Introducción: Cuando la IA se convierte en el "nuevo jugador" en los juegos On-Chain

En 2025, el valor total bloqueado (TVL) en los protocolos DeFi globales superó los 100.000 millones de dólares, pero problemas como la ineficiencia del mercado y la liquidez fragmentada siguen sin resolverse. Mientras tanto, el crecimiento explosivo de las tecnologías de IA (como GPT-4, Llama 2) ha introducido una nueva variable en DeFi: los agentes de IA. Estos "robots" on-chain no solo pueden ejecutar estrategias preestablecidas, sino también optimizar dinámicamente las decisiones a través del aprendizaje automático e incluso participar en juegos con otros sistemas de IA. Sin embargo, esta revolución tecnológica viene acompañada de fuertes controversias: ¿Empujará la IA a DeFi hacia el abismo de los juegos de suma cero? ¿Cómo se puede garantizar la equidad en los mercados on-chain?

En la primera parte, analizaremos en profundidad el caso icónico y revelaremos la ruta técnica de la integración de la IA y DeFi, y en la segunda parte, nos centraremos en el impacto económico y los riesgos potenciales.

La IA remodela la lógica subyacente de DeFi

1.1 Las necesidades evolutivas de DeFi

Desde la integración de la tecnología blockchain con las finanzas descentralizadas (DeFi), el ecosistema DeFi ha experimentado una rápida innovación y desarrollo. En las primeras etapas, el principio fundamental de DeFi era "el código es ley", lo que significa que todos los protocolos y comportamientos de transacción estaban controlados por contratos inteligentes, lo que reducía la dependencia de los intermediarios. Sin embargo, a medida que la escala del mercado se expandió y los volúmenes de transacción aumentaron, las necesidades de DeFi han cambiado, con operaciones financieras más complejas y requisitos estratégicos emergentes, lo que empuja a DeFi hacia direcciones más refinadas e inteligentes.

El trading de alta frecuencia, la gestión de la liquidez y las estrategias de arbitraje, muy comunes en los mercados financieros tradicionales, han penetrado gradualmente en el ámbito de DeFi. Con el aumento de la volatilidad y la complejidad del mercado, las reglas tradicionales y los algoritmos estáticos ya no pueden satisfacer las demandas. En este punto, la introducción de la IA se vuelve clave para resolver este problema. A través del aprendizaje profundo y los algoritmos de optimización, la IA puede analizar vastas cantidades de datos de mercado en tiempo real para formular estrategias de trading y soluciones de gestión de liquidez más precisas. Además, la IA puede ayudar a reducir aún más las barreras para el uso de proyectos DeFi. La realización de una serie de interacciones on-chain a través de agentes de IA utilizando comandos de lenguaje natural puede reducir significativamente los costes de aprendizaje del usuario.

1.2 Efectos sinérgicos de la IA y DeFi

Con el continuo avance de la tecnología de IA, el campo de DeFi está pasando gradualmente de estar puramente impulsado por código a modelos de decisión inteligentes basados en datos. La IA no solo ayuda a mejorar la eficiencia de la ejecución de la estrategia, sino que también descubre oportunidades y riesgos potenciales en el mercado a través del análisis profundo de datos, mejorando así el nivel de inteligencia de todo el sistema DeFi.

1.2.1 Ventaja de la información: Integración de datos On-Chain y Off-Chain

En los protocolos DeFi tradicionales, los datos de mercado provienen principalmente de información on-chain, como datos de transacciones de blockchain, saldos de pools de activos y estados de liquidity pool. Sin embargo, la introducción de la IA permite a DeFi combinar orgánicamente datos off-chain con datos on-chain, mejorando aún más las capacidades predictivas. Por ejemplo, mediante la introducción de oráculos para proporcionar datos de precios off-chain y el análisis de estos datos utilizando tecnología de machine learning, la IA puede predecir con mayor precisión las tendencias de los precios de mercado, lo que ayuda a formular estrategias de trading eficientes. Esta ventaja de la integración de la información convierte a la IA en una herramienta tecnológica importante en los protocolos DeFi.

1.2.2 Mejora de los juegos: Automatización de MEV

En los sistemas financieros descentralizados, el valor extraíble por los mineros (MEV) ha sido constantemente un tema candente de preocupación. MEV se refiere a los ingresos adicionales que los mineros pueden obtener ajustando el orden de las transacciones en un bloque. En el pasado, la extracción de MEV se basaba principalmente en estrategias y operaciones manuales, que no solo eran ineficientes sino que también se veían fácilmente afectadas por factores humanos.

