Được viết bởi: Henry @IOSG

Lời nói đầu

Chỉ trong 3 tháng, giá trị vốn hóa thị trường của AI x memecoin đã đạt 13,4 tỷ USD, có quy mô tương đương với một số L1 trưởng thành (chẳng hạn như AVAX hoặc Sui).

Trên thực tế, mối quan hệ giữa trí tuệ nhân tạo và blockchain có lịch sử lâu dài, từ việc đào tạo mô hình phi tập trung ban đầu trên mạng con Bittensor, đến các thị trường tài nguyên tỷ lệ băm /GPU phi tập trung như Akash và io.net, cho đến Solana AI x memecoins và framework hiện tại. sóng. Mỗi giai đoạn thể hiện mức độ mà crypto có thể bổ sung cho AI thông qua việc tổng hợp tài nguyên, cho phép AI có chủ quyền và các trường hợp sử dụng của người tiêu dùng.

Trong làn sóng tiền Solana AI đầu tiên, một số mang lại tiện ích có ý nghĩa thay vì chỉ là đầu cơ thuần túy. Chúng ta đã chứng kiến ​​sự xuất hiện của các khuôn khổ như ELIZA của ai16z, các tác nhân AI như aixbt cung cấp phân tích thị trường và tạo nội dung hoặc bộ công cụ tích hợp AI với các khả năng blockchain .

Trong làn sóng AI thứ hai, khi ngày càng có nhiều công cụ hoàn thiện, các ứng dụng đã trở thành động lực giá trị quan trọng và DeFi đã trở thành nền tảng chứng minh hoàn hảo cho những đổi mới này. Để đơn giản hóa cách diễn đạt, trong nghiên cứu này, chúng tôi gọi sự kết hợp giữa AI và DeFi là “DeFai”.

Theo dữ liệu từ CoinGecko, DeFai có giá trị vốn hóa thị trường khoảng 1 tỷ USD. Griffian vị trí chủ đạo thị trường với 45% thị phần , trong khi $ANON chiếm tỷ lệ 22%. Đường đua này bắt đầu có tốc tăng trưởng nhanh chóng sau ngày 25 tháng 12 và trong cùng thời gian, các framework và nền tảng như Virtual và ai16z đã có tăng trưởng mạnh mẽ sau kỳ nghỉ lễ Giáng sinh.

▲ Nguồn: Coingecko.com

Đây chỉ là bước đầu tiên, tiềm năng của DeFai còn vượt xa hơn thế. Mặc dù DeFai vẫn đang trong giai đoạn chứng minh khái niệm nhưng chúng ta không thể đánh giá thấp tiềm năng của nó, điều này sẽ thúc đẩy trí thông minh và hiệu quả mà AI có thể cung cấp để biến ngành DeFi thành một hệ sinh thái tài chính thân thiện, thông minh và hiệu quả hơn với người dùng.

Trước khi đi sâu vào thế giới DeFai, chúng ta cần hiểu cách các tác nhân thực sự hoạt động trong DeFi/ blockchain.

Cách thức hoạt động của Agent trong hệ thống DeFi

Tác nhân trí tuệ nhân tạo (AI Agent) đề cập đến các chương trình có thể thực hiện nhiệm vụ thay mặt người dùng theo quy trình công việc. Cốt lõi đằng sau Tác nhân AI là LLM (Mô hình ngôn ngữ lớn), có thể phản hồi dựa trên kiến ​​thức được đào tạo hoặc học được, nhưng phản hồi này thường bị hạn chế.

Các đại lý về cơ bản khác với robot. Bot thường có nhiệm vụ cụ thể, cần có sự giám sát của con người và cần hoạt động theo các quy tắc và điều kiện được xác định trước. Ngược lại, các tác nhân năng động và thích ứng hơn, có khả năng học hỏi một cách tự chủ để đạt được các mục tiêu cụ thể.

Để tạo trải nghiệm được cá nhân hóa hơn và phản hồi toàn diện hơn, tác nhân có thể lưu trữ các tương tác trong quá khứ trong bộ nhớ, cho phép tác nhân học hỏi từ các mẫu hành vi của người dùng và điều chỉnh phản hồi của mình, tạo ra các đề xuất và phản hồi phù hợp dựa trên bối cảnh lịch sử .

Trong blockchain, các tác nhân có thể tương tác với các hợp đồng và tài khoản thông minh để xử lý nhiệm vụ phức tạp mà không cần sự can thiệp liên tục của con người. Ví dụ: về mặt đơn giản hóa trải nghiệm người dùng defi, bao gồm thực hiện kết nối và canh tác nhiều bước chỉ bằng một cú nhấp chuột, tối ưu hóa chiến lược canh tác để có lợi nhuận cao hơn, thực hiện giao dịch (mua vào/ bán) và tiến hành phân tích thị trường, tất cả các bước này đều được hoàn thành một cách tự động của.

Tham khảo nghiên cứu của @3sigma, hầu hết các mô hình đều tuân theo 6 quy trình công việc cụ thể:

• thu thập dữ liệu

• Lý luận mẫu

• ra quyết định

• Lưu trữ và chạy

• khả năng tương tác

• cái ví

1Thu thập dữ liệu

Đầu tiên, mô hình cần hiểu hoàn cảnh mà nó hoạt động. Do đó, họ yêu cầu nhiều luồng dữ liệu để giữ cho mô hình đồng bộ với điều kiện thị trường. Điều này bao gồm: 1) Dữ liệu trực Chuỗi từ người lập chỉ mục và oracle 2) Dữ liệu ngoài Chuỗi từ các nền tảng giá như CMC/Coingecko/API dữ liệu của nhà cung cấp dữ liệu khác.

