Las Finanzas descentralizadas como pilar central del ecosistema de encriptación han crecido rápidamente desde 2020. A pesar de la aparición de muchos protocolos innovadores, también ha llevado a un aumento de la complejidad y la fragmentación, lo que hace que incluso los usuarios más experimentados tengan dificultades para navegar por las numerosas cadenas, activos y protocolos.
Al mismo tiempo, la encriptación ( AI ) ha evolucionado de una narrativa amplia en 2023 a un enfoque más profesional y orientado a agentes en 2024. Esta transformación ha dado lugar a Finanzas descentralizadas AI ( DeFAI ) - un campo emergente donde la AI mejora las Finanzas descentralizadas a través de la automatización, la gestión de riesgos y la optimización de capital.
DeFAI atraviesa múltiples niveles. La blockchain es la capa base, y el agente de IA debe interactuar con una cadena específica para ejecutar transacciones y contratos inteligentes. La capa de datos y la capa de cálculo 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 garantiza que los datos financieros sensibles se mantengan seguros mientras se mantiene la ejecución sin confianza. El marco de agentes 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.
Con la expansión continua del ecosistema DeFAI, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Los protocolos basados en esta categoría actúan como una interfaz amigable para el usuario similar a ChatGPT para las Finanzas descentralizadas, permitiendo a los usuarios ingresar indicaciones que se ejecutan en la cadena. A menudo se integran con múltiples cadenas y dApps, y ejecutan la intención del usuario, eliminando al mismo tiempo los pasos manuales en transacciones complejas.
Algunas funciones que pueden ejecutar estos protocolos incluyen:
intercambio, cadenas cruzadas, préstamo/retiro, ejecución de transacciones entre cadenas
Monedero de seguimiento de transacciones o perfil de redes sociales
Ejecutar automáticamente órdenes de toma de ganancias/pérdidas según el porcentaje del tamaño de la posición.
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, transferirlo a Solana, cambiarlo por SOL y proporcionar liquidez: 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 predefinidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, y ajustar 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/venta.
Ejecutar estrategias complejas de Finanzas descentralizadas
3. DApps impulsados por IA
Las dApps de Finanzas descentralizadas ofrecen funciones como préstamos, intercambios y farming de rendimientos. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Optimizar el suministro de liquidez reequilibrando las posiciones de LP para obtener un mejor APY
Escanear tokens para descubrir riesgos mediante la detección de riesgos potenciales.
Principales desafíos
Los principales protocolos construidos sobre estos niveles enfrentan algunos desafíos:
Estos protocolos dependen de flujos de datos en tiempo real para lograr una ejecución óptima de las transacciones. Una mala calidad de los datos puede llevar a una eficiencia de ruta baja, fallos en las transacciones o transacciones que no son rentables.
Los modelos de IA dependen de datos históricos, pero el mercado de encriptación es muy volátil. Los agentes deben ser entrenados con conjuntos de datos diversificados y de alta calidad para mantener su efectividad.
Es necesario comprender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para entender la situación general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos por el mercado. Sin embargo, para ofrecer mejores productos y resultados óptimos, deberían considerar integrar conjuntos de datos de diversas calidades para elevar sus productos a un nuevo nivel.
capa de datos - proporciona energía a la inteligencia DeFi
La calidad de la IA depende de los datos de 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 APIs de redes sociales, mientras que los agentes de optimización de transacciones y rendimientos requieren datos para perfeccionar aún más sus estrategias de transacción y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar un mejor análisis predictivo del comportamiento futuro de los precios, proporcionando recomendaciones de trading que se ajusten a sus preferencias por posiciones largas o cortas en ciertos activos.
