Introdução: Quando a IA se Torna o "Novo Jogador" no Gaming On-Chain

Em 2025, o Valor Total Bloqueado (TVL) em protocolos DeFi globais excedeu US$ 100 bilhões, mas problemas como ineficiência de mercado e liquidez fragmentada permanecem não resolvidos. Enquanto isso, o crescimento explosivo das tecnologias de IA (como GPT-4, Llama 2) introduziu uma nova variável no DeFi — agentes de IA. Esses "robôs" on-chain podem não apenas executar estratégias predefinidas, mas também otimizar dinamicamente as decisões por meio de aprendizado de máquina e até mesmo participar de jogos com outros sistemas de IA. No entanto, essa revolução tecnológica é acompanhada por fortes controvérsias: a IA levará o DeFi ao abismo do jogo de soma zero? Como a justiça pode ser garantida nos mercados on-chain?

Na primeira parte, analisaremos profundamente o caso icônico e revelaremos o caminho técnico da integração de IA e DeFi, e na segunda parte, nos concentraremos no impacto econômico e nos riscos potenciais.

IA Remodelando a Lógica Subjacente do DeFi

1,1 Necessidades Evolutivas do DeFi

Desde a integração da tecnologia blockchain com as finanças descentralizadas (DeFi), o ecossistema DeFi tem experimentado rápida inovação e desenvolvimento. Nos estágios iniciais, o princípio central do DeFi era "código é lei", o que significa que todos os protocolos e comportamentos de transação eram controlados por contratos inteligentes, reduzindo a dependência de intermediários. No entanto, à medida que a escala do mercado se expandiu e os volumes de transações aumentaram, as necessidades do DeFi mudaram, com operações financeiras mais complexas e requisitos estratégicos emergindo, impulsionando o DeFi em direção a direções mais refinadas e inteligentes.

Negociação de alta frequência, gestão de liquidez e estratégias de arbitragem — muito comuns nos mercados financeiros tradicionais — penetraram gradualmente no reino DeFi. Com o aumento da volatilidade e complexidade do mercado, as regras tradicionais e os algoritmos estáticos não conseguem mais atender às demandas. Neste ponto, a introdução da IA torna-se fundamental para resolver este problema. Por meio de aprendizado profundo e algoritmos de otimização, a IA pode analisar vastas quantidades de dados de mercado em tempo real para formular estratégias de negociação e soluções de gestão de liquidez mais precisas. Além disso, a IA pode ajudar a reduzir ainda mais as barreiras ao uso de projetos DeFi. Conduzir uma série de interações on-chain por meio de agentes de IA usando comandos de linguagem natural pode reduzir significativamente os custos de aprendizado do usuário.

1,2 Efeitos Sinérgicos de IA e DeFi

Com o avanço contínuo da tecnologia de IA, o campo DeFi está gradualmente mudando de modelos de decisão puramente orientados por código para modelos inteligentes e orientados por dados. A IA não apenas ajuda a melhorar a eficiência da execução da estratégia, mas também descobre oportunidades e riscos potenciais no mercado por meio de análise profunda de dados, aumentando assim o nível de inteligência de todo o sistema DeFi.

1,2,1 Vantagem de Informação: Integração de Dados On-Chain e Off-Chain

Nos protocolos DeFi tradicionais, os dados de mercado vêm principalmente de informações on-chain, como dados de transações blockchain, saldos de pool de ativos e status de pool de liquidez. No entanto, a introdução da IA permite que o DeFi combine organicamente dados off-chain com dados on-chain, aprimorando ainda mais as capacidades preditivas. Por exemplo, ao introduzir oráculos para fornecer dados de preços off-chain e analisar esses dados usando tecnologia de aprendizado de máquina, a IA pode prever com mais precisão as tendências de preços de mercado, ajudando assim a formular estratégias de negociação eficientes. Essa vantagem da integração de informações torna a IA uma importante ferramenta tecnológica nos protocolos DeFi.

1,2,2 Atualização de Gaming: Automação de MEV

Em sistemas financeiros descentralizados, o Miner Extractable Value (MEV) tem sido consistentemente um tema quente de preocupação. MEV refere-se à receita adicional que os mineradores podem obter ajustando a ordem das transações em um bloco. No passado, a extração de MEV dependia principalmente de estratégias e operações manuais, que não eram apenas ineficientes, mas também facilmente afetadas por fatores humanos.