2 Mô hình lý luận

Khi các mô hình tìm hiểu hoàn cảnh, chúng cần áp dụng kiến ​​thức này để dự đoán hoặc thực hiện dựa trên dữ liệu đầu vào mới, không xác định từ người dùng. Các mô hình được Đại lý sử dụng bao gồm:

1. Học tập có giám sát và không giám sát: Các mô hình được đào tạo trên dữ liệu được dán nhãn hoặc không được gắn nhãn để dự đoán kết quả. Trong bối cảnh blockchain, các mô hình này có thể phân tích dữ liệu diễn đàn quản trị để dự đoán kết quả bỏ phiếu hoặc xác định các mẫu giao dịch.

2. Học tăng cường: Một mô hình học thông qua thử và sai bằng cách đánh giá phần thưởng và hình phạt cho các hành động của mình. Các ứng dụng bao gồm tối ưu hóa các chiến lược giao dịch token , chẳng hạn như xác định điểm mua vào tốt nhất để mua token hoặc điều chỉnh các thông số canh tác.

3. Xử lý ngôn ngữ tự nhiên (NLP): Công nghệ hiểu và xử lý đầu vào ngôn ngữ của con người, có giá trị để quét các diễn đàn quản trị và Đề án quan điểm.

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

3Ra quyết định

Với các mô hình và dữ liệu được đào tạo, các tổng đài viên có thể thực hiện hành động bằng cách sử dụng khả năng ra quyết định của mình. Điều này bao gồm việc giải thích tình huống và phản ứng thích hợp.

Ở giai đoạn này, công cụ tối ưu hóa đóng vai trò quan trọng trong việc tìm kiếm kết quả tốt nhất. Ví dụ: một đại lý cần cân bằng nhiều yếu tố như trượt giá, chênh lệch giá, chi phí giao dịch và lợi nhuận tiềm năng trước khi thực hiện chiến lược lợi nhuận.

Do một tác nhân duy nhất có thể không thể tối ưu hóa các quyết định trong các lĩnh vực khác nhau nên hệ thống đa tác nhân có thể được triển khai để phối hợp.

4 Lưu trữ và chạy

Do tính chất tính toán chuyên sâu của nhiệm vụ, Đại lý AI thường lưu trữ các mô hình của họ ngoài Chuỗi. Một số đại lý dựa vào các dịch vụ đám mây tập trung như AWS, trong khi những đại lý thích phi tập trung sử dụng mạng điện toán phân tán như Akash hoặc ionet và Arweave để lưu trữ dữ liệu.

Mặc dù mô hình Tác nhân AI chạy ngoài Chuỗi nhưng tác nhân cần tương tác với các giao thức trên Chuỗi để thực hiện các chức năng hợp đồng thông minh và quản lý tài sản. Sự tương tác này yêu cầu giải pháp quản lý khóa an toàn, chẳng hạn như ví MPC hoặc ví hợp đồng thông minh, để xử lý các giao dịch một cách an toàn. Đại lý có thể hoạt động thông qua API để giao tiếp và tương tác với cộng đồng của họ trên các nền tảng xã hội như Twitter và Telegram.

5Khả năng tương tác

Đại lý cần tương tác với nhiều giao thức khác nhau trong khi vẫn cập nhật trên các hệ thống khác nhau. Họ thường sử dụng cầu nối API để lấy dữ liệu bên ngoài, chẳng hạn như nguồn cấp dữ liệu về giá.

Để theo kịp trạng thái giao thức hiện tại và phản hồi phù hợp, tác nhân cần đồng bộ hóa thời gian thực thông qua các giao thức truyền thông điệp phi tập trung như webhooks hoặc IPFS.

6 ví

Đại lý cần có ví hoặc quyền truy cập vào private key để bắt đầu giao dịch blockchain. Có hai phương pháp quản lý ví/khóa phổ biến trên thị trường: giải pháp dựa trên MPC và dựa trên TEE.

Đối với các ứng dụng quản lý danh mục đầu tư, MPC hoặc TSS có thể phân chia khóa giữa tác nhân, người dùng và bên đáng tin cậy, trong khi người dùng vẫn có thể duy trì mức độ kiểm soát nhất định đối với AI. Ví Coinbase AI Replit thực hiện hiệu quả phương pháp này, trình bày cách tận dụng tác nhân AI để triển khai ví MPC.

Đối với các hệ thống AI hoàn toàn tự động, TEE cung cấp giải pháp thay thế bằng cách lưu trữ private key trong một vùng bảo mật, cho phép toàn bộ tác nhân AI hoạt động trong hoàn cảnh ẩn và được bảo vệ mà không bị can thiệp từ bên thứ ba. Tuy nhiên, các giải pháp TEE hiện phải đối mặt với hai thách thức lớn: tập trung phần cứng và chi phí hiệu năng.

Sau khi vượt qua những khó khăn này, chúng tôi sẽ có thể tạo một tác nhân tự trị trên blockchain và các tác nhân khác nhau có thể thực hiện nhiệm vụ tương ứng của mình trong hệ sinh thái DeFi để tăng hiệu quả và cải thiện trải nghiệm giao dịch Chuỗi .

Nói chung mình sẽ tạm chia DeFi x Ai thành 4 loại chính:

1. Tóm tắt/Người dùng Trải nghiệm AI thân thiện

2. Tối ưu hóa lợi nhuận hoặc quản lý danh mục đầu tư

3. Robot phân tích hoặc dự báo thị trường

4. Cơ sở hạ tầng/nền tảng DeFai

Mở cánh cửa đến thế giới DeFi x AI—DeFai

▲ Nguồn: IOSG Venture

1 Tóm tắt/ Trải nghiệm người dùng AI thân thiện

Mục đích của trí tuệ nhân tạo là tăng hiệu quả, giải quyết các vấn đề phức tạp và đơn giản hóa nhiệm vụ phức tạp cho người dùng. Trí tuệ nhân tạo dựa trên trừu tượng có thể đơn giản hóa việc tiếp cận sự phức tạp của DeFi cho cả nhà giao dịch mới và nhà giao dịch hiện tại.

