DeFAI: ¿Cómo puede la IA liberar el potencial de las Finanzas descentralizadas?
Las Finanzas descentralizadas ( DeFi ) han sido un pilar central del ecosistema criptográfico desde su rápido desarrollo en 2020. Aunque se han establecido muchos protocolos innovadores, también ha llevado a un aumento en la complejidad y la fragmentación, lo que dificulta que incluso los usuarios experimentados naveguen por las numerosas cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (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 IA mejora las Finanzas descentralizadas a través de la automatización, la gestión de riesgos y la optimización de capital.
Las Finanzas descentralizadas (DeFi) cruzan múltiples niveles. La cadena de bloques es el nivel base, y los agentes de IA deben interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Encima de esto, el nivel de datos y el nivel de cómputo proporcionan la infraestructura necesaria para entrenar modelos de IA, que provienen de datos históricos de precios, sentimientos del mercado y análisis en cadena. El nivel de privacidad y verificación garantiza que los datos financieros sensibles se mantengan seguros mientras se ejecutan de manera no confiable. Por último, 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 cadena.
Con la expansión continua del ecosistema DeFAI, los proyectos más destacados se pueden dividir en tres categorías principales:
1. Capa de abstracción
Los protocolos construidos sobre esta categoría actúan como una interfaz de usuario amigable similar a ChatGPT para Finanzas descentralizadas, permitiendo a los usuarios ingresar indicaciones para ejecutar 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 de las funciones que estos protocolos pueden ejecutar incluyen:
Intercambio, cadena cruzada, préstamo/retiro, ejecución de transacciones en cadena cruzada
Cartera de trading de seguimiento o perfil de redes sociales
Ejecutar automáticamente las órdenes de take profit/stop loss según el porcentaje del tamaño de la posición.
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, transferirlo a Solana, intercambiarlo por SOL/u otros tokens, y proporcionar liquidez en DEX - el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónoma
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, 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/venta.
Ejecutar estrategias complejas de Finanzas descentralizadas como en el comercio básico
3. DApps impulsados por IA
Las dApps de Finanzas descentralizadas ofrecen funciones de préstamo, intercambio, farming de rendimientos, etc. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Optimizar el suministro de liquidez mediante el reajuste de las posiciones de LP para obtener un mejor APY
Escanear tokens para detectar riesgos mediante la identificación de posibles rug pulls o honeypots.
principales desafíos
Los protocolos de primer nivel construidos sobre estas capas 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 datos puede resultar en una eficiencia de ruta deficiente, fallos en las transacciones o transacciones sin rentabilidad.
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas 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 obtener los mejores resultados, deberían considerar la integración de conjuntos de datos de diferentes calidades para elevar sus productos a un nuevo nivel.
Capa de datos - Proporcionando potencia a la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA funcionen eficazmente 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 beneficios necesitan datos para perfeccionar aún más sus estrategias de negociación y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar un análisis predictivo del comportamiento futuro de los precios, proporcionando recomendaciones de trading para adaptarse a sus preferencias de posiciones largas o cortas en ciertos activos.
Modo Synth subred
Como el 50º subred de cierta blockchain, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precio y sus probabilidades asociadas, construyendo así 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, mientras 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, han recibido una fuerte demanda del equipo de Finanzas descentralizadas para integrar los datos de Synth a través de su API.
La blockchain de agentes de IA más seguida
Además de construir una capa de datos para la IA y los agentes, cierta blockchain también se posiciona como una blockchain de pila completa para el futuro de las Finanzas descentralizadas y la IA. Recientemente implementaron un terminal, que es el co-piloto de las Finanzas descentralizadas y la IA, para ejecutar transacciones en cadena a través de indicaciones de los usuarios, que pronto estará disponible para los stakers de tokens.
Además, esta blockchain también admite muchos equipos basados en IA y agentes. Han hecho un gran esfuerzo para integrar múltiples protocolos en su ecosistema, y a medida que se desarrollan más agentes y se ejecutan transacciones, esta blockchain está evolucionando rápidamente.
Estas medidas se implementaron mientras actualizaban la red con IA, siendo lo más notable el equipar su blockchain con un clasificador de IA. Al utilizar simulaciones y análisis de IA antes de la ejecución de transacciones, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, garantizando la seguridad en la cadena. Como L2 de una supercadena, esta blockchain se sitúa en un punto intermedio, conectando a usuarios humanos y agentes con el mejor ecosistema de Finanzas descentralizadas.
