DeFAI Tools Overview: Paano ang AI Agents ang Nagpapatakbo ng On-Chain Asset Management

Isinulat ni: GO2MARS

Bago magsimula sa pagsusuri, mahalaga munang ipaliwanag ang isang pangunahing konsepto: DeFAI.

Ang DeFAI ay isang akronim para sa pagkakasundo ng DeFi (decentralized finance) at AI (artificial intelligence), na nangangahulugan ng pagpapakilala ng AI Agent sa on-chain financial scenarios upang magkaroon ng kakayahang makaramdam ng estado ng merkado, makapagpaplano nang awtomatiko, at direktang maisagawa ang on-chain actions—kaya masasagawa ang isang serye ng tradisyonal na finansyal na gawain na kailangan ng propesyonal na tao, tulad ng asset allocation, risk management, at protocol interaction, nang walang pangangailangan ng real-time na tulong ng tao.

Sa madaling salita, ang DeFAI ay hindi lamang isang simpleng AI upgrade ng mga kasangkapan sa DeFi, kundi isang pagtatangka na bumuo ng isang autonomous financial execution layer sa blockchain.

Nag-umpisa ang sector na ito na mabilis na mag-angat mula noong Q4 ng 2024, at may tatlong makabuluhang pangyayari na dapat tandaan, na bawat isa ay tumutugon sa tatlong antas ng pagpasok ng AI Agent sa Web3: paglabas sa kuwento, pagbuo ng infrastraktura para sa pag-aari, at tunay na pagsasagawa ng kakayahang mag-execute.

Nangyari ang unang pangyayari noong Hulyo 2024. Ang Twitter bot na Truth Terminal, na itinayo ni Andy Ayrey, ay agad naging viral pagkatapos makatanggap ng 50,000 BTC na regalo mula kay Marc Andreessen, co-founder ng a16z, at nagdulot ng viral na pagkalat ng GOAT. Ito ang unang beses na pumasok sa publikong pananaw ang AI Agent bilang aktibong participant sa on-chain economy.

Ikalawang pangyayari ay nangyari noong Oktubre ng parehong taon. Ang Virtuals Protocol ay naging sikat sa network ng Base, na nag-angkat ng sariling AI Agent bilang token, at ang halaga ng kanilang ecosystem ay umabot sa higit sa $3.5 bilyon, naging isang klasikong representante sa pagbuo ng infrastruktura sa sektor ng DeFAI.

Ang ikatlong pangyayari ay ang pagpapalabas sa chain-level ng mga proyekto tulad ng Giza, HeyAnon, at Almanak, na nagpapagawa ng paglipat ng industriya mula sa paghikayat patungo sa pagpaproseso—nagsisimula nang talagang “magtrabaho” ang AI Agent sa mga chain-based na aksyon, hindi na lamang sa antas ng interaksyon sa impormasyon.

Batay sa laki ng pandaigdigang merkado, maraming mga institusyon ng pag-aaral ang may magkakasunod na pag-asa sa paglago ng AI Agent sector:

Grafiko 1: Paghahambing ng mga pagtataya sa laki ng pandaigdigang merkado ng AI Agent, pinagmulan ng datos: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

Gayon man, may malaking pagkakaiba pa rin sa pagitan ng kahusayan ng kapital at pagpapatupad sa industriya. Ayon sa ulat na “The State of AI in 2025” ni McKinsey noong Nobyembre 2025 (batay sa 1,993 na respondente mula sa 105 bansa), bagaman 88% ng mga organisasyon ay gumagamit na ng AI sa kahit anong isang bahagi ng kanilang operasyon, halos dalawang-katlo pa rin ay nasa yugto ng eksperimento o pilot. Sa partikular sa larangan ng AI Agent: 62% ng mga organisasyon ay nagsisimula na sa eksperimento, 23% ay nagpapalawak sa kahit anong isang bahagi, ngunit ang proporsyon ng mga organisasyon na nakakamit ng malawakang pagpapatupad sa anumang isang bahagi ay mas mababa sa 10%.

Nagpapakita ang datos na ito na ang narrative热度 sa sektor ng DeFAI ay patuloy na nangunguna kumpara sa actual na pagpapatupad. Ang pag-unawa sa pagkakaiba na ito ay ang pangunahing kondisyon para sa obhetibong pagtataya sa halaga ng sektor na ito.