No entanto, com o desenvolvimento da tecnologia de IA, os métodos de extração de MEV evoluíram do sniping manual tradicional para operações inteligentes automatizadas. A IA pode analisar dados on-chain em milissegundos e otimizar a ordem das transações por meio de algoritmos para maximizar os retornos. Essa transformação não apenas melhora a eficiência, mas também impulsiona os protocolos DeFi em direção a direções mais eficientes e justas. Com a automação da IA, as regras do jogo nos mercados DeFi estão sendo redefinidas.

1,3 Definição Clara de DeFAI

DeFAI (DeFi + IA) é um produto da profunda integração entre DeFi e IA, com o objetivo de aprimorar a inteligência, a experiência do usuário e a eficiência de capital do ecossistema DeFi. Seu núcleo é alcançar a tomada de decisão automatizada, a execução de tarefas complexas (como negociação, otimização de rendimento, operações cross-chain) e a abstração de interações do usuário (como instruções em linguagem natural) por meio de agentes de IA, reduzindo assim as barreiras ao uso do DeFi e otimizando as estratégias financeiras.

Cenários de Aplicação Central de IA em DeFi

2,1 Execução de Operações Orientada por IA

Por meio da agregação de vários modelos ou agentes de IA e da integração de APIs de vários aplicativos DeFi, os usuários podem executar rapidamente operações DeFi por meio de uma interface de bate-papo semelhante ao ChatGPT. Essa combinação DeFAI aprimora a experiência do usuário on-chain, fornecendo uma interface de operação DeFi completa. Os usuários não precisam mais navegar entre diferentes UIs para executar operações DeFi, nem precisam pesquisar e aprender como combinar vários protocolos para alcançar os resultados desejados, como trocar 100 SOL por USDC e, em seguida, depositá-los em um protocolo de empréstimo. Os usuários só precisam transmitir suas intenções por meio de bate-papo na interface de bate-papo.

Caso: Bankr

Bankr é uma plataforma orientada por IA que aproveita tecnologia avançada e se integra ao provedor de carteira de terceiros Privy para criar carteiras digitais com segurança e facilitar transações blockchain, incluindo negociação e transferência de ativos digitais. (Vídeo de demonstração: https://x.com/bankrbot/status/1893788678776070481)

Caso: Griffain

Um projeto DeFAI (DeFi + IA) baseado no blockchain Solana, seu posicionamento central é como um mecanismo de agente de IA, com o objetivo de simplificar as operações DeFi por meio da interação em linguagem natural, alcançando uma conexão perfeita entre as necessidades do usuário e o ecossistema blockchain. Os usuários podem interagir diretamente com os protocolos DeFi por meio de instruções de linguagem semelhantes às humanas (como "comprar 200 USDC em SOL" ou "transferência cross-chain e stake") sem ter que operar manualmente contratos inteligentes ou entender os detalhes técnicos subjacentes.

Griffain implanta vários agentes especializados internamente, cada um focado em tarefas específicas:

Agente de gerenciamento de airdrop: rastreia e reivindica automaticamente airdrops elegíveis;

Agente de otimização de rendimento: analisa dados on-chain e ajusta dinamicamente a alocação de ativos para maximizar os retornos;

Agente de gerenciamento de portfólio: monitora os riscos de ativos e fornece sugestões de rebalanceamento;

Pesquisa de token: gera relatórios com base em informações on-chain.

2,2 Avaliação de Crédito e Gestão de Risco

A avaliação de crédito e a gestão de risco em DeFi são fundamentais para garantir a estabilidade do protocolo e a segurança dos fundos do usuário. Comparado aos sistemas financeiros tradicionais, o sistema de crédito do DeFi ainda é imperfeito, com a avaliação de crédito do usuário dependendo principalmente de garantias. No entanto, a introdução da tecnologia de IA oferece oportunidades mais inovadoras para os protocolos DeFi, especialmente na avaliação de crédito e no controle de risco.

Caso: Modelo de Pontuação de Crédito de IA da Spectral Finance

A Spectral Finance introduziu pela primeira vez a pontuação Multi-Asset Credit Risk Oracle (MACRO) em 2022, combinando o comportamento on-chain dos usuários com dados do histórico de crédito para fornecer uma análise de risco de crédito mais inteligente para os mercados de empréstimo.