El principal proveedor de datos de DeFAI
| protocolo | detalles | funciones |
|----------------|-----------------------|-------------------------------------------|
| Modo Sintético | Datos sintéticos para previsiones financieras | Captura la distribución completa de los cambios de precio, utilizada 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 | Mentalidad social orientada a agentes de IA y capa de datos en cadena | Uso de 18 agentes de IA especializados para procesar más de 7 TB de datos de agentes en cadena en más de 20 cadenas |
Modo Synth subred
Como una subred, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. En comparación con otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de las variaciones de precios y su probabilidad asociada, lo que permite construir los datos sintéticos más precisos del mundo, apoyando a los agentes y a LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el comercio, al mismo tiempo que predicen la volatilidad del APY bajo diferentes condiciones del mercado, para que los pools de liquidez puedan redistribuir o retirar liquidez cuando sea necesario. Desde el lanzamiento de la red autónoma, ha habido una fuerte demanda por parte de equipos de Finanzas descentralizadas para integrar los datos de Synth a través de su API.
Comparación de las principales blockchains en las que se basa el agente de IA
Sin duda, algunas cadenas públicas son las principales cadenas para la construcción y lanzamiento de la mayoría de los marcos y tokens de agentes de IA. Los agentes de IA utilizan redes de alta capacidad y baja latencia, así como sistemas operativos de código abierto, para desplegar tokens de agente, mientras que algunas plataformas actúan como launchpad para el despliegue de agentes. Aunque todas tienen hackatones e incentivos financieros, en términos de su plan de IA como cadena, aún no han alcanzado el nivel logrado por ciertas cadenas.
Una cadena pública se definió anteriormente como una blockchain L1 centrada en la AI, cuyas funciones incluyen un mercado de tareas de AI, un centro de investigación de AI con un marco de agentes de AI de código abierto y asistentes de AI. Recientemente anunciaron un fondo de agentes de AI de 20 millones de dólares, destinado a expandir agentes completamente autónomos y verificables en su cadena.
Chainbase
Chainbase ofrece conjuntos de datos estructurados verificables en toda la cadena, que pueden mejorar las funciones de negociación, percepción, predicción y búsqueda de alpha de los agentes de IA. Han lanzado manuscripts, que es un marco de flujo de datos de blockchain, utilizado para integrar datos en cadena y fuera de cadena en un almacenamiento de datos objetivo, para consultas y análisis sin restricciones.
Esto permite a los desarrolladores personalizar los flujos de trabajo de procesamiento de datos según sus necesidades específicas. Estandarizar los datos en bruto y procesarlos en un formato limpio y compatible garantiza que sus conjuntos de datos cumplan con los estrictos requisitos de los sistemas de IA, reduciendo así el tiempo de preprocesamiento, al mismo tiempo que mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia cantidad de datos en la cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en la cadena en análisis de datos para los usuarios, sin necesidad de ningún conocimiento de codificación complejo. La utilidad de los datos de Chainbase es evidente en sus asociaciones, donde el protocolo de IA está utilizando sus datos para:
Plugin de agente, utilizado para impulsar decisiones en la cadena
Construir asistente de IA
Inteligencia de redes sociales, proporciona información sobre el comportamiento del usuario
Análisis y predicción de datos de Finanzas descentralizadas
También colabora con otros proyectos
sqd.ai
sqd.ai está desarrollando una red de base de datos abierta diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a grandes cantidades de datos en tiempo real e históricos de blockchain de manera eficiente y sin necesidad de permiso, permitiendo que los agentes de IA funcionen de manera más efectiva.
sqd.ai proporciona un índice de datos en tiempo real ( que incluye el índice de bloques no confirmados ), con una velocidad de índice de hasta 150,000+ bloques por segundo, más rápido que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11 TB de datos, satisfaciendo la alta demanda de rendimiento de miles de millones de agentes de IA autónomos y desarrolladores.
Su plataforma de procesamiento de datos personalizable puede proporcionar datos personalizados según las necesidades de los agentes de IA, mientras que DuckDB ofrece una recuperación de datos eficiente para consultas locales. Su conjunto de datos integral soporta más de 100 redes EVM y Substrate, incluyendo registros de eventos y detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan a través de múltiples cadenas de bloques.