Upang maunawaan kung paano gumagana ang DeFAI, kailangan muna sagutin ang isang mahalagang tanong: Ano ang mekanismo kung saan nakikilahok ang AI sa on-chain financial operations?

Ang pangunahang pagsasagawa ng sistema ng DeFAI ay isang AI Agent na binubuo batay sa malalaking modelo ng wika. Ayon sa akademikong pagsusuri ni Wang et al. (2023), ang kanyang pangunahing kakayahan ay maaaring maipaliwanag sa isang tatlóng antas na arkitektura, at bawat antas ay may tiyak na tungkulin sa mga sitwasyon sa chain:

• Ang planning layer ay responsable sa paghihiwalay ng mga layunin at pag-optimize ng mga path, na tumutugon sa pagbuo ng estratehiya at pagtataya ng panganib sa mga chain-based scenario;
• Memory layer, na nagpapagana ng pagkolekta ng impormasyon sa iba’t ibang panahon sa pamamagitan ng eksternal na storage tulad ng vector database, at nagdadala ng historical market data at protocol state;
• Tool layer, pinauunlad ang kakayahan ng model upang makapag-call sa mga panlabas na sistema tulad ng DeFi protocols, price oracles, at cross-chain bridges.

Ngunit may isang mahalagang punto na kailangang linawin: Ang mga AI model ay hindi direktang nakakainteraktibo sa blockchain. Ang karamihan sa kasalukuyang mga DeFAI system ay gumagamit ng arkitekturang hiwalay ang chain-off inference at chain-on execution—ang AI Agent ay natatapos ang pagkalkula ng estratehiya sa labas ng chain, at pagkatapos ay isasalin ang resulta sa mga signal para sa transaksyon sa chain, na isusumite ng execution module. Ang disenyo na ito ay hindi lamang isang praktikal na pagpili sa ilalim ng kasalukuyang teknikal na kondisyon, kundi nagdudulot din ng mga isyu sa kaligtasan tulad ng pagpapahintulot sa private key at pamamahala ng mga pahintulot.

Ang AI Agent ay isang sariling desisyon-sistemang batay sa malalaking language model, na nagpapatupad ng isang closed-loop sa pamamagitan ng paghihiwalay ng gawain, pamamahala ng memorya, at pagtawag sa mga kasangkapan, at ang pagkakaugnay ng AI Agent sa mga asset sa chain ay nagsimula nang magkaroon ng anyo.

Grafiko 2: Tatlóng antas ng arkitektura ng AI Agent

Matapos malinaw ang teknikal na batayan ng DeFAI, isang natural na tanong ang sumusunod: paano nagtapos ang sistema sa kasalukuyan?

Ayon sa pag-aaral ng The Block, ang pag-unlad ng DeFAI ay hindi nagyayari sa isang pagkakataon, kundi nagdaraan sa dalawang iba’t ibang yugto—mula sa mga awtomatikong agente na nakatuon sa pagproseso ng impormasyon noong unang panahon, hanggang sa mga sistemang makapagpapatupad ng mga transaksyon sa chain ngayon.

Mayroong pangunahing pagkakaiba sa pagtukoy ng layunin, teknikal na paraan, at antas ng panganib.

Grafiko 3: Pagkukumpara sa dalawang yugto ng pag-unlad ng DeFAI

Ang dalawang yugto ng pag-unlad ay maaaring maunawaan sa ganitong paraan:

Ang unang yugto ay ang interactive Agent, na nakatuon sa pagbuo ng isang framework na may kakayahang makipag-usap at makapanaliksik. Ang mga kumakatawang proyekto ay ang Eliza framework ni ElizaOS (dating ai16z), ang G.A.M.E. ni Virtuals, atbp. Ang kaluluwa ng yugtong ito ay patuloy na isang tool para sa impormasyon—ang Agent ay kayang basahin, sabihin, at analisahin, ngunit ang kanilang hangganan ay tumatigil sa antas ng impormasyon lamang at hindi pa nakakaabot sa anumang paggawa ng transaksyon sa mga aset.

