DeFai(DeFi x Ai)의 현재 상황에 대한 초기 탐색.

1/ 서론:

단 3개월 만에 AI x 미메코인 시장은 시가총액 134억 달러에 도달하여 AVAX와 SUI와 같은 기존 L1 블록체인과 경쟁했습니다.

사실, AI는 블록체인과 오랜 역사를 가지고 있습니다 . Bittensor 서브넷에서 분산형 모델 학습의 초기부터 Akash 및 io.net과 같은 분산형 GPU/계산 리소스 마켓플레이스, 그리고 Solana에서 AI x memecoin 및 프레임워크의 현재 물결까지 말입니다. 각 단계는 크립토가 어느 정도 리소스 집계로 AI를 보완하여 주권적 AI와 소비자 사용 사례를 가능하게 할 수 있음을 보여주었습니다.

솔라나 AI 토큰의 첫 번째 물결은 추측을 넘어 의미 있는 유용성을 도입했습니다. 주목할 만한 예로는 ai16z의 ELIZA 프레임워크, 시장 분석 및 콘텐츠 생성을 위한 Virtual의 aixbt AI 에이전트, AI를 블록체인 기능과 통합하는 다양한 툴킷이 있습니다.

두 번째 AI 붐은 성숙한 도구가 자리 잡으면서 전개되고 있으며, 실제 응용 프로그램과 구현이 주요 가치 동인이 되었고, DeFi가 이러한 혁신을 위한 이상적인 테스트 장소로 부상하고 있습니다.

CoinGecko에 따르면 DeFai의 mcap은 약 10억 달러입니다. Griffian은 45%의 점유율로 시장을 지배하는 반면 $ANON은 22%를 보유하고 있습니다. 이 부문은 12월 25일 이후 급속한 성장을 경험하기 시작했는데, Virtual 및 ai16z와 같은 프레임워크와 플랫폼이 크리스마스 휴가 이후 "미국 돈"이 돌아온 후 모멘텀을 얻었습니다.

이는 단지 시작일 뿐입니다. DeFai의 잠재력은 현재 상태를 훨씬 넘어섭니다. 통합이 개념 증명 단계에 머물러 있지만, AI 기능을 통해 DeFi를 보다 지능적이고 사용자 친화적이며 효율적인 금융 생태계로 혁신할 수 있는 역량을 과소평가해서는 안 됩니다.

DeFai의 환경을 살펴보기 전에 DeFi 및 블록체인 환경에서 에이전트가 작동하는 기본적인 메커니즘을 이해하는 것이 중요합니다.

2/ DeFi에서 에이전트는 어떻게 작동하나요?

AI 에이전트는 특정 워크플로를 따르는 사용자를 대신하여 작업을 실행하는 프로그램입니다. 이러한 에이전트의 핵심은 LLM으로 구동되며 훈련 데이터를 기반으로 응답을 생성합니다.

이러한 에이전트는 기억 유지를 통해 사용자 경험을 향상시키고, 과거 상호작용을 저장하여 사용자 행동 패턴에서 학습합니다. 이 기능을 통해 에이전트는 응답을 조정하고 과거 맥락에 따라 개인화된 권장 사항과 전략을 생성할 수 있습니다.

블록체인에서 에이전트는 스마트 계약 및 계정과 상호 작용하여 인간의 끊임없는 개입 없이 복잡한 작업을 처리할 수 있습니다. 예를 들어, 한 번의 클릭으로 여러 단계의 브리징 및 파밍을 실행하고, 더 나은 수익을 위한 수익 파밍 전략을 최적화하고, 거래(매수/판매)를 실행하고, 시장 분석을 모두 자율적으로 수행하여 defi UX를 간소화합니다.

@threesigmaxyz 연구를 참고하면 대부분 모델은 6가지 특정 워크플로를 따릅니다.

- 데이터 수집
- 모델 추론
- 의사결정
- 호스팅 및 운영
- 상호성
- 지갑

• 데이터 수집:

첫째, 모델은 작업에 필요한 운영 환경을 이해해야 합니다.

따라서 시장 상황에 맞춰 모델을 최신 상태로 유지하기 위해 여러 데이터 스트림이 필요합니다. 여기에는 1) 인덱서 및 오라클의 온체인 데이터, 2) 가격 플랫폼 CMC/Coingecko/다른 데이터 제공자의 데이터가 포함된 API를 통한 오프체인 데이터가 포함됩니다.

• 모델 추론:

모델이 환경을 학습하면, 사용자를 위한 새롭고 보이지 않는 입력 데이터를 기반으로 예측이나 실행을 하기 위해 지식을 적용해야 합니다. 에이전트가 사용하는 모델은 다음과 같습니다.

1) 지도 학습 및 비지도 학습: 레이블이 지정되거나 지정되지 않은 데이터에서 학습하여 결과를 예측하는 모델. 블록체인 컨텍스트에서 이러한 모델은 거버넌스 포럼 데이터를 분석하여 투표 결과를 예측하거나 거래 패턴을 식별할 수 있습니다.

2) 강화 학습: 시행착오를 통해 자신의 행동에 대한 보상과 결과를 평가하여 학습하는 모델입니다. 토큰 거래 전략을 최적화하는 데 적용되며, 토큰 구매를 위한 최적의 진입점을 결정하거나 수익 농사 매개변수를 조정하는 데 사용됩니다.

