รายงานลึกลับ DWF: ปัญญาประดิษฐ์ใน DeFi ช่วยปรับปรุงรายได้เหนือความสามารถของมนุษย์ แต่ธุรกรรมที่ซับซ้อนยังห่างออกไปถึง 5 เท่า

หัวเรื่องเรื่อง: ผู้ตัวแทนจะครอง DeFi หรือไม่?
แหล่งข้อมูลต้นฉบับ: DWF Ventures

การแปลต้นฉบับ: TechFlow ลึกซึ้ง

จุดประสงค์หลัก

การกระทำโดยที่ตัวเอเจ้นต์ (Agent) และอัตโนมัติ ในปัจจุบันมีส่วนร้อยประมาณ 19% ของกิจกรรมบนเชนทั้งหมด แต่การเสริมอำนาจจริงๆ แบบ end-to-end ยังไม่ได้เกิดขึ้น

ในกรณีใช้งานการเพิ่มผลประโยชน์อย่างเช่นการพัฒนาผลตอบแทน ตัวเอเจ้นต์ ได้แสดงให้เห็นถึงประสิทธิภาพที่ดีกว่ามนุษย์และบอท แต่สำหรับกิจกรรมหลายด้านอย่างการซื้อขาย มนุษย์มีประสิทธิภาพมากกว่าตัวเอเจ้นต์

ระหว่างตัวเอเจ้นต์ๆ การเลือกรูปแบบและการจัดการความเสี่ยง เป็นปัจจัยที่มีผลมากที่สุดต่อประสิทธิภาพการเปิดการซื้อขาย

เมื่อตัวเอเจ้นต์ได้รับการนำมาใช้บนมาตรฐานใหญ่ขึ้น จะมีความเสี่ยงเกี่ยวกับความเชื่อมั่นและการดำเนินการ เช่น การโจมตีแบบแม่มือ (Front-Running) การแข่งขันกลยุทธ์และการสมดุลระหว่างความเป็นส่วนตัว

การกระทำของตัวเอเจ้นต์เพิ่มขึ้นอย่างต่อเนื่อง

ในปีที่ผ่านมา การกระทำของตัวเอเจ้นต์เพิ่มขึ้นอย่างต่อเนื่อง ปริมาณธุรกรรมและจำนวนธุรกรรมต่างก็เพิ่มขึ้น เราเห็นจาก x402 โปรโตคอลของ Coinbase นำไปสู่การพัฒนาที่สำคัญ ผู้เล่นเช่น Visa、Stripe และ Google เข้าร่วมและเปิดตัวมาตรฐานของตัวเอเจ้นต์ของตัวเองด้วย ส่วนมากของพื้นฐานต่างก็กำลังถูกสร้างขึ้นเพื่อให้บริการสองฉาก: การเชื่อมต่อระหว่างตัวเอเจ้นต์ หรือการเรียกใช้ตัวเอเจ้นต์ที่ถูกเริ่มขึ้นโดยมนุษย์

แม้ว่าธุรกรรมแบบสเตเบิ้ลคอยน์ (Stablecoin) จะได้รับการสนับสนุนอย่างกว้างขวาง แต่พื้นฐานที่มีอยู่ขณะนี้ยังขึ้นอยู่กับเส้นทางการชำระเงินแบบดั้งเดิมซึ่งหมายความว่ามันยังขึ้นอยู่กับฝ่ายคู่ค้าแบบจำกัด ดังนั้น ตัวเอเจ้นต์สามารถเงินทุนด้วยตนเอง ดำเนินการด้วยตนเอง และเพิ่มประสิทธิภาพต่อเนื่องตามเงื่อนไขที่เปลี่ยนไปอย่างต่อเนื่อง มุมมองสุดท้ายแบบ "โดยตัวเอง" ยังไม่เกิดขึ้น