La incorporación de pruebas de conocimiento cero asegura que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la creciente carga de datos al agregar más nodos de procesamiento, lo que a su vez apoya la creciente cantidad de agentes de IA, cuya cantidad estimada alcanzará miles de millones (.
Cookie proporciona una capa de datos modular para agentes de IA y clústeres, diseñada específicamente para procesar datos sociales. Cuenta con un panel de control de agentes de IA que rastrea las principales mentalidades de los agentes en la cadena y en las plataformas sociales, y recientemente ha lanzado una API de clúster de datos plug-and-play para otros agentes de IA, con el fin de detectar narrativas populares y cambios de mentalidad en las redes sociales.
Sus grupos de datos cubren más de 7TB de fuentes de datos en tiempo real en la cadena y redes sociales, respaldados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y análisis en la cadena. Su último agente de IA utiliza el 7% de la capacidad de sus grupos de datos, aprovechando varios otros agentes que funcionan por debajo para ofrecer pronósticos de mercado y descubrir nuevas oportunidades.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en Finanzas descentralizadas enfrentan importantes limitaciones para lograr una autonomía total. Por ejemplo:
La capa abstracta transforma la intención del usuario en ejecución, pero generalmente carece de capacidad predictiva.
Los agentes de IA pueden generar alfa a través del análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar seguros o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de una capa de datos útil para desarrollar la mejor plataforma o agente. Esto requerirá datos en cadena profundos sobre la actividad de los grandes jugadores, cambios en la liquidez, etc., al mismo tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, y combina el análisis de sentimientos del mercado en general, ya sea sobre la volatilidad de tokens en categorías específicas ### como agentes de IA, DeSci, etc. ( o la volatilidad de tokens en redes sociales.
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 estos sistemas maduran, es posible que veamos en el futuro a los traders de Finanzas descentralizadas confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con la mínima intervención humana.
Dado el gran descenso de los tokens y marcos de agentes AI, algunas personas pueden pensar que DeFAI es solo un fenómeno pasajero. Sin embargo, DeFAI todavía se encuentra en una etapa temprana, y el potencial de los agentes AI para mejorar la disponibilidad y el rendimiento de las Finanzas descentralizadas es innegable.
La clave para liberar este potencial radica en obtener datos en tiempo real de alta calidad, lo que mejorará las predicciones y ejecuciones de comercio impulsadas por IA. Cada vez más protocolos integran diferentes capas de datos, y los protocolos de datos construyen complementos para el marco, lo que destaca la importancia de los datos en la toma de decisiones por parte de los agentes.
Mirando hacia el futuro, la verificabilidad y la privacidad se convertirán en desafíos clave que los protocolos deben abordar. Actualmente, la mayoría de las operaciones de agentes de IA siguen siendo una caja negra, y los usuarios deben confiar sus fondos a estos. Por lo tanto, el desarrollo de decisiones de IA verificables ayudará a garantizar la transparencia y la responsabilidad de los procesos de los agentes. La integración de protocolos basados en TEE, FHE e incluso pruebas zk puede mejorar la verificabilidad del comportamiento de los agentes de IA, lo que permite confiar en la autonomía.
Solo combinando con éxito datos de alta calidad, modelos robustos y procesos de decisión transparentes, los agentes DeFAI podrán obtener una amplia aplicación.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) 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.
22 me gusta
Recompensa
22
7
Republicar
Compartir
Comentar
0/400
CounterIndicator
· 07-20 20:09
El bull run ha llegado, ¡es hora de comprar comprar comprar!
Ver originalesResponder0
NftMetaversePainter
· 07-19 08:37
meh... otra visión primitiva sobre ai x defi. despiértame cuando resuelvan la estética computacional de los datos cross-chain
Ver originalesResponder0
ArbitrageBot
· 07-19 02:47
Esta noche, arbitraje ganará una gran cantidad.