Trong lĩnh vực blockchain, các giải pháp AI hiệu quả sẽ có thể:

• Tự động thực hiện các giao dịch nhiều bước và hoạt động đặt cược mà không yêu cầu người dùng phải có bất kỳ kiến ​​thức nào về ngành;

• Thực hiện nghiên cứu theo thời gian thực để cung cấp cho người dùng tất cả thông tin và dữ liệu cần thiết để đưa ra quyết định giao dịch sáng suốt;

• Lấy dữ liệu từ nhiều nền tảng khác nhau, xác định cơ hội thị trường và cung cấp cho người dùng phân tích toàn diện.

Hầu hết các công cụ trừu tượng này đều lấy ChatGPT làm cốt lõi. Mặc dù các mô hình này cần được tích hợp liền mạch với blockchain , nhưng đối với tôi, có vẻ như không có mô hình nào được đào tạo hoặc điều chỉnh cụ thể dựa trên dữ liệu blockchain .

Tony, người sáng lập Griffin, đã đề xuất khái niệm này tại Solana Hacker. Sau đó, anh đã biến ý tưởng này thành một sản phẩm chức năng và nhận được sự ủng hộ cũng như công nhận của người sáng lập Solana là Anatoly.

Nói một cách đơn giản, Griffain hiện là AI trừu tượng đầu tiên và mạnh mẽ nhất trên Solana . Nó có thể thực hiện các chức năng như swap, quản lý ví, đúc NFT và bắn tỉa token.

Sau đây là các chức năng cụ thể được cung cấp bởi Griffin:

• Thực hiện giao dịch bằng ngôn ngữ tự nhiên

• Sử dụng Pumpfun để phát hành token, đúc NFT và chọn địa chỉ cho airdrop

• Phối hợp đa tác nhân

• Đại lý có thể tweet thay mặt người dùng

• Snipe memecoin mới ra mắt trên Pumpfun dựa trên các từ khóa hoặc điều kiện cụ thể

• Đặt cược, tự động hóa và thực hiện các chiến lược DeFi

• Lập lịch nhiệm vụ, người dùng có thể nhập thông tin đầu vào vào tác nhân để tạo tác nhân phù hợp

• Lấy dữ liệu từ nền tảng để phân tích thị trường, chẳng hạn như xác định việc phân phối token của người nắm giữ

Mặc dù Griffain cung cấp nhiều chức năng nhưng người dùng vẫn cần nhập thủ công địa chỉ mã thông báo hoặc cung cấp hướng dẫn thực thi cụ thể cho tác nhân. Vì vậy, đối với những người mới bắt đầu chưa quen với các hướng dẫn kỹ thuật này, các sản phẩm hiện tại vẫn còn chỗ để tối ưu hóa.

Cho đến nay, Griffin cung cấp hai loại tác nhân AI: tác nhân trí tuệ nhân tạo cá nhân và tác nhân đặc biệt.

Tác nhân AI cá nhân được điều khiển bởi người dùng. Người dùng có thể tùy chỉnh hướng dẫn và nhập cài đặt bộ nhớ để điều chỉnh tác nhân phù hợp với hoàn cảnh cá nhân của họ.

Đặc vụ là những đặc vụ được thiết kế cho nhiệm vụ cụ thể. Ví dụ: "Đại lý Airdrop" có thể được đào tạo để tìm địa chỉ và phân bổ token cho người nắm giữ được chỉ định, trong khi "Đại lý Staking " có thể được lập trình để cầm cố SOL hoặc tài sản khác vào nhóm tài sản nhằm thực hiện chiến lược khai thác.

Hệ thống cộng tác đa tác nhân của Griffin là một tính năng quan trọng, nhiều tác nhân có thể làm việc cùng nhau trong một phòng trò chuyện. Các tác nhân này có thể giải quyết nhiệm vụ phức tạp một cách độc lập trong khi vẫn duy trì sự cộng tác.

▲ Nguồn: Nguồn: https://griffain.com

Sau khi tài khoản được tạo, hệ thống sẽ tạo ví và người dùng có thể ủy thác tài khoản cho đại lý, đại lý sẽ thực hiện giao dịch và quản lý danh mục đầu tư một cách độc lập.

Trong đó, khóa được phân chia thông qua Shamir Secret Sharing, do đó cả griffain lẫn cơ quan mật đều không thể lưu trữ ví. Theo Slate, nguyên tắc hoạt động của SSS là chia khóa thành ba phần, bao gồm:

1. Chia sẻ thiết bị: Được lưu trữ trong trình duyệt và được truy xuất khi mở tab

2. Chia sẻ được ủy quyền: được lưu trữ trên máy chủ Cơ mật và được truy xuất khi xác thực và đăng nhập vào ứng dụng

3. Chia sẻ khôi phục: Crypto được lưu trữ trên máy chủ Cơ mật và chỉ có thể được giải mã và truy xuất khi người dùng nhập mật khẩu để đăng nhập vào tab.

Ngoài ra, người dùng cũng có thể chọn xuất hoặc xuất ở giao diện người dùng Griffin.

Anon được thành lập bởi Daniele Sesta, người được biết đến với việc tạo ra các giao thức DeFi Wonderland và MIM (Magic Internet Money). Tương tự như Griffin, Anon cũng được thiết kế để đơn giản hóa việc tương tác của người dùng với DeFi.

Mặc dù đội ngũ đã giới thiệu các tính năng trong tương lai nhưng chưa có tính năng nào được xác minh vì sản phẩm chưa được công khai. Một số tính năng bao gồm:

• Thực hiện giao dịch bằng ngôn ngữ tự nhiên (nhiều ngôn ngữ bao gồm cả tiếng Trung Quốc)

• Chuỗi chuỗi chéo thông qua LayerZero

• Hợp đồng vay mượn và cung cấp với các đối tác như Aave , Sparks, Sky và Wagmi

• Nhận thông tin dữ liệu và giá theo thời gian thực thông qua Python

• Cung cấp khả năng thực thi và kích hoạt tự động dựa trên thời gian và giá gas

• Cung cấp phân tích thị trường theo thời gian thực, chẳng hạn như phát hiện tâm lý , phân tích hồ sơ xã hội, v.v.

