Henry @IOSG 작성
1. 서론
단 3개월 만에 AI x memecoin은 134억 달러 시총 도달했습니다. 이는 AVAX나 SUI와 같은 성숙한 L1과 비슷한 규모입니다.
사실, 인공지능과 블록체인의 관계는 오랜 역사를 가지고 있다. 초기 Bittensor 서브넷에서 탈중앙화 모델 훈련부터 Akash 및 io.net과 같은 탈중앙화 GPU/ 해시레이트 리소스 시장을 거쳐 현재 Solana에서의 AI x 밈코인과 프레임 의 물결에 이르기까지 말이다. 각 단계는 암호화폐가 리소스 집계를 통해 어느 정도 AI를 보완할 수 있음을 보여주며, 이를 통해 주권적 AI와 소비자 사용 사례를 구현할 수 있습니다.
솔라나 AI 코인의 첫 번째 물결에서 일부는 순수한 투기보다는 의미 있는 유용성을 제공합니다. 우리는 ai16z의 ELIZA와 같은 프레임, 시장 분석 및 콘텐츠 생성을 제공하는 aixbt와 같은 AI 에이전트, AI를 블록체인 기능과 통합하는 툴킷의 등장을 보았습니다.
두 번째 AI 흐름에서는 더 많은 도구가 성숙해짐에 따라 애플리케이션이 핵심 가치 동인이 되었고 DeFi는 이러한 혁신을 시험할 수 있는 완벽한 시험장이 되었습니다. 표현을 단순화하기 위해 이 연구에서는 AI와 DeFi의 조합을 "DeFai"라고 부릅니다.
CoinGecko에 따르면, DeFai의 시총 약 10억 달러입니다. 그리피안은 45%의 시장 점유율 로 시장을 지배하고 있으며, $ANON은 22% 점유비율. 이 트랙은 12월 25일 이후 급격한 성장을 경험하기 시작했으며, Virtual, ai16z와 같은 프레임 와 플랫폼은 크리스마스 연휴 이후 강력한 성장을 경험했습니다.
▲ 출처: Coingecko.com
이건 단지 첫 단계일 뿐이며, DeFai의 잠재력은 이를 훨씬 뛰어넘습니다. DeFai는 아직 개념 증명 단계이기는 하지만 AI가 제공할 수 있는 지능과 효율성을 활용하여 DeFi 산업을 보다 사용자 친화적이고 지능적이며 효율적인 금융 생태계로 전환할 수 있는 잠재력을 과소평가할 수 없습니다.
DeFai의 세계에 들어가기 전에 먼저 DeFi/블록체인에서 에이전트가 실제로 어떻게 작동하는지 이해해야 합니다.
2. DeFi 시스템에서 Agent는 어떻게 작동합니까?
인공지능 에이전트(AI 에이전트)는 워크플로에 따라 사용자를 대신하여 작업을 수행할 수 있는 프로그램을 말합니다. AI Agent의 핵심은 LLM(대규모 언어 모델)입니다. LLM은 학습한 지식이나 학습한 내용을 토대로 대응할 수 있지만, 이러한 대응은 종종 제한적입니다.
에이전트와 로봇 사이에는 근본적인 차이가 있습니다. 로봇은 일반적으로 특정 작업에 집중되어 있고, 인간의 감독이 필요하며, 미리 정의된 규칙과 조건 내에서 작동해야 합니다. 이와 대조적으로 에이전트는 더욱 역동적이고 적응력이 뛰어나며, 특정 목표를 달성하기 위해 자율적으로 학습할 수 있습니다.
더욱 개인화된 경험과 더욱 포괄적인 대응을 만들기 위해 에이전트는 과거 상호작용을 메모리에 저장하여 사용자의 행동 패턴에서 학습하고 대응을 조정하여 과거 맥락에 따라 맞춤형 추천과 전략을 생성할 수 있습니다.
블록체인에서는 에이전트가 스마트 계약 및 계정과 상호작용하여 인간의 지속적인 개입 없이 복잡한 작업을 처리할 수 있습니다. 예를 들어, 여러 단계로 구성된 브리징 및 파밍을 한 번의 클릭으로 실행하고, 더 높은 수익을 위한 파밍 전략을 최적화하고, 거래(매수/매도)를 실행하고, 시장 분석을 실시하는 등 DeFi 사용자 경험을 단순화하는 측면에서 이러한 모든 단계가 자율적으로 완료됩니다.
@3sigma의 조사에 따르면 대부분의 모델은 6가지 특정 워크플로를 따릅니다.
데이터 수집
모델 추론
의사결정
호스팅 및 운영
상호 운용성
지갑
1. 데이터 수집
첫째, 모델은 자신이 작동하는 환경을 이해해야 합니다. 따라서 시장 상황에 맞춰 모델을 동기화하려면 여러 데이터 스트림이 필요합니다. 여기에는 다음이 포함됩니다. 1) 인덱서 및 오라클 의 온체인 데이터 2) CMC/Coingecko/다른 데이터 제공자의 데이터 API와 같은 가격 플랫폼의 오프체인 데이터.
2. 모델 추론
모델이 환경을 학습한 후, 해당 지식을 적용하여 사용자로부터 입력된 새롭고 인식되지 않은 데이터를 기반으로 예측을 수행하거나 조치를 취해야 합니다. Agent에서 사용하는 모델은 다음과 같습니다.