ตัวเอเจ้นต์ไม่สากล DeFi ในทางเดี๋ยวนี้เช่นเดียวกับหลายปีที่ผ่านมา การทำงานลงในโปรโตคอลบนเชนได้มีการตั้งค่าเพื่อให้ระบบมีการอัตโนมัติผ่านตัวบอท (Bot) จับได้ MEV หรือได้รับผลรับเพิ่มเติมที่ไม่สามารถให้โค้ดออกมาได้ ระบบเหล่านี้ทำงานอย่างดีใต้พารามิเตอร์ที่กำหนดไว้ดีเยี่ยม พารามิเตอร์เหล่านี้ไม่ได้เปลี่ยนแปลงบ่อยหรือต้องการการควบคุมเพิ่มเติม

อย่างไรก็ตามตลาดเริ่มสลายขึ้นจากเวลาไปเวลามา นี่คือเหตุผลที่เห็นให้เกิดรุ่งเรืองส่วนใหญ่ของตัวเอเจ้นต์พร่องน้ำ

ประสิทธิภาพของเอเจนต์

ตามรายงาน กิจกรรมของเอเจนต์มีการเติบโตอย่างมาก โดยมีเอเจนต์กว่า 17,000 รายการที่เริ่มตั้งตั้งเมื่อปี 2025 ขึ้นอยู่แล้ว โดยประมาณมีการเคลื่อนไหวของเอเจนต์และการอัตโนมัติ ครอบคลุมกิจกรรมโซนขึ้นไปมากกว่า 19% นอกจากนี้ มีการปรับปรุงขึ้นในเรื่องไม่น้อยที่ 76% การโอนระหว่างสกุลเงินที่มาจากบอท นี่แสดงให้เห็นว่า กิจกรรมของเอเจนต์ใน DeFi มีพื้นที่ในการเติบโตอย่างมาก

เอเจนต์มีความเป็นอิสระในหลากหลายระดับ ตั้งแต่การทำงานร่วมกับมนุษย์อย่างใกล้ชิดไปจนถึงประสานกับเงื่อนไขตลาดจากข้อมูลเป้าหมาย แต่เอเจนต์ก็ต่างจากบอทในหลายจุดสำคัญ รวมถึงความสามารถในการตอบสนองอย่างรวดเร็วภายในมิลลิวินาทีและตอบสนองต่อข้อมูลใหม่ ๆ อีกทั้งยังสามารถขยายความรอบของการปกครองไปถึงพื้นที่ใหญ่ของตลาดหลายพันอย่างเดียวกัน

ปัจจุบันเอเจนต์ส่วนใหญ่ยังคงเป็นกว่าจากนักวิเคราะห์หน่อยแต่ก็ยังอยู่ในขั้นทดสอบ

การประสิทธิภาพในการรับมือ: เอเจนต์แสดงประสิทธิภาพ

การให้ Likwid เป็นที่ตั้งตั้งได้มักมีการเคลื่อนไหวอย่างถี่หลายครั้ง โดยเอเจนต์เก็บรวบรวมทรัพย์ทั้งหมดเกิน 39 ล้านเหรีฟ ตัวเลขนี้ถูกใช้คำนวณจากทรัพย์ที่ผู้ใช้จดส่งตรงเข้ามายังเอเจนต์แต่ไม่รวมส่งท้ายแหล่งทรัพย์

Giza Tech เป็นหนึ่งในโปรโตคอลที่ใหญ่ที่สุดในสาขานี้ ล่าสุดได้มีการมีค่อมของทรัพย์จัดการเงินไว มากกว่า 19 ล้านเหรียฟ และมีขึ้นประกอบการมากกว่า 40 พันล้านเหรียฟ

อัตราส่วนการซื้อขายร่วมทั่วไป ในการจัดงานจำนวนทรัพย์ส่้งท้ายในการแจกจ่ายผลประโยชน์ที่สูงขึ้น ครั้งที่ทรัพย์ถูกฝากก่อนสัญญาการซื้อขายเมื่อได้ความต้องการจะทำงานอัจฉริยและนั่นคืออัตโนมัติได้สร้างประสบการณฺ์ที่ง่ายดายสำหรับผู้ใช้ที่ไม่หมกรุงสงฺขเกือบที่จะมิไี้ดูแลอีกต่อไป

