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 Deep潮

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.

Между агентами, выбор модели и управление рисками оказывают наибольшее влияние на торговую эффективность.

С ростом масштабов использования агентов возникают риски доверия и исполнения, включая атаки типа «ведьма», перегруженность стратегий и компромиссы в области приватности.

Активность агентов продолжает расти

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

Хотя торговля стабильными монетами уже широко поддерживается, текущая инфраструктура все еще опирается на традиционные платежные шлюзы в качестве основы, что означает зависимость от централизованных контрагентов. Поэтому полностью автономный сценарий, при котором агент сам финансирует себя, самостоятельно выполняет операции и постоянно оптимизируется в зависимости от условий, еще не реализован.

Агенты не являются полностью незнакомыми для 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 минимального контроля.

Однако со временем рынок стал сложнее. Именно здесь появляется новое поколение агентов, поскольку последние несколько месяцев он стал экспериментальной площадкой для таких активностей.

Реальные показатели агентов

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

Диапазон автономности агентов очень широк: 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 реагировать и выполнять новые данные за миллисекунды, 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: высокая эффективность 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 агента, без учета капитала, маршрутизируемого через хранилища.

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 сгенерировало более 4 миллиардов долларов торгового объема агентов.

Высокое соотношение торгового объема к управляемым активам говорит о том, что агенты часто ребалансируют капитал, что позволяет достигать более высокой доходности. После внесения капитала в контракт, операции автоматизируются, что обеспечивает простую однокнопочную работу без необходимости постоянного контроля.

Результаты ARMA впечатляют: оно обеспечивает более 9,75% годовых в USDC. Даже с учетом дополнительных затрат на ребалансировку и 10% комиссионных за результат, доходность все равно превышает обычное кредитование на Aave или Morpho. Однако масштабируемость остается важной проблемой, поскольку эти агенты еще не прошли испытания в реальных условиях для управления или расширения до масштабов основных DeFi-протоколов.

Торговля: люди значительно превосходят

Однако в более сложных операциях, таких как торговля, результаты значительно различаются. Текшие модели основаны на вводимых человеком данных и предоставляют выходные данные согласно заданным правилам. Машинное обучение расширяет эти возможности, позволяя моделям обновлять свое поведение на основе новой информации без явного перепрограммирования, что переводит их в роль помощников. С появлением полностью автономных агентов, структура торговли кардинально изменится.

Проводились несколько соревнований между агентами и людьми, результаты показывают значительные различия в эффективности. Например, на платформе Trade XYZ, где проводился конкурс между людьми и агентами по акциям, начальный капитал каждого участника составлял 10 000 долларов, без ограничений по кредитному плечу или частоте сделок. Победили люди — лучшие участники показали результат более чем в 5 раз выше лучших агентов.

Также Nof1 организовал соревнование между моделями-агентами (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini), где они конкурировали в задачах от сохранения капитала до использования 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, оценивающий, приносит ли средняя сделка прибыль. Интересно, что только три лучшие модели имеют положительное ожидаемое значение, что означает, что большинство моделей совершают больше убыточных сделок, чем прибыльных.

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

Стратегия подсказок: Monk Mode — самая успешная модель, а Situational Awareness — худшая. По характеристикам, она показывает, что фокус 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% по различным стратегиям подсказок и является единственной моделью с положительной средней прибылью.

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

Как оценивать агентов

Поскольку агенты все еще находятся на ранней стадии развития, пока не существует универсальной системы оценки. Историческая эффективность обычно служит ориентиром, однако она зависит от базовых факторов, которые могут указывать на потенциал агента.

Производительность при разной волатильности: включает дисциплину в управлении убытками при ухудшении условий, что свидетельствует о способности агента распознавать внешние факторы, влияющие на прибыльность сделок.

Прозрачность и приватность: у обеих сторон есть свои плюсы и минусы. Прозрачные агенты, которые могут быть активировано скопированы, в основном не имеют стратегического преимущества. Приватные агенты рискуют внутренним утечкам, создатели которых могут легко опередить своих пользователей.

Источники данных: важна надежность источников, к которым подключены агенты, чтобы обеспечить правильность принимаемых решений и избежать зависимости от одного источника.

Безопасность: наличие аудита смарт-контрактов и надежной системы хранения средств крайне важно 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 отсутствуют защитные барьеры, и уже есть 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 расширению композиционности DeFi, поскольку доверительные оценки встроены прямо в смарт-контракты, что позволяет агентам и протоколам взаимодействовать без разрешений.

Однако это не гарантирует, что агенты всегда будут действовать добросовестно, поскольку могут возникнуть угрозы, такие как сговоры и атаки типа «ведьма». Поэтому в области страхования, безопасности и экономического залога агентов еще есть много возможностей для развития.

По мере расширения активности агентов в DeFi, возникает структурный риск — перегруженность стратегий. Например, фермы доходности — очевидный пример: по мере распространения стратегий доходность будет сокращаться. Аналогичная динамика может наблюдаться и в торговле агентами: если множество агентов обучаются и оптимизируют цели на схожих данных, они начнут торговать одними и теми же позициями и сигналами выхода.

Работа CoinAlg, опубликованная в январе 2026 года в Коралльском университете, формализует эту проблему. Прозрачные агенты могут быть арбитражированы, поскольку их сделки предсказуемы и могут быть использованы для «抢跑а». 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 функционировать следующая стадия ончейн-финансов. По мере роста использования агентов они будут самоулучшаться и лучше адаптироваться к предпочтениям пользователей. Поэтому ключевым фактором станет надежная инфраструктура, которая сможет завоевать наибольшую долю рынка.