Ngoài chức năng cốt lõi, Anon còn hỗ trợ nhiều mô hình AI khác nhau, bao gồm Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral và Claude. Những mô hình này có tiềm năng cung cấp những phân tích thị trường có giá trị, cung cấp thông tin giúp người dùng tiết kiệm thời gian nghiên cứu và đưa ra quyết định sáng suốt, điều này đặc biệt có giá trị trong thị trường ngày nay, nơi token mới giá trị vốn hóa thị trường 100 triệu đang xuất hiện mỗi ngày.

Ví có thể được xuất và thu hồi ủy quyền, nhưng chi tiết cụ thể về quản lý ví và giao thức bảo mật vẫn chưa được công khai.

Ngoài chức năng cốt lõi, Anon còn hỗ trợ nhiều mô hình AI khác nhau, bao gồm Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral và Claude.

Ngoài ra, mới đây Daniele đã đăng 2 cập nhật về Anon:

• Khung tự động hóa:

Khung TypeScript giúp nhiều dự án tích hợp với Anon nhanh hơn. Khung này sẽ yêu cầu tất cả dữ liệu và tương tác phải tuân theo cấu trúc được xác định trước để Anon có thể giảm rủi ro AI bị ảo giác và đáng tin cậy hơn.

• Gemma:

Đại lý nghiên cứu có thể thu thập dữ liệu thời gian thực từ chỉ báo defi trên Chuỗi (ví dụ: TVL, khối lượng giao dịch, tỷ lệ cấp vốn prepdex) và dữ liệu ngoài Chuỗi (ví dụ: Twitter và Telegram) để phân tích tâm lý xã hội. Dữ liệu này sẽ được chuyển thành cảnh báo cơ hội và nhận xét tùy chỉnh cho người dùng.

Đánh giá từ tài liệu, điều này khiến Anon trở thành một trong những công cụ trừu tượng mạnh mẽ và được mong đợi nhất trong toàn bộ lĩnh vực. Điều này đặc biệt có giá trị trong thị trường ngày nay, nơi token mới giá trị vốn hóa thị trường 100 triệu USD đang xuất hiện mỗi ngày.

Được hỗ trợ bởi BigBrain Holdings, Slate tự định vị mình là “Alpha AI” có thể thực hiện các giao dịch tự động dựa trên các tín hiệu Chuỗi . Hiện tại Slate là AI trừu tượng duy nhất có khả năng tự động hóa các giao dịch trên Hyperliquid.

Slate ưu tiên định tuyến giá, khớp lệnh nhanh và khả năng mô phỏng trước khi giao dịch. Các tính năng chính bao gồm:

• Swap Chuỗi chéo giữa Chuỗi EVM và Solana

• Giao dịch tự động dựa trên giá, giá trị vốn hóa thị trường, phí gas và chỉ báo lãi lỗ

• Lập kế hoạch nhiệm vụ vụ ngôn ngữ tự nhiên

• Tổng hợp giao dịch trên Chuỗi

• Hệ thống thông báo Telegram

• Có thể mở vị thế các vị thế mua và bán, thanh lý trong các điều kiện cụ thể, quản lý NHÀ CUNG CẤP THANH KHOẢN + khai thác, bao gồm thực thi trên siêu thanh khoản

Nói chung, cấu trúc phí của nó được chia thành hai loại:

1. Hoạt động thông thường: Slate không tính phí chuyển khoản/rút tiền thông thường, nhưng tính phí 0,35% cho swap, bắc cầu, yêu cầu, vay, cho vay, trả nợ, cầm cố, rút ​​tiền, mua, long, short, mở khóa và các hoạt động khác.

2. Hoạt động có điều kiện: Nếu lệnh có điều kiện (chẳng hạn như lệnh giới hạn) được đặt. Nếu dựa trên các điều kiện về phí gas , Slate sẽ tính phí xử lý 0,25%; tất cả các điều kiện khác sẽ tính phí 1,00%.

Về ví, Slate tích hợp kiến ​​trúc ví nhúng của Privy để đảm bảo rằng cả Slate và Privy đều không lưu trữ ví của người dùng. Người dùng có thể kết nối ví hiện có của họ hoặc ủy quyền cho một đại lý thay mặt họ thực hiện các giao dịch.

▲ Nguồn: https://docs.slate.ceo

So sánh AI trừu tượng chính thống:

▲ Nguồn: IOSG Venture

Hiện tại, hầu hết các công cụ trừu tượng hóa AI đều hỗ trợ các giao dịch chuỗi Chuỗi và kết nối tài sản giữa Chuỗi Solana và EVM. Slate cung cấp tích hợp Hyperliquid, trong khi Neur và Griffin hiện chỉ hỗ trợ Solana, nhưng dự kiến ​​sẽ sớm bổ sung hỗ trợ Chuỗi chéo.

Hầu hết các nền tảng đều tích hợp ví nhúng Privy và ví EOA, cho phép người dùng quản lý tiền một cách độc lập nhưng yêu cầu người dùng ủy quyền cho đại lý truy cập để thực hiện một số giao dịch nhất định. Điều này tạo cơ hội cho TEE (Môi trường thực thi tin cậy) đảm bảo khả năng chống giả mạo của hệ thống AI.

Mặc dù hầu hết các công cụ trừu tượng hóa AI đều có chung chức năng như phát hành token, thực hiện giao dịch và các lệnh có điều kiện bằng ngôn ngữ tự nhiên, nhưng hiệu suất của chúng thay đổi đáng kể.

Ở cấp độ sản phẩm, chúng ta vẫn đang ở giai đoạn đầu của AI trừu tượng. So sánh năm dự án được đề cập ở trên, Griffin nổi bật nhờ bộ tính năng phong phú, mạng lưới cộng tác rộng khắp và khả năng xử lý quy trình làm việc để cộng tác đa tác nhân (Orbit cũng là một dự án khác hỗ trợ đa tác nhân). Anon vượt trội nhờ phản hồi nhanh, hỗ trợ đa ngôn ngữ và tích hợp Telegram, trong khi Slate được hưởng lợi từ nền tảng tự động hóa phức tạp và là proxy duy nhất hỗ trợ Hyperliquid.