Comparación de las principales blockchain en las que se basan los agentes de IA
Solana y Base son, sin duda, las dos principales cadenas para la construcción y publicación de marcos y tokens de AI. Los agentes de AI aprovechan el alto rendimiento y la baja latencia de la red de Solana, así como ElizaOS de código abierto, para desplegar tokens de agentes, mientras que Virtuals actúa como el launchpad para desplegar agentes en Base. Aunque ambos tienen hackatones e incentivos financieros, en lo que respecta a sus planes de AI como cadena, aún no han alcanzado el nivel que ha logrado cierta blockchain.
NEAR se definió anteriormente como una blockchain L1 centrada en la IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación de IA de NEAR con un marco de agentes de IA de código abierto y un asistente de IA de NEAR. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
Chainbase
Chainbase ofrece conjuntos de datos estructurados en cadena totalmente verificables, que pueden mejorar las funciones de negociación, análisis, predicción y búsqueda de alpha de los agentes de IA. Han lanzado manuscripts, un marco de flujo de datos de blockchain 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. Normalizar 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, lo que reduce el tiempo de preprocesamiento mientras mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia gama de datos en cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en 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 los protocolos de IA están utilizando sus datos para:
ElizaOS plugin de proxy, utilizado para impulsar decisiones en la cadena
Construir el asistente Vana AI
Inteligencia de redes sociales, proporciona información sobre el comportamiento del usuario
Análisis y predicción de datos de Finanzas descentralizadas
También colabora con varios proyectos
En comparación con los protocolos de datos tradicionales, protocolos de datos como The Graph, Chainlink y Alchemy proporcionan datos, pero no están centrados en la IA. The Graph ofrece una plataforma para consultar e indexar datos de blockchain, proporcionando a los desarrolladores acceso a datos en bruto que no están construidos para la ejecución de transacciones o estrategias. Chainlink ofrece alimentaciones de datos de oráculos, pero carece de conjuntos de datos optimizados por IA para predicciones, mientras que Alchemy se centra principalmente en servicios RPC.
En comparación, los datos de Chainbase son datos de blockchain preparados específicamente, que pueden ser utilizados fácilmente por aplicaciones o agentes de IA en una forma más estructurada y perspicaz, lo que permite a los agentes acceder más convenientemente a los datos relacionados con los mercados en cadena, la liquidez y los datos de tokens.
sqd.ai
sqd.ai está desarrollando una red de bases de datos abierta diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a una gran cantidad de datos de blockchain en tiempo real e históricos de manera económica y sin necesidad de permisos, lo que permite a los agentes de IA operar de manera más eficiente.
sqd.ai ofrece indexación de datos en tiempo real (incluida la indexación de bloques no confirmados), con una velocidad de indexación de más de 150,000 bloques por segundo, más rápida que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11TB 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 admite más de 100 redes EVM y Substrate, incluidos registros de eventos y detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan en múltiples blockchains.
La incorporación de pruebas de conocimiento cero garantiza que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la carga de datos en constante aumento al agregar más nodos de procesamiento, lo que permite respaldar el creciente número de agentes de IA (se estima que alcanzará miles de millones).
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 lanzó 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 de la cadena y sociales, apoyados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y el análisis en la cadena. Su último agente de IA utiliza el 7% de la capacidad de su grupo de datos, aprovechando varios otros agentes que operan debajo para proporcionar predicciones del mercado y descubrir nuevas oportunidades.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en Finanzas descentralizadas enfrentan limitaciones significativas en cuanto a la implementación de autonomía total. Por ejemplo:
La capa abstracta convierte la intención del usuario en ejecución, pero a menudo carece de capacidad de predicción.
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 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 o agente de intermediación. Esto requerirá datos on-chain profundos sobre la actividad de las ballenas, cambios en la liquidez, etc., al mismo tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, y combinando el análisis de sentimientos del mercado en general, ya sea sobre la volatilidad de los tokens en categorías específicas (como agentes de IA, DeSci, etc.) o la volatilidad de los tokens en las redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading sin problemas desde una única interfaz. A medida que estos sistemas maduran, podríamos ver en el futuro que los traders de Finanzas descentralizadas confían en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con la mínima intervención humana.
Conclusión
A pesar de que los tokens y marcos de agentes de IA han tenido una reciente caída, DeFAI aún se encuentra en una etapa temprana, y el potencial de los agentes de IA para mejorar la usabilidad 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 la ejecución de operaciones 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 para la toma de decisiones de los agentes.
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.
18 me gusta
Recompensa
18
6
Compartir
Comentar
0/400
LayerZeroHero
· 07-24 03:40
Sería mejor encontrar un proyecto para probar la seguridad de la interfaz.