Ang pangalawang alitang ay ang execution-type DeFAI Agent, na talagang pumapasok sa isang closed loop ng pagdedesisyon at pagpapatupad. Ang mga kumakatawang proyekto ay kasama ang HeyAnon, Wayfinder, Giza (ARMA Agent), at Almanak. Ang karaniwang katangian ng mga ganitong sistema ay: ang AI ay tumatakbo sa labas ng chain, naglalabas ng structured strategy signals, at nagpapatupad ng mga transaksyon sa pamamagitan ng on-chain execution module—hindi ito nagpapalit sa umiiral na DeFi protocols, kundi nagdadagdag ng isang AI decision-making layer sa itaas nito, na nagpapalit sa buong operasyonal na chain mula sa “tao ang nag-uutos” patungo sa “Agent na may sariling pagpapatupad”.

Ang pangunahing pagkakaiba sa pagitan ng dalawang alon ay hindi nasa kahirapan ng teknolohiya, kundi kung tunay na tinutukoy ang mga aset. Ito ang nagdedesisyon kung bakit mas kumplikado ang mga hamon na kinakaharap ng ikalawang alon sa mekanismo ng tiwala, disenyo ng pagsasakop, at arkitektura ng seguridad kumpara sa unang alon—ito ang pangunahing paksa na tatalakayin sa susunod na kabanata.

Mula sa teknikal na arkitektura hanggang sa landas ng pag-unlad, ang “ano ang kayang gawin” ng DeFAI ay naging malinaw. Ano naman ang mga totoong problema na itinutugon nito sa antas ng praktikal na produkto?

Sa kabuuan, ang pagpapalawak ng aplikasyon ng DeFAI ay nagsasaklaw na ng apat na pangunahing direksyon na may matatag na pagkakaroon, na tumutugon sa apat na pangunahing problema sa chain-based na operasyon: "efficiency ng kita, pagsasagawa ng estratehiya, hadlang sa interaksyon, at pagkontrol sa panganib."

Optimisasyon ng kita: Awtomatikong pag-adjust ng portfolio sa pagitan ng mga protokolo

Ang yield optimization ay ang pinakamatatag na nakalapat na aplikasyon ng DeFAI sa kasalukuyan. Ang pangunahing lohika nito ay: patuloy na i-scan ang taunang yield ng mga deposito sa mga pangunahing DeFi protocol tulad ng Aave, Compound, at Fluid, kasama ang pagtataya kung kailangan ng portfolio rebalancing batay sa mga nakaprehayang risk parameters, at pagpapatakbo ng pag-analisa sa transaction costs bago bawat operasyon—tanging kapag ang pagtaas ng yield ay kayang takpan ang lahat ng gas at transaction fees lamang ang ipapalitan ang pondo, upang makamit ang automated, optimal allocation sa pagitan ng mga protocol.

Kung kukunin ang Giza bilang halimbawa, ang kanilang ARMA Agent ay ipinakilala noong Pebrero 2025 sa network na Base para sa isang estratehiya ng kita mula sa stablecoin, na patuloy na sinusubaybayan ang pagbabago ng interes sa mga protokolo tulad ng Aave, Morpho, Compound, at Moonwell, at nagpapasya nang智能化 para sa pag-iskedyul ng pondo ng user batay sa pagkakasunod-sunod ng APY ng protokolo, gastos sa bayarin, at likuididad upang maksimisahin ang kita. Ayon sa publikong data, mayroon na ang ARMA ng humigit-kumulang 60,000 na magkakahiwalay na tagapag-ari, higit sa 36,000 na naka-deploy na Agent, at isang kabuuang halaga ng pinamamahalaan na yaman (AUA) na hihigit sa $20 milyon.

Sa panahon ng patuloy na pagbabago ng kita sa DeFi protocol, mas mababa ang efektyibidad at kahusayan ng manual na pagmamasid at manual na pag-adjust ng portfolio kumpara sa automated na sistema—ito ang pangunahing halaga sa sitwasyong ito.

