DeFAI: ¿Cómo puede la IA potenciar las Finanzas descentralizadas?
Las Finanzas descentralizadas ( DeFi ) se han convertido en una parte importante del ecosistema criptográfico desde su rápido desarrollo en 2020. A pesar de la aparición de nuevos protocolos innovadores, esto también ha llevado a una creciente complejidad y fragmentación del sistema, lo que hace que incluso los usuarios experimentados tengan dificultades para manejar la multitud de cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha pasado de la narrativa macro de 2023 a un enfoque más especializado y orientado a agentes en 2024. Este cambio ha dado origen al nuevo campo de DeFi AI(DeFAI), donde la IA mejora las funcionalidades de DeFi a través de la automatización, la gestión de riesgos y la optimización de capital.
DeFAI abarca múltiples niveles. En la base está la blockchain, donde los agentes de IA deben interactuar con una cadena específica para ejecutar transacciones y contratos inteligentes. Encima de esto están la capa de datos y la capa de computación, que proporcionan la infraestructura necesaria para entrenar modelos de IA, que provienen de datos históricos de precios, sentimientos del mercado y análisis en la cadena. La capa de privacidad y verificación asegura que los datos financieros sensibles se mantengan seguros mientras se lleva a cabo la ejecución sin confianza. En la parte superior se encuentra el marco del agente, que permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en la cadena.
A medida que el ecosistema DeFAI sigue expandiéndose, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Estos protocolos actúan como una interfaz amigable para el usuario similar a ChatGPT para Finanzas descentralizadas, permitiendo a los usuarios ingresar indicaciones para su ejecución en la cadena. A menudo se integran con múltiples cadenas y DApps, ejecutando la intención del usuario mientras simplifican los pasos manuales en transacciones complejas.
Estas funciones que pueden ejecutar los protocolos incluyen:
Intercambio, cadena cruzada, préstamo, ejecución de transacciones en cadena cruzada
Cartera de trading de seguimiento o perfil de redes sociales
Ejecutar automáticamente el take profit/stop loss y otras operaciones según el porcentaje del tamaño de la posición.
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, transferirlo a otras redes, intercambiar tokens y proporcionar liquidez en DEX: el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónomo
A diferencia de los robots de trading tradicionales que siguen reglas preestablecidas, los agentes de trading autónomo pueden aprender y adaptarse a las condiciones del mercado, ajustando sus estrategias según nueva información. Estos agentes pueden:
Analizar datos para mejorar continuamente la estrategia
Predecir la tendencia del mercado para tomar mejores decisiones de compra y venta
Ejecutar estrategias DeFi complejas como operaciones básicas
3. DApps impulsadas por IA
Las DApps de Finanzas descentralizadas ofrecen funciones como préstamos, intercambios y granjas de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Optimizar el suministro de liquidez mediante el rebalanceo de las posiciones de LP para obtener un mejor APY
Escanear tokens mediante la detección de riesgos potenciales
Estos protocolos de primer nivel en estos aspectos enfrentan algunos desafíos:
Depender de flujos de datos en tiempo real para lograr la mejor ejecución de operaciones. La mala calidad de los datos puede llevar a una eficiencia de rutas deficiente, fallos en las transacciones o falta de rentabilidad.
Los modelos de IA dependen de datos históricos, pero la volatilidad del mercado de criptomonedas es muy alta. Los agentes deben aceptar el entrenamiento con conjuntos de datos diversos y de alta calidad para mantener su efectividad.
Necesitas comprender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para poder captar la situación general del mercado.
Para ofrecer mejores productos y resultados, estos protocolos deben considerar la integración de varios conjuntos de datos de alta calidad para elevar el nivel del producto.
Capa de datos——impulsando la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA funcionen de manera efectiva en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceder a los datos en cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y ganancias requieren datos para perfeccionar las estrategias de transacción y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes predecir mejor las tendencias futuras de precios, proporcionando recomendaciones de trading para adaptarse a las preferencias de posiciones largas y cortas en ciertos activos.
Los principales proveedores de datos de DeFAI incluyen:
Mode Synth: datos sintéticos para la previsión financiera, captura la distribución completa de los cambios de precios, utilizados para la predicción de modelos de IA.
Chainbase: conjunto de datos estructurados de cadena completa, proporciona datos mejorados por IA, utilizados para transacciones, predicciones y obtención de alpha
sqd.ai: Lago de datos descentralizado orientado a agentes de IA, acceso a datos multichain escalable y personalizable, con seguridad de prueba de conocimiento cero.
Cookie: capa de datos sociales y en cadena orientada a agentes de IA, utilizando múltiples agentes de IA especializados para procesar datos de agentes en cadena en múltiples cadenas.
Mode Synth, como subred de Bittensor, crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de los sistemas tradicionales de predicción de precios, Synth captura la distribución completa de los cambios de precio y sus probabilidades asociadas, construyendo datos sintéticos precisos que apoyan a los agentes y LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir a los agentes de IA tomar mejores decisiones direccionales en el comercio, al mismo tiempo que predicen la volatilidad del APY bajo diferentes condiciones del mercado, para que los fondos de liquidez puedan redistribuirse o retirarse cuando sea necesario.