지도 학습과 비지도 학습: 결과를 예측하기 위해 레이블이 지정되거나 지정되지 않은 데이터를 사용하여 훈련된 모델입니다. 블록체인의 맥락에서 이러한 모델은 거버넌스 포럼 데이터를 분석하여 투표 결과를 예측하거나 거래 패턴을 식별할 수 있습니다.
강화 학습: 행동에 대한 보상과 처벌을 평가하여 시행착오를 통해 학습하는 모델입니다. 이러한 응용 프로그램에는 토큰을 구매하기 위한 최적의 진입점을 결정하거나 파밍 매개변수를 조정하는 등 토큰 거래 전략을 최적화하는 것이 포함됩니다.
자연어 처리(NLP): 인간의 언어 입력을 이해하고 처리하는 기술로, 거버넌스 포럼과 제안서를 검토하여 관점 찾는 데 유용합니다.
▲ 출처: https://www.researchgate.net/figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266
3. 의사결정
훈련된 모델과 데이터를 통해 에이전트는 의사 결정 기능을 사용하여 조치를 취할 수 있습니다. 여기에는 상황을 해석하고 적절하게 대응하는 것이 포함됩니다.
이 단계에서 최적화 엔진은 최상의 결과를 찾는 데 중요한 역할을 합니다. 예를 들어, 수익 전략을 실행하기 전에 담당자는 슬리피지, 스프레드, 거래 비용, 잠재 수익 등 여러 요소의 균형을 맞춰야 합니다.
단일 에이전트가 여러 도메인의 결정을 최적화할 수 없을 수도 있으므로, 다중 에이전트 시스템을 배치하여 조정할 수 있습니다.
4. 호스팅 및 운영
이 작업에는 많은 계산이 필요하기 때문에 AI 에이전트는 일반적으로 모델을 오프체인으로 호스팅합니다. 일부 에이전트는 AWS와 같은 중앙 집중형 클라우드 서비스에 의존하는 반면, 탈중앙화 선호하는 에이전트는 Akash 또는 ionet, Arweave와 같은 분산 컴퓨팅 네트워크를 사용하여 데이터를 저장합니다.
AI 에이전트 모델은 오프체인에서 실행되지만, 에이전트는 스마트 계약 기능을 실행하고 자산을 관리하기 위해 온체인 프로토콜과 상호 작용해야 합니다. 이러한 상호작용에는 거래를 안전하게 처리하기 위한 MPC 지갑이나 스마트 계약 지갑과 같은 안전한 키 관리 솔루션이 필요합니다. 에이전트는 API를 통해 운영하여 Twitter, Telegram과 같은 소셜 플랫폼에서 커뮤니티와 소통하고 상호 작용할 수 있습니다.
5. 상호 운용성
에이전트는 다양한 시스템 간에 최신 정보를 유지하는 동시에 다양한 프로토콜과 상호 작용해야 합니다. 일반적으로 API 브릿지를 사용하여 가격 피드 등의 외부 데이터를 가져옵니다.
현재 프로토콜 상태를 적시에 파악하고 적절하게 대응하려면 에이전트는 웹훅이나 IPFS와 같은 탈중앙화 메시징 프로토콜을 통해 실시간으로 동기화해야 합니다.
6. 지갑
에이전트는 블록체인 거래를 시작하기 위해 지갑이나 개인 키에 대한 액세스가 필요합니다. 시중에는 두 가지 일반적인 지갑/키 관리 방법이 있습니다. MPC 기반 및 TEE 기반 솔루션입니다.
포트폴리오 관리 애플리케이션의 경우 MPC나 TSS는 에이전트, 사용자 및 신뢰할 수 있는 당사자 간에 키를 분할하는 동시에 사용자는 AI에 대한 어느 정도의 제어를 유지할 수 있습니다. Coinbase AI Replit 지갑은 이러한 접근 방식을 효과적으로 구현하여 AI 에이전트를 사용하여 MPC 지갑을 구현하는 방법을 보여줍니다.
완전 자율형 AI 시스템의 경우, TEE는 안전한 곳에 개인 키를 저장하는 것에 대한 대안을 제공하며, 이를 통해 제3자의 간섭 없이 전체 AI 에이전트가 숨겨지고 보호된 환경에서 실행될 수 있습니다. 그러나 TEE 솔루션은 현재 하드웨어 중앙 집중화와 성능 오버헤드라는 두 가지 주요 문제에 직면해 있습니다.
이러한 과제를 극복한 후에는 온체인 자율 에이전트를 생성할 수 있을 것입니다. 이를 통해 다양한 에이전트가 DeFi 생태계에서 각자의 임무를 수행하여 효율성을 높이고 온체인 거래 경험을 개선할 수 있습니다.
일반적으로 DeFi x Ai를 임시로 4가지 범주로 구분하겠습니다.
추상적/UX 친화적 AI
수익 최적화 또는 포트폴리오 관리
시장 분석 또는 예측 로봇
DeFai 인프라/플랫폼
3. DeFi x AI 세계로의 문을 열어라 - DeFai
▲ 출처 : IOSG Venture
#1 추상적/UX 친화적 AI
AI의 목적은 효율성을 높이고, 복잡한 문제를 해결하고, 사용자를 위해 복잡한 작업을 단순화하는 것입니다. 추상화 기반 AI는 기존 및 신규 거래자 DeFi에 접근하는 데 따르는 복잡성을 단순화할 수 있습니다.
블록체인 분야에서 효과적인 AI 솔루션은 다음을 수행할 수 있어야 합니다.