3) 자연어 처리(NLP): 인간의 언어 입력을 이해하고 처리하는 기술입니다. 거버넌스 포럼과 제안을 스캔하여 통찰력이나 요약을 얻는 데 유용합니다.

• 의사결정

훈련된 모델과 데이터를 통해 에이전트는 의사 결정 능력을 통해 조치를 취합니다. 여기에는 현재 상황을 해석하고 적절하게 대응하는 것이 포함됩니다.

이 단계에서 최적화 엔진은 가능한 최상의 결과를 찾는 데 중요한 역할을 합니다. 예를 들어, 에이전트는 수익 전략을 실행하기 전에 슬리피지, 가격 차이, 거래 비용 및 잠재적 이익과 같은 여러 요소를 균형 있게 조정해야 합니다.

단일 에이전트가 여러 도메인에 걸친 의사 결정에 최적화되어 있지 않을 수 있으므로 다중 에이전트 시스템을 배포하여 작업을 조정할 수 있습니다.

• 호스팅 및 운영

AI 에이전트는 일반적으로 작업의 컴퓨팅 집약적 특성으로 인해 오프체인에서 모델을 호스팅합니다. 일부는 AWS와 같은 중앙 집중형 클라우드 서비스에 의존하는 반면, 분산화를 선호하는 사람들은 데이터 저장을 위해 Arweave와 함께 Akash 또는 Ionet과 같은 분산 컴퓨팅 네트워크를 사용합니다.

AI 모델은 오프체인에서 작동하지만, 에이전트는 스마트 계약 기능을 실행하고 자산을 관리하기 위해 온체인 프로토콜과 상호 작용해야 합니다. 이 상호 작용에는 MPC 지갑이나 스마트 계약 지갑과 같은 안전한 키 관리 솔루션이 필요하여 거래를 안전하게 처리해야 합니다. 에이전트는 API를 통해 Twitter 및 Telegram과 같은 소셜 플랫폼에서 커뮤니티와 소통하고 참여할 수 있습니다.

• 상호 운용성

에이전트는 다양한 프로토콜과 상호 작용하면서 다양한 시스템에서 최신 정보를 유지해야 합니다. 일반적으로 API 브리지를 사용하여 가격 피드와 같은 외부 데이터를 가져옵니다.

현재 프로토콜 상태를 최신 상태로 유지하고 적절한 응답을 가능하게 하기 위해 에이전트는 웹훅이나 IPFS와 같은 분산 메시징 프로토콜을 통한 실시간 동기화를 사용합니다.

• 지갑:

에이전트는 블록체인 거래를 시작하기 위해 지갑이나 개인 키에 대한 액세스가 필요하며, 시중에는 2가지 일반적인 지갑/키 관리 유형이 있습니다.

- MPC 기반
- TEE 기반

포트폴리오 관리 애플리케이션의 경우 MPC 또는 TSS는 에이전트, 사용자 및 신뢰할 수 있는 당사자 간에 키를 분할할 수 있으며, 사용자는 여전히 AI에 대한 일정 수준의 제어를 유지할 수 있습니다. Coinbase AI Replit 지갑은 이러한 접근 방식을 효과적으로 보여주며 AI 에이전트가 있는 MPC 지갑을 구현하는 방법을 보여줍니다.

완전 자율 AI 시스템의 경우 TEE는 개인 키가 안전한 인클레이브에 저장되어 전체 AI 에이전트가 3자 간섭으로부터 안전한 은폐되고 보호된 환경에서 작동할 수 있는 대안을 제공합니다. 그러나 TEE 솔루션은 현재 하드웨어 중앙 집중화와 성능 오버헤드라는 두 가지 주요 과제에 직면해 있습니다.

AI의 6개 돌을 모으면 블록체인에서 자율 에이전트를 만들 수 있습니다. 이제 다양한 에이전트가 각자 defi 생태계에서 역할을 수행하여 체인에서 효율성과 거래 경험을 개선할 수 있습니다.

3/ DeFai 생태계 매핑

DeFai x Ai에는 4가지 주요 카테고리가 있습니다.

3.1 추상화 / UX 친화적 AI
3.2 수익 최적화 또는 포트폴리오 관리
3.3 DeFai 인프라 또는 플랫폼.
3.4 시장 분석 또는 예측 봇

3.1 추상화 AI / UX 친화적 AI

AI의 핵심 목적은 효율성을 높이고, 복잡한 문제를 해결하고, 사용자를 위해 복잡한 작업을 간소화하는 것입니다. DeFi에서 추상화 기반 AI는 복잡성 장벽을 줄여 신규 사용자와 숙련된 트레이더 모두에게 defi를 더 쉽게 접근할 수 있도록 합니다.

블록체인에서 효과적인 AI 솔루션은 다음을 수행할 수 있어야 합니다.

- 여러 단계의 거래 및 스테이킹 작업을 자동으로 실행하므로 사용자에게 사전 업계 지식이 필요하지 않습니다.

- 실시간 조사를 수행하고 사용자가 정보에 입각한 거래 결정을 내리는 데 필요한 모든 정보와 데이터를 제공합니다.

- 다양한 플랫폼에서 데이터를 가져와 시장 기회를 파악 하고 사용자에게 포괄적인 분석을 제공합니다.

이러한 추상화 도구의 대부분은 핵심적으로 ChatGPT를 기반으로 구동됩니다.