Sin embargo, con el desarrollo de la tecnología de IA, los métodos de extracción de MEV han evolucionado desde el sniping manual tradicional hasta las operaciones inteligentes automatizadas. La IA puede analizar datos on-chain en milisegundos y optimizar el orden de las transacciones a través de algoritmos para maximizar los rendimientos. Esta transformación no solo mejora la eficiencia, sino que también impulsa los protocolos DeFi hacia direcciones más eficientes y justas. Con la automatización de la IA, las reglas del juego en los mercados DeFi se están redefiniendo.

1.3 Definición clara de DeFAI

DeFAI (DeFi + IA) es un producto de la profunda integración entre DeFi e IA, destinado a mejorar la inteligencia, la experiencia del usuario y la eficiencia del capital del ecosistema DeFi. Su núcleo es lograr la toma de decisiones automatizada, la ejecución de tareas complejas (como el trading, la optimización del rendimiento, las operaciones cross-chain) y la abstracción de las interacciones del usuario (como las instrucciones en lenguaje natural) a través de agentes de IA, reduciendo así las barreras para el uso de DeFi y optimizando las estrategias financieras.

Escenarios de aplicación principales de la IA en DeFi

2.1 Ejecución de operaciones impulsada por IA

A través de la agregación de varios modelos o agentes de IA y la integración de API de varias aplicaciones DeFi, los usuarios pueden ejecutar rápidamente operaciones DeFi a través de una interfaz de chat similar a ChatGPT. Esta combinación de DeFAI mejora la experiencia del usuario on-chain, proporcionando una interfaz de operación DeFi integral. Los usuarios ya no necesitan navegar entre diferentes interfaces de usuario para ejecutar operaciones DeFi, ni necesitan buscar y aprender cómo combinar varios protocolos para lograr los resultados deseados, como intercambiar 100 SOL a USDC y luego depositarlos en un protocolo de préstamo. Los usuarios solo necesitan transmitir sus intenciones a través del chat en la interfaz de Chat.

Caso: Bankr

Bankr es una plataforma impulsada por IA que aprovecha la tecnología avanzada y se integra con el proveedor de billeteras de terceros Privy para crear de forma segura billeteras digitales y facilitar las transacciones de blockchain, incluido el trading y la transferencia de activos digitales. (Vídeo de demostración: https://x.com/bankrbot/status/1893788678776070481)

Caso: Griffain

Un proyecto DeFAI (DeFi + IA) basado en la blockchain de Solana, su posicionamiento central es como un motor de agente de IA, con el objetivo de simplificar las operaciones de DeFi a través de la interacción en lenguaje natural, logrando una conexión perfecta entre las necesidades del usuario y el ecosistema de blockchain. Los usuarios pueden interactuar directamente con los protocolos DeFi a través de instrucciones en lenguaje similar al humano (como "comprar 200 USDC en SOL" o "transferencia cross-chain y stake") sin tener que operar manualmente contratos inteligentes o comprender los detalles técnicos subyacentes.

Griffain implementa múltiples agentes especializados internamente, cada uno centrado en tareas específicas:

Agente de gestión de airdrops: rastrea y reclama automáticamente los airdrops elegibles;

Agente de optimización del rendimiento: analiza los datos on-chain y ajusta dinámicamente la asignación de activos para maximizar los rendimientos;

Agente de gestión de cartera: supervisa los riesgos de los activos y proporciona sugerencias de reequilibrio;

Investigación de tokens: genera informes basados en información on-chain.

2.2 Evaluación crediticia y gestión de riesgos

La evaluación crediticia y la gestión de riesgos en DeFi son clave para garantizar la estabilidad del protocolo y la seguridad de los fondos de los usuarios. En comparación con los sistemas financieros tradicionales, el sistema de crédito de DeFi aún es imperfecto, y la evaluación crediticia del usuario se basa principalmente en la garantía. Sin embargo, la introducción de la tecnología de IA proporciona oportunidades más innovadoras para los protocolos DeFi, especialmente en la evaluación crediticia y el control de riesgos.

Caso: Modelo de puntuación de crédito de IA de Spectral Finance

Spectral Finance introdujo por primera vez la puntuación Multi-Asset Credit Risk Oracle (MACRO) en 2022, combinando el comportamiento on-chain de los usuarios con los datos del historial crediticio para proporcionar un análisis de riesgo crediticio más inteligente para los mercados de préstamos.