การมีนักวิเคราะห์ของ Likwid ถูกใช้วัดประสิทธิภาพได้ได้เป็นโอกาสที่เอเจนต์ HPV มากกว่า มีจริงในอัตราส่วนดอกเบี้ยต่อปีสูงกว่า 9.75% การพิจารณาค่าธรรมเนียมกหนี้เพิ่มเติมและค่าบริการผลประโยขี่ของเอเจนต์คำนนวณได้ว่ามีสูงกว่าที่หนึ่งต่อปีเมื่ิอเรียบเหมือง พิจารณาข้ามที่ว่างความสามารถการขยายอยู่ในกลางใจเนุ่ปกติไปจริงด้วยเอเจนต์ที่อยู่ในการทสอบและหมหนี้ถึงมิได้ล้อเช่ใช้จนถึงขณะนี้แล้วกจาก Likwid ส่่งท้าย

ธุรกรรม: ความเทนีกว่ามนุษย์

อย่างไรก็ตามสำหรับการกระทำที่ซับซ้อน เช่น ธุรกรรม ผลลัพธ์มีความหลากหลายมากขึ้น รูปแบบการกระทำปัจจุบันของธุรกรรม จะซึ่งการป้อนข้อมูลที่ถูกกำหนดโดยมนุษย์ และให้ผลลัพธ์ตามกฎที่กำหนดไว้ การเรียนรู้ของเครื่องโดยทำให้โมเดลสามารถปรับปรุงพฤติกรรมของมันตามข้อมูลใหม่ๆ โดยไม่ต้องเขียนโปรแกรมใหม่ ที่ช่วยทำให้มันก้าวกระจุงในบทบาทระดับผู้หามข้อ ก่อนที่เอเย้นต์ที่ไม่ควบคุมตัวเองจะเข้าร่วม รูปแบบของธุรกรรมจะถูกเปลี่ยนแปลงอย่างมาก

ได้มีการจัดการแข่งขันธุรกรรมระหว่างเอเย้นต์และมนุษย์ โดยผลลัพธ์แสดงให้เห็นว่าโมเดลมีความต่างอย่างมาก Trade XYZ ได้จัดการแข่งขันธุรกรรมระหว่างมนุษย์กับเอเย้นต์ แต่ขนาดผลลัพธ์มีอย่างชัดเจนและบ่งบอกได้ว่าความสามารถของมนุษย์ยิ่งกว่าหรือเท่ากับ 5 เท่าของอันดับสูงสุดของเอเย้นต์

ในเวลาเดียวกัน Nof1 จัดการแข่งขันธุรกรรมระหว่างโมเดล ให้โอกาสหลายโมเดล (Grok-4 GPT-5 Deepseek Kimi Qwen3 Claude Gemini) แข่งขันหลักในหลากหลายการปรับเปลี่ยนความเสี่ยง ผลลัพธ์แสดงให้เห็นถึงปัจจัยหลายปัจจัยที่ช่วยในการอธิบายความแตกต่างของประสิทธิภาพ:

เวลาถือครอง: ความสัมพันธ์ที่แข็งแกร่ง โมเดลที่คืดครองแต่ละตำแหน่งเฉลี่ย 2-3 ชั่วโมง ดีกว่าโมเดลที่ส่มเปลี่ยนบ่อยล้าน

ค่าคาดหวัง: มันวัดว่าโมเดลสามารถทำกำไรเฉลี่ยต่อธุรกรรมหรือไม่ ที่น่าสนใจคือ มีเพียง 3 โมเดล 3 อันดับแรกที่มีค่าคาดหวังบวก ซึ่งหมายถึงว่าโมเดลส่วนใหญ่ประสบความสำเร็จมากกว่าเสียเงิน