Figure 4: Halimbawa ng ARMA Agent sa plataporma ng Giza

Automation ng Quantitative Strategy: Pagpapalawak ng mga kakayahan ng institusyon para sa mga karaniwang tao

Sa mga automated scenario ng quantitative strategy, sinubukan ng platform na DeFAI na modularize at automatahin ang buong proseso ng tradisyonal na quantitative team, upang maabot din ng mga indibidwal na user ang kapasidad sa pagpapatupad ng istratehiya na para sa mga institusyon.

Halimbawa ay ang Almanak na suportado ng Delphi Digital, ang kanilang AI Swarm system ay hinati ang proseso ng quantification sa apat na yugto:

• Ang strategy module ay sumusuporta sa pagsulat ng investment logic at paggawa ng backtesting gamit ang Python SDK;
• Ang execution engine ay awtomatikong menjal ang naka-audit na code ng estratehiya at nagtatrabaho ng DeFi calls pagkatapos makakuha ng pahintulot ng user;
• Ang secure wallet ay binubuo ng Safe + Zodiac upang makabuo ng multi-sign system, kung saan ang pagpapataw ng patakaran ay ibinibigay sa AI Agent sa pamamagitan ng pagkontrol sa mga karapatan ng role, upang siguraduhing nasa ilalim ng kontrol ng user ang mga pondo lagi;
• Ang Strategy Vault ay nagpapakete ng mga estratehiya bilang tradable na vault na sumusunod sa pamantayan ng ERC-7540, kung saan ang mga investor ay maaaring makilahok sa paghahati-hati ng kita ng estratehiya tulad ng mga yunit ng pondo.

Ang kahalagahan ng arkitekturang ito ay ang pagkakaroon ng AI agent na nagtatanggol ng mga tungkulin sa pag-analisa ng data, pag-itera ng estratehiya, at pamamahala ng panganib, kung saan ang mga gumagamit ay kailangan lang na i-verify ang mga output ng sistema, nang hindi kailangang bumuo ng isang propesyonal na quantitative team—nagpapakita ng tinatawag na “demokratisasyon ng mga estratehiya ng antas ng institusyon” (ayon sa proyekto).

Figure 5: Home page display of the Almanak platform

Pagsasagawa ng natural language instructions: Gawing simpleng pagpapadala ng mensahe ang mga operasyon sa DeFi

Ang pangunahang layunin ng senaryong ito ay ang DeFi na batay sa intensyon ng user (Intent-based DeFi): Gamit ang teknolohiya ng natural language processing, ang mga user ay nagbibigay ng mga utos sa pagtrato gamit ang pang-araw-araw na wika, at ang AI ay nagpapaliwanag at nagpapalit nito sa maraming hakbang na on-chain na aksyon, na nagpapababa nang malaki sa hadlang para sa karaniwang mga user.

HeyAnon ay nagbuo ng isang DeFAI chat platform kung saan ang mga user ay maaaring mag-input ng mga utos sa isang chatbox, at ang AI ay maaaring mag-execute ng on-chain actions tulad ng token exchange, cross-chain bridging, pagsang-ayon, at staking, na may integrasyon sa mga protocol tulad ng LayerZero cross-chain bridge at Aave v3, at suporta sa multi-chain deployment tulad ng Ethereum, Base, at Solana.

Figure 6: Home page display of the HeyAnon platform

Ang Wayfinder ay pinapahalagahan ng Paradigm at nag-aalok ng mas malalim na serbisyo sa cross-chain trading. Ang kanilang AI Agent (tinatawag na Shells) ay awtomatikong naghahanap ng pinakamabuting ruta sa pagitan ng iba’t ibang chain upang isagawa ang mga transaksyon sa cross-chain, pagpalit ng token, o interaksyon sa NFT, habang ang mga user ay hindi kailangang mag-alala tungkol sa mga teknikal na detalye tulad ng gas fees at cross-chain compatibility.

Figure 7: Home page display of the Wayfinder platform

Sa kabuuan, ang natural language interface ay nagbaba nang malaki sa hadlang sa paggamit ng DeFi, ngunit nagtataglay din ng mas mataas na hiling sa akurasye ng pag-unawa sa layunin—kung sakaling mali ang pag-unawa ng AI sa utos, maaaring magkamali nang malaki ang resulta kumpara sa inaasahan ng user.