Factores centrales del modelo de puntuación MACRO

La puntuación MACRO de Spectral Finance adopta datos multidimensionales, incluido el historial de préstamos, reembolsos, liquidaciones e incluso factores de volatilidad del mercado. Estos datos se procesan cuantitativamente a través de modelos de machine learning para proporcionar a los usuarios puntuaciones de crédito precisas. Las puntuaciones de crédito de los usuarios se basan en varios factores principales:

Historial de préstamos, reembolsos y depósitos: comportamiento de las transacciones del usuario en los protocolos DeFi, especialmente la frecuencia y la fiabilidad de los préstamos y reembolsos.

Historial de liquidaciones: el impacto de los registros de liquidación de otras direcciones de billetera en la billetera del usuario en la evaluación crediticia.

Factores de salud: como la relación préstamo-valor (LTV) y la evaluación de otros factores de riesgo de mercado.

Longitud del historial de la billetera y tendencias de las transacciones: el tiempo de uso de la billetera y los patrones de transacciones también afectan las puntuaciones de crédito.

Volatilidad del mercado e interacción con los protocolos de préstamo: la frecuencia de la interacción con diferentes protocolos DeFi y la volatilidad del mercado también juegan un papel importante en la evaluación crediticia.

Tokens NFC (crédito no fungible) y gestión de crédito

Para reflejar y utilizar mejor el crédito de los usuarios en el ecosistema DeFi, Spectral Finance introdujo tokens de crédito no fungible (NFC). Los tokens NFC son tokens ERC721 que representan el historial de transacciones on-chain de los usuarios. Cada token NFC lleva la puntuación MACRO del usuario y puede recalcular la puntuación a medida que se inician nuevos préstamos.

Actualmente, Spectral ha cambiado hacia el desarrollo de un marco de agente de IA en su whitepaper, aunque su modelo de evaluación crediticia de IA sigue siendo una buena exploración.

2.3 Estrategias automatizadas y optimización del rendimiento

En el mercado DeFi, las estrategias automatizadas y la optimización del rendimiento son clave para mejorar los retornos de los usuarios y reducir el riesgo de inversión. Con el continuo avance de la tecnología de IA y el aprendizaje automático, múltiples protocolos innovadores han comenzado a explorar cómo utilizar estas tecnologías para automatizar las decisiones de inversión y la asignación de activos para lograr una optimización del rendimiento más eficiente. ARMA y Amplifi Lending Agents son dos ejemplos típicos que ayudan a los usuarios a obtener mejores retornos de inversión en el mercado DeFi a través de la automatización y la inteligencia.

Caso: Protocolo de Gestión de Activos ARMA

ARMA es un protocolo de gestión de rendimiento automatizado desarrollado por Giza Tech que se centra en los activos USDC. ARMA supervisa y evalúa continuamente las oportunidades en protocolos como AAVE, Morpho, Compound y Moonwell, reasignando automáticamente los fondos a los pools de mayor rendimiento. Sus funciones principales incluyen la reasignación automática de activos, la optimización del rendimiento, la minimización de los costes de transacción y el mantenimiento de una seguridad sólida y un control total por parte del usuario.

La estrategia de optimización del rendimiento de ARMA opera a través de varios aspectos:

Reequilibrio automático entre protocolos: ARMA analiza las tasas de préstamo en tiempo real en múltiples protocolos de préstamo, evalúa el APR, las recompensas del protocolo, las recompensas del ecosistema y los costes de transacción, y luego transfiere automáticamente los fondos a los pools más favorables. Este ajuste dinámico garantiza que los usuarios puedan maximizar los retornos.

Mecanismo de capitalización inteligente: ARMA reclama y reinvierte automáticamente las ganancias acumuladas, intercambiando todos los tokens de recompensa de nuevo en la stablecoin original, maximizando el efecto de capitalización. La frecuencia de capitalización se optimiza dinámicamente en función del tamaño de la posición, el APR y los costes de transacción, lo que aumenta los rendimientos.

Lógica de intercambio de tokens: ARMA utiliza USDC y USDT para acceder a una amplia gama de oportunidades de rendimiento. Cuando la diferencia de rendimiento entre diferentes tokens es significativa, ARMA ejecuta intercambios de tokens para optimizar los retornos. Todas las operaciones se realizan a través de protocolos DEX integrados, lo que garantiza que los usuarios puedan retirar sus tokens de depósito originales en cualquier momento.

