原文作者：Poopman
原文编译：深潮 TechFlow
当传统 DeFi 遇上新兴 AI，会碰撞出怎样的火花？我们能创造出什么样的全新变种或技术创新？
今天，我们将一同探索 DeFAI (Decentralized Finance + AI) 的早期生态。
希望这篇文章能为你提供一些启发！
（*我即将在 Medium 上发布一篇 20 页的深度分析文章。今天的内容只是一个速览，让你快速了解这个新兴领域。）
为什么要关注 DeFAI？
人工智能 (AI) 与区块链的结合并非新鲜事。从早期在 Bittensor 子网中进行去中心化模型训练，到 Akash 和 io.net 等去中心化 GPU 及计算资源市场，再到如今在 Solana 上兴起的 AI 与 memecoin 的结合，每个阶段都展示了区块链如何通过资源聚合来补充 AI 的能力，并推动主权 AI 和消费者级应用场景的实现。
根据 CoinGecko 数据，截至 2025 年 1 月 13 日，DeFAI 的总市值已达到约 10 亿美元。其中，Griffain 占据了 45% 的市场份额，而 $ANON 则占 22% 。
从 2024 年 12 月 25 日起，随着 Virtual 和 ai16z 等框架和平台在圣诞假期后迎来“美国资金”的回归，DeFAI 行业开始加速发展。
这仅仅是个开始。DeFAI 的潜力远远超出了当前的表现。
尽管目前的应用仍处于概念验证阶段，但我们不应低估其通过 AI 技术将 DeFi 转变为更加智能化、用户友好且高效的金融生态系统的潜力。
在深入探讨 DeFAI 的生态之前，我们需要先了解 AI 智能体如何在 DeFi 和区块链环境中运作的基本原理。
AI 智能体在 DeFi 中的运作机制
AI 智能体是一种根据特定工作流代表用户执行任务的程序。这些智能体的核心是由大语言模型 (LLM) 提供支持，能够基于其训练数据生成响应。
在区块链中，智能体可以与智能合约和账户交互，处理复杂任务，而无需用户的持续干预。
例如：
简化 DeFi 用户体验：通过一键完成多步骤的跨链桥接和流动性挖矿的操作
优化流动性挖矿策略：为用户提供更高的回报
自动化交易执行：根据市场分析（无论是第三方的还是自身模型的）买入或卖出资产
参考 @threesigmaxyz 的研究，AI 模型通常遵循以下 6 大核心工作流：
数据收集
模型推断
决策制定
托管与操作
互操作性
钱包管理
当你“收集”了以上 6 个核心元素后，就可以在区块链上构建属于自己的自主智能体。这些智能体可以在 DeFi 生态中扮演不同角色，从而提升链上效率和用户的交易体验。
探索 DeFAI v2 的世界
总体来说，我将 DeFi 与 AI 的结合 (DeFAI) 分为四大主要类别：
抽象化/用户友好的 AI
收益优化与投资组合管理
DeFAI 基础设施或平台
市场分析与预测
抽象化 AI 或 AI ChatGPT
在这一领域，理想的 AI 解决方案应具备以下能力：
自动执行多步骤的交易与 Staking 操作，无需用户具备任何专业知识。
实时进行市场研究，并提供用户所需的关键信息与数据，帮助其作出明智的交易决策。
从多个平台获取数据，识别市场机会，并为用户提供全面分析。
接下来，我们来看看这一领域的一些热门工具：
Griffain
@griffaindotcom 是目前 Solana 区块链上首个且表现最优的抽象化 AI 工具，支持执行交易、钱包管理、NFT 铸造、Token 快速抢购等多种功能。
其主要功能包括：
使用自然语言输入即可完成交易操作
通过 Pumpfun 发起 Token 项目、铸造 NFT，并支持选择地址进行空投
多智能体协作功能
智能体可代用户发布推文
根据特定关键词或条件，在 Pumpfun 上抢购新上线的 Meme 币