Blockchain de agentes de IA
Además de construir una capa de datos para la IA y los agentes, algunas blockchains se están posicionando como soluciones de pila completa de Finanzas descentralizadas e IA. Por ejemplo, Mode ha desplegado un co-piloto de Finanzas descentralizadas e IA, que se utiliza para ejecutar transacciones en cadena a través de indicaciones de los usuarios. También apoyan a muchos equipos basados en IA y agentes, integrando múltiples protocolos en su ecosistema.
Estas medidas se llevan a cabo en sincronía con su actualización de la red mediante IA, incluyendo la dotación de un clasificador de IA para la blockchain. Al utilizar simulaciones y análisis de IA en las transacciones antes de su ejecución, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, para garantizar la seguridad en la cadena.
Otras cadenas de bloques principales como Solana y Base también son plataformas importantes para la construcción de marcos y tokens de agentes de IA. NEAR, por su parte, se define como una cadena de bloques L1 centrada en la IA, ofreciendo un mercado de tareas de IA, marcos de agentes de IA de código abierto, entre otras funciones.
El futuro desarrollo de DeFAI
Actualmente, la mayoría de los agentes de IA en las Finanzas descentralizadas todavía enfrentan limitaciones en la implementación de la autonomía completa. Por ejemplo, la capa de abstracción convierte la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva; los agentes de IA pueden generar alpha a través del análisis, pero carecen de ejecución de operaciones independiente; las DApp impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de capas de datos útiles para desarrollar la mejor plataforma de agentes. Esto requerirá datos en cadena profundos, al mismo tiempo que genera datos sintéticos útiles para un mejor análisis predictivo y combina el análisis del sentimiento del mercado.
El objetivo final es que el agente de IA pueda generar y ejecutar estrategias de trading sin problemas desde una única interfaz. A medida que el sistema madure, los futuros traders de Finanzas descentralizadas podrían confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de manera autónoma con la mínima intervención humana.
DeFAI aún se encuentra en una etapa temprana, el potencial de los agentes de IA para mejorar la usabilidad y el rendimiento de las Finanzas descentralizadas no debe ser subestimado. Obtener datos en tiempo real de alta calidad es clave para liberar este potencial, lo que mejorará las predicciones y ejecuciones de trading impulsadas por IA.
En el futuro, la verificabilidad y la privacidad se convertirán en desafíos clave que los protocolos deben abordar. La integración de tecnologías basadas en TEE, FHE e incluso pruebas de conocimiento cero puede mejorar la verificabilidad del comportamiento de los agentes de IA, estableciendo así la confianza en la autonomía.
Solo combinando con éxito datos de alta calidad, modelos robustos y procesos de decisión transparentes, el agente DeFAI podrá obtener una amplia aplicación.
 y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
13 me gusta
Recompensa
13
3
Compartir
Comentar
0/400
BlockchainRetirementHome
· hace20h
Hey, Finanzas descentralizadas no hacer es morir.
Ver originalesResponder0
OptionWhisperer
· hace20h
Esta ola de mercado, la intervención de la IA, está estabilizada.
Ver originalesResponder0
ApeEscapeArtist
· hace20h
Hay que decirlo, siento que otra vez somos tontos del cortador.
Finanzas descentralizadas: Tres áreas clave impulsadas por la IA y tendencias futuras de desarrollo
DeFAI: ¿Cómo puede la IA potenciar las Finanzas descentralizadas?
Las Finanzas descentralizadas ( DeFi ) se han convertido en una parte importante del ecosistema criptográfico desde su rápido desarrollo en 2020. A pesar de la aparición de nuevos protocolos innovadores, esto también ha llevado a una creciente complejidad y fragmentación del sistema, lo que hace que incluso los usuarios experimentados tengan dificultades para manejar la multitud de cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha pasado de la narrativa macro de 2023 a un enfoque más especializado y orientado a agentes en 2024. Este cambio ha dado origen al nuevo campo de DeFi AI(DeFAI), donde la IA mejora las funcionalidades de DeFi a través de la automatización, la gestión de riesgos y la optimización de capital.
DeFAI abarca múltiples niveles. En la base está la blockchain, donde los agentes de IA deben interactuar con una cadena específica para ejecutar transacciones y contratos inteligentes. Encima de esto están la capa de datos y la capa de computación, que proporcionan la infraestructura necesaria para entrenar modelos de IA, que provienen de datos históricos de precios, sentimientos del mercado y análisis en la cadena. La capa de privacidad y verificación asegura que los datos financieros sensibles se mantengan seguros mientras se lleva a cabo la ejecución sin confianza. En la parte superior se encuentra el marco del agente, que permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en la cadena.
A medida que el ecosistema DeFAI sigue expandiéndose, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Estos protocolos actúan como una interfaz amigable para el usuario similar a ChatGPT para Finanzas descentralizadas, permitiendo a los usuarios ingresar indicaciones para su ejecución en la cadena. A menudo se integran con múltiples cadenas y DApps, ejecutando la intención del usuario mientras simplifican los pasos manuales en transacciones complejas.