Tuy nhiên, trong số tất cả các AI trừu tượng, một số nền tảng vẫn phải đối mặt với những thách thức khi xử lý các giao dịch cơ bản (chẳng hạn như USDC Swap), chẳng hạn như không thể lấy chính xác địa chỉ hoặc giá token chính xác hoặc không phân tích được xu hướng thị trường mới nhất. Thời gian phản hồi, độ chính xác và mối tương quan kết quả cũng là những yếu tố khác biệt quan trọng trong việc đo lường hiệu suất cơ bản của mô hình. Trong tương lai, chúng tôi hy vọng có thể hợp tác với đội ngũ để phát triển một bảng điều khiển minh bạch nhằm theo dõi hiệu suất của tất cả AI trừu tượng trong thời gian thực.

2 Tối ưu hóa lợi nhuận độc lập và quản lý danh mục đầu tư

Không giống như các chiến lược lợi nhuận truyền thống, các giao thức trong không gian này sử dụng AI để phân tích dữ liệu trên Chuỗi nhằm phân tích xu hướng và cung cấp thông tin giúp đội ngũ phát triển chiến lược phân bổ danh mục đầu tư và tối ưu hóa lợi nhuận tốt hơn.

Để giảm chi phí, các mô hình thường được đào tạo trên mạng con Bittensor hoặc Chuỗi . Để AI thực hiện các giao dịch một cách tự động, phương pháp xác minh như ZKP ( Bằng chứng không tri thức ) được sử dụng để đảm bảo tính trung thực và khả năng xác minh của mô hình. Dưới đây là một số ví dụ về các giao thức DeFai được hưởng lợi từ việc tối ưu hóa:

T3AI là một giao thức cho vay hỗ trợ thế chấp dưới mức bằng cách sử dụng AI làm công cụ trung gian và xử lý rủi ro . Đại lý AI của nó giám sát tình trạng khoản vay theo thời gian thực và đảm bảo khoản vay được hoàn trả thông qua khung chỉ báo rủi ro của T3AI. Đồng thời, AI đưa ra dự đoán rủi ro chính xác bằng cách phân tích mối quan hệ giữa tài sản khác nhau và xu hướng giá của chúng. Hiệu suất cụ thể của AI của T3AI như sau:

• Phân tích dữ liệu giá của CEX và DEX chính;

• Đo lường sự biến động của tài sản khác nhau;

• Nghiên cứu mối tương quan, liên kết của giá tài sản;

• Khám phá các mẫu ẩn trong tương tác tài sản.

AI sẽ đề xuất các chiến lược phân bổ tối ưu dựa trên danh mục đầu tư của người dùng và có khả năng quản lý danh mục đầu tư AI tự động sau khi điều chỉnh mô hình. Ngoài ra, T3AI đảm bảo tính xác minh và độ tin cậy của mọi hoạt động thông qua bằng chứng ZK và mạng lưới người xác minh.

▲ Nguồn: https://www.trustinweb3.xyz/

Kudai là một đại lý hệ sinh thái GMX thử nghiệm được phát triển bởi Câu lạc bộ GMX Blueberry bằng bộ công cụ EmpyrealSDK và token của nó hiện được giao dịch trên mạng Base.

Triết lý của Kudai là sử dụng tất cả phí giao dịch do $KUDAI tạo ra để tài trợ cho các đại lý thực hiện các giao dịch tự trị và phân phối lợi nhuận cho người nắm giữ token .

Trong Giai đoạn 2/4 sắp tới, Kudai sẽ có thể diễn giải ngôn ngữ tự nhiên trên Twitter:

• Mua và đặt cược $GMX để tạo ra nguồn thu nhập mới;

• Đầu tư vào nhóm GMX GM để tăng thêm lợi nhuận;

• Mua GBC NFT với mức giá thấp nhất để mở rộng danh mục đầu tư của bạn.

Sau giai đoạn này, Kudai sẽ hoàn toàn tự chủ và có thể thực hiện độc lập các giao dịch có đòn bẩy, chênh lệch giá và kiếm tiền lãi tài sản(lãi suất). Đội ngũ chưa tiết lộ thêm bất kỳ thông tin nào.

Strong Finance là công cụ tổng hợp vay mượn và trình tổng hợp lợi nhuận sử dụng các mô hình AI được đào tạo bởi thợ đào mạng con Bittensor SN10 để tối ưu hóa lợi nhuận bằng cách di chuyển tiền giữa các nhóm silo khác nhau trong danh sách cho phép.

Robust áp dụng kiến ​​trúc hai lớp, bao gồm các nhóm tài sản độc lập (nhóm silo) và lớp tổng hợp:

• Tài sản silo

Đây là các nhóm tách biệt một tài sản , trong đó người dùng chỉ có thể vay mượn một tài sản duy nhất hoặc sử dụng một tài sản thế chấp duy nhất.

• Lớp tổng hợp

Lớp tổng hợp được xây dựng trên Yearn V3 và phân bổ tài sản của người dùng cho các nhóm tài sản độc lập đã được đưa vào danh sách trắng và được xem xét dựa trên mức độ sử dụng và tỷ suất lợi nhuận . Mạng con Bittensor cung cấp cho bộ tổng hợp chiến lược phân phối tốt nhất. Khi người dùng gửi tài sản vào một công cụ tổng hợp, họ chỉ tiếp xúc với loại tài sản thế chấp đã chọn, tránh hoàn toàn rủi ro từ pool thanh khoản hoặc tài sản thế chấp khác.

▲ Nguồn: https://sturdy.finance

Tính đến văn bản này, TVL của Strong V2 đã giảm kể từ tháng 5 năm 2024 và TVL của công cụ tổng hợp hiện ở mức xấp xỉ 3,9 triệu USD, chiếm 29% tổng TVL của giao thức.