Ver originalesResponder0
PositionPhobia
· 07-19 02:46
Compré pero no me atrevo a tomarlo, lo tomé pero no me atrevo a añadirlo.
Ver originalesResponder0
ForkItAll
· 07-19 02:44
Veo y quiero Cupones de clip
Ver originalesResponder0
UnluckyMiner
· 07-19 02:28
El bull run aún no llega, la billetera está realmente vacía.
Ver originalesResponder0
MEVVictimAlliance
· 07-19 02:20
No perder es simplemente ganar... Flash Loans van a salir de nuevo.
DeFAI: El futuro de DeFi impulsado por la IA, la Capa de datos se convierte en la competencia central.
Las Finanzas descentralizadas como pilar central del ecosistema de encriptación han crecido rápidamente desde 2020. A pesar de la aparición de muchos protocolos innovadores, también ha llevado a un aumento de la complejidad y la fragmentación, lo que hace que incluso los usuarios más experimentados tengan dificultades para navegar por las numerosas cadenas, activos y protocolos.
Al mismo tiempo, la encriptación ( AI ) ha evolucionado de una narrativa amplia en 2023 a un enfoque más profesional y orientado a agentes en 2024. Esta transformación ha dado lugar a Finanzas descentralizadas AI ( DeFAI ) - un campo emergente donde la AI mejora las Finanzas descentralizadas a través de la automatización, la gestión de riesgos y la optimización de capital.
DeFAI atraviesa múltiples niveles. La blockchain es la capa base, y el agente de IA debe interactuar con una cadena específica para ejecutar transacciones y contratos inteligentes. La capa de datos y la capa de cálculo 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 garantiza que los datos financieros sensibles se mantengan seguros mientras se mantiene la ejecución sin confianza. El marco de agentes 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.
Con la expansión continua del ecosistema DeFAI, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Los protocolos basados en esta categoría actúan como una interfaz amigable para el usuario similar a ChatGPT para las Finanzas descentralizadas, permitiendo a los usuarios ingresar indicaciones que se ejecutan en la cadena. A menudo se integran con múltiples cadenas y dApps, y ejecutan la intención del usuario, eliminando al mismo tiempo los pasos manuales en transacciones complejas.
Algunas funciones que pueden ejecutar estos protocolos incluyen:
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, transferirlo a Solana, cambiarlo por SOL y proporcionar liquidez: 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 predefinidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, y ajustar sus estrategias según nueva información. Estos agentes pueden:
3. DApps impulsados por IA
Las dApps de Finanzas descentralizadas ofrecen funciones como préstamos, intercambios y farming de rendimientos. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Principales desafíos
Los principales protocolos construidos sobre estos niveles enfrentan algunos desafíos:
Estos protocolos dependen de flujos de datos en tiempo real para lograr una ejecución óptima de las transacciones. Una mala calidad de los datos puede llevar a una eficiencia de ruta baja, fallos en las transacciones o transacciones que no son rentables.
Los modelos de IA dependen de datos históricos, pero el mercado de encriptación es muy volátil. Los agentes deben ser entrenados con conjuntos de datos diversificados y de alta calidad para mantener su efectividad.
Es necesario comprender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para entender la situación general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos por el mercado. Sin embargo, para ofrecer mejores productos y resultados óptimos, deberían considerar integrar conjuntos de datos de diversas calidades para elevar sus productos a un nuevo nivel.
capa de datos - proporciona energía a la inteligencia DeFi
La calidad de la IA depende de los datos de 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 APIs de redes sociales, mientras que los agentes de optimización de transacciones y rendimientos requieren datos para perfeccionar aún más sus estrategias de transacción y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar un mejor análisis predictivo del comportamiento futuro de los precios, proporcionando recomendaciones de trading que se ajusten a sus preferencias por posiciones largas o cortas en ciertos activos.