이러한 모델은 블록체인과 완벽하게 통합되어야 하지만, 블록체인 데이터를 사용하여 특별히 훈련되거나 미세 조정된 모델은 없는 것 같습니다.

- 그리핀:

그리핀의 창립자인 토니는 솔라나 해커톤에서 이 개념을 개발했습니다. 그는 나중에 이 아이디어를 기능적 제품으로 바꾸어 솔라나의 창립자인 아나톨리의 지지와 지지를 얻었습니다.

간단히 말해서 그리페인은 현재 솔라나에서 가장 성능이 뛰어난 추상화 AI로, 스왑, 지갑 관리, NFT 채굴, 토큰 스나이핑 등을 실행할 수 있습니다.

구체적으로 그리핀이 제공하는 기능은 다음과 같습니다.

- 자연어로 거래 실행

- 에이전트는 사용자를 대신하여 트윗할 수 있습니다.

- 다중 에이전트 조정

- 펌프펀으로 토큰을 출시하고, NFT를 발행하며, 에어드랍 주소를 선택할 수 있습니다.

- 특정 키워드 또는 조건에 따라 Pumpfun에서 새로운 출시 미메코인을 스나이핑하고 스테이킹, 자동화하고 defi 전략을 실행합니다.

- 토큰의 최고 보유자를 식별하는 등 시장 분석을 위해 플랫폼에서 데이터를 가져옵니다.

- 작업 일정을 조정하고, 사용자는 메모리를 에이전트에 입력하여 맞춤형 에이전트를 구축할 수 있습니다.

그리핀은 수많은 기능을 제공하지만, 사용자는 여전히 토큰 주소를 수동으로 입력하거나 실행을 위해 에이전트에게 특정 지침을 제공해야 합니다. 결과적으로 현재 제품은 이러한 기술적 요구 사항에 익숙하지 않은 초보자를 위해 아직 완전히 최적화되지 않았습니다.

지금까지 그리페인은 개인 AI와 특수 에이전트의 두 가지 유형의 AI 에이전트를 제공합니다.

1. 개인 AI 에이전트는 사용자가 제어합니다. 사용자는 지침을 사용자 지정하고 메모리 설정을 입력하여 선호하는 사용 사례에 맞게 에이전트를 조정할 수 있습니다.
2. 특수 에이전트는 특정 작업을 위해 설계된 에이전트입니다. 예를 들어, 에어드랍 에이전트는 주소를 찾고 지정된 홀더에게 토큰을 분배하도록 훈련되고, 스테이킹 에이전트는 수익 농사 목적으로 SOL 또는 기타 자산을 풀에 스테이킹하도록 프로그래밍됩니다.

주목할 만한 기능은 그리핀의 멀티 에이전트 협업 시스템으로, 여러 에이전트가 단일 채팅방에서 함께 작업할 수 있습니다. 이러한 에이전트는 조정된 노력을 유지하면서 독립적으로 복잡한 작업을 해결할 수 있습니다.

지갑:

계좌를 생성하면 시스템은 사용자가 대리인에게 계좌를 위임하여 거래를 실행하고 포트폴리오를 자율적으로 관리할 수 있는 전용 지갑을 생성합니다.

여기서 키는 샤미르의 비밀 공유를 통해 분할되므로 그리핀이나 프라이비는 지갑을 보관할 수 없으며, 슬레이트에 따르면 SSS는 키를 다음을 포함한 세 부분으로 분할하여 작동합니다.

1. 장치 공유: 브라우저에 저장하고 탭이 열리면 검색합니다.

2. 인증 공유: Privy 서버에 저장되며 애플리케이션에 인증하고 로그인할 때 검색됩니다.

3. 복구 공유: Privy의 서버에 암호화되어 저장되고 암호가 해독되어 사용자가 탭에 로그인하기 위해 비밀번호를 입력할 때만 얻을 수 있습니다.

더불어, 그리페인의 프런트엔드에는 사용자가 내보내거나, 내보낼 수 있는 옵션이 있습니다.

곧:

Anon은 defi 프로토콜 원더랜드와 MIM(Magic Internet Money)을 만든 것으로 알려진 Daniele Sesta가 만들었습니다. Griffain과 유사하게 anon은 신규 사용자와 베테랑 모두를 위한 defi 상호 작용을 단순화하기 위해 만들어졌습니다.

개발팀에서는 잠재적인 기능을 개략적으로 설명했지만, 제품이 아직 대중에게 공개되지 않았기 때문에 아직 검증된 기능은 없습니다.

일부 기능은 다음과 같습니다.

- 자연어로 거래 실행 (중국어를 포함한 국제어)

- LayerZero가 가능하게 한 크로스 체인 브리징

- Aave, Sparks, Sky & Wagmi 등의 파트너 프로토콜을 통한 차용 및 공급

- Pyth를 통해 실시간 가격 및 데이터 피드 얻기

- 시간-가스-가격 기반 자동화 및 트리거 제공

- 감정 체크, 소셜 프로필 분석 등 실시간 시장 통찰력 제공

그 외에도, daniele은 최근 Anon에 대한 2가지 주요 업데이트를 게시했습니다.

- 자동화된 프레임워크:

더 많은 프로젝트가 Anon과 더 빠르게 통합되도록 돕는 TypeScript 프레임워크입니다. 이 프레임워크는 모든 데이터와 상호작용이 사전 정의된 구조를 따라야 하므로 Anon은 AI가 환각을 당할 위험을 낮추고 더 신뢰할 수 있습니다.