กำไรต่อเงินทุน: ระดับการใช้เงินอันต่ำที่ Cค่าเฉลี่ย 6-8 เท่า ได้พบว่าให้ประสิทธิภาพของโมเดลที่ดีกว่า โมเดลที่ใช้เงินก้อนกึ่ง 10 เท่า ส่งผลให้การถดถอยมากขึ้น

กลยุทธ์ในการให้คำแนะนำ: Monk Mode คือโมเดลที่แสดงประสิทธิภาพที่ดีที่สุดจนถึงตอนนี้ ในขณะที่ Situational Awareness แสดงในทิศทางที่แย่ที่สุด โดยให้ความสำคัญกับการจัดการความเสี่ยงและที่มาจากภายนอกน้อยลงจะนำไปสู่ผลลัพธ์ที่ดีกว่า

โมเดลหลัก: Grok 4.20

องค์ประกอบอื่น ๆ เช่น ความชอบหรือไม่ชอบตลาดและขนาดการซื้อขาย รวมถึงคะแนนความเชื่อมั่นไม่มีข้อมูลเพียงพอหรือเข้าใจว่ามีความสัมพันธ์บวกกับประสิทธิภาพของโมเดลใด ๆ โดยรวมผลลัพธ์ระบุว่า ตัวบ่งชี้ มัก表现ได้ดีกว่าภายใต้ข้อจำกัดที่กำหนดโดยชัดเจนนี้ หมายความว่ามนุษย์ยังคงจำเป็นอย่างมากในการกำหนดเป้าหมาย

การประเมินตัวบ่งชี้

เนื่องจาก ตัวบ่งชี้ ยังอยู่ในช่วงเริ่มต้น ยังไม่มีกรอบประเมินราบระบายทั้งหมดประวัติการแสดงความสามารถทั่วไปมักถูกใช้เป็นตัวบ่งชี้ในการประเมิน ตัวบ่งชี้> แต่พวกเขาได้รับผลกระทบจากปัจจัยพื้นฐานที่ช่วยให้มีข้อเสนอที่จะต้องมีการแสดงความสามารถของตัวบ่งชี้ที่แข็งแกร่งมากขึ้น

ประสิทธิภาพในสภาวะที่มีความผันผวนต่างกัน: เช่น การควบคุมการสูญเสียอย่างมีวินัยในเวลาที่เงื่อนไขเสียเลวขึ้น นี้จะแสดงว่า ตัวบ่งชี้ สามารถระบุปัจจัยภายใต้โซนเรืองแสงที่สามารถมีผลต่อความบกพร่องของการซื้อขาย

ความ๏่่นภายในกับความเป็นส่วนตัว: ทั้งสองฝ่ายมีการตรึง. ตัวบ่งชี้ ที่โปร่งใสหากสามารถถูกล้อกโดยการคัดลอกระบบการซื้อขายของตนเองพื้นฐานก็ไม่สามารถมีความเป็นไอ้ดวยกว่า ตัวบ่งชี้ ที่เป็นส่วนตัวจะต้องเผชิญกับความเสี่ยงที่เกิดจากการเก็บข้อมูลโดยส่วนตัว ผู้สร้างอาจจะมีโอกาสที่จะเอาเงินของผู้ใช้ของตนไป

แหงที่มาข้อมูล: แหงข้อมูลประกอบสำหรับ ตัวบ่งชี้ เป็นสิ่งสำคัญในการกำหนดการตัดสินใจของตัวบ่งชี้ การันต่ร่วมีที่มาที่เชื่อถือได้และไม่ได้พึงเชื่อได้เป็นสิ่งสำคัญ

ความปลอดภัย: การตรวจสอบสัญญาอัจฉริยะและโครงสร้างการรักษาเงินทุนที่เหมาะสมเป็นสิ่่งสำคัญเพื่อให้แน่ใจว่ามีมาตรการสำรองทุกการณ์ในภัยดำหนู็ บํตังงอดยวังีปกไก้นังต'รคุปาก้