Risk Management and Liquidation Monitoring: Mechanisms embedded within on-chain protocols

Sa mga escena ng DeFi lending at leverage, ang pinakakaraniwang aplikasyon ng AI Agent ay ang real-time na pagmonito sa kalusugan ng position sa chain, at ang awtomatikong pagsasagawa ng protective actions bago makarating sa threshold ng liquidation—ang mahalagang aplikasyong ito ay patuloy na isinasama sa mga pangunahing DeFi protocol at naging native function ng mga DeFi platform.

• Ang Aave ay gumagamit ng "health factor" upang sukatin ang kaligtasan ng posisyon, at kapag bumaba ang health factor sa ilalim ng 1.0, agad na naging kwalipikado ang posisyon ng mananalapi para sa paglilinaw;
• Ang Compound ay gumagamit ng mekanismo na "Liquidation Collateral Factor", kung saan ang liquidation ay masisimulan kapag ang balanse ng pautang ng account ay lumampas sa itinakdang limitasyon ng factor, at ang mga partikular na parameter para sa bawat collateral asset ay itinakda ng on-chain governance nang hiwalay.

Mahirap panatilihin ang consistent na response efficiency sa人工监控 sa 24/7 high-volatility on-chain markets, ang AI Agent ay nakakapagbigay ng continuous monitoring, intelligent assessment, at automatic intervention, na nagpapataas ng risk control efficiency sa antas na hindi makakamit ng tao o rule-based automated systems.

Grafiko 8: Apat na pangunahing aplikasyon ng Agent×DeFi

Sa kabuuan, ang apat na pangunahing senaryo ay hindi magkakahiwalay, kundi nagkakapag-ugnay sa isang pangunahing tema: ang pag-optimize ng kita at ang awtomatikong quant strategy ay para sa mga mas advanced na user na may sapat na asset, na may pangunahing kahusayan sa pagpapatupad at precision ng strategy; ang natural language interaction ay naglalayong bawasan ang hadlang sa paggamit para sa karaniwang user; at ang risk management ay ang pambansang seguridad na sumasakop sa lahat ng senaryo. Ang tatlo ay nagtatrabaho nang sabay-sabay upang bumuo ng pangunahing implementasyon ng DeFAI kasalukuyan, at nagtatayo ng pundasyon para sa mas kumplikadong on-chain Agent applications sa hinaharap.

Ang apat na aplikasyong nabanggit sa itaas, anuman ang pag-optimize ng kita o automation ng quantitative strategy, ang tanging kondisyon para sa kanilang pagkakaroon ay: kailangan ng AI Agent ang isang uri ng pagsasara ng pahintulot, o ang kakayahang makapag-access sa private key. Ito ang pinakamahalagang teknikal na hamon sa buong DeFAI sector—at ang pinakamadaling mailigaw ng pagkakaroon ng pagkakaunawa—kung mayroong butas sa mekanismo ng pagsasara, lahat ng kakayahan sa itaas ay mawawala ang kahalagahan.

Sa kasalukuyan, ang mga pangunahing solusyon sa pagpapanatili ng seguridad ng private key sa industriya ay nahahati sa dalawa: MPC o Multi-Party Computing at TEE o Trusted Execution Environment. May sariling pagkakaiba ang dalawa sa mga modelo ng seguridad, antas ng automation, at komplikasyon sa inhenyeriya.

Charta 9: Talaan ng Pagkukumpara ng Dalawang Pangunahing Solusyon sa Pagkakaroon ng Ligtas na Pamamahala ng Private Key