Fatores Centrais do Modelo de Pontuação MACRO

A pontuação MACRO da Spectral Finance adota dados multidimensionais, incluindo histórico de empréstimos, reembolsos, liquidação e até mesmo fatores de volatilidade do mercado. Esses dados são processados quantitativamente por meio de modelos de aprendizado de máquina para fornecer aos usuários pontuações de crédito precisas. As pontuações de crédito dos usuários são baseadas em vários fatores principais:

Histórico de empréstimos, reembolsos e depósitos: comportamento de transação do usuário em protocolos DeFi, especialmente a frequência e a confiabilidade de empréstimos e reembolsos.

Histórico de liquidação: o impacto dos registros de liquidação de outros endereços de carteira na carteira do usuário na avaliação de crédito.

Fatores de saúde: como índice de empréstimo/valor (LTV) e avaliação de outros fatores de risco de mercado.

Duração do histórico da carteira e tendências de transação: o tempo de uso da carteira e os padrões de transação também afetam as pontuações de crédito.

Volatilidade do mercado e interação com protocolos de empréstimo: a frequência de interação com diferentes protocolos DeFi e a volatilidade do mercado também desempenham papéis importantes na avaliação de crédito.

Tokens NFC (Non-Fungible Credit) e Gestão de Crédito

Para melhor refletir e utilizar o crédito dos usuários no ecossistema DeFi, a Spectral Finance introduziu tokens Non-Fungible Credit (NFC). Os tokens NFC são tokens ERC721 que representam o histórico de transações on-chain dos usuários. Cada token NFC carrega a pontuação MACRO do usuário e pode recalcular a pontuação à medida que novos empréstimos são iniciados.

Atualmente, a Spectral mudou para o desenvolvimento de uma estrutura de agente de IA em seu whitepaper, embora seu modelo de avaliação de crédito de IA permaneça uma boa exploração.

2,3 Estratégias Automatizadas e Otimização de Rendimento

No mercado DeFi, as estratégias automatizadas e a otimização de rendimento são fundamentais para melhorar os retornos dos usuários e reduzir o risco de investimento. Com o avanço contínuo da tecnologia de IA e do aprendizado de máquina, vários protocolos inovadores começaram a explorar como usar essas tecnologias para automatizar as decisões de investimento e a alocação de ativos para alcançar uma otimização de rendimento mais eficiente. ARMA e Amplifi Lending Agents são dois exemplos típicos que ajudam os usuários a obter melhores retornos de investimento no mercado DeFi por meio da automação e da inteligência.

Caso: Protocolo de Gestão de Ativos ARMA

ARMA é um protocolo de gestão de rendimento automatizado desenvolvido pela Giza Tech com foco em ativos USDC. O ARMA monitora e avalia continuamente as oportunidades em protocolos como AAVE, Morpho, Compound e Moonwell, realocando automaticamente os fundos para os pools de maior rendimento. Suas principais funções incluem realocação automática de ativos, otimização de rendimento, minimização de custos de transação e manutenção de forte segurança e controle total do usuário.

A estratégia de otimização de rendimento do ARMA opera por meio de vários aspectos:

Rebalanceamento automático entre protocolos: O ARMA analisa as taxas de empréstimo em tempo real em vários protocolos de empréstimo, avalia o APR, as recompensas do protocolo, as recompensas do ecossistema e os custos de transação e, em seguida, transfere automaticamente os fundos para os pools mais favoráveis. Este ajuste dinâmico garante que os usuários possam maximizar os retornos.

Mecanismo de capitalização inteligente: O ARMA reivindica e reinveste automaticamente os ganhos acumulados, trocando todos os tokens de recompensa de volta para a stablecoin original, maximizando o efeito composto. A frequência de capitalização é otimizada dinamicamente com base no tamanho da posição, APR e custos de transação, aumentando os rendimentos.

Lógica de troca de tokens: O ARMA usa USDC e USDT para acessar uma ampla gama de oportunidades de rendimento. Quando a diferença de rendimento entre diferentes tokens é significativa, o ARMA executa trocas de tokens para otimizar os retornos. Todas as operações são conduzidas por meio de protocolos DEX integrados, garantindo que os usuários possam retirar seus tokens de depósito originais a qualquer momento.