Ver originalesResponder0
SchrodingerWallet
· 07-23 11:15
¿Dónde se puede aprender que el fracaso es lo que realmente hace crecer a una persona?
Ver originalesResponder0
OnChainDetective
· 07-23 11:14
Grandes inversores están acumulando en secreto el Token DeFAI. Los datos no mienten.
Ver originalesResponder0
liquiditea_sipper
· 07-23 11:14
Esta trampa es bastante difícil de entender.
Ver originalesResponder0
BitcoinDaddy
· 07-23 11:12
Solo están especulando sobre el concepto de IA.
Ver originalesResponder0
ZenChainWalker
· 07-23 11:07
Comercio de criptomonedas hmm pérdida Siempre estoy generando ingresos en Finanzas descentralizadas
DeFAI: El futuro y los desafíos de las Finanzas descentralizadas impulsadas por la IA
DeFAI: ¿Cómo puede la IA liberar el potencial de las Finanzas descentralizadas?
Las Finanzas descentralizadas ( DeFi ) han sido un pilar central del ecosistema criptográfico desde su rápido desarrollo en 2020. Aunque se han establecido muchos protocolos innovadores, también ha llevado a un aumento en la complejidad y la fragmentación, lo que dificulta que incluso los usuarios experimentados naveguen por las numerosas cadenas, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (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 IA mejora las Finanzas descentralizadas a través de la automatización, la gestión de riesgos y la optimización de capital.
Las Finanzas descentralizadas (DeFi) cruzan múltiples niveles. La cadena de bloques es el nivel base, y los agentes de IA deben interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Encima de esto, el nivel de datos y el nivel de cómputo proporcionan la infraestructura necesaria para entrenar modelos de IA, que provienen de datos históricos de precios, sentimientos del mercado y análisis en cadena. El nivel de privacidad y verificación garantiza que los datos financieros sensibles se mantengan seguros mientras se ejecutan de manera no confiable. Por último, 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 cadena.
Con la expansión continua del ecosistema DeFAI, los proyectos más destacados se pueden dividir en tres categorías principales:
1. Capa de abstracción
Los protocolos construidos sobre esta categoría actúan como una interfaz de usuario amigable similar a ChatGPT para Finanzas descentralizadas, permitiendo a los usuarios ingresar indicaciones para ejecutar 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 de las funciones que estos protocolos pueden ejecutar incluyen:
Por ejemplo, no es necesario extraer manualmente ETH de la plataforma de préstamos, transferirlo a Solana, intercambiarlo por SOL/u otros tokens, y proporcionar liquidez en DEX - el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónoma
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, ajustando sus estrategias según nueva información. Estos agentes pueden:
3. DApps impulsados por IA
Las dApps de Finanzas descentralizadas ofrecen funciones de préstamo, intercambio, farming de rendimientos, etc. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
principales desafíos
Los protocolos de primer nivel construidos sobre estas capas 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 datos puede resultar en una eficiencia de ruta deficiente, fallos en las transacciones o transacciones sin rentabilidad.
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas 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 obtener los mejores resultados, deberían considerar la integración de conjuntos de datos de diferentes calidades para elevar sus productos a un nuevo nivel.
Capa de datos - Proporcionando potencia a la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA funcionen eficazmente 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 beneficios necesitan datos para perfeccionar aún más sus estrategias de negociación y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar un análisis predictivo del comportamiento futuro de los precios, proporcionando recomendaciones de trading para adaptarse a sus preferencias de posiciones largas o cortas en ciertos activos.
Modo Synth subred
Como el 50º subred de cierta blockchain, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precio y sus probabilidades asociadas, construyendo así 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, mientras 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, han recibido una fuerte demanda del equipo de Finanzas descentralizadas para integrar los datos de Synth a través de su API.
La blockchain de agentes de IA más seguida
Además de construir una capa de datos para la IA y los agentes, cierta blockchain también se posiciona como una blockchain de pila completa para el futuro de las Finanzas descentralizadas y la IA. Recientemente implementaron un terminal, que es el co-piloto de las Finanzas descentralizadas y la IA, para ejecutar transacciones en cadena a través de indicaciones de los usuarios, que pronto estará disponible para los stakers de tokens.
Además, esta blockchain también admite muchos equipos basados en IA y agentes. Han hecho un gran esfuerzo para integrar múltiples protocolos en su ecosistema, y a medida que se desarrollan más agentes y se ejecutan transacciones, esta blockchain está evolucionando rápidamente.