El principal proveedor de datos de DeFAI
| protocolo | detalles | funciones | |----------------|-----------------------|-------------------------------------------| | Modo Sintético | Datos sintéticos para previsiones financieras | Captura la distribución completa de los cambios de precio, utilizada 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 | Mentalidad social orientada a agentes de IA y capa de datos en cadena | Uso de 18 agentes de IA especializados para procesar más de 7 TB de datos de agentes en cadena en más de 20 cadenas |
Modo Synth subred
Como una subred, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. En comparación con otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de las variaciones de precios y su probabilidad asociada, lo que permite construir los datos sintéticos más precisos del mundo, apoyando a los agentes y a LLM.
Proporcionar más conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el comercio, al mismo tiempo que predicen la volatilidad del APY bajo diferentes condiciones del mercado, para que los pools de liquidez puedan redistribuir o retirar liquidez cuando sea necesario. Desde el lanzamiento de la red autónoma, ha habido una fuerte demanda por parte de equipos de Finanzas descentralizadas para integrar los datos de Synth a través de su API.
Comparación de las principales blockchains en las que se basa el agente de IA
Sin duda, algunas cadenas públicas son las principales cadenas para la construcción y lanzamiento de la mayoría de los marcos y tokens de agentes de IA. Los agentes de IA utilizan redes de alta capacidad y baja latencia, así como sistemas operativos de código abierto, para desplegar tokens de agente, mientras que algunas plataformas actúan como launchpad para el despliegue de agentes. Aunque todas tienen hackatones e incentivos financieros, en términos de su plan de IA como cadena, aún no han alcanzado el nivel logrado por ciertas cadenas.
Una cadena pública se definió anteriormente como una blockchain L1 centrada en la AI, cuyas funciones incluyen un mercado de tareas de AI, un centro de investigación de AI con un marco de agentes de AI de código abierto y asistentes de AI. Recientemente anunciaron un fondo de agentes de AI de 20 millones de dólares, destinado a expandir agentes completamente autónomos y verificables en su cadena.
Chainbase
Chainbase ofrece conjuntos de datos estructurados verificables en toda la cadena, que pueden mejorar las funciones de negociación, percepción, predicción y búsqueda de alpha de los agentes de IA. Han lanzado manuscripts, que es un marco de flujo de datos de blockchain, utilizado para integrar datos en cadena y fuera de cadena en un almacenamiento de datos objetivo, para consultas y análisis sin restricciones.
Esto permite a los desarrolladores personalizar los flujos de trabajo de procesamiento de datos según sus necesidades específicas. Estandarizar los datos en bruto y procesarlos en un formato limpio y compatible garantiza que sus conjuntos de datos cumplan con los estrictos requisitos de los sistemas de IA, reduciendo así el tiempo de preprocesamiento, al mismo tiempo que mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia cantidad de datos en la cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en la cadena en análisis de datos para los usuarios, sin necesidad de ningún conocimiento de codificación complejo. La utilidad de los datos de Chainbase es evidente en sus asociaciones, donde el protocolo de IA está utilizando sus datos para:
sqd.ai
sqd.ai está desarrollando una red de base de datos abierta diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a grandes cantidades de datos en tiempo real e históricos de blockchain de manera eficiente y sin necesidad de permiso, permitiendo que los agentes de IA funcionen de manera más efectiva.
sqd.ai proporciona un índice de datos en tiempo real ( que incluye el índice de bloques no confirmados ), con una velocidad de índice de hasta 150,000+ bloques por segundo, más rápido que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11 TB de datos, satisfaciendo la alta demanda de rendimiento de miles de millones de agentes de IA autónomos y desarrolladores.
Su plataforma de procesamiento de datos personalizable puede proporcionar datos personalizados según las necesidades de los agentes de IA, mientras que DuckDB ofrece una recuperación de datos eficiente para consultas locales. Su conjunto de datos integral soporta más de 100 redes EVM y Substrate, incluyendo registros de eventos y detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan a través de múltiples cadenas de bloques.