- 젬마 :

온체인 defi 지표(예: TVL, 볼륨, prepdex 자금 조달 비율)와 소셜 감정 분석을 위한 twitter 및 telegram과 같은 오프체인 데이터에서 실시간 데이터를 수집할 수 있는 연구 초점 에이전트. 이러한 데이터는 기회 알림 및 사용자를 위한 맞춤형 통찰력으로 변환됩니다.

이로 인해 Anon은 특히 이 시장에서 문서를 판단할 때 가장 기대되고 강력한 추상화 도구 중 하나가 되었습니다.

슬레이트(아직 토큰 없음):

BigBrain Holdings의 지원을 받는 Slate는 온체인 신호를 기반으로 자율적으로 거래하는 "Alpha AI"로 자리 매김하고 있습니다. 현재 Slate는 Hyperliquid에서 거래를 자동화하고 실행할 수 있는 유일한 추상화 AI입니다.

Slate는 최적화된 가격 라우팅과 빠른 실행을 우선시하며, 거래 전에 시뮬레이션을 실행할 수 있습니다.

주요 특징은 다음과 같습니다.

- EVM 체인과 Solana 간 크로스 체인 스왑

- 가격, 시가총액, 가스 요금, 손익 지표를 기반으로 한 자동 거래

- 자연어 작업 스케줄링

- 온체인 거래 집계

- 텔레그램 알림 시스템

- 롱+숏 포지션 오픈, 특정 조건 하에 상환 가능, LP 관리+수익 농사, 하이퍼리퀴드에 대한 조치 포함.

수수료 구조:

전반적으로 수수료 범주는 2가지입니다.

일반적인 작업:
Slate에서는 일반적인 이체/출금에 대해서는 수수료를 부과하지 않지만 스왑, 브리지, 클레임, 차용, 대여, 상환, 스테이크, 언스테이크, 롱, 숏, 잠금, 잠금 해제 등에 대해서는 0.35%의 수수료를 부과합니다.

조건부 작업:

조건 주문(예: 한정 주문)을 설정하는 경우 슬레이트는 가스 조건에 대해 0.25%, 기타 모든 조건에 대해 1.00%의 요금을 청구합니다.

지갑:

Slate는 Privy의 내장형 지갑 아키텍처를 통합하여 Slate와 Privy가 지갑의 보관을 유지하지 않도록 합니다. 사용자는 기존 지갑을 연결하고 에이전트에게 자신을 대신하여 거래를 실행할 권한을 부여할 수 있습니다.

추상화 AI 비교:

시중에서 가장 인기 있는 추상화 몇 가지를 비교했습니다.

비교해보면, 오늘날 대부분의 AI 추상화 도구는 Solana와 EVM 체인 간의 브리징 및 크로스 체인 스왑을 지원합니다. Slate는 Hyperliquid 통합을 제공하는 반면 Neur와 Griffin은 현재 Solana에서만 사용할 수 있지만, 곧 크로스 체인 지원을 추가할 계획이라고 생각합니다.

대부분의 플랫폼은 Privy 임베디드 지갑과 EOA 지갑을 모두 통합하여 사용자가 자금을 보관할 수 있도록 합니다. 하지만 특정 거래를 실행하려면 사용자가 에이전트에게 액세스 권한을 위임해야 합니다. 이는 TEE가 AI가 변조 방지되도록 하는 데 역할을 할 수 있는 영역입니다.

대부분의 AI 추상화 도구는 토큰 출시, 거래 실행, 자연어를 사용한 조건부 주문과 같은 공통적인 기능을 공유하지만, 성능은 도구마다 상당한 차이가 있습니다.

제품 측면에서 보면 우리는 아직 AI 추상화의 초기 단계에 있습니다.

이 5개 프로젝트의 비교 분석은 플랫폼 간에 뚜렷한 강점을 보여줍니다. Griffain은 포괄적인 기능 세트, 광범위한 파트너십 네트워크, 워크플로 관리를 위한 고급 멀티 에이전트 조정 기능을 통해 차별화됩니다(Orbit은 멀티 에이전트 기능을 제공하는 유일한 다른 플랫폼입니다).

Anon의 강점은 빠른 대응, 다국어 지원, Telegram 통합에 있고, Slate는 자동화 플랫폼과 Hyperliquid에 대한 독점 지원을 통해 틈새 시장을 개척했습니다.

그러나 이러한 추상화 AI 플랫폼 중 다수는 여전히 근본적인 문제에 어려움을 겪고 있습니다. 특히 기본 스왑 작업(예: USDC 쌍)을 처리하는 데 어려움을 겪고 있습니다.

일반적인 문제로는 토큰 주소를 정확하게 식별하고, 현재 가격을 검색하고, 최신 시장 동향 분석을 수행하는 데 어려움이 있습니다. 이러한 플랫폼 간의 주요 차별화 요소는 궁극적으로 응답 시간, 정확성 및 답변 관련성으로 귀결됩니다. 앞으로 모든 추상화 AI 플랫폼에서 투명성을 유지하고 성과를 비교할 수 있는 포괄적인 대시보드가 필요합니다.

