데이터 클러스터를 활용하여 시장 예측을 제공하고 그 아래에서 실행되는 다양한 다른 에이전트를 활용하여 새로운 기회를 발견합니다.

디파이의 다음 단계

현재 디파이의 대부분의 AI 에이전트는 완전한 자율성을 달성하는 데 상당한 한계에 직면해 있습니다. 예를 들어:

1. 추상화 계층은 사용자 의도를 실행으로 변환하지만 예측 기능이 부족한 경우가 많습니다

2. AI 에이전트는 분석에서 알파를 생성할 수 있지만 독립적인 트랜잭션 실행이 부족

3. AI 기반 dApp은 볼트 또는 트랜잭션을 처리할 수 있지만 사전 대응보다는 사후 대응

AI 기반 dApp은 볼트 또는 트랜잭션을 처리할 수 있지만 사전 대응보다는 사후 대응

디파이의 다음 단계는 유용한 데이터 레이어를 통합하여 최상의 에이전트 플랫폼 또는 에이전트를 개발하는 데 초점을 맞출 것입니다. 이를 위해서는 메가헤일 활동, 유동성 변화 등에 대한 심층적인 온체인 데이터와 더 나은 예측 분석을 위한 유용한 합성 데이터를 생성하고, 특정 카테고리(예: AI 프록시, DeSci 등)의 토큰 변동이나 소셜 네트워크의 감정 분석과 결합해야 할 것입니다.

최종 목표는 AI 에이전트가 단일 인터페이스에서 트레이딩 전략을 원활하게 생성하고 실행할 수 있도록 하는 것입니다. 이러한 시스템이 성숙해짐에 따라 트레이더가 AI 에이전트에 의존해 사람의 개입을 최소화하면서 자율적으로 금융 전략을 평가, 예측, 실행하는 미래를 볼 수 있을 것입니다.

최종 생각

AI 에이전트 토큰과 프레임워크가 크게 줄어든 것을 감안할 때, 일부에서는 DeFAI가 일시적인 현상이라고 생각할 수 있습니다. 그러나 DeFAI는 아직 초기 단계에 있으며, AI 에이전트가 DeFi의 가용성과 성능을 향상시킬 수 있는 잠재력은 부인할 수 없습니다.

이 잠재력을 실현하기 위한 핵심은 고품질의 실시간 데이터에 액세스하여 AI 기반 거래 예측과 실행을 개선하는 것입니다. 점점 더 많은 프로토콜이 다양한 데이터 계층을 통합하고 데이터 프로토콜은 프레임워크용 플러그인을 구축하여 에이전트의 의사 결정에 있어 데이터의 중요성을 강조하고 있습니다.

앞으로 검증 가능성과 개인정보 보호는 프로토콜이 해결해야 할 핵심 과제가 될 것입니다. 현재 대부분의 AI 에이전트 운영은 사용자가 자금을 맡겨야 하는 블랙박스로 남아 있습니다. 따라서 검증 가능한 AI 의사 결정의 개발은 에이전트 프로세스의 투명성과 책임성을 보장하는 데 도움이 될 것입니다. TEE, FHE, 심지어 zk 증명에 기반한 프로토콜을 통합하면 AI 에이전트 행동의 검증 가능성을 높여 자율성에 대한 신뢰를 확보할 수 있습니다.

DeFAI 에이전트는 고품질 데이터, 강력한 모델, 투명한 의사 결정 프로세스를 성공적으로 결합해야만 널리 채택될 수 있습니다.