Số người dùng hoạt động hàng ngày của Robust vẫn ở mức hai chữ số (>100) kể từ tháng 9 năm 2024, trong đó pxETH và crvUSD là tài sản vay mượn chính trên công cụ tổng hợp. Tuy nhiên, hiệu quả của thỏa thuận đã bị đình trệ đáng kể trong vài tháng qua. Việc tích hợp AI dường như được giới thiệu với hy vọng khơi dậy động lực tăng trưởng của giao thức.

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

3 Cơ quan phân tích thị trường

ikB

Aixbt là công ty theo dõi tâm lý thị trường, tổng hợp và phân tích dữ liệu từ hơn 400 KOL trên Twitter. Với công cụ độc quyền của mình, AixBT có thể xác định xu hướng theo thời gian thực và công bố các quan sát thị trường suốt ngày đêm.

Trong số các tác nhân AI hiện có, AixBT chiếm thị thị phần đáng kể 14,76%, khiến nó trở thành một trong những tác nhân có ảnh hưởng nhất trong hệ sinh thái.

▲ Nguồn: Kaito.com

Aixbt được thiết kế để tương tác trên mạng xã hội và công bố những hiểu biết sâu sắc phản ánh trực tiếp nơi thị trường đang tập trung sự chú ý.

Chức năng của nó không chỉ giới hạn ở việc cung cấp những hiểu biết sâu sắc về thị trường (alpha) mà còn bao gồm cả tính tương tác. AixBT có thể trả lời các câu hỏi của người dùng và thậm chí tiến hành phát hành token qua Twitter bằng bộ công cụ chuyên nghiệp. Ví dụ: token$CHAOS được tạo với sự cộng tác giữa AixBT và Simi, một robot tương tác khác, sử dụng bộ công cụ @EmpyrealSDK.

Tính đến điểm hiện tại, người dùng nắm giữ 600.000 $AIXBT token(trị giá khoảng 240.000 USD) có thể truy cập vào nền tảng phân tích và thiết bị đầu cuối của nó.

4Cơ sở hạ tầng và nền tảng AI phi tập trung

Sự tồn tại của Web3 AI Agent không thể tách rời phi tập trung. Các dự án này không chỉ cung cấp hỗ trợ cho việc đào tạo và suy luận mô hình mà còn cung cấp dữ liệu, phương pháp xác minh và các lớp phối hợp để thúc đẩy sự phát triển của AI Agent.

Dù là AI Web2 hay Web3 thì mô hình, sức mạnh tính toán và dữ liệu luôn là ba nền tảng thúc đẩy sự phát triển vượt trội của mô hình ngôn ngữ lớn (LLM) và tác nhân AI. Các mô hình mã nguồn mở được đào tạo theo cách phi tập trung sẽ được các nhà xây dựng tác nhân ưa chuộng vì cách tiếp cận này loại bỏ hoàn toàn điểm rủi ro duy nhất do tập trung hóa gây ra và mở ra khả năng AI do người dùng sở hữu. Các nhà phát triển không cần phải dựa vào API LLM của những gã khổng lồ AI Web2 như Google, Meta và OpenAI.

Sau đây là sơ đồ cơ sở hạ tầng AI do Pinkbrains vẽ:

▲ Nguồn: Pink Brains

Những người tiên phong như Nous Research, Prime Intellect và Exo Labs đang vượt qua ranh giới của đào tạo phi tập trung.

Thuật toán đào tạo Distro của Nous Research và thuật toán DiLoco của Prime Intellect đã đào tạo thành công các mô hình với hơn 10 tỷ tham số trong hoàn cảnh băng thông thấp, điều này cho thấy cũng có thể đạt được việc đào tạo quy mô lớn bên ngoài các hệ thống tập trung truyền thống. Exo Labs đã ra mắt thêm thuật toán đào tạo AI phân tán SPARTA, giúp giảm hơn 1.000 lần khối lượng giao tiếp giữa các GPU.

Bagel đang nỗ lực trở thành HuggingFace phi tập trung, cung cấp mô hình và dữ liệu cho các nhà phát triển AI, đồng thời giải quyết các vấn đề về quyền sở hữu và kiếm tiền từ dữ liệu mã nguồn mở thông qua công nghệ crypto . Bittensor đã xây dựng một thị trường cạnh tranh nơi người tham gia có thể đóng góp tỷ lệ băm, dữ liệu và trí thông minh để đẩy nhanh sự phát triển của các mô hình và tác nhân AI.

Nhiều người cho rằng AixBT nổi bật trong danh mục tác nhân tiện ích chủ yếu nhờ khả năng thu được các bộ dữ liệu chất lượng cao.

Các nhà cung cấp như Grass, Vana, Sahara, Space and Time và Cookie DAO cung cấp dữ liệu chất lượng cao, theo miền cụ thể hoặc cho phép các nhà phát triển AI truy cập vào "khu vườn có tường bao quanh"dữ liệu để nâng cao khả năng của họ. Bằng cách tận dụng hơn 2,5 triệu nút, Grass có thể thu thập tới 300 TB dữ liệu mỗi ngày.

Hiện tại, Nvidia chỉ có thể đào tạo các mô hình video của mình trên 20 triệu giờ dữ liệu video, trong khi bộ dữ liệu video của Grass lớn hơn 15 lần (300 triệu giờ) và tăng trưởng 4 triệu giờ mỗi ngày - tức là 10% tổng bộ dữ liệu của Nvidia 20. % được Grass thu thập mỗi ngày. Nói cách khác, Grass chỉ mất 5 ngày để có được lượng dữ liệu video dữ liệu với tổng số dữ liệu video của Nvidia.

Không có tài nguyên máy tính, tác nhân không thể chạy. Các thị trường tỷ lệ băm như Aethir và io.net cung cấp cho các nhà phát triển đại lý các tùy chọn tiết kiệm chi phí bằng cách tổng hợp nhiều GPU khác nhau. Thị trường GPU phi tập trung của Hyperbolic cắt giảm tới 75% chi phí điện toán trong khi lưu trữ các mô hình AI mã nguồn mở và cung cấp khả năng suy luận có độ trễ thấp tương đương với các nhà cung cấp đám mây Web2.