3.2 자율 수익 최적화 및 포트폴리오 관리:

기존 수익률 전략과 달리 이 분야의 프로토콜은 AI를 사용하여 추세 분석을 위해 온체인 데이터를 분석한 다음 팀이 더 나은 수익 최적화 및 포트폴리오 배분 전략을 개발하는 데 도움이 되는 통찰력을 제공합니다.

모델이 비용 효율성을 위해 Bittensor 서브넷이나 오프체인과 같은 네트워크에서 훈련되는 것은 흔한 일입니다. AI가 자율적으로 거래를 실행하기 위해 ZKP와 같은 검증 방법을 구현하여 모델이 정직하고 검증 가능한 상태를 유지하도록 합니다. 아래는 Defai 프로토콜의 수익률 최적화에 대한 몇 가지 예입니다.

T3AI:

T3AI는 AI를 중개자 및 위험 엔진으로 사용하여 담보 부족 대출을 지원하는 대출 프로토콜입니다. 이 프로토콜의 AI 에이전트는 대출 상태를 실시간으로 지속적으로 모니터링하고 T3AI의 위험 지표 프레임워크를 통해 대출이 상환 가능하도록 보장할 수 있습니다.

반면, AI는 또한 다양한 자산이 서로 어떻게 관련되어 있는지, 그리고 시간이 지남에 따라 가격이 어떻게 변하는지 분석하여 정확한 위험 예측을 가능하게 합니다. T3AI의 AI는 다음을 통해 이를 수행합니다.

- 주요 CEX, DEX의 가격 데이터를 살펴보겠습니다.
- 다양한 자산의 변동성 측정
- 관계와 다양한 자산의 가격이 함께 어떻게 움직이는지 연구합니다.
- AI를 사용하여 여러 자산이 서로 상호 작용하는 방식에서 숨겨진 패턴을 찾습니다.

그러면 사용자의 포트폴리오에 따라 최적의 할당 전략을 제안하고, 모델이 미세 조정된 후 자율적인 AI 포트폴리오 관리를 가능하게 할 가능성이 있습니다. ZK 증명과 검증자 네트워크도 구현되어 모든 작업이 검증 가능하고 신뢰할 수 있도록 합니다. 아래는 T3AI에서 AI가 사용되고 검증되는 방법에 대한 워크플로입니다.

쿠다이:

Kudai는 EmpyrealSDK 툴킷을 사용하여 GMX Blueberry Club에서 출시한 실험적 GMX 생태계 중심 에이전트입니다. 이 토큰은 현재 Base에서 거래되고 있습니다.

쿠다이의 컨셉은 $KUDAI에서 발생한 모든 거래 수수료를 자율적인 거래 운영을 위한 자금 조달 대행자에게 전달한 후 수익을 토큰 보유자에게 분배하는 것입니다.

다가올 2/4단계에서 Kudai는 Twitter에서 다음과 같은 자연어를 해석할 수 있게 됩니다.

- 새로운 수익원을 창출하기 위해 $GMX를 매수하고 지분을 확보하세요
- GMX GM 풀에 투자하여 수익을 더욱 높이세요
- GBC NFT를 바닥가로 스윕하여 포트폴리오 확대

이 단계를 거치면 쿠다이는 완전히 자율화되어 레버리지 거래, 차익 거래, 수익 농사에 대한 주문을 독립적으로 실행합니다.

하지만 해당 팀은 추가 정보를 공개하지 않았으며, Kudai AI는 아직 실험적인 제품입니다.

튼튼한 금융 V2:

Sturdy Finance는 Bittensor SN10 서브넷 마이너가 훈련한 AI 모델을 활용하여 여러 허용 목록에 있는 사일로 풀 간에 자금을 이동하여 수익을 최적화하는 대출 및 수익 농사 집계 사이트입니다.

구체적으로 Sturdy는 사일로 풀과 집계 계층으로 구성된 2계층 아키텍처에서 실행됩니다.

1. 사일로 풀은 사용자가 하나의 자산만 대출하거나 하나의 담보로 대출할 수 있는 고립된 단일 자산 풀입니다.

2. 집계기 계층은 Yearn V3 위에 구축되며, 여기서 사용자의 자산은 활용률과 수익률에 따라 허용된 사일로 풀로 방해를 받습니다. Bittensor 서브넷은 집계기에 최상의 할당 전략을 제공합니다.

사용자가 통합기관에 대출할 경우, 선택한 담보 유형에만 노출이 유지되므로 다른 대출 풀이나 담보 자산으로 인한 위험이 제거됩니다.

이 글을 쓰는 시점에서 Sturdy V2의 TVL은 5월부터 감소해 왔으며, 이 애그리게이터의 총 TVL은 약 390만 달러로 프로토콜의 총 TVL의 약 29%를 차지합니다.

Sturable의 DAU는 2024년 9월 이후 2자리(>100)를 유지했으며, pxETH와 crvUSD가 애그리게이터에서 주요 대출 자산이었습니다. 프로토콜의 성과는 지난 몇 달 동안 분명히 침체되었고, AI의 통합은 프로토콜에 대한 모멘텀을 되찾기 위한 움직임처럼 보입니다.

3.3 시장 분석 에이전트:

Aixbt 는 Twitter에서 400명 이상의 KOL의 데이터를 집계하고 분석하는 시장 감정 추적 에이전트입니다. Aixbt는 자체 엔진을 사용하여 실시간 트렌드를 파악하고 24시간 내내 통찰력을 게시할 수 있습니다.