• Ang pangunahang ideya ng MPC (Multi-Party Computation, Maramihang Pagkakalkula) ay ang pagtanggal ng single point of failure sa pamamagitan ng paghahati ng key. Sa halimbawa ng karaniwang 2-of-3 threshold signature, kahit na isang bahagi ng key ay ma-leak, hindi makakapag-sign ang isang attacker nang mag-isa, at nananatiling ligtas ang mga pondo. Ang Vultisig ay isang representative na produkto sa direksyong ito—isang open-source, multi-chain, self-custodied wallet na binubuo gamit ang MPC/TSS technology, na gumagamit ng arkitekturang walang iisang mnemonic phrase, na nag-uugnay ng seguridad ng key at user self-custody.
• Ang TEE (Trusted Execution Environment) ay sumusunod sa isang ibang landas: ang pribadong key at ang proxy code ay isinasailalim sa isang hardware-protected isolation area (enclave), kung saan ang AI proxy ay nagpapatupad ng mga pagkalkula at pag-sign sa loob ng enclave, at naglalabas lamang ng resulta ng pag-sign sa blockchain—ang panlabas na kapaligiran ay hindi makakakita ng anumang bahagi ng pribadong key. Ang mga pangunahing chip tulad ng Intel SGX, AMD SEV, at ARM CCA ay nag-aalok ng hardware-level na isolation at encryption support. Ang Chainlink ay nagsama na ang TEE sa kanilang oracle network para sa pagproseso ng sensitibong data, at gumagamit ng remote attestation mechanism upang patunayan ang integridad ng execution environment sa panlabas.

Gayunpaman, ang seguridad ng key ay lamang ang unang linya ng depensa. Sa praktikal na pag-deploy, anumang uri ng key management scheme ang gamitin, kailangan ng pagdaragdag ng mekanismo ng pagkontrol ng pagsasakop upang pigilan ang Agent na magawa ang mga aksyon na labas sa kanilang awtorisasyon. Ang praktika ng Almanak ay nagbibigay ng isang mas kompletong gabay: ang platform ay gumagamit nang sabay-sabay ng TEE upang protektahan ang lohika at mga pribadong parameter, at inilalagay ang Zodiac Roles Modifier bilang layer ng pagsasakop sa pagitan ng deployment engine at ang Safe smart account na nasa kamay ng user—ang bawat transaksyon na iniihain ng AI ay kailangang i-match nang isa-isa sa mga pre-set na contract address, function, at whitelist ng parameter; ang anumang transaksyon na hindi nasa sakop ng awtorisasyon ay awtomatikong tatanggihan.

Ang paraan ng pagpapatupad ng prinsipyo ng minimum na pagsasakop ay naging mahalagang gabay sa disenyo ng seguridad ng DeFAI. Ito ay naglilinaw sa isang mas malalim na lohika: ang mga isyu sa seguridad ng DeFAI ay hindi lamang isang tanong ng pagpili ng teknolohiya, kundi isang sistema na binubuo ng pagpapamahala ng mga susi, mga hangganan ng pagsasakop, at pag-audit ng pagpapatupad—ang anumang nawawalang bahagi ay maaaring maging pinakamahinang link sa buong chain. Ito ang eksaktong punto ng pagmumula sa susunod na kabanata tungkol sa pagsusuri ng panganib.

Ang nakalikhang pagsusuri ay nagpapakita ng isang pangunahing konklusyon:

Hindi nagkakaroon ng premium ang VCX dahil sa pagpili ng mga asset o mas mataas na inaasahang return, kundi dahil ibinebenta nito ang channel mismo. Para dito, kailangang sagutin ang isang tanong: Ano talaga ang kalikasan ng produkto ng VCX?

Sa pananaw ng legal na anyo, ito ay isang saradong pondo na nakarehistro sa SEC, may transparenteng portfolio at kompyante na istruktura, at walang pangunahing pagkakaiba sa anumang karaniwang stock ETF sa merkado. Ngunit sa praktikal na paggamit, hindi ito bumebenta ng tradisyonal na “pag-asa sa return sa investmiento,” kundi isang pagsali sa aset—na dati ay accessible lamang sa mga pinakamataas na VC firm at qualified investors—at ang pagsali na ito ay nalikom bilang mga yunit na nakabebenta sa NYSE.

Kaya, handa ang merkado na magbayad ng premium na 16 hanggang 30 beses ang NAV, na sa本质上 ay pagpapahalaga sa karapatan na makapasok, hindi sa pagtataya ng hinaharap na kita ng mga panaalig na ari-arian.