사용자가 해당 산업에 대한 지식을 갖추지 않아도 자동으로 여러 단계의 거래 및 스테이킹 작업을 실행합니다.
실시간 조사를 수행하여 사용자가 정보에 입각한 거래 결정을 내리는 데 필요한 모든 정보와 데이터를 제공합니다.
다양한 플랫폼에서 데이터를 수집하고, 시장 기회를 파악하며, 사용자에게 포괄적인 분석을 제공합니다.
이런 추상 도구의 대부분은 ChatGPT를 중심으로 구성됩니다. 이러한 모델은 블록체인과 완벽하게 통합되어야 하지만, 어떤 모델도 블록체인 데이터를 다루도록 특별히 훈련되거나 조정된 것으로 보이지는 않습니다.
그리핀
그리페인 창립자 토니는 솔라나 해커톤에서 이 컨셉을 제안했습니다. 그는 나중에 이 아이디어를 실용적인 제품으로 만들어 솔라나의 창립자인 아나톨리로부터 지원과 인정을 받았습니다.
간단히 말해서, 그리페인은 솔라나의 최초이자 가장 강력한 추상 AI로, 스왑, 지갑 관리, NFT 민트, 토큰 스나이핑 등의 기능을 수행할 수 있습니다.
그리핀이 제공하는 구체적인 기능은 다음과 같습니다.
자연어를 사용하여 거래 실행
Pumpfun을 사용하여 토큰을 발행하고, NFT를 민트, 에어드랍 주소를 선택하세요
다중 에이전트 조정
에이전트는 사용자를 대신하여 트윗을 게시할 수 있습니다.
특정 키워드나 조건을 기반으로 Pumpfun에서 새로 출시된 미메코인을 저격
DeFi 전략 스테이킹, 자동화 및 실행
작업을 예약하려면 사용자가 에이전트에 입력을 입력하여 맞춤형 에이전트를 만들 수 있습니다.
토큰 보유자 분포 식별 등 시장 분석을 위해 플랫폼에서 데이터 수집
Griffain은 많은 기능을 제공하지만, 사용자는 여전히 토큰 주소를 직접 입력하거나 에이전트에게 특정 실행 지침을 제공해야 합니다. 따라서 이러한 기술적 지침에 익숙하지 않은 초보자의 경우 현재 제품에는 여전히 개선의 여지가 있습니다.
지금까지 그리페인은 개인 AI 에이전트와 특수 에이전트라는 두 가지 유형의 AI 에이전트를 제공했습니다.
개인 AI 에이전트는 사용자가 제어합니다. 사용자는 에이전트를 각자의 상황에 맞게 조정하기 위해 지침과 입력 메모리 설정을 사용자 정의할 수 있습니다.
특수요원은 특정한 임무를 위해 설계된 요원입니다. 예를 들어, 에어드랍 에이전트는 주소를 찾아 지정된 보유자에게 토큰을 분배하도록 훈련될 수 있고, 스테이킹 에이전트는 SOL이나 다른 자산을 자산 풀에 스테이킹 하여 채굴 전략을 구현하도록 프로그래밍될 수 있습니다.
그리페인의 다중 에이전트 협업 시스템은 여러 에이전트가 채팅방에서 함께 작업할 수 있는 주목할 만한 기능입니다. 이러한 에이전트는 협업을 유지하면서도 복잡한 작업을 독립적으로 해결할 수 있습니다.
▲ 출처 : https://griffain.com
계정이 생성되면 시스템에서 지갑이 생성되고, 사용자는 계정을 에이전트에게 위임할 수 있습니다. 에이전트는 독립적으로 거래를 실행하고 포트폴리오를 관리합니다.
그 중에서 키는 Shamir Secret Sharing을 통해 분할되므로 griffain이나 privy는 지갑을 호스팅할 수 없습니다. Slate에 따르면 SSS의 작동 원리는 키를 다음을 포함한 세 부분으로 분할하는 것입니다.
장치 공유: 브라우저에 저장되고 탭이 열릴 때 검색됨
권한 공유: Privy 서버에 저장되고 애플리케이션에 인증 및 로그인 시 검색됩니다.
복구 공유: 암호화되어 Privy 서버에 저장되며 사용자가 탭에 로그인하기 위해 비밀번호를 입력할 때만 복호화 및 검색할 수 있습니다.
또한 사용자는 그리핀 프런트 엔드에서 내보내기나 가져오기를 선택할 수도 있습니다.
곧
Anon은 DeFi 프로토콜 Wonderland와 MIM(Magic Internet Money)을 만든 것으로 유명한 다니엘레 세스타가 설립했습니다. Griffain과 마찬가지로 Anon도 사용자와 DeFi의 상호작용을 단순화하도록 설계되었습니다.
개발팀에서는 향후 기능에 대한 개요를 설명했지만 제품이 아직 공개되지 않았기 때문에 어떤 기능도 아직 검증되지 않았습니다. 일부 기능은 다음과 같습니다.
자연어(중국어 포함 여러 언어)를 사용하여 거래 실행
LayerZero를 통한 크로스 체인 브리징
Aave, Sparks, Sky, Wagmi와 같은 파트너 프로토콜을 통한 대출 및 공급
Pyth를 통해 실시간 가격 및 데이터 정보를 얻으세요
시간 및 가스 가격에 따라 자동 실행 및 트리거를 제공합니다.
정서 감지, 소셜 데이터 분석 등 실시간 시장 분석을 제공합니다.