Hyperbolic tăng cường hơn nữa thị trường GPU và dịch vụ đám mây với việc ra mắt AgentKit. AgentKit là một giao diện mạnh mẽ cho phép AI Agent truy cập đầy đủ vào mạng GPU phi tập trung của Hyperbolic. Nó có bản đồ tài nguyên tỷ lệ băm có thể đọc được bằng AI để quét và cung cấp thông tin chi tiết về tính khả dụng của tài nguyên, thông số kỹ thuật, tải hiện tại và hiệu suất trong thời gian thực.

AgentKit mở ra một tương lai mang tính cách mạng, nơi các đại lý có thể độc lập có được tỷ lệ băm cần thiết và trả các khoản phí liên quan.

Thông qua cơ chế xác minh Proof of Sample cải tiến, Hyperbolic đảm bảo rằng lần tương tác lý luận trong hệ sinh thái đều được xác minh, thiết lập nền tảng niềm tin cho thế giới đại lý trong tương lai.

Tuy nhiên, việc xác minh chỉ giải quyết được một phần vấn đề về niềm tin vào các tác nhân tự trị. Một khía cạnh khác của sự tin cậy liên quan đến việc bảo vệ quyền riêng tư và đây là lợi thế của các dự án cơ sở hạ tầng TEE ( Hoàn cảnh thực thi tin cậy) như Phala, Automata và Marlin . Ví dụ: dữ liệu hoặc mô hình độc quyền được các tác nhân AI này sử dụng có thể được bảo vệ an toàn.

Trên thực tế, một tác nhân thực sự tự chủ không thể hoạt động hoàn toàn nếu không có TEE, vì TEE rất quan trọng trong việc bảo vệ thông tin nhạy cảm, chẳng hạn như bảo vệ private key của ví, ngăn chặn truy cập trái phép và đảm bảo bảo mật đăng nhập tài khoản Twitter.

TEE (Hoàn cảnh thực thi tin cậy) cô lập dữ liệu nhạy cảm trong vùng bảo vệ CPU/GPU (vùng bảo mật) trong quá trình xử lý. Chỉ mã chương trình được ủy quyền mới có thể truy cập vào nội dung của khu vực này; nhà cung cấp dịch vụ đám mây, nhà phát triển, quản trị viên và các bộ phận khác của phần cứng không thể truy cập vào khu vực này.

Công dụng chính của TEE là thực hiện các hợp đồng thông minh, đặc biệt là trong các giao thức DeFi liên quan đến dữ liệu tài chính nhạy cảm hơn. Do đó, tích hợp TEE và DeFai bao gồm các kịch bản ứng dụng DeFi truyền thống, chẳng hạn như:

1. Quyền riêng tư giao dịch: TEE có thể ẩn chi tiết giao dịch như địa chỉ người gửi và người nhận cũng như số tiền giao dịch. Các nền tảng như Secret Network và Oasis sử dụng TEE để bảo vệ quyền riêng tư giao dịch trong các ứng dụng DeFai, cho phép thanh toán riêng tư.

2. Chống MEV: Bằng cách thực hiện hợp đồng thông minh trong TEE, người xây dựng khối không thể truy cập thông tin giao dịch, do đó ngăn chặn các cuộc tấn công chạy trước tạo ra MEV. Flashbots tận dụng TEE để phát triển BuilderNet, một mạng xây dựng khối phi tập trung giúp giảm rủi ro kiểm duyệt liên quan đến việc xây dựng khối tập trung. Chuỗi như Unichain và Taiko cũng sử dụng TEE để cung cấp cho người dùng trải nghiệm giao dịch tốt hơn.

Những khả năng này cũng áp dụng cho các giải pháp thay thế như ZKP hoặc MPC. Tuy nhiên, TEE hiện là giải pháp hiệu quả nhất trong số ba giải pháp thực hiện hợp đồng thông minh đơn giản vì mô hình này dựa trên phần cứng.

Về phía đại lý, TEE cung cấp cho đại lý nhiều khả năng khác nhau:

1. Tự động hóa: TEE có thể tạo hoàn cảnh hoạt động độc lập cho tổng đài viên để đảm bảo thực thi các chính sách của mình mà không có sự can thiệp của con người. Điều này đảm bảo rằng các quyết định đầu tư hoàn toàn dựa trên logic độc lập của đại lý.

2. TEE cũng cho phép các đại lý kiểm soát các tài khoản mạng xã hội để đảm bảo rằng mọi tuyên bố công khai mà họ đưa ra đều độc lập và không chịu ảnh hưởng từ bên ngoài, từ đó tránh bị nghi ngờ là quảng cáo và các hoạt động tuyên truyền khác. Phala đang làm việc với đội ngũ AI16Z để giúp Eliza hoạt động hiệu quả trong hoàn cảnh TEE.

3. Tính xác minh: Người ta có thể xác minh rằng tác nhân đang thực hiện các phép tính bằng cách sử dụng mô hình đã hứa và tạo ra kết quả hợp lệ. Automata và Brevis đang hợp tác để phát triển chức năng này.

Khi ngày càng có nhiều đại lý chuyên nghiệp với các trường hợp sử dụng cụ thể (DeFi, chơi game, đầu tư, âm nhạc, v.v.) tham gia vào lĩnh vực này, thì sự cộng tác tốt hơn của đại lý và giao tiếp liền mạch trở nên quan trọng.

Cơ sở hạ tầng cho các khung tác nhân đã xuất hiện để giải quyết các hạn chế của các tác nhân nguyên khối. Trí thông minh bầy đàn cho phép các đặc vụ làm việc cùng nhau như một đội ngũ, tổng hợp khả năng của họ để đạt được mục tiêu chung. Lớp phối hợp trừu tượng hóa sự phức tạp và giúp các tác nhân cộng tác dễ dàng hơn theo các mục tiêu và khích lệ chung.