Mula sa pananaw na ito, ang pagkukumpara sa pagitan ng VCX at MicroStrategy (MSTR) ay lubos na nagpapaliwanag. Parehong nagpapakita ng katulad na gawain sa paningin: ang pagpapakilos ng mga kakaibang aset (bitcoin / mga premium na Pre-IPO na bahagi) na mahirap maabot nang direkta bilang mga sekuridad na nakikibahagi sa secondary market, at nagpapakita ng premium na mas mataas kaysa sa halaga ng ilalim na aset. Gayunpaman, mayroong fundamental na pagkakaiba sa logika ng kanilang kapital na operasyon:

• Ang MSTR ay nagpapalakas ng kanyang balanse sa pamamagitan ng patuloy na paglabas ng convertible bonds at优先股, at ginagamit ang mga kita para bumili ng karagdagang bitcoin. Ang mekanismong ito ay nagbibigay sa kanya ng kakayahang dinamikong palawakin ang kanyang balanse at patuloy na magdagdag ng bitcoin, na nagbibigay sa presyo ng mga share nito ng loob na batayan para sa pagpapanatili ng premium.
• Ang VCX ay limitado ng istruktura ng closed-end fund: ang laki ng asset ay nakaputol pagkatapos ng paglabas, at hindi maaaring magkaroon ng karagdagang pagsasapalaran upang patuloy na bumili ng mga bagong asset, at ang likuididad ng kanilang pagkakaroon ay malaking depende sa IPO o pagkakasundo ng mga kompanya sa ilalim. Kapag bumaba ang emosyon ng mga retail investor, o kapag tumatagal ang six-month lock-up period at tumataas ang supply ng circulating shares, ang presyon sa pagbawas ng premium nito ay mas malaki kaysa sa MSTR.

VCX kumpara sa MSTR (Strategy) mode

Sa ibang salita, ang premium ng MSTR ay suportado ng isang patuloy na mekanismo ng kapital, habang ang premium ng VCX ay pangunahing nagmumula sa kakulangan ng supply + emosyonal na pagkilos. Walang tama o mali ang sariling logika ng produkto, ngunit ang mga panganib na ito ay mas mahirap masukat ng merkado kumpara sa karaniwang closed-end fund:

Kapag binili ng retail investors ang mga asset sa presyo na mas mataas kaysa sa NAV, tunay na binabayaran nila ang premium para sa pagsali—at ang premium na ito ay magkakaroon ng malaking presyur na maging zero matapos mag-IPO ang pagsasamahan at magkaroon ng direkta na pagtinda sa publikong merkado.

Batay sa nakalipas na pagsusuri, maaaring gawin ang mga yugto ng pag-unlad ng DeFAI. Sa kabuuan, ang sector na ito ay nasa kritikal na punto ng paglipas mula sa pagpapatotoo ng konsepto patungo sa pagpaprodukto, at inaasahang magdadaan sa tatlong sumusunod na yugto:

Chart 11: Pagtataya sa mga Yugto ng Pag-unlad ng DeFAI

Tandaan: Ang tabla sa itaas ay batay sa komprehensibong pagtataya sa mga pampublikong ulat ng industriya, pag-unlad ng proyekto, at antas ng teknikal na kasiguruhan, at hindi isang tiyak na takdang panahon.

Sa kasalukuyang punto, ang DeFAI ay nasa paglipat mula sa phase ng pagtutulungan sa pagdedesisyon patungo sa phase ng kalahating awtonomo—ang ilang proyekto ay nagsisimula nang magkaroon ng limitadong kakayahan sa awtonomong pagsasagawa, ngunit ang pagrerebyu at fallback mechanism ng tao ay patuloy na pangunahing anyo ng deployment. Sa ilalim ng kontekstong ito, kasabay ng kasalukuyang antas ng teknolohiya at kalagayan ng merkado, may tatlong pagtataya na dapat bigyan ng pansin.

Una, ang karamihan sa mga proyekto ng DeFAI sa kasalukuyan ay nagiging automated tools, hindi tunay na autonomous agents. Ang mga produkto na ngayon ay tinatawag na “DeFAI” ay may pangunahing kakayahan sa pagpapalit ng mga utos ng tao sa mga nakapaghandaang dulo ng DeFi na pagkilos—nagiging mas malapit sa isang epektibong execution interface kaysa sa isang autonomous system na may sariling pag-iisip at pagdedesisyon. Ayon sa ulat ni McKinsey noong 2025, kahit sa pangkalahatang corporate setting, mas mababa sa 10% ng mga organisasyon ang nakamit ang scale deployment ng AI Agent sa anumang isang funcional na area. Mas mataas ang threshold ng tiwala at kumplikadong operasyon sa chain-based scenarios; mayroon pa ring malaking distansya mula sa teknikal na demo patungo sa tunay na commercial闭环.