핵심 기능 외에도 Anon은 Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral, Claude 등 다양한 AI 모델을 지원합니다. 이러한 모델은 귀중한 시장 분석을 제공하여 사용자가 조사 시간을 절약하고 정보에 입각한 결정을 내리는 데 도움이 될 수 있는 잠재력을 가지고 있습니다. 이는 특히 시총 새로운 토큰이 매일 생성되는 오늘날의 시장에서 매우 귀중합니다.
지갑을 내보내고 승인을 취소할 수는 있지만, 지갑 관리와 보안 프로토콜에 대한 구체적인 세부 사항은 공개되지 않았습니다.
핵심 기능 외에도 Anon은 Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral, Claude 등 다양한 AI 모델을 지원합니다.
또한, daniele은 최근 Anon에 대한 2개의 업데이트를 게시했습니다.
자동화 프레임:
더 많은 프로젝트가 Anon과 더 빠르게 통합되도록 돕는 TypeScript 프레임 입니다. 이 프레임 에서는 모든 데이터와 상호작용이 사전 정의된 구조를 따라야 하므로 Anon은 AI가 환각에 걸릴 리스크 줄이고 더 신뢰할 수 있는 서비스를 제공할 수 있습니다.
아체:
온체인 defi 지표(TVL, 거래량, prepdex 자금 조달 비율 등)와 오프체인 데이터(Twitter, Telegram 등)를 실시간으로 수집하여 소셜 정서 분석을 수행하는 연구 에이전트입니다. 이러한 데이터는 기회 알림 및 사용자를 위한 맞춤형 통찰력으로 변환됩니다.
설명서에 따르면, Anon은 전체 분야에서 가장 기대되고 강력한 추상화 도구 중 하나입니다. 이는 오늘날 시총 새로운 토큰이 매일 생성되는 시장에서 특히 가치가 있습니다.
슬레이트
BigBrain Holdings의 지원을 받는 Slate는 온체인 신호에 따라 자율적인 거래를 할 수 있는 "알파 AI"로 자리 매김하고 있습니다. 현재 Slate는 Hyperliquid에서 자동으로 거래를 실행할 수 있는 유일한 추상 AI입니다.
Slate는 가격 라우팅, 빠른 실행, 거래가 이루어지기 전에 거래를 시뮬레이션하는 기능을 우선시합니다. 주요 특징은 다음과 같습니다.
EVM 체인과 Solana 간의 크로스 체인 스왑
가격, 시총, 가스비, 손익지표에 따른 자동거래
자연어 작업 스케줄링
온체인 거래 집계
텔레그램 알림 시스템
롱 포지션 및 숏 포지션을 포지션 진입 특정 조건 하에 청산할 수 있는 능력, LP 관리 + 채굴 , 하이퍼리퀴드 실행 포함
일반적으로 수수료 구조는 두 가지 유형이 있습니다.
일반 운영: Slate에서는 일반적인 이체/인출에 대해서는 수수료를 부과하지 않지만 스왑, 브리지, 클레임, 차용, 대출, 상환, 담보, 스테이킹 , 롱(Long), 숏(Short), 잠금, 잠금 해제 등에 대해서는 0.35%의 수수료를 부과합니다.
조건부 조치: 조건부 주문이 설정된 경우(예: 지정 주문). 가스 비용 조건에 따라 Slate는 0.25%의 수수료를 부과합니다. 다른 모든 조건에는 1.00%의 수수료가 부과됩니다.
지갑 측면에서 Slate는 Privy의 내장형 지갑 아키텍처를 통합하여 Slate나 Privy가 사용자 지갑을 호스팅하지 않도록 보장합니다. 사용자는 기존 지갑을 연결하거나 에이전트에게 자신을 대신하여 거래를 실행하도록 권한을 부여할 수 있습니다.
▲ 출처 : https://docs.slate.ceo
추상 AI의 비교 분석
주류 추상 AI와 비교했을 때:
▲ 출처 : IOSG Venture
현재 대부분의 AI 추상화 도구는 Solana와 EVM 체인 간의 크로스 체인 거래와 자산 브리징을 지원합니다. Slate는 Hyperliquid 통합을 제공하는 반면, Neur와 Griffin은 현재 Solana만 지원하지만, 곧 크로스 체인 지원이 추가될 것으로 예상됩니다.
대부분의 플랫폼은 Privy 내장 지갑과 EOA 지갑을 통합하여 사용자가 자금을 독립적으로 관리할 수 있도록 하지만, 특정 거래를 수행하려면 사용자가 에이전트 접근 권한을 승인해야 합니다. 이를 통해 TEE(신뢰할 수 있는 실행 환경)가 AI 시스템의 변조 방지를 보장할 수 있는 기회가 제공됩니다.
대부분 AI 추상화 도구는 토큰 발행, 거래 실행, 자연어 조건부 주문과 같은 기능을 공유하지만 성능은 상당히 다릅니다.
제품 수준에서는 아직 추상 AI의 초기 단계에 있습니다. 위에서 언급한 다섯 가지 프로젝트를 비교해보면 Griffin은 풍부한 기능 세트, 광범위한 협력 네트워크, 다중 에이전트 협업을 위한 워크플로 처리 측면에서 돋보입니다(Orbit도 다중 에이전트를 지원하는 또 다른 프로젝트입니다). Anon은 빠른 대응, 다국어 지원, Telegram 통합으로 두각을 나타내고, Slate는 정교한 자동화 플랫폼과 Hyperliquid를 지원하는 유일한 에이전시로 두각을 나타냅니다.