Caso: Estrategia de Inversión Amplifi Lending Agents

Amplifi Lending Agents es una herramienta automatizada de optimización de estrategias de préstamo desarrollada por Amplifi.Fi basada en algoritmos de IA. El protocolo optimiza el comportamiento de préstamo de los usuarios y las estrategias de generación de rendimiento en el mercado DeFi a través del aprendizaje profundo y el análisis de datos. Su objetivo principal es ayudar a los usuarios a lograr los mejores retornos de inversión en entornos de mercado complejos a través de la asignación inteligente de activos, la gestión de riesgos y la optimización del rendimiento.

source：https://amplifi-2.gitbook.io/documentation

Funciones principales de Amplifi Lending Agents:

Gestión dinámica de activos (optimización y reequilibrio): El motor de IA/ML de Amplifi optimiza continuamente la asignación de activos basándose en estrategias patentadas de grado institucional. Reasigna automáticamente los activos a los pools de mayor rendimiento y garantiza una gestión eficaz de las estrategias de Bitcoin y stablecoin.

Funcionalidad entre cadenas: A través de Polyhedras zkBridge, Amplifi proporciona liquidez entre cadenas sin problemas, sin que los usuarios tengan que puentear manualmente ni pagar tarifas de gas. zkBridge garantiza operaciones entre cadenas eficientes y seguras, simplificando la experiencia del usuario y reduciendo el riesgo.

Abstracción de cuentas: Amplifi admite transacciones sin gas (patrocinadas) e inicio de sesión en la Web2 (como Facebook, Gmail, etc.), lo que facilita a los usuarios la creación y gestión de wallets. De esta manera, Amplifi simplifica las operaciones de DeFi, permitiendo a los usuarios no familiarizados con blockchain participar fácilmente.

Estrategias inteligentes de Amplifi: El motor de IA/ML de Amplifi combina múltiples algoritmos de optimización, incluyendo algoritmos evolutivos, descenso de gradiente y la teoría de la cartera de Markowitz. Estas estrategias equilibran el riesgo y el retorno a través de métodos ponderados y optimizan continuamente la asignación de activos para garantizar que los inversores obtengan los mejores retornos en diferentes condiciones de mercado.

Estrategia de optimización: Amplifi evalúa continuamente los cambios del mercado y ajusta dinámicamente la asignación de activos a través de la aplicación integral de técnicas de aprendizaje automático para mantener retornos anuales estables (APY). Cuando las fluctuaciones del APY superan los umbrales razonables, el sistema activa automáticamente las estrategias de reasignación para garantizar que la cartera esté siempre en un estado óptimo.

Reasignación de activos: Al supervisar los cambios de APY en las plataformas DeFi (como AAVE), Amplifi puede reasignar automáticamente los activos cuando el APY fluctúa significativamente para maximizar los retornos del usuario.

2.4 Análisis de Mercado y Seguimiento del Sentimiento

El análisis de mercado y el seguimiento del sentimiento de la IA en DeFi se centran en el soporte de decisiones basado en datos, con capacidades centrales en la integración en tiempo real de información multidimensional y la cuantificación del riesgo de mercado. Los sistemas de IA pueden analizar simultáneamente los comportamientos de transacción en cadena (como grandes transferencias, cambios en el pool de liquidez), el sentimiento de las redes sociales fuera de la cadena (como el sentimiento de Twitter) y los indicadores macro del mercado (como las fluctuaciones del precio de BTC), prediciendo las tendencias de volatilidad de los activos a corto plazo a través de modelos de aprendizaje automático e identificando posibles señales de riesgo (como advertencias de vulnerabilidad de contratos o riesgos de agotamiento de la liquidez). Al mismo tiempo, la IA utiliza la tecnología de procesamiento del lenguaje natural para calificar emocionalmente los eventos noticiosos, generando dinámicamente sugerencias de asignación de activos o activando estrategias de cobertura automática, ayudando a los usuarios a reducir la asimetría de la información y mejorar la eficiencia de las decisiones en entornos de mercado complejos.

Caso: AIXBT

Una herramienta de agente de IA especializada que se centra en el campo de las criptomonedas, integrando el análisis de datos en tiempo real y la tecnología de procesamiento del lenguaje natural para proporcionar a los usuarios información sobre las tendencias del mercado y soporte para la toma de decisiones comerciales. Puede rastrear y analizar temas candentes, el sentimiento del mercado e indicadores clave en Crypto Twitter en tiempo real, ayudando a los inversores a capturar rápidamente la dinámica de la industria e identificar posibles oportunidades de inversión. Las funciones principales de AIXBT incluyen la agregación de datos de múltiples plataformas, el análisis del sentimiento social y la generación automatizada de estrategias, destacando particularmente en el análisis de tweets de más de 400 KOL, destilando información de alto valor y generando sugerencias comerciales ejecutables.