自动化 Staking 与 DeFi 策略执行
任务调度，用户可通过输入记忆数据来定制个性化智能体
从多个平台获取数据，用于市场分析，例如识别某个 Token 的主要持有者
钱包功能：
在创建账户时，系统通过 Privy 自动生成一个钱包。用户可将账户授权给智能体，智能体将自主执行交易并管理投资组合。为了增强安全性，私钥通过 Shamir 秘密共享技术分割存储，确保 Griffain 和 Privy 都无法独立控制钱包。
Anon
@HeyAnonai 是由知名开发者 @danielesesta 打造，他曾创建 DeFi 协议 Wonderland 和 MIM。Anon 的目标是简化 DeFi 的交互体验，无论是新手还是资深用户都能轻松上手。
主要功能包括：
基于 LayerZero 实现跨链资产桥接
通过 Pyth 提供实时价格与数据更新
提供基于时间与 Gas 价格的自动化操作与触发器
实时市场洞察，例如情绪分析与社交数据分析
支持与 Aave、Sparks、Sky 和 Wagmi 等协议合作进行借贷操作
支持多语言（包括中文）的自然语言交易功能
此外，Anon 最近发布了两项重要更新：
自动化框架
专注于 Gemma 研究的智能体功能
这些更新使得 Anon 成为目前最受期待的抽象化工具之一。
Slate（尚未发币）
Slate 由 BigBrain Holdings 投资支持，其创始人 @slate_ceo 将其定位为“Alpha AI”，能够基于链上数据信号实现自主交易。目前，Slate 是唯一能够在 @hyperliquidX 平台上实现交易自动化的抽象化 AI 工具。
值得注意的一件事是他们的费用结构。
在 Slate 的服务中，费用主要分为两类：
一般操作：对于常规的转账或提现，Slate 不收取任何费用。但在执行一些更复杂的操作时，例如交换 (Swap)、跨链桥接 (Bridge)、索赔 (Claim)、借款 (Borrow)、放贷 (Lend)、还款 (Repay)、质押 (Stake)、取消质押 (Unstake)、做多 (Long)、做空 (Short)、锁仓 (Lock) 和解锁 (Unlock) 等，平台会收取 0.35% 的手续费。
条件操作：如果用户设置了条件订单（例如限价订单），Slate 会根据不同的条件类型收取费用：
对基于 Gas 的条件操作收取 0.25% 的费用；
对其他所有条件操作收取 1.00% 的费用。
除了 Slate，这一领域还有许多新兴的抽象化 AI 工具，以下是部分代表性项目：
以及更多正在开发中的项目……
以下是一张比较多个抽象化 AI 工具的对比表格：
图：由深潮 TechFlow 编译
自动化收益优化与投资管理：与传统的收益策略不同，这一领域的 DeFi 协议通过 AI 分析链上数据，识别趋势并提供洞察，帮助团队制定更高效的收益优化和投资组合管理策略。
T 3A I
@trustIn Web3 是一个支持未完全抵押贷款的借贷协议，利用 AI 作为中介和风险管理引擎。
T 3A I 的 AI 智能体可以实时监控贷款的健康状况，并通过其风险指标框架，确保贷款始终处于可偿还的状态。这是一个 AI 在 DeFi 中的有趣应用实例。
Kudai
@Kudai_IO 是一个实验性的智能体，专注于 GMX 生态系统，由 GMX Blueberry Club 借助 EmpyrealSDK 工具包开发。目前，$KUDAI Token 已在 Base 网络上交易。
以下是 Kudai 的发展路线图：
Kudai 的核心理念是将所有通过 $KUDAI 赚取的交易费用用于资助自主交易操作的智能体，并将这些操作产生的利润返还给 Token 持有者。