그러나 모든 추상적인 AI 속에서도 일부 플랫폼은 기본 거래(예: USDC 스왑)를 처리할 때 여전히 문제에 직면합니다. 예를 들어, 올바른 토큰 주소나 가격을 정확하게 얻을 수 없거나 최신 시장 동향을 분석하지 못하는 경우가 있습니다. 응답 시간, 정확도, 결과의 관련성 또한 모델의 기본 성능을 측정하는 데 중요한 차별화 요소입니다. 앞으로 우리는 팀과 협력하여 모든 추상 AI의 성과를 실시간으로 추적하는 투명한 대시보드를 개발하고자 합니다.
#2 자율적 수익 최적화 및 포트폴리오 관리
기존 수익률 전략과 달리 이 분야의 프로토콜은 AI를 사용하여 온체인 데이터를 분석하여 추세를 분석하고, 팀이 더 나은 수익 최적화 및 포트폴리오 배분 전략을 개발하는 데 도움이 되는 정보를 제공합니다.
비용을 줄이기 위해 모델은 일반적으로 Bittensor 서브넷이나 오프체인에서 학습됩니다. AI가 자율적으로 거래를 실행할 수 있도록 ZKP(영지식 증명)와 같은 검증 방법을 사용하여 모델의 정직성과 검증 가능성을 보장합니다. 다음은 DeFai 프로토콜에 도움이 되는 최적화의 몇 가지 예입니다.
T3AI는 AI를 중개자 및 리스크 엔진으로 사용하여 담보 부족 대출을 지원하는 대출 프로토콜입니다. AI 에이전트는 T3AI의 리스크 지표 프레임 를 통해 대출 건전성을 실시간으로 모니터링하고 대출 상환을 보장합니다. 동시에 AI는 다양한 자산 간의 관계와 가격 추세를 분석하여 정확한 리스크 예측을 제공합니다. T3AI의 AI는 구체적으로 다음과 같이 나타납니다.
주요 CEX 및 DEX의 가격 데이터를 분석합니다.
다양한 자산의 변동성 측정
자산 가격의 상관관계와 공동 움직임을 연구합니다.
자산 상호작용에서 숨겨진 패턴을 발견하세요.
AI는 사용자의 포트폴리오에 따라 최적의 자산 배분 전략을 추천하고, 모델 조정 후 자율적인 AI 포트폴리오 관리가 가능해질 가능성이 있습니다. 또한 T3AI는 ZK 증명과 검증자 네트워크를 통해 모든 작업의 검증 가능성과 신뢰성을 보장합니다.
▲ 출처 : https://www.trustinweb3.xyz/
쿠다이
쿠다이는 GMX Blueberry Club이 EmpyrealSDK 툴킷을 사용하여 개발한 실험적 GMX 생태계 에이전트이며, 해당 토큰은 현재 Base 네트워크에서 거래되고 있습니다.
쿠다이의 아이디어는 $KUDAI에서 발생하는 모든 거래 수수료를 자율적인 거래 운영을 담당하는 에이전트에게 자금을 지원하고 그 수익을 토큰 보유자에게 분배하는 것입니다.
다가오는 2/4 단계에서 Kudai는 Twitter에서 자연어를 해석할 수 있게 됩니다.
$GMX를 매수하고 스테이킹 새로운 수입원을 창출하세요.
수익을 더욱 늘리려면 GMX GM 풀에 투자하세요.
최저 가격으로 GBC NFT를 구매하여 포트폴리오를 확장하세요.
이 단계를 거치면 쿠다이는 완전히 자율적으로 운영되어 독립적으로 레버리지 거래, 차익거래를 수행하고 자산 수익(이자)을 획득할 수 있습니다. 해당 팀은 이 이상의 추가 정보를 공개하지 않았습니다.
튼튼한 금융 V2
Sturdy Finance는 Bittensor SN10 서브넷 마이너가 훈련한 AI 모델을 사용하여 서로 다른 허용 목록에 있는 사일로 풀 간에 자금을 이체하여 수익을 최적화하는 대출 및 일드 어그리게이터 (Yield Aggregator) 입니다.
Sturdy는 독립 자산 풀(사일로 풀)과 집계 계층으로 구성된 2계층 아키텍처를 채택합니다.
사일로 풀
이는 사용자가 단일 자산만 대출하거나 단일 담보를 사용하여 대출할 수 있는 단일 자산 분리 풀입니다.애그리게이터 레이어
집계 계층은 Yearn V3 기반으로 구축되었으며, 활용도와 수익률을 기준으로 허용 목록에 추가된 독립적인 자산 풀에 사용자 자산을 할당합니다. Bittensor 서브넷은 애그리게이터에 가장 적합한 배포 전략을 제공합니다. 사용자가 자산을 집계자에 예치하면, 선택한 담보 유형에만 노출되므로 다른 대출 풀이나 담보 자산으로 인한 리스크 전혀 피할 수 있습니다.
▲ 출처 : https://sturdy.finance
이 글을 쓰는 시점에서 Sturdy V2의 TVL은 2024년 5월부터 감소해 왔으며, 현재 애그리게이터의 TVL은 약 390만 달러로 프로토콜 전체 TVL의 29%에 해당합니다.
2024년 9월부터 Sturdy는 지속적으로 두 자릿수의 일일 활성 사용자(>100)를 유지해 왔으며, pxETH 와 crvUSD가 이 애그리게이터의 주요 대출 자산이었습니다. 그러나 프로토콜의 성능은 지난 몇 달 동안 분명히 정체되었습니다. AI 통합 도입은 프로토콜의 성장 모멘텀을 되살리려는 노력으로 보입니다.