해당 분야의 모든 AI 에이전트 중에서 AixBT는 14.76%의 상당한 마인드셰어를 차지하며, 이는 해당 생태계에서 가장 영향력 있는 에이전트 중 하나입니다.

Aixbt는 분명히 소셜 미디어를 통한 사회적 상호작용을 목적으로 만들어졌으며, 그가 공개한 통찰력은 시장의 관심을 직접적으로 반영합니다.

그의 역량은 알파를 제공하는 데 그치지 않습니다. 그는 상호작용이 가능하고, 사용자 질문에 답변할 수 있으며, 전문 툴킷을 사용하여 트위터를 통해 토큰을 출시할 수도 있습니다. 예를 들어, $CHAOS 토큰은 @EmpyrealSDK 툴킷을 사용하여 AixBT와 Simi라는 또 다른 대화형 봇의 협업을 통해 만들어졌습니다.

현재 $AIXBT 토큰 60만 개(약 30만 달러 상당)를 보유하면 분석 플랫폼과 터미널에 접속할 수 있습니다.

3.4 Defai 인프라 및 플랫폼:

Web3 AI 에이전트는 분산형 인프라 없이는 불가능할 것입니다. 이러한 프로젝트는 모델 학습 및 추론뿐만 아니라 데이터, 검증 방법 및 AI 에이전트가 개발할 수 있는 조정 계층을 제공합니다.

Web2 또는 Web3 AI와 관계없이 모델, 컴퓨팅 및 데이터 는 LLM 및 AI 에이전트 우수성을 추진하는 3가지 궁극적인 기반입니다. 분산 방식으로 훈련된 오픈소스 모델 개발은 에이전트 빌더에게 환영받을 것입니다. 중앙 집중화된 소유권에 대한 단일 당사자 위험을 완전히 제거하고 개발자가 더 이상 Google, Meta, OpenAI와 같은 Web2 AI 거대 기업이 소유한 LLM API에 의존할 필요가 없기 때문에 사용자 소유 AI의 가능성을 열어주기 때문입니다.

아래는 pinkbrains가 만든 훌륭한 AI 인프라 맵입니다.

모델 생성:

Nous Research, Prime Intellect, Exo Labs와 같은 선구자들은 분산형 훈련의 경계를 넓히고 있습니다.

Nouse Research의 Distro 학습 알고리즘과 Prime Intellect의 DiLoco 알고리즘은 저대역폭 환경에서 100억 개 이상의 매개변수를 가진 모델을 성공적으로 학습시켜 기존의 중앙 집중형 시스템 외부에서도 대규모 학습이 가능하다는 것을 보여주었습니다. Exo Labs는 GPU 간 통신을 1,000배 이상 줄이는 분산형 AI 학습 알고리즘인 SPARTA를 출시하여 이를 더욱 발전시켰습니다.

베이글은 암호화를 사용하여 오픈 소스 데이터 귀속 및 수익화 문제를 해결하는 동시에 AI 개발자에게 모델과 데이터를 제공하는 분산형 HuggingFace가 되려고 노력하고 있습니다. Bittensor는 참가자가 컴퓨팅, 데이터 및 인텔리전스를 제공하여 AI 모델 및 에이전트 개발을 가속화할 수 있는 경쟁적인 시장을 만듭니다.

데이터 및 컴퓨팅 공급자:

많은 사람들은 Axibt가 고품질 데이터 세트에 대한 접근성 덕분에 유틸리티 에이전트 부문에서 확실한 선두 주자로 떠올랐다고 믿습니다. Grass, Vana, Sahara, Space and Time, Cookie DAO와 같은 공급업체는 고품질 데이터, 도메인별 데이터를 제공하거나 AI 개발자에게 울타리로 둘러싸인 정원 내의 데이터에 대한 접근 권한을 부여하여 역량을 강화합니다. Grass는 250만 개 이상의 노드를 활용하여 하루에 놀랍게도 300TB 이상을 스크래핑할 수 있었습니다.

Nvidia가 현재 비디오 모델을 2,000만 시간의 비디오 데이터로만 훈련한 반면, Grass의 비디오 데이터 세트는 15배 더 크고(3억 시간) 하루에 400만 시간씩 증가하고 있습니다. 즉, Grass가 Nvidia의 전체 데이터 세트의 20%를 매일 수집하고 있는 것입니다. 다시 말해, Grass는 5일 만에 Nvidia의 전체 비디오 데이터 세트와 동일한 양을 검색하고 있습니다.

컴퓨팅 없이는 에이전트를 실행할 수 없습니다. Aethir 및 io.net과 같은 컴퓨팅 제공자는 다양한 GPU를 집계하여 에이전트 개발자에게 비용 효율적인 옵션을 제공합니다. Hyperbolic의 분산형 GPU Marketplace는 기존 중앙 집중형 제공자에 비해 컴퓨팅 비용을 최대 75%까지 절감하는 동시에 오픈 소스 AI 모델을 호스팅하여 web2 클라우드 제공자와 비슷한 처리량으로 낮은 지연 추론을 제공합니다.