Caso: Estratégia de Investimento Amplifi Lending Agents

Amplifi Lending Agents é uma ferramenta automatizada de otimização de estratégia de empréstimo desenvolvida pela Amplifi.Fi com base em algoritmos de IA. O protocolo otimiza o comportamento de empréstimo dos usuários e as estratégias de geração de rendimento no mercado DeFi por meio de aprendizado profundo e análise de dados. Seu principal objetivo é ajudar os usuários a obter os melhores retornos de investimento em ambientes de mercado complexos por meio de alocação inteligente de ativos, gestão de risco e otimização de rendimento.

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

Funções principais do Amplifi Lending Agents:

Gestão dinâmica de ativos (otimização e rebalanceamento): O mecanismo de IA/ML do Amplifi otimiza continuamente a alocação de ativos com base em estratégias proprietárias de nível institucional. Ele realoca automaticamente os ativos para os pools de maior rendimento e garante a gestão eficaz de estratégias de Bitcoin e stablecoin.

Funcionalidade entre cadeias: Por meio do Polyhedras zkBridge, o Amplifi fornece liquidez entre cadeias perfeita, sem que os usuários tenham que fazer bridge manualmente ou pagar taxas de gás. O zkBridge garante operações entre cadeias eficientes e seguras, simplificando a experiência do usuário e reduzindo o risco.

Abstração de conta: O Amplifi oferece suporte a transações sem gás (patrocinadas) e login Web2 (como Facebook, Gmail, etc.), facilitando a criação e o gerenciamento de carteiras pelos usuários. Desta forma, o Amplifi simplifica as operações DeFi, permitindo que usuários não familiarizados com blockchain participem facilmente.

Estratégias inteligentes do Amplifi: O mecanismo de IA/ML do Amplifi combina vários algoritmos de otimização, incluindo algoritmos evolutivos, gradiente descendente e teoria do portfólio de Markowitz. Essas estratégias equilibram risco e retorno por meio de métodos ponderados e otimizam continuamente a alocação de ativos para garantir que os investidores obtenham os melhores retornos em diferentes condições de mercado.

Estratégia de otimização: O Amplifi avalia continuamente as mudanças do mercado e ajusta dinamicamente a alocação de ativos por meio da aplicação abrangente de técnicas de aprendizado de máquina para manter retornos anuais estáveis (APY). Quando as flutuações do APY excedem os limites razoáveis, o sistema aciona automaticamente estratégias de realocação para garantir que o portfólio esteja sempre em um estado ideal.

Realocação de ativos: Ao monitorar as mudanças de APY nas plataformas DeFi (como AAVE), o Amplifi pode realocar automaticamente os ativos quando o APY flutua significativamente para maximizar os retornos do usuário.

2,4 Análise de Mercado e Rastreamento de Sentimento

A análise de mercado e o rastreamento de sentimento da IA no DeFi se concentram no suporte à decisão orientada por dados, com recursos principais na integração em tempo real de informações multidimensionais e na quantificação do risco de mercado. Os sistemas de IA podem analisar simultaneamente os comportamentos de transação on-chain (como grandes transferências, mudanças no pool de liquidez), o sentimento da mídia social off-chain (como o sentimento do Twitter) e os indicadores macro do mercado (como as flutuações de preço do BTC), prevendo as tendências de volatilidade de ativos de curto prazo por meio de modelos de aprendizado de máquina e identificando sinais de risco potenciais (como avisos de vulnerabilidade de contrato ou riscos de esgotamento de liquidez). Ao mesmo tempo, a IA usa a tecnologia de processamento de linguagem natural para pontuar eventos de notícias emocionalmente, gerando dinamicamente sugestões de alocação de ativos ou acionando estratégias de hedge automáticas, ajudando os usuários a reduzir a assimetria de informações e melhorar a eficiência da decisão em ambientes de mercado complexos.

Caso: AIXBT

Uma ferramenta de agente de IA especializada com foco no campo de criptomoedas, integrando análise de dados em tempo real e tecnologia de processamento de linguagem natural para fornecer aos usuários insights sobre tendências de mercado e suporte à decisão de negociação. Ele pode rastrear e analisar tópicos populares, sentimento de mercado e indicadores-chave no Crypto Twitter em tempo real, ajudando os investidores a capturar rapidamente a dinâmica do setor e identificar oportunidades de investimento potenciais. As principais funções do AIXBT incluem agregação de dados de várias plataformas, análise de sentimento social e geração automatizada de estratégias, destacando-se particularmente na análise de tweets de mais de 400 KOLs, destilando informações de alto valor e gerando sugestões de negociação executáveis.