Además, AIXBT tiene capacidades interactivas, lo que permite a los usuarios comunicarse directamente con él a través de las redes sociales para obtener informes analíticos personalizados. En el futuro, a medida que la tecnología de agentes de IA madure, se espera que AIXBT reduzca aún más las barreras a la participación en el mercado de las criptomonedas, impulsando a DeFi hacia direcciones más inteligentes y automatizadas.

Arquitectura Técnica y Panorama Competitivo

3.1 Vías para los Modelos de IA en Cadena

Actualmente, la dirección de desarrollo potencial más común es la implementación ligera en cadena. Esto implica reducir el consumo de recursos en cadena mediante el cálculo fuera de la cadena y el envío de resultados y pruebas computacionales. Un enfoque es zkML.

zkML verifica el proceso de inferencia de los modelos de aprendizaje automático a través de pruebas de conocimiento cero (como zkSNARKs), asegurando la corrección de los resultados computacionales sin revelar los parámetros del modelo o los datos de entrada. Su proceso central es:

Computación fuera de la cadena: Ejecute el modelo ML fuera de la cadena para generar resultados de inferencia.

Generar prueba: Utilice la tecnología zk para generar una prueba matemática concisa que indique que el proceso de inferencia se ajusta al modelo predefinido (como los pesos del modelo, la arquitectura) y no ha sido manipulado.

Verificación en cadena: Envíe la prueba a la blockchain, donde los contratos inteligentes verifican la legitimidad de los resultados verificando la prueba, sin necesidad de volver a ejecutar la computación.

Este mecanismo resuelve el problema del alto coste de ejecutar modelos ML directamente en cadena (como las limitaciones computacionales de EVM) al tiempo que garantiza la transparencia y la resistencia a la censura.

Ya existen casos de uso relacionados, como el marco ZKML de Modulus Labs.

La tecnología central de Modulus Labs es la computación fuera de la cadena + la verificación en cadena, con características del marco que incluyen:

Verificación de la integridad de la ejecución de la IA: Garantizar que los resultados de la inferencia del modelo de IA no se manipulen a través de pruebas de conocimiento cero (como garantizar la autenticidad de las salidas del modelo de evaluación de precios de NFT). Caso: Colaborar con Upshot para poner los resultados de la evaluación de precios de NFT generados por IA (100 millones por hora) en cadena a través de pruebas ZK, logrando la combinación de "capacidad de IA + seguridad en cadena".

Mecanismo anti-trampas: En escenarios de juego (como AI Arena), verificar la consistencia entre los modelos de IA entrenados por el jugador y los modelos realmente implementados en las competiciones, previniendo comportamientos de trampa impulsados por intereses económicos.

API abierta: Proporcionar API de "IA a prueba de manipulaciones" que permiten a los desarrolladores de dApp integrar la funcionalidad de IA verificable sin sacrificar la seguridad descentralizada.

3.2 Comparación de Proyectos Líderes

Más allá de la capa de infraestructura, la competencia en la capa de aplicación DeFAI es intensa. En general, las barreras de los productos no son muy altas y no se ha encontrado que ningún protocolo de aplicación tenga una estabilidad y precisión del producto muy superior a la de otros competidores. Mientras tanto, el ajuste producto-mercado (PMF) de las aplicaciones existentes está siendo probado por los usuarios. En la infraestructura de IA de rápido desarrollo actual, pueden surgir aplicaciones DeFAI más eficaces en cualquier momento, reemplazando a los proyectos líderes existentes.

Actualmente, el proyecto líder es Griffain. Su producto permite a los usuarios interactuar con la blockchain a través del lenguaje natural y luego realizar operaciones DeFi en cadena. La velocidad de actualización del producto de Griffain es impresionante. Actualmente tienen productos como Agent Sniper, Agentic Commerce, agregación de API multi-agente (sistema de energía), etc., ya lanzados, siendo la dirección general de construcción una plataforma integrada de operación de lenguaje natural, que permite a los usuarios navegar y operar diversa información diaria en cadena a través de la ventana de chat del bot.

A medida que la IA continúa transformando el panorama de las DeFi a través de arquitecturas técnicas avanzadas y aplicaciones innovadoras, es crucial reconocer los riesgos potenciales y los desafíos éticos que acompañan a esta transformación. En la siguiente parte de nuestro análisis, profundizaremos en el lado más oscuro de las DeFi impulsadas por la IA, explorando los riesgos sistémicos, los obstáculos regulatorios y los dilemas éticos que podrían definir el futuro de este ecosistema emergente.

Integración de la IA y las DeFi: Más allá de los juegos On-Chain de AlphaGo (I)