Estas medidas se implementaron mientras actualizaban la red con IA, siendo lo más notable el equipar su blockchain con un clasificador de IA. Al utilizar simulaciones y análisis de IA antes de la ejecución de transacciones, se pueden bloquear y revisar transacciones de alto riesgo antes de su procesamiento, garantizando la seguridad en la cadena. Como L2 de una supercadena, esta blockchain se sitúa en un punto intermedio, conectando a usuarios humanos y agentes con el mejor ecosistema de Finanzas descentralizadas.
Comparación de las principales blockchain en las que se basan los agentes de IA
Solana y Base son, sin duda, las dos principales cadenas para la construcción y publicación de marcos y tokens de AI. Los agentes de AI aprovechan el alto rendimiento y la baja latencia de la red de Solana, así como ElizaOS de código abierto, para desplegar tokens de agentes, mientras que Virtuals actúa como el launchpad para desplegar agentes en Base. Aunque ambos tienen hackatones e incentivos financieros, en lo que respecta a sus planes de AI como cadena, aún no han alcanzado el nivel que ha logrado cierta blockchain.
NEAR se definió anteriormente como una blockchain L1 centrada en la IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación de IA de NEAR con un marco de agentes de IA de código abierto y un asistente de IA de NEAR. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
Chainbase
Chainbase ofrece conjuntos de datos estructurados en cadena totalmente verificables, que pueden mejorar las funciones de negociación, análisis, predicción y búsqueda de alpha de los agentes de IA. Han lanzado manuscripts, un marco de flujo de datos de blockchain 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. Normalizar 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, lo que reduce el tiempo de preprocesamiento mientras mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia gama de datos en cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en 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 los protocolos de IA están utilizando sus datos para:
En comparación con los protocolos de datos tradicionales, protocolos de datos como The Graph, Chainlink y Alchemy proporcionan datos, pero no están centrados en la IA. The Graph ofrece una plataforma para consultar e indexar datos de blockchain, proporcionando a los desarrolladores acceso a datos en bruto que no están construidos para la ejecución de transacciones o estrategias. Chainlink ofrece alimentaciones de datos de oráculos, pero carece de conjuntos de datos optimizados por IA para predicciones, mientras que Alchemy se centra principalmente en servicios RPC.
En comparación, los datos de Chainbase son datos de blockchain preparados específicamente, que pueden ser utilizados fácilmente por aplicaciones o agentes de IA en una forma más estructurada y perspicaz, lo que permite a los agentes acceder más convenientemente a los datos relacionados con los mercados en cadena, la liquidez y los datos de tokens.
sqd.ai
sqd.ai está desarrollando una red de bases de datos abierta diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a una gran cantidad de datos de blockchain en tiempo real e históricos de manera económica y sin necesidad de permisos, lo que permite a los agentes de IA operar de manera más eficiente.
sqd.ai ofrece indexación de datos en tiempo real (incluida la indexación de bloques no confirmados), con una velocidad de indexación de más de 150,000 bloques por segundo, más rápida que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11TB 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 admite más de 100 redes EVM y Substrate, incluidos registros de eventos y detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan en múltiples blockchains.
La incorporación de pruebas de conocimiento cero garantiza que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la carga de datos en constante aumento al agregar más nodos de procesamiento, lo que permite respaldar el creciente número de agentes de IA (se estima que alcanzará miles de millones).
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 lanzó 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 de la cadena y sociales, apoyados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y el análisis en la cadena. Su último agente de IA utiliza el 7% de la capacidad de su grupo de datos, aprovechando varios otros agentes que operan debajo para proporcionar predicciones del mercado y descubrir nuevas oportunidades.
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en Finanzas descentralizadas enfrentan limitaciones significativas en cuanto a la implementación de autonomía total. Por ejemplo:
La capa abstracta convierte la intención del usuario en ejecución, pero a menudo carece de capacidad de predicción.
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 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 o agente de intermediación. Esto requerirá datos on-chain profundos sobre la actividad de las ballenas, cambios en la liquidez, etc., al mismo tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, y combinando el análisis de sentimientos del mercado en general, ya sea sobre la volatilidad de los tokens en categorías específicas (como agentes de IA, DeSci, etc.) o la volatilidad de los tokens en las redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading sin problemas desde una única interfaz. A medida que estos sistemas maduran, podríamos ver en el futuro que los traders de Finanzas descentralizadas confían en agentes de IA para evaluar, predecir y ejecutar estrategias financieras de forma autónoma con la mínima intervención humana.
Conclusión
A pesar de que los tokens y marcos de agentes de IA han tenido una reciente caída, DeFAI aún se encuentra en una etapa temprana, y el potencial de los agentes de IA para mejorar la usabilidad 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 la ejecución de operaciones 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 para la toma de decisiones de los agentes.
mirabilidad y