La incorporación de pruebas de conocimiento cero asegura que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la creciente carga de datos al agregar más nodos de procesamiento, lo que a su vez apoya la creciente cantidad de agentes de IA, cuya cantidad estimada alcanzará miles de millones (.
![Finanzas descentralizadas全解：AI如何释放Finanzas descentralizadas的潜力？])https://img-cdn.gateio.im/webp-social/moments-84359fdd4f09d82ba2482b309782baa0.webp(
)# Cookie
Cookie proporciona una capa de datos modular para agentes de IA y clústeres, diseñada específicamente para procesar datos sociales. Cuenta con un panel de control de agentes de IA que rastrea las principales mentalidades de los agentes en la cadena y en las plataformas sociales, y recientemente ha lanzado una API de clúster de datos plug-and-play para otros agentes de IA, con el fin de detectar narrativas populares y cambios de mentalidad en las redes sociales.
Sus grupos de datos cubren más de 7TB de fuentes de datos en tiempo real en la cadena y redes sociales, respaldados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y análisis en la cadena. Su último agente de IA utiliza el 7% de la capacidad de sus grupos de datos, aprovechando varios otros agentes que funcionan por debajo para ofrecer pronósticos de mercado y descubrir nuevas oportunidades.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en Finanzas descentralizadas enfrentan importantes limitaciones para lograr una autonomía total. Por ejemplo:
La capa abstracta transforma la intención del usuario en ejecución, pero generalmente carece de capacidad predictiva.
Los agentes de IA pueden generar alfa a través del análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar seguros o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de una capa de datos útil para desarrollar la mejor plataforma o agente. Esto requerirá datos en cadena profundos sobre la actividad de los grandes jugadores, cambios en la liquidez, etc., al mismo tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, y combina el análisis de sentimientos del mercado en general, ya sea sobre la volatilidad de tokens en categorías específicas ### como agentes de IA, DeSci, etc. ( o la volatilidad de tokens en redes sociales.
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 estos sistemas maduran, es posible que veamos en el futuro a los traders de Finanzas descentralizadas confiar en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con la mínima intervención humana.
![Finanzas descentralizadas全解：AI如何释放Finanzas descentralizadas的潜力？])https://img-cdn.gateio.im/webp-social/moments-1a6675fafd9467bb8f1dcff4674dba90.webp(
) Últimos pensamientos
Dado el gran descenso de los tokens y marcos de agentes AI, algunas personas pueden pensar que DeFAI es solo un fenómeno pasajero. Sin embargo, DeFAI todavía se encuentra en una etapa temprana, y el potencial de los agentes AI para mejorar la disponibilidad y el rendimiento de las Finanzas descentralizadas es innegable.
La clave para liberar este potencial radica en obtener datos en tiempo real de alta calidad, lo que mejorará las predicciones y ejecuciones de comercio impulsadas por IA. Cada vez más protocolos integran diferentes capas de datos, y los protocolos de datos construyen complementos para el marco, lo que destaca la importancia de los datos en la toma de decisiones por parte de los agentes.
Mirando hacia el futuro, la verificabilidad y la privacidad se convertirán en desafíos clave que los protocolos deben abordar. Actualmente, la mayoría de las operaciones de agentes de IA siguen siendo una caja negra, y los usuarios deben confiar sus fondos a estos. Por lo tanto, el desarrollo de decisiones de IA verificables ayudará a garantizar la transparencia y la responsabilidad de los procesos de los agentes. La integración de protocolos basados en TEE, FHE e incluso pruebas zk puede mejorar la verificabilidad del comportamiento de los agentes de IA, lo que permite confiar en la autonomía.
Solo combinando con éxito datos de alta calidad, modelos robustos y procesos de decisión transparentes, los agentes DeFAI podrán obtener una amplia aplicación.