Ikalawa, ang pinakamatatag at pinakamadaling makakuha ng tiwala ng mga institusyon na aplikasyon ng AI Agent ay hindi ang mataas na panganib na sariling pagtinda, kundi ang pagmamasid, pagbabala, at pagtutulungan sa pamamahala sa blockchain. Ang mga senaryo tulad ng pagmamasid sa posisyon 7×24 oras, pagbabala sa pagkakasira, at pagsusuri sa mga proposta sa pamamahala, ay may mas mataas na antas ng pagtanggap sa mga halusinasyon ng LLM—ang mga mali sa output ay hindi direktang nagdudulot ng pagkawala ng pondo; samantala, ito ay epektibong nagpapabuti sa likas na kakulangan ng tao sa pagpapanatili ng atensyon. Ang mga ganitong senaryo ay mas realistiko na daan para sa DeFAI na lumipat mula sa “paggawa ng teknikal” patungo sa “pagtanggap ng institusyon.”

Ikatlo, ang pagkakaisa ng AI Agent at RWA ay isang mahalagang cross-over na direksyon na dapat tandaan sa susunod. Ayon sa datos ng RWA.xyz, hanggang sa unang bahagi ng Abril 2026, ang kabuuang halaga ng on-chain tokenized RWA assets ay lumampas na sa $27 bilyon (hindi kasama ang stablecoins), na kumakatawan sa iba’t ibang kategorya tulad ng US Treasury bonds, private credit, commodities, at corporate bonds. Kung ang AI Agent ay makakapag-intervenyo sa pagpapamahala ng isang portfolio na naglalaman ng RWA na treasury bonds at stablecoins—halimbawa, awtomatikong pagbabago ng allocation ratio batay sa market conditions—ang sakop nito sa asset size ay maaaring maging mas malaki kaysa sa kasalukuyang focus sa DeFi-native assets, at maaaring talagang magbukas ng koneksyon sa pagitan ng on-chain at off-chain assets, upang maabot ang pagkakaisa ng Web3+AI+TraFi, at malaki ang pagpapalawak sa imagination ng merkado.

Ang AI Agent at ang pamamahala ng mga asset sa chain ay nasa kritikal na yugto ng paglipat mula sa pagpapatotoo ng konsepto patungo sa pagpaprodukto. Ang teknikal na kakayahang gawin ay napatotohanan na, ngunit ang mga hamon na kinakaharap ng industriya—tulad ng panganib ng LLM hallucination, ang heterogeneity ng chain data, at ang kakulangan ng imprastruktura sa pagkakatiwala—ay hindi malulutas lamang sa pamamagitan ng pagpapabuti ng teknolohiya, kundi kailangan ng sistematisadong pag-unlad sa pamamagitan ng disenyo ng arkitektura ng proyekto, pagpaplano ng landas para sa pagkakasundo, pagbuo ng sistema ng kaligtasan, at pagpapatotoo ng business model.

Ito ay nangangahulugan na ang larangan na ito ay nasa maagap yugto ng pagbuo, at ang tunay na kalagayan ng pakikidigma ay hindi pa nabuo. Para sa mga koponan na may kakayahang pamahalaan ang parehong Web3 at AI, ang kasalukuyan ay ang panahon para magsali—kung saan man sa pagbuo ng mas kumpiyansa na on-chain Agent system sa antas ng pagsasagawa, o sa pagpapalakas ng mga kritikal na bahagi ng data, pahintulot, at tiwala sa antas ng imprastruktura, may malaking puwang na kailangang punuan.

Ang kompetitibong barrier ng DeFAI ay hindi hahantong sa isang solong kakayahan ng modelo o kalaliman ng integrasyon ng protokolo, kundi sa kakayahang bumuo ng isang tunay na sariling-konsistente na loop sa pagitan ng teknolohiya, kompliyans, at seguridad.