Além disso, o AIXBT possui recursos interativos, permitindo que os usuários se comuniquem diretamente com ele por meio da mídia social para obter relatórios analíticos personalizados. No futuro, à medida que a tecnologia de agente de IA amadurecer, espera-se que o AIXBT reduza ainda mais as barreiras à participação no mercado de criptomoedas, impulsionando o DeFi em direção a direções mais inteligentes e automatizadas.

Arquitetura Técnica e Cenário Competitivo

3,1 Caminhos para Modelos de IA On-Chain

Atualmente, a direção de desenvolvimento potencial mais comum é a implementação leve on-chain. Isso envolve a redução do consumo de recursos on-chain, computando off-chain e enviando resultados e provas computacionais. Uma abordagem é o zkML.

O zkML verifica o processo de inferência de modelos de aprendizado de máquina por meio de provas de conhecimento zero (como zkSNARKs), garantindo a correção dos resultados computacionais sem divulgar os parâmetros do modelo ou os dados de entrada. Seu processo principal é:

Computação off-chain: Execute o modelo ML off-chain para gerar resultados de inferência.

Gerar prova: Use a tecnologia zk para gerar uma prova matemática concisa indicando que o processo de inferência está em conformidade com o modelo predefinido (como pesos do modelo, arquitetura) e não foi adulterado.

Verificação on-chain: Envie a prova para o blockchain, onde os contratos inteligentes verificam a legitimidade dos resultados, verificando a prova, sem a necessidade de reexecutar a computação.

Este mecanismo resolve o problema de alto custo de executar modelos ML diretamente on-chain (como as limitações computacionais do EVM), garantindo transparência e resistência à censura.

Casos de uso relacionados já existem, como a estrutura ZKML da Modulus Labs.

A tecnologia principal da Modulus Labs é computação off-chain + verificação on-chain, com recursos de estrutura incluindo:

Verificação da integridade da execução da IA: Garantir que os resultados da inferência do modelo de IA não sejam adulterados por meio de provas de conhecimento zero (como garantir a autenticidade das saídas do modelo de avaliação de preço NFT). Caso: Colaborar com a Upshot para colocar os resultados da avaliação de preço NFT gerados por IA (100 milhões por hora) on-chain por meio de provas ZK, alcançando a combinação de "capacidade de IA + segurança on-chain".

Mecanismo anti-fraude: Em cenários de jogos (como AI Arena), verificar a consistência entre os modelos de IA treinados pelo jogador e os modelos realmente implantados em competições, evitando comportamentos de trapaça impulsionados por interesses econômicos.

API aberta: Fornecer APIs de "IA à prova de adulteração", permitindo que os desenvolvedores de dApp integrem a funcionalidade de IA verificável sem sacrificar a segurança descentralizada.

3,2 Comparação de Projetos Líderes

Além da camada de infraestrutura, a competição na camada de aplicação DeFAI é intensa. No geral, as barreiras de produto não são muito altas e nenhum protocolo de aplicação foi encontrado com estabilidade e precisão de produto muito superiores a outros concorrentes. Enquanto isso, o product-market fit (PMF) das aplicações existentes está sendo testado pelos usuários. Na infraestrutura de IA em rápido desenvolvimento de hoje, aplicações DeFAI mais eficazes podem surgir a qualquer momento, substituindo os projetos líderes existentes.

Atualmente, o projeto líder é o Griffain. Seu produto permite que os usuários interajam com o blockchain por meio de linguagem natural e, em seguida, realizem operações DeFi on-chain. A velocidade de atualização do produto Griffain é impressionante. Atualmente, eles têm produtos como Agent Sniper, Agentic Commerce, agregação de API multi-agente (sistema de energia), etc., já lançados, com a direção geral de construção sendo uma plataforma de operação de linguagem natural integrada, permitindo que os usuários naveguem e operem várias informações diárias on-chain por meio da janela de bate-papo do bot.

À medida que a IA continua a remodelar o panorama DeFi através de arquiteturas técnicas avançadas e aplicações inovadoras, é crucial reconhecer os potenciais riscos e desafios éticos que acompanham esta transformação. Na próxima parte da nossa análise, iremos aprofundar o lado mais sombrio da DeFi impulsionada pela IA, explorando os riscos sistémicos, os obstáculos regulamentares e os dilemas éticos que poderão definir o futuro deste ecossistema emergente.

Integração de IA e DeFi: Além dos Jogos On-Chain do AlphaGo (I)