Một số công ty Web3, bao gồm Theoriq, FXN và Questflow, đang đi theo hướng này. Trong số tất cả những người chơi này, Theoriq, ban đầu được ra mắt vào năm 2022 với tên ChainML, đã nỗ lực hướng tới mục tiêu này lâu nhất, với viễn cảnh mong đợi trở thành lớp cơ sở phổ quát cho trí tuệ nhân tạo đặc vụ.

Để hiện thực hóa viễn cảnh mong đợi này, Theoriq xử lý việc đăng ký, thanh toán, bảo mật, định tuyến, lập kế hoạch và quản lý đại lý trong mô-đun cơ bản. Nó cũng kết nối cung và cầu, cung cấp nền tảng xây dựng đại lý trực quan có tên Infinity Studio cho phép mọi người triển khai đại lý của riêng họ, cũng như Infinity Hub, một thị trường nơi khách hàng có thể duyệt qua tất cả các đại lý có sẵn. Trong hệ thống bầy đàn của mình, các siêu tác nhân chọn tác nhân thích hợp nhất cho một nhiệm vụ nhất định, tạo ra các "bầy đàn" để đạt được các mục tiêu chung đồng thời theo dõi danh tiếng và đóng góp để duy trì chất lượng và trách nhiệm giải trình.

Token Theoriq cung cấp an ninh kinh tế mà người điều hành đại lý và thành viên cộng đồng có thể sử dụng để thể hiện chất lượng và sự tin tưởng vào token, từ đó khích lệ dịch vụ chất lượng và ngăn chặn hành vi độc hại. Token cũng đóng vai trò là phương tiện trao đổi, được sử dụng để thanh toán cho các dịch vụ và truy cập dữ liệu, đồng thời thưởng cho những người tham gia đóng góp dữ liệu, mô hình, v.v.

▲ Nguồn: Theoriq

Khi cuộc thảo luận xung quanh Đại lý AI trở thành một phân khúc công nghiệp dài hạn, được dẫn đầu bởi các đại lý tiện ích rõ ràng, chúng ta có thể thấy sự hồi sinh của các dự án cơ sở hạ tầng Crypto x AI, dẫn đến hiệu suất giá mạnh mẽ. Các dự án này có tiềm năng tận dụng nguồn vốn đầu tư rủi ro, kinh nghiệm R&D nhiều năm và chuyên môn kỹ thuật theo từng lĩnh vực cụ thể để mở rộng trên toàn Chuỗi giá trị. Điều này cho phép họ phát triển các tác nhân AI thực tế tiên tiến của riêng mình, có thể vượt qua 95% các tác nhân khác hiện có trên thị trường.

Sự phát triển và tương lai của DeFai

Tôi luôn cho rằng rằng sự phát triển của thị trường sẽ được chia thành ba giai đoạn: đầu tiên là yêu cầu về hiệu quả, sau đó là phi tập trung và cuối cùng là quyền riêng tư. DeFai sẽ được chia thành 4 giai đoạn.

Giai đoạn đầu tiên của trí tuệ nhân tạo DeFi sẽ tập trung vào tính hiệu quả, cải thiện trải nghiệm người dùng thông qua nhiều công cụ khác nhau để hoàn thành nhiệm vụ DeFi phức tạp mà không cần kiến ​​thức vững chắc về giao thức. Ví dụ bao gồm:

• Trí tuệ nhân tạo hiểu lời nhắc của người dùng ngay cả khi định dạng hoàn thiện

• Thực hiện swap nhanh chóng trong thời gian block ngắn nhất

• Nghiên cứu thị trường theo thời gian thực để giúp người dùng đưa ra quyết định thuận lợi dựa trên mục tiêu của họ

Nếu sự đổi mới được thực hiện, nó có thể giúp người dùng tiết kiệm thời gian và năng lượng đồng thời hạ thấp ngưỡng giao dịch Chuỗi, có khả năng tạo ra khoảnh khắc “ảo” trong vài tháng tới.

Trong giai đoạn thứ hai, đại lý sẽ giao dịch tự chủ với sự can thiệp tối thiểu của con người. Các đại lý giao dịch có thể thực hiện các chiến lược dựa trên quan điểm ​​của bên thứ ba hoặc dữ liệu từ các đại lý khác, điều này sẽ tạo ra một mô hình DeFi mới. Người dùng DeFi chuyên nghiệp hoặc trưởng thành có thể tinh chỉnh các tác nhân xây dựng mô hình của riêng họ để tạo ra lợi nhuận tối ưu cho chính họ hoặc khách hàng của họ, từ đó giảm bớt việc giám sát thủ công.

Trong giai đoạn thứ ba, người dùng sẽ bắt đầu tập trung vào các vấn đề quản lý ví và xác minh AI khi người dùng yêu cầu sự minh bạch. Các giải pháp như TEE và ZKP sẽ đảm bảo rằng các hệ thống AI có khả năng chống giả mạo, miễn nhiễm với sự can thiệp của bên thứ ba và có thể kiểm chứng được.

Cuối cùng, sau khi các giai đoạn này hoàn thành, bộ công cụ kỹ thuật DeFi AI không cần mã hoặc giao thức AI dưới dạng dịch vụ có thể tạo ra một nền kinh tế dựa trên đại lý sử dụng các mô hình được đào tạo về crypto để thực hiện các giao dịch.

Mặc dù viễn cảnh mong đợi này đầy tham vọng và thú vị nhưng vẫn còn một số điểm nghẽn cần được giải quyết:

• Hầu hết các công cụ hiện tại chỉ là trình bao bọc ChatGPT mà không có điểm chuẩn rõ ràng để xác định các dự án chất lượng cao

• Sự phân mảnh dữ liệu trên Chuỗi đẩy các mô hình AI theo hướng tập trung hóa thay vì phi tập trung và không rõ các tác nhân Chuỗi sẽ giải quyết vấn đề này như thế nào