▲ 출처 : https://dune.com/tk-research/sturdy-v2
#3 시장 분석 기관
#아이엑스비티
Aixbt는 400명 이상의 Twitter KOL로부터 데이터를 집계하고 분석하는 시장 정서 추적 기관입니다. AixBT는 자체 엔진을 사용하여 24시간 내내 실시간 추세를 파악하고 시장 관찰 결과를 게시할 수 있습니다.
기존 AI 에이전트 중에서 AixBT는 14.76%의 시장 점유율 로 주목할 만한 성과를 보이며, 생태계에서 가장 영향력 있는 에이전트 중 하나로 자리매김했습니다.
▲ 출처 : 카이토닷컴
Aixbt는 소셜 미디어 상호작용을 위해 설계되었으며, 이를 통해 공개되는 통찰력은 시장의 초점을 직접적으로 반영합니다.
이 기능은 시장 통찰력(알파)을 제공하는 데 국한되지 않고 상호 작용도 포함합니다. AixBT는 전문 툴킷을 사용하여 Twitter를 통해 사용자 질문에 답변하고 토큰을 발행할 수도 있습니다. 예를 들어, $CHAOS 토큰은 AixBT와 또 다른 대화형 로봇인 Simi가 @EmpyrealSDK 툴킷을 사용하여 협력하여 만들어졌습니다.
현재 $AIXBT 토큰 600,000개(약 240,000달러 상당)를 보유한 사용자는 해당 분석 플랫폼과 터미널에 접근할 수 있습니다.
#4 탈중앙화 AI 인프라 및 플랫폼
Web3 AI Agent의 존재는 탈중앙화 분리될 수 없습니다. 이러한 프로젝트는 모델 학습 및 추론에 대한 지원을 제공할 뿐만 아니라, AI 에이전트 개발을 추진하기 위한 데이터, 검증 방법, 조정 계층을 제공합니다.
Web2 AI든 Web3 AI든, 모델, 컴퓨팅 성능, 데이터는 항상 대규모 언어 모델(LLM)과 AI 에이전트의 뛰어난 개발을 주도하는 세 가지 초석입니다. 탈중앙화 방식으로 훈련된 오픈소스 모델은 에이전트 빌더에게 선호될 것입니다. 이러한 접근 방식은 중앙 집중화로 인해 발생하는 단일 지점 리스크 완전히 제거하고 사용자 소유의 AI 가능성을 열어주기 때문입니다. 개발자는 Google, Meta, OpenAI와 같은 Web2 AI 거대 기업의 LLM API에 의존할 필요가 없습니다.
Pinkbrains가 그린 AI 인프라 다이어그램은 다음과 같습니다.
▲ 출처 : 핑크브레인스
모델 생성
Nous Research, Prime Intellect, Exo Labs와 같은 선구자들은 탈중앙화 훈련의 경계를 넓히고 있습니다.
Nous Research의 Distro 학습 알고리즘과 Prime Intellect의 DiLoco 알고리즘은 대역폭이 낮은 환경에서 100억 개가 넘는 매개변수를 가진 모델을 성공적으로 학습시켜, 기존 중앙 집중형 시스템 외부에서도 대규모 학습이 가능함을 보여주었습니다. Exo Labs는 한 걸음 더 나아가 SPARTA 분산형 AI 학습 알고리즘을 출시했는데, 이를 통해 GPU 간 통신을 1,000분의 1 이상 줄일 수 있었습니다.
베이글은 암호화 기술을 통해 오픈소스 데이터의 소유권과 수익화 문제를 해결하면서 AI 개발자에게 모델과 데이터를 제공하는 탈중앙화 HuggingFace가 되기 위해 노력하고 있습니다. Bittensor는 참가자가 해시레이트, 데이터 및 정보를 기여하여 AI 모델과 에이전트의 개발을 가속화할 수 있는 경쟁적인 시장을 구축했습니다.
데이터 및 해시레이트 서비스 제공자
많은 사람들은 AixBT가 고품질 데이터 세트에 대한 접근성 덕분에 유틸리티 에이전트 부문에서 두각을 나타낸다고 생각합니다.
Grass, Vana, Sahara, Space and Time, Cookie DAO와 같은 공급업체는 고품질의 도메인별 데이터를 제공하거나 AI 개발자가 데이터 "울타리 정원"에 액세스하여 역량을 강화할 수 있도록 허용합니다. Grass는 250만 개가 넘는 노드를 활용하여 하루에 최대 300TB의 데이터를 크롤링할 수 있습니다.
현재 Nvidia는 2,000만 시간 분량의 비디오 데이터로만 비디오 모델을 훈련할 수 있는 반면, Grass의 비디오 데이터 세트는 그보다 15배 더 크고(3억 시간) 매일 400만 시간씩 증가하고 있습니다. 즉, Grass가 매일 Nvidia의 총 데이터 세트의 20%를 수집하고 있는 셈입니다. 즉, Grass는 단 5일 만에 Nvidia의 전체 비디오 데이터 세트에 상응하는 데이터를 확보할 수 있습니다.
컴퓨팅 리소스가 없으면 에이전트를 실행할 수 없습니다. Aethir 및 io.net과 같은 해시레이트 시장은 다양한 GPU를 통합하여 에이전트 개발자에게 비용 효율적인 옵션을 제공합니다. Hyperbolic의 탈중앙화 GPU 마켓플레이스는 오픈 소스 AI 모델을 호스팅하고 Web2 클라우드 공급자와 비슷한 저지연 추론 기능을 제공하면서 컴퓨팅 비용을 최대 75%까지 절감합니다.
