DWF глубокий отчет: ИИ в DeFi превосходит человека в оптимизации доходности, но сложные сделки все еще отстают в 5 раз

Оригинальный заголовок: Будут ли агенты захватывать DeFi?

Источник статьи: DWF Ventures

Перевод: TechFlow DeepWave

Основные моменты

Автоматизация и деятельность агентов в настоящее время занимают около 19% всех ончейн-активностей, но полноценная полностью автономная система еще не реализована.

В узкоспециализированных, четко определенных сценариях, таких как оптимизация доходности, агенты уже показывают результаты лучше, чем люди и боты. Но в многофункциональных операциях, например, торговле, люди превосходят агентов.

Модельный выбор и управление рисками оказывают наибольшее влияние на торговую эффективность между агентами.

С ростом масштабов использования агентов возникают риски доверия и исполнения, включая атаки типа «вуду», перегруженность стратегий и компромисс приватности.

Постоянный рост активности агентов

За последний год активность агентов стабильно увеличивается, объемы и количество сделок растут. Мы видим, что протокол Coinbase x402 лидирует в значительном развитии, а такие игроки, как Visa, Stripe и Google, присоединились, запустив свои стандарты. В настоящее время большинство инфраструктурных решений строится для двух сценариев: каналов между агентами или вызовов агентами, инициируемых человеком.

Хотя торговля стейблкоинами уже широко поддерживается, текущая инфраструктура все еще опирается на традиционные платежные шлюзы в качестве основы, что означает зависимость от централизованных контрагентов. Поэтому полностью автономная система, в которой агенты могут самостоятельно финансировать себя, выполнять сделки и постоянно оптимизировать стратегии в условиях меняющейся среды, пока не реализована.

Агенты не чужды DeFi. Много лет в протоколах на блокчейне существовала автоматизация через ботов, позволяющая захватывать MEV или получать сверхдоходы, невозможные без кода. Эти системы отлично работают при четко определенных параметрах, которые не меняются часто или требуют постоянного контроля.

Однако со временем рынок стал сложнее. Именно здесь вступают в игру новые поколения агентов, поскольку за последние несколько месяцев он стал экспериментальной площадкой для таких активностей.

Реальные показатели агентов

По данным отчета, активность агентов растет экспоненциально, за 2025 год было запущено более 17 000 агентов. Общий объем автоматизированных/агентских операций оценивается в более чем 19% всех ончейн-активностей. Это неудивительно, поскольку, по оценкам, более 76% переводов стейблкоинов осуществляются ботами. Это свидетельствует о большом потенциале роста активности агентов в DeFi.

Автономность агентов охватывает широкий диапазон — от чат-ботов, требующих высокой человеческой поддержки, до агентов, способных разрабатывать стратегии в соответствии с целевыми вводами и рыночными условиями. В сравнении с ботами, агенты обладают несколькими ключевыми преимуществами, включая возможность мгновенно реагировать и выполнять новые данные, а также расширять охват до тысяч рынков при сохранении высокой строгости.

На данный момент большинство агентов находятся на уровне аналитика или помощника, поскольку большинство из них все еще находятся в стадии тестирования.

Оптимизация доходности: превосходство агентов

Обеспечение ликвидности — одна из наиболее часто автоматизированных областей, где совокупный TVL агентов превышает 39 миллионов долларов. Этот показатель в основном отражает активы, напрямую внесенные пользователями в агентов, без учета капитала, маршрутизируемого через сейфы.

Giza Tech — один из крупнейших протоколов в этой области, в конце прошлого года запустил первое приложение для агентов — ARMA, предназначенное для повышения доходности основных DeFi-протоколов. Оно привлекло более 19 миллионов долларов управляемых активов и обеспечило объем сделок свыше 4 миллиардов долларов.

Высокое соотношение объема сделок к управляемым активам говорит о частом ребалансировании капитала агентами, что позволяет достигать более высокой доходности. После внесения капитала в контракт, операции автоматизируются, обеспечивая пользователю простую однокнопочную работу практически без необходимости контроля.

Результаты ARMA впечатляют: оно обеспечивает более 9,75% годовых в USDC. Даже с учетом дополнительных затрат на ребаланс и 10% комиссионных агентам, доходность все равно превышает обычные кредиты на платформах Aave или Morpho. Однако масштабируемость остается важной проблемой, поскольку эти агенты еще не прошли реальный тест на управление или расширение до масштабов основных DeFi-протоколов.

Торговля: люди значительно превосходят

Однако в более сложных операциях, таких как торговля, результаты значительно разнятся. Текшие модели основаны на вводимых человеком данных и работают по заранее заданным правилам. Машинное обучение расширяет эти возможности, позволяя моделям обновлять свое поведение на основе новой информации без необходимости перепрограммирования, что переводит их в роль помощников. Внедрение полностью автономных агентов кардинально изменит торговую картину.

