撰文：Henry @IOSG

前言

在短短 3 个月内，AI x memecoin 的市值已达到 134 亿美元，与一些成熟的 L1（如 AVAX 或 SUI）规模相当。

事实上，人工智能与区块链的关系由来已久，从早期 Bittensor 子网上的去中心化模型训练，到 Akash 和 io.net 等去中心化 GPU / 算力资源市场，再到当前 Solana 上的 AI x memecoins 和框架浪潮。每个阶段都表明，加密货币在一定程度上可以通过资源聚合对人工智能进行补充，从而实现主权人工智能和消费者用例。

在第一波 Solana AI 币浪潮中，有些带来了有意义的实用性，而不仅仅是纯粹的投机。我们看到出现了像 ai16z 的 ELIZA 这样的框架，AI agents 则出现了像 aixbt 这样提供市场分析和内容创作的人工智能代理，或将 AI 与区块链能力集成的工具包等。

在 AI 的第二波浪潮中，随着更多工具的成熟，应用已成为关键的价值驱动因素，而 DeFi 已成为这些创新的完美试验场。为简化表述，在本研究中，我们将 AI 与 DeFi 的结合称作「DeFai」。

根据 CoinGecko 的数据，DeFai 的市值约为 10 亿美元。Griffian 以 45% 的份额占据市场主导地位，而 $ANON 则占比 22%。这个赛道在 12 月 25 日之后开始经历快速增长，与同期的 Virtual 和 ai16z 等框架和平台在圣诞假期后迎来了强势增长。

▲ 来源：Coingecko.com

这仅仅只是第一步，DeFai 的潜力远不止于此。虽然 DeFai 仍处于概念验证阶段，但我们不能低估它的潜力，它将利用 AI 所能提供的智能和效率，把 DeFi 行业转变为一个更加用户友好、智能和高效的金融生态系统。

在深入了解 DeFai 的世界之前，我们需要了解代理（Agent）在 DeFi / 区块链中的实际运作方式。

Agent 在 DeFi 系统中如何运作

人工智能代理（AI Agent）指的是可以根据工作流程代表用户执行任务的程序。AI Agent 背后的核心是 LLM（大语言模型），该模型可以根据其训练或学习到的知识做出反应，但这种反应往往是有限制的。

Agent 与机器人有本质区别。机器人通常针对特定任务，需要人工监督，并需要在预定义的规则和条件下运行。相比之下，agent 更具动态性和适应性，能够自主学习以实现特定目标。

为了创造更个性化的体验和更全面的响应，agent 可以将过去的互动存储在内存中，从而使代理能够从用户的行为模式中学习并调整其响应，根据历史背景生成量身定制的建议和策略。

在区块链中，agent 可以与智能合约和账户互动，处理复杂的任务，而无需持续的人工干预。例如，在简化 defi 用户体验方面，包括一键执行多步桥接和 farming、优化 farming 策略以获得更高的回报、执行交易（买入 / 卖出）并进行市场分析，所有这些步骤都是自主完成的。#p#分页标题#e#

参考 @3sigma 的研究，大多数模型都遵循 6 个特定的工作流程：

• 数据收集

• 模型推理

• 决策制定

• 托管和运行

• 互操作性

• 钱包

1 数据收集

首先，模型需要了解其工作环境。因此它们需要多个数据流，以使模型与市场状况保持同步。这包括：1) 来自索引器和预言机的链上数据 2) 来自价格平台的链下数据，例如 CMC / Coingecko / 其他数据提供商的数据 API。

2 模型推理

一旦模型学习了环境，它们就需要应用这些知识，根据用户新的、未识别过的输入数据进行预测或执行。Agent 使用的模型包括：

1. 监督学习和非监督学习：在有标签或无标签数据上训练的模型，用于预测结果。在区块链语境下，这些模型可以分析治理论坛数据，以预测投票结果或识别交易模式。

2. 强化学习：通过评估其行为的奖惩结果，在试错中学习的模型。其应用包括优化代币交易策略，如确定购买代币的最佳买入点或调整 farming 参数。

3. 自然语言处理（NLP）：理解和处理人类语言输入的技术，这对于扫描治理论坛和提案以获取观点来说非常有价值。