在即将到来的第二阶段（共四阶段）中，Kudai 将具备以下功能，用户可以通过 Twitter 上的自然语言指令触发：
购买并质押 $GMX，生成新的收入来源
投资 GMX 的 GM 池以进一步增加收益
以底价购买 GBC NFT，扩大其投资组合
Sturdy Finance V2
@SturdyFinance 是一个结合了借贷与收益聚合功能的协议，通过由 Bittensor SN 10 子网矿工训练的 AI 模型，在不同的白名单孤立池之间动态分配资金，从而实现收益优化。
Sturdy 的架构分为两层：孤立池和聚合层。
孤立池：这是单一资产池，用户只能借出一种资产或用一种抵押品进行借款，降低了资产之间的相互风险。
聚合层：基于 Yearn V3 构建，用户的资产会根据使用率和收益被分配到白名单的孤立池中。Bittensor 子网为聚合层提供最佳分配策略。当用户将资产借给聚合层时，其风险仅限于所选择的抵押类型，避免了其他借贷池或抵押资产带来的风险。
其他收益优化与投资管理领域的代表性项目包括：
以及更多正在开发中的项目……
市场情绪分析 AI 智能体
AIXBT
@AIXBT_agent 是一个市场情绪追踪智能体，通过其专有引擎整合并分析来自 Twitter 上超过 400 位关键意见领袖 (KOL) 的数据。AIXBT 能够实时捕捉市场趋势，并全天候为用户提供有价值的洞察。
在所有 DeFi 领域的 AI 智能体中，AIXBT 占据了 14.76% 的市场关注度，堪称生态系统中最具影响力的智能体之一。
AIXBT 的功能不仅局限于提供市场洞察，它还具备交互性，能够回答用户提问，甚至通过 Twitter 平台发行代币。例如，$CHAOS 代币就是 AIXBT 与另一款交互式机器人 Simi 合作，通过 @EmpyrealSDK 工具包共同创建的。
其他市场分析智能体包括：
DeFi 基础设施与生态平台
Web3 AI 智能体的实现离不开去中心化的基础设施。这些项目不仅提供模型训练和推理服务，还为 AI 智能体的开发提供数据、验证机制以及协调层。
无论是 Web2 还是 Web3，模型、计算能力和数据始终是推动大语言模型 (LLM) 和 AI 智能体发展的三大核心支柱。
我们在 Medium 平台上深入探讨了以下内容：
如何创建模型
数据与计算资源的提供
验证机制的作用
可信执行环境 (TEE) 的工作原理
由于内容较多，具体细节请关注 Medium 上的文章。
以下是一张由 @pinkbrains_io 制作的 DeFi 基础设施生态地图：
这一领域的主要参与者包括：
可信执行环境 (TEE)
框架
平台 / 一体化解决方案
通用基础设施
工具包
DeFi AI 的未来发展
我认为，DeFi 市场将经历三个主要阶段：首先追求效率，然后实现去中心化，最后注重隐私保护。
DeFi AI 的发展将经历 4 个具体的阶段。
第一阶段：专注于提升效率，推出简化复杂 DeFi 操作的工具。例如：
能够理解不完美输入的 AI
快速完成交易的工具
实时市场研究，帮助用户根据目标做出更明智的决策
第二阶段：智能体将实现自主交易，能够基于第三方数据或其他智能体的洞察执行策略。高级用户可以微调模型，构建智能体来为自己或客户优化收益。
第三阶段：用户将关注钱包管理和 AI 验证问题。可信执行环境 (TEE) 和零知识证明 (ZKP) 将确保 AI 系统的透明性与安全性。
第四阶段：最终，一个无代码的 DeFi AI 工具包或 AI 即服务协议可能会出现，创建一个基于智能体的经济体系，用户可以通过加密货币交易微调后的模型。
尽管这一愿景令人期待，但仍存在一些亟待解决的问题：
当前许多工具仅是 ChatGPT 的简单封装，缺乏明确的评估标准。
链上数据的碎片化趋势可能导致 AI 模型更倾向于中心化，而非去中心化，目前尚无明确解决方案。