Estas funciones que pueden ejecutar los protocolos incluyen:
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, transferirlo a otras redes, intercambiar tokens y proporcionar liquidez en DEX: el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónomo
A diferencia de los robots de trading tradicionales que siguen reglas preestablecidas, los agentes de trading autónomo pueden aprender y adaptarse a las condiciones del mercado, ajustando sus estrategias según nueva información. Estos agentes pueden:
3. DApps impulsadas por IA
Las DApps de Finanzas descentralizadas ofrecen funciones como préstamos, intercambios y granjas de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Estos protocolos de primer nivel en estos aspectos enfrentan algunos desafíos:
Depender de flujos de datos en tiempo real para lograr la mejor ejecución de operaciones. La mala calidad de los datos puede llevar a una eficiencia de rutas deficiente, fallos en las transacciones o falta de rentabilidad.
Los modelos de IA dependen de datos históricos, pero la volatilidad del mercado de criptomonedas es muy alta. Los agentes deben aceptar el entrenamiento con conjuntos de datos diversos y de alta calidad para mantener su efectividad.
Necesitas comprender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para poder captar la situación general del mercado.
Para ofrecer mejores productos y resultados, estos protocolos deben considerar la integración de varios conjuntos de datos de alta calidad para elevar el nivel del producto.
Capa de datos——impulsando la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA funcionen de manera efectiva en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceder a los datos en cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y ganancias requieren datos para perfeccionar las estrategias de transacción y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes predecir mejor las tendencias futuras de precios, proporcionando recomendaciones de trading para adaptarse a las preferencias de posiciones largas y cortas en ciertos activos.
Los principales proveedores de datos de DeFAI incluyen:
Mode Synth, como subred de Bittensor, crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de los sistemas tradicionales de predicción de precios, Synth captura la distribución completa de los cambios de precio y sus probabilidades asociadas, construyendo datos sintéticos precisos que apoyan a los agentes y LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir a los agentes de IA tomar mejores decisiones direccionales en el comercio, al mismo tiempo que predicen la volatilidad del APY bajo diferentes condiciones del mercado, para que los fondos de liquidez puedan redistribuirse o retirarse cuando sea necesario.
Blockchain de agentes de IA
Además de construir una capa de datos para la IA y los agentes, algunas blockchains se están posicionando como soluciones de pila completa de Finanzas descentralizadas e IA. Por ejemplo, Mode ha desplegado un co-piloto de Finanzas descentralizadas e IA, que se utiliza para ejecutar transacciones en cadena a través de indicaciones de los usuarios. También apoyan a muchos equipos basados en IA y agentes, integrando múltiples protocolos en su ecosistema.
Estas medidas se llevan a cabo en sincronía con su actualización de la red mediante IA, incluyendo la dotación de un clasificador de IA para la blockchain. Al utilizar simulaciones y análisis de IA en las transacciones antes de su ejecución, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, para garantizar la seguridad en la cadena.
Otras cadenas de bloques principales como Solana y Base también son plataformas importantes para la construcción de marcos y tokens de agentes de IA. NEAR, por su parte, se define como una cadena de bloques L1 centrada en la IA, ofreciendo un mercado de tareas de IA, marcos de agentes de IA de código abierto, entre otras funciones.
El futuro desarrollo de DeFAI
Actualmente, la mayoría de los agentes de IA en las Finanzas descentralizadas todavía enfrentan limitaciones en la implementación de la autonomía completa. Por ejemplo, la capa de abstracción convierte la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva; los agentes de IA pueden generar alpha a través del análisis, pero carecen de ejecución de operaciones independiente; las DApp impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de capas de datos útiles para desarrollar la mejor plataforma de agentes. Esto requerirá datos en cadena profundos, al mismo tiempo que genera datos sintéticos útiles para un mejor análisis predictivo y combina el análisis del sentimiento del mercado.
El objetivo final es que el agente de IA pueda generar y ejecutar estrategias de trading sin problemas desde una única interfaz. A medida que el sistema madure, los futuros traders de Finanzas descentralizadas podrían confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de manera autónoma con la mínima intervención humana.
DeFAI aún se encuentra en una etapa temprana, el potencial de los agentes de IA para mejorar la usabilidad y el rendimiento de las Finanzas descentralizadas no debe ser subestimado. Obtener datos en tiempo real de alta calidad es clave para liberar este potencial, lo que mejorará las predicciones y ejecuciones de trading impulsadas por IA.
En el futuro, la verificabilidad y la privacidad se convertirán en desafíos clave que los protocolos deben abordar. La integración de tecnologías basadas en TEE, FHE e incluso pruebas de conocimiento cero puede mejorar la verificabilidad del comportamiento de los agentes de IA, estableciendo así la confianza en la autonomía.
Solo combinando con éxito datos de alta calidad, modelos robustos y procesos de decisión transparentes, el agente DeFAI podrá obtener una amplia aplicación.
![DeFAI completo: ¿Cómo libera la IA el potencial de las Finanzas descentralizadas?](https://img-cdn.gateio.im/webp-social/moments-56a89e79609d8f982d5d31dadfad9205.webp01