Проводились соревнования между агентами и людьми, а также между самими агентами. Например, Trade XYZ организовал соревнование по торговле акциями, запущенными на их платформе. У каждого участника было по 10 000 долларов, без ограничений по кредитному плечу или частоте сделок. Результаты явно показывают превосходство человека: лучшие трейдеры превосходили лучших агентов более чем в 5 раз.

Также Nof1 провел соревнование между моделями-агентами (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini), тестируя разные уровни риска — от сохранения капитала до максимального кредитного плеча. В результате выявлены несколько факторов, объясняющих разницу в результатах:

Время удержания: существует сильная корреляция — модели, удерживающие позиции в среднем 2-3 часа, значительно превосходят модели с частой сменой позиций.

Ожидаемая прибыль: показатель, отражающий, приносит ли средняя сделка прибыль. Интересно, что только три лучшие модели имеют положительный ожидаемый доход, что означает, что большинство моделей совершают больше убыточных сделок, чем прибыльных.

Кредитное плечо: модели с низким плечом (6-8x) показывают лучшие результаты, чем модели с более чем 10x, поскольку высокое плечо ускоряет убытки.

Стратегия подсказок: Monk Mode — самая успешная модель, а Situational Awareness — худшая. По характеристикам, она показывает, что сосредоточенность на управлении рисками и меньшая зависимость от внешних источников ведут к лучшим результатам.

Базовая модель: Grok 4.20 значительно превосходит другие модели более чем на 22% и является единственной, показывающей в среднем прибыль.

Другие факторы, такие как предпочтения по позициям, объем сделок и уровень уверенности, недостаточно изучены или не показывают положительной корреляции с результатами. В целом, результаты свидетельствуют о том, что агенты лучше работают в четко определенных рамках, что подчеркивает необходимость человеческого участия в настройке целей.

Как оценивать агента

Поскольку агенты все еще находятся на ранней стадии развития, пока нет универсальной системы оценки. Историческая эффективность обычно служит ориентиром, однако она зависит от базовых условий, которые могут давать сильные сигналы о потенциале агента.

Производительность при разной волатильности: включает дисциплину в управлении убытками при ухудшении условий, что показывает способность агента выявлять внешние факторы, влияющие на прибыльность сделок.

Прозрачность и приватность: у обеих сторон есть свои плюсы и минусы. Прозрачные агенты, которые могут быть скопированы или имитированы, вряд ли имеют стратегическое преимущество. Приватные агенты рискуют внутренним утечкам, так как создатели могут легко опередить своих пользователей.

Источники данных: важна надежность и отсутствие зависимости от одного источника. Достоверные источники данных критичны для правильных решений агента.

Безопасность: наличие аудита смарт-контрактов и надежных схем хранения средств — важные меры для защиты в случае черных лебедей.

Следующие шаги для агентов

Для массового внедрения агентов необходимо решить множество инфраструктурных задач. Основные вопросы связаны с доверием и исполнением. У агентов без ограничений могут возникать случаи неправильного управления средствами.

ERC-8004, запущенный в январе 2026 года, стал первым ончейн-реестром, позволяющим автономным агентам обнаруживать друг друга, формировать проверяемую репутацию и безопасно взаимодействовать. Это важный шаг к модульности DeFi, поскольку доверие теперь встроено в смарт-контракты, что позволяет агентам и протоколам взаимодействовать без разрешений.

Это не гарантирует, что агенты всегда будут работать добросовестно, поскольку возможны сговоры и атаки типа «вуду». Поэтому остаются важными вопросы страхования, безопасности и экономического залога агентов.

По мере расширения активности агентов в DeFi возрастает риск стратегической перегруженности. Самый очевидный пример — фермы доходности, где с ростом популярности доходы сжимаются. Аналогичная динамика может наблюдаться и в торговле агентами: если множество агентов обучаются на схожих данных и оптимизируют схожие цели, они могут начать действовать синхронно, занимая похожие позиции и выходя из рынка по одинаковым сигналам.

Статья CoinAlg, опубликованная в январе 2026 года в Корнелле, формализует эту проблему. Прозрачные агенты могут быть арбитражированы, поскольку их сделки предсказуемы и могут быть перехвачены. Приватные агенты избегают этого риска, но создают другие — создатели могут сохранять внутреннюю информацию и извлекать ценность из непрозрачности.

Активность агентов будет только ускоряться, и инфраструктура, заложенная сегодня, определит, как будет развиваться следующая стадия ончейн-финансов. По мере роста использования агентов они будут совершенствоваться, лучше адаптироваться к пользовательским предпочтениям. Поэтому ключевым фактором станет надежная инфраструктура, которая сможет завоевать наибольшую долю рынка.