Hyperbolic은 AgentKit 출시로 GPU 마켓플레이스와 클라우드 서비스를 더욱 강화합니다. AgentKit은 AI 에이전트가 Hyperbolic의 탈중앙화 GPU 네트워크에 자유롭게 액세스할 수 있도록 하는 강력한 인터페이스입니다. 이 솔루션은 리소스 가용성, 사양, 현재 부하 및 성능에 대한 자세한 정보를 실시간으로 스캔하여 제공하는 AI 판독 해시레이트 리소스 맵을 제공합니다.
AgentKit은 에이전트가 독립적으로 필요한 해시레이트 확보하고 관련 비용을 지불할 수 있는 혁신적인 미래를 열어줍니다.
인증 메커니즘
Hyperbolic은 혁신적인 샘플 증명 검증 메커니즘을 통해 생태계의 모든 추론 상호작용이 검증되도록 보장하여 미래 에이전트 세계에 대한 신뢰 기반을 구축합니다.
그러나 검증을 통해 자율 에이전트의 신뢰 문제는 일부만 해결됩니다. 또 다른 신뢰 차원에는 개인정보 보호가 포함되는데, 이는 Phala, Automata, Marlin과 같은 TEE(신뢰 실행 환경) 인프라 프로젝트의 장점입니다. 예를 들어, 이러한 AI 에이전트가 사용하는 독점 데이터나 모델을 안전하게 보호할 수 있습니다.
사실, 진정한 자율 에이전트는 TEE 없이는 완벽히 작동할 수 없습니다. TEE는 지갑 개인 키 보호, 무단 액세스 방지, Twitter 계정 로그인 보안 보장 등 민감한 정보를 보호하는 데 필수적이기 때문입니다.
TEE 작동 방식
TEE(신뢰할 수 있는 실행 환경)는 처리 중에 민감한 데이터를 보호된 CPU/GPU 인클레이브(보안 영역) 내에 격리합니다. 인증된 프로그램 코드만 엔클레이브의 콘텐츠에 액세스할 수 있으며, 클라우드 서비스 공급자, 개발자, 관리자 및 기타 하드웨어 부분은 이 영역에 액세스할 수 없습니다.
TEE의 주요 용도는 스마트 계약, 특히 민감한 금융 데이터가 포함된 DeFi 프로토콜을 실행하는 것입니다. 따라서 TEE와 DeFai의 통합에는 다음과 같은 기존 DeFi 애플리케이션 시나리오가 포함됩니다.
거래 개인 정보 보호: TEE는 보낸 사람과 받는 사람의 주소, 거래 금액과 같은 거래 세부 정보를 숨길 수 있습니다. Secret Network 및 Oasis와 같은 플랫폼은 TEE를 사용하여 DeFai 애플리케이션의 거래 개인 정보를 보호하고 이를 통해 비공개 지불을 가능하게 합니다.
MEV 저항성: TEE에서 스마트 계약을 실행하면 블록 빌더가 거래 정보에 액세스할 수 없으므로 MEV를 생성하는 선행 공격을 방지할 수 있습니다. Flashbots는 TEE를 활용하여 중앙 집중형 블록 구축과 관련된 검열 리스크 줄이는 탈중앙화 형 블록 구축 네트워크인 BuilderNet을 개발했습니다. 유니체인, 타이코 등의 체인도 TEE를 사용하여 사용자에게 더 나은 거래 경험을 제공합니다.
이러한 기능은 ZKP나 MPC와 같은 대체 솔루션에도 적용됩니다. 그러나 TEE는 현재 세 가지 솔루션 중에서 스마트 계약을 실행하는 데 가장 효율적인데, 그 이유는 모델이 하드웨어 기반이기 때문입니다.
에이전트 측면에서 TEE는 에이전트에게 다양한 기능을 제공합니다.
자동화: TEE는 에이전트를 위한 독립적인 운영 환경을 만들어서 사람이 정책 실행을 방해하지 않도록 보장합니다. 이를 통해 투자 결정이 전적으로 에이전트의 독립적인 논리에 따라 이루어지도록 할 수 있습니다.
TEE를 통해 상담원은 소셜 미디어 계정을 통제하여 자신이 내놓는 모든 공개 발언이 독립적이고 외부 당사자의 영향을 받지 않도록 보장하고, 이를 통해 광고나 기타 홍보에 대한 의심을 피할 수 있습니다. Phala는 AI16Z 팀과 협력하여 Eliza가 TEE 환경에서 효율적으로 실행될 수 있도록 노력하고 있습니다.
검증 가능성: 에이전트가 약속된 모델을 사용하여 계산을 수행하고 유효한 결과를 생성하는지 확인할 수 있습니다. Automata와 Brevis는 이 기능을 개발하기 위해 협력하고 있습니다.
AI 에이전트 클러스터
DeFi, 게임, 투자, 음악 등 특정 사용 사례를 갖춘 전문 에이전트가 점점 더 많아지면서 더 나은 에이전트 협업과 원활한 커뮤니케이션이 중요해지고 있습니다.