Hyperbolic은 강력한 인터페이스인 AgentKit을 도입하여 GPU 마켓플레이스와 클라우드 서비스를 강화합니다. AgentKit은 AI 에이전트에게 Hyperbolic의 분산 GPU 네트워크에 대한 전체 액세스를 제공합니다. 사용 가능한 컴퓨팅 리소스에 대한 AI 판독 맵을 제공하여 에이전트가 실시간으로 스캔하여 리소스 가용성뿐만 아니라 사양, 현재 부하 및 성능 세부 정보에 대한 통찰력을 얻을 수 있습니다.

이 AgentKit은 에이전트가 독립적으로 자신의 컴퓨팅을 조달하고 컴퓨팅 비용을 지불할 수 있는 혁신적인 미래를 열어줍니다.

확인:

Hyperbolic은 혁신적인 샘플 증명 검증 메커니즘을 통해 이 생태계 내의 모든 추론 상호작용이 검증되도록 보장하여 에이전트의 미래에 대한 신뢰를 구축합니다.

그러나 검증은 자율 에이전트에 대한 신뢰 문제의 일부만을 다룹니다. 신뢰의 다른 측면은 Phala, Automata 및 Marlin 과 같은 TEE 인프라 프로젝트가 역할을 할 수 있는 개인 정보 보호와 관련이 있습니다. 예를 들어, 이러한 AI 에이전트가 사용하는 독점 데이터 또는 모델은 안전하게 보관할 수 있습니다. 사실, 진정한 자율 에이전트는 지갑의 개인 키를 보호하고 개인 키 또는 Twitter 계정 로그인 자격 증명에 대한 무단 액세스를 방지하는 것과 같이 민감한 정보를 보호하는 것이 중요하기 때문에 TEE 없이는 완벽하게 작동할 수 없습니다.

TEE는 어떻게 작동하나요?

TEE는 처리 중에 보호된 CPU/GPU 인클레이브 내에서 민감한 데이터를 격리합니다. 인클레이브의 내용은 승인된 프로그램 코드에서만 볼 수 있습니다. 클라우드 서비스 공급자, 개발자, 관리자 및 하드웨어의 다른 부분은 하드웨어의 이 부분에 액세스할 수 없습니다.

TEE의 주요 사용 사례는 스마트 계약 실행이었으며, 특히 민감한 금융 데이터가 있는 Defi 프로토콜에서 그러했습니다. 따라서 Defai에서 TEE를 통합하는 데는 다음과 같은 기존 DeFi 시나리오가 포함됩니다.

1. 거래 프라이버시, TEE는 발신자 및 수신자 주소와 거래 금액과 같은 거래 세부 정보를 숨길 수 있습니다. Secret Network 및 Oasis와 같은 플랫폼은 TEE를 사용하여 Defi 앱에서 거래 프라이버시를 보호하여 Defi에서 개인 결제를 가능하게 합니다.

2. Anti-MEV, TEE 내에서 스마트 계약을 실행함으로써 블록 빌더는 거래 정보에 액세스할 수 없으므로 MEV를 생성하는 프런트 러닝 공격을 방지합니다. Flashbots는 TEE를 활용하여 중앙 집중형 블록 빌더와 관련된 검열 위험을 줄이는 분산형 블록 구축 네트워크인 BuilderNet을 개발했습니다. Unichain 및 Taiko와 같은 체인도 TEE를 사용하여 사용자에게 더 나은 사용자 거래 경험을 제공합니다.

이러한 기능은 ZKP 또는 MPC와 같은 대체 솔루션에서도 작동합니다. 그러나 TEE는 현재 스마트 계약을 실행하는 데 있어 이 세 가지 솔루션 중에서 가장 높은 효율성을 보이는데, 그 이유는 모델이 하드웨어에 기반을 두고 있기 때문입니다.

에이전트 측에서 TEE는 다음과 같은 능력을 갖춘 에이전트를 제공합니다.

1. 자율성 - TEE는 에이전트를 위한 독립적인 운영 환경을 만들어서 그들의 전략이 인간의 간섭 없이 실행되도록 보장할 수 있습니다. 이를 통해 투자 결정이 에이전트의 독립적인 논리에만 기반하도록 보장할 수 있습니다.

TEE는 또한 에이전트가 소셜 미디어 계정을 제어할 수 있도록 하여 그들이 하는 모든 공개적 진술이 독립적이고 외부의 영향을 받지 않도록 보장하여 광고와 같은 홍보 편향에 대한 의심을 피할 수 있습니다. Phala는 AI16z 팀과 협력하여 Eliza가 TEE 환경에서 효율적으로 실행될 수 있도록 지원합니다.

2. 검증 가능성, TEE가 에이전트에게 제공할 수 있는 마지막 것은 검증 가능성입니다. 사람들은 에이전트가 약속된 모델을 계산에 사용하고 유효한 결과를 생성하는지 확인할 수 있습니다. Automata와 Brevis는 이 기능을 개발하기 위해 협력하고 있습니다.

AI 에이전트 콜렉티브:

DeFi, 게임, 투자, 음악 등 특정 사용 사례를 갖춘 전문 에이전트가 점점 더 많아지면서, 더 나은 에이전트 협업과 원활한 커뮤니케이션이 필수적이 되고 있습니다.

"에이전트 스웜" 프레임워크를 위한 인프라는 모놀리식 에이전트의 한계를 해결하기 위해 등장했습니다. 스웜 인텔리전스를 통해 에이전트는 팀으로 협력하여 역량을 모아 공유 목표를 달성할 수 있습니다. 조정 계층은 복잡성을 추상화하여 에이전트가 공유 목표와 인센티브로 협업하기 쉽게 만듭니다.