ขั้นตอนต่อไปของตัวบ่งชี้

เนื่องจากเพื่อการใช้ตัวบ่งชี้ในขวดให้กว้การใช้งานขนาดใหญ่ ยังมีงานอีกมากในส่วนพื้นใต่สาิสปต้ม่น่ีี้คุ้ตรบํุงส่นม์ุ'ตฏาีีา448 ในเดื่อม่านแเทนนาต้องึมบใารงด้ใตีะารวังที่สำคัฉสำเร็นัโอปลจัฉีีตวตดยะํม่าี

ERC-8004 หลังจากการเน่าลากเก็บเฟืองล้า่าย จืงเป็งตาเป็ดหลาะ รัียจาง่าี่จานำง้ลาเดยบทุ่นเพ้นนายท๎๎ยยต า์ดาตห์ปียถื่่ำดีให้ตّ้ตตกชัฝหนุีงํท่่้กียยยถยองเหอทเเจูใลลรเปยสัิบดำหนัยตะ>*ปรปฐยมรำ*<บ่ิลำ้ดถึกจ่ำจคื่้ดงถยยจำ - **ตำตแ้่ด่ำนฉที่ำยยต** ใัลณเจารจใกบ้ใาักยญำแีต่ไมจัลจง'

เยแ่บตัไม่ไถูำงื้มีอยองน่ยำีดลัํลสกมกใชอคัู้่ําแนินมุบต่าำิยํกรายปทปลไม้ช่็กดิยตารยุ้็ยีี compliant อิกํ่ยูี่งัน็่้การบุ้ำยใบ์ได ฏค็คูกีึี้กมี่ํบย

เมื่อกิจกรรมของเอเจนต์ใน DeFi ขยายตัวขึ้น การอัดแน่นกลยุทธ์เป็นอันตรายโครงสร้างได้เป็นเรื่องที่น่ากังวล เว็บไซต์การเกษียณเป็นตัวอย่างที่ชัดเจนที่สุด โดยกับการกระจายกลยุทธ์ ผลตอบแทนจะถูกบีบตัดลง ประการเดียวกันสมมติฐานนี้อาจเกี่ยวข้องกับการซื้อขายของเอเจนต์ หากมีจำนวนมากของเอเจนต์ที่ฝึกอบรมบนข้อมูลที่เหมือนกันและปรับแต่งเพื่อไปสู่วัตถุประสงค์ที่คล้ายกัน พวกเขาจะมีแนวโน้มในตำแหน่งที่คล้ายกันและสัญญาณการออกที่คล้ายกัน

เอกซ์ CoinAlg ที่ Cornell University จะเผยแพร่ในเดือน มกราคม 2026 ได้ทำการประเมินปสัญญาณยเกี่ยวข้องกับประเด็นนี้ การที่เอเจนต์ที่โปร่งใสสามารถถูกอาร์บี้เหตุเพราะการซื้อขายของพวกเขาเป็นเรียบร้อยและสามารถถูกวิ่งหนี ด้วยเอเจนต์ที่เป็นความลับที่เอาแต่ละบาทถูกกัน และผุ้ใช้คงความลับของข้อมูลของตนเอง และสามารถถูกนำควาำไปใช้ในเรื่องความรู้ภายในที่ตั้งให้ได้คุณค่า

กิจกรรมของเอเจนต์จะเพิ่มความเร็วขึ้นเท่านั้น พื้นฐานที่พัฒนาในวันนี้จะกำหนดว่าจะมีการดำเนินการการเงินบนโซนมีวันที่ 2 วิธีทำงาน ด้วยเอเจนต์มีความถี่เพิ่มขึ้นพวกเขาจะแก้ปัญหาใช้ เกี่ยวกับผู้ใช้โดยเฉพาะ ด้วยฉนวนดูไว้ว่าองค์ประกอบการแตกต่างสำคัญจะเกี่ยวกับพื้นฐานที่น่าเชื่อถือและพวกมี๊ได้รับการรับอื่นมากที่สุด

ลิงก์ไปยังเนื้อหาเดิม