단일 에이전트의 한계를 해결하기 위해 에이전트 군집 프레임 의 인프라가 등장했습니다. 군집 지능을 통해 요원들은 팀으로 협력하여 각자의 역량을 모아 공통의 목표를 달성할 수 있습니다. 조정 계층은 복잡성을 추상화하고 에이전트가 공통의 목표와 인센티브에 따라 협업하기 쉽게 해줍니다.
Theoriq, FXN, Questflow를 포함한 몇몇 Web3 회사가 이 방향으로 움직이고 있습니다. 이러한 모든 플레이어 중 Theoriq는 원래 2022년 ChainML로 출시되었으며, 에이전트 AI를 위한 보편적인 기본 계층이 되겠다는 비전을 가지고 이 목표를 달성하기 위해 가장 오랫동안 노력해 왔습니다.
이러한 비전을 달성하기 위해 Theoriq는 기본 모듈 에서 에이전트 등록, 지불, 보안, 라우팅, 계획 및 관리를 처리합니다. 또한, Infinity Studio라는 직관적인 에이전트 구축 플랫폼을 제공하여 수요와 공급을 연결하는데, 이를 통해 누구나 자신의 에이전트를 배치할 수 있으며, 고객이 이용 가능한 모든 에이전트를 검색할 수 있는 마켓플레이스인 Infinity Hub도 제공합니다. 군집 시스템에서 메타 에이전트는 주어진 작업에 가장 적합한 에이전트를 선택하여 공통 목표를 달성하기 위한 "군집"을 생성하고, 동시에 평판과 기여도를 추적하여 품질과 책임을 유지합니다.
Theoriq 토큰은 경제 보장 제공하여 프록시 운영자와 커뮤니티 구성원이 토큰을 사용하여 프록시의 품질과 신뢰를 나타낼 수 있도록 함으로써 고품질 서비스에 대한 인센티브를 제공하고 악의적인 행동을 억제합니다. 토큰은 또한 서비스 비용과 데이터 접근 비용을 지불하는 교환 수단으로 사용될 수 있으며, 데이터, 모델 등을 제공하는 참여자에게 보상하는 데 사용될 수도 있습니다.
▲ 출처 : Theoriq
AI 에이전트에 대한 논의가 명확한 유틸리티 에이전트를 필두로 장기 산업 분야로 확대됨에 따라, Crypto x AI 인프라 프로젝트가 다시 활성화되어 가격 성과가 강세를 보일 수 있습니다. 이러한 프로젝트는 리스크 캐피털 자금, 수년간의 연구개발 경험, 특정 분야의 기술 전문성을 활용하여 가치 온체인 전반에 걸쳐 확장할 수 있는 잠재력을 가지고 있습니다. 이를 통해 기업은 현재 시장에 출시된 다른 에이전트의 95%보다 성능이 뛰어난 자체 고급 실용 AI 에이전트를 개발할 수 있습니다.
4. 디파이의 진화와 미래
저는 시장의 발전이 세 단계로 나뉜다고 믿어 왔습니다. 첫째, 효율성에 대한 요구, 둘째, 탈중앙화, 셋째, 프라이버시입니다. DeFai는 4단계로 나뉩니다.
DeFi AI의 첫 번째 단계는 효율성에 초점을 맞추고, 견고한 프로토콜 지식이 없어도 복잡한 DeFi 작업을 완료할 수 있는 다양한 도구를 통해 사용자 경험을 개선합니다. 예를 들면 다음과 같습니다.
완벽하게 형식화되지 않았더라도 사용자 프롬프트를 이해하는 AI
가장 짧은 블록 시간 내에 빠른 스왑 실행
실시간 시장 조사를 통해 사용자는 목표에 따라 유리한 결정을 내릴 수 있습니다.
혁신이 실현되면 사용자의 시간과 에너지를 절약하는 데 도움이 되며, 온체인 거래에 대한 임계값을 낮추어 향후 몇 달 안에 "팬텀" 순간을 만들어낼 가능성이 있습니다.
두 번째 단계에서는 에이전트가 최소한의 인간 개입으로 자율적으로 거래하게 됩니다. 거래 에이전트는 제3자의 관점 이나 다른 에이전트의 데이터를 기반으로 전략을 실행하여 새로운 DeFi 모델을 만들 수 있습니다. 전문적이거나 성숙한 DeFi 사용자는 모델 구축 에이전트를 미세하게 조정하여 자신이나 고객을 위해 최상의 수익을 창출하고, 수동 모니터링을 줄일 수 있습니다.
세 번째 단계에서는 사용자들이 투명성을 요구함에 따라 지갑 관리 문제와 AI 검증에 집중하기 시작할 것입니다. TEE와 ZKP와 같은 솔루션은 AI 시스템이 변조 불가능하고, 타인의 간섭을 받지 않으며, 검증 가능하다는 것을 보장합니다.
마지막으로, 이러한 단계가 완료되면, 코드가 필요 없는 DeFi AI 엔지니어링 툴킷이나 AI 즉 서비스 프로토콜을 통해 암호화폐를 기반으로 훈련된 모델을 사용하여 거래하는 에이전트 기반 경제를 만들 수 있습니다.
이 비전이 야심차고 흥미진진하기는 하지만 아직 해결해야 할 몇 가지 병목 현상이 있습니다.
현재 대부분의 도구는 ChatGPT 래퍼일 뿐이며 고품질 프로젝트를 식별할 수 있는 명확한 벤치마크가 없습니다.
온체인 데이터 단편화로 인해 AI 모델은 분산화보다는 탈중앙화 로 나아가고 있으며 온체인 프록시가 이 문제를 어떻게 해결할지는 불분명합니다.