Theoriq, FXN, Questflow를 포함한 여러 Web3 플레이어가 이 방향으로 나아가고 있습니다. 이 모든 플레이어 중에서 2022년에 ChainML로 처음 출시된 Theoriq는 Agentic AI의 보편적인 기본 계층이 되는 비전을 가지고 이 목표를 향해 가장 오랫동안 노력해 왔습니다.

이러한 비전을 충족하기 위해 Theoriq는 기본 계층 모듈에서 에이전트 등록, 지불, 보안, 라우팅, 계획 및 거버넌스를 처리합니다. 또한 공급 및 수요 측면을 연결하여 Infinity Studio라는 직관적인 에이전트 구축 플랫폼을 제공하는데, 이를 통해 누구나 자신의 에이전트를 배포할 수 있으며, Infinity Hub는 고객이 사용 가능한 모든 에이전트를 검색할 수 있는 마켓플레이스입니다. 스웜 시스템에서 메타 에이전트는 주어진 작업에 가장 적합한 에이전트를 선택하여 공유된 목표를 향해 작업할 "스웜"을 만들고, 동시에 평판과 기여도를 추적하여 품질과 책임을 유지합니다.

Theoriq 토큰은 경제적 보안을 제공하며, 에이전트 운영자와 커뮤니티 구성원이 에이전트에 토큰을 투자하여 고품질 서비스에 대한 인센티브를 제공하고 악의적인 행동을 억제하는 데 사용합니다. 토큰은 또한 서비스 비용을 지불하고 데이터에 액세스하며 데이터, 모델 등을 제공하는 참여자에게 보상하는 교환 매체 역할도 합니다.

AI 에이전트에 대한 내러티브가 명확한 유틸리티 에이전트가 주도하는 장기 산업 부문으로 더욱 확립됨에 따라, 우리는 Crypto x AI 인프라 프로젝트가 부활하여 강력한 가격 성과를 제공하는 것을 볼 수 있습니다. 이러한 프로젝트는 VC 자금, 수년간의 R&D 및 도메인별 기술 전문 지식을 활용하여 가치 사슬 전체로 확장할 수 있는 잠재력이 있습니다. 이를 통해 현재 시장에 있는 다른 에이전트의 95%보다 성능이 뛰어난 자체 고급 유틸리티 AI 에이전트를 개발할 수 있습니다.

4. DeFai의 진화와 DeFai의 다음 단계.

저는 시장이 3단계로 발전할 것이라고 믿습니다. 먼저 효율성을 요구하고, 그다음에는 분산화를 요구하며, 마지막으로 개인정보 보호를 요구합니다.

디파이는 4단계로 진행됩니다.

DeFi AI의 1단계는 복잡한 DeFi 작업에 대한 사용자 경험을 심층적인 프로토콜 지식 없이도 개선하는 도구를 사용하여 효율성에 초점을 맞출 것입니다. 예를 들어 다음과 같습니다.

• 불완전한 서식이라도 사용자 프롬프트를 이해하는 AI
• 최소 블록 시간 내에 빠른 스왑 실행
• 실시간 시장 조사를 통해 사용자가 목표에 따라 수익성 있는 결정을 내릴 수 있도록 돕습니다.

혁신이 실현되면 온체인 거래의 장벽을 낮추는 동시에 시간과 에너지를 절약할 수 있으며, 향후 몇 달 안에 "팬텀" 순간을 만들어낼 가능성이 있습니다.

2단계에서는 에이전트가 최소한의 인간 개입으로 자율적으로 거래합니다. 타사 통찰력이나 다른 에이전트의 데이터를 기반으로 전략을 실행할 수 있는 거래 에이전트는 새로운 DeFi 패러다임을 만들어냅니다. 전문적이거나 정교한 defi 사용자는 모델을 미세 조정하고 에이전트를 구축하여 자신이나 클라이언트를 위해 최적의 수익을 창출할 수 있으며, 수동 모니터링이 덜 필요합니다.

3단계에서는 사용자들이 투명성을 요구함에 따라 지갑 관리 문제와 AI 검증에 집중하기 시작할 것입니다. TEE와 ZKP와 같은 솔루션은 AI 시스템이 변조 방지되고, 제3자 간섭으로부터 보호되며, 검증 가능하도록 보장합니다.

마지막으로, 이러한 단계가 완료되면, 코드가 필요 없는 DeFi AI 엔지니어링 툴킷이나 AI 즉 서비스 프로토콜을 통해 암호화폐를 사용해 미세 조정된 모델을 거래하는 에이전트 기반 경제가 구축될 수 있습니다.

이 비전은 야심차고 흥미진진하지만 아직 해결되지 않은 병목 현상이 몇 가지 있습니다.

• 현재 대부분의 도구는 합법적인 프로젝트를 식별할 수 있는 명확한 벤치마크가 없는 단순한 ChatGPT 래퍼입니다.
• 온체인 데이터 단편화로 인해 AI 모델은 분산화보다는 중앙 집중화로 나아가고 있으며, 오늘날 온체인 에이전트가 이 문제를 어떻게 해결할지는 불확실합니다.

DeFi + Ai = DeFai는 원래 Medium의 IOSG Ventures 에 게재되었으며, 사람들은 이 스토리를 강조하고 응답함으로써 대화를 이어가고 있습니다.