Laporan DWF: AI Mengungguli Manusia dalam Pengoptimuman Hasil DeFi, Tertinggal dalam Perdagangan Kompleks

Penulis: DWF Ventures

Diterjemahkan oleh Deep潮 TechFlow

Pengantar DeepCha: Agen AI telah menguasai hampir seperlima jumlah perdagangan DeFi, dan memang unggul dibanding manusia dalam skenario seperti pengoptimalan pendapatan yang aturannya jelas. Namun, ketika diminta melakukan perdagangan secara mandiri, kinerja AI teratas masih kurang dari seperlima kinerja manusia teratas. Penelitian ini menguraikan kinerja sebenarnya AI dalam berbagai skenario DeFi, layak untuk dilihat oleh semua pihak yang memperhatikan perdagangan otomatis.

Poin Utama

Automasi dan aktiviti agen kini menjangkau sekitar 19% daripada semua aktiviti atas rantai, tetapi autonomi end-to-end sebenar belum dicapai.

Dalam kes-kes sempit dan jelas seperti pengoptimuman pendapatan, agen telah menunjukkan prestasi yang lebih baik daripada manusia dan bot. Namun, untuk tindakan pelbagai aspek seperti perdagangan, manusia berprestasi lebih baik daripada agen.

Di antara agen, pemilihan model dan pengurusan risiko memberi kesan paling besar terhadap prestasi perdagangan.

Dengan penggunaan agen secara meluas, terdapat beberapa risiko berkaitan kepercayaan dan pelaksanaan, termasuk serangan sybil, kepadatan strategi, dan kompromi privasi.

Dalam setahun terakhir, aktiviti agent menunjukkan pertumbuhan stabil, dengan peningkatan dalam jumlah transaksi dan bilangan transaksi. Kami melihat protokol x402 Coinbase memimpin perkembangan besar, dengan pemain seperti Visa, Stripe, dan Google turut menyertai dengan melancarkan standard mereka sendiri. Sebahagian besar infrastruktur yang sedang dibina bertujuan untuk melayani dua skenario: saluran antara agent atau panggilan agent yang dipicu oleh manusia.

Walaupun perniagaan mata wang stabil telah disokong secara meluas, infrastruktur semasa masih bergantung kepada gateway pembayaran tradisional sebagai asas, yang bermakna ia masih bergantung kepada pihak terpusat. Oleh itu, akhiran "sepenuhnya autonomi" di mana agen boleh membiayai sendiri, melaksanakan sendiri, dan mengoptimumkan berterusan berdasarkan keadaan yang berubah belum dicapai.

Agen bukanlah sesuatu yang asing bagi DeFi. Selama bertahun-tahun, automasi melalui bot telah ada dalam protokol rantai, menangkap MEV atau memperoleh keuntungan berlebih yang tidak mungkin dicapai tanpa kod. Sistem-sistem ini berfungsi dengan sangat baik di bawah parameter yang ditakrifkan dengan jelas, yang tidak berubah sering atau memerlukan pengawasan tambahan. Namun, pasaran menjadi lebih kompleks seiring berlalunya masa. Inilah saat kita melihat generasi baru agen memasuki ruang ini, di mana rantai telah menjadi medan eksperimen untuk aktiviti semacam ini dalam beberapa bulan terakhir.

Menurut laporan, aktiviti agen menunjukkan pertumbuhan eksponen, dengan lebih daripada 17,000 agen telah dilancarkan sejak 2025. Jumlah keseluruhan aktiviti automasi/agen dianggarkan merangkumi lebih daripada 19% semua aktiviti di atas rantai. Ini tidak mengejutkan, kerana dianggarkan lebih daripada 76% jumlah pemindahan stabilcoin dihasilkan oleh bot. Ini menunjukkan ruang pertumbuhan yang besar untuk aktiviti agen dalam DeFi.

Kemandirian agen terdapat dalam julat yang luas, dari pengalaman seperti chatbot yang memerlukan pengawasan manusia yang ketat, hingga agen yang boleh menyusun strategi yang menyesuaikan diri dengan keadaan pasaran berdasarkan input matlamat. Berbanding bot, agen mempunyai beberapa kelebihan utama, termasuk kemampuan untuk merespons dan melaksanakan maklumat baharu dalam milisaat, serta memperluaskan cakupan kepada ribuan pasaran sambil mengekalkan ketepatan yang sama.

Kebanyakan agent saat ini masih berada pada tahap analis hingga penumpang sisi pengendali, kerana kebanyakannya masih dalam peringkat ujian.

Pemberian likuiditi adalah bidang yang telah sering diotomatiskan, dengan jumlah TVL yang dipegang oleh agen melebihi US$39 juta. Nombor ini terutamanya mengukur aset yang disetorkan secara langsung oleh pengguna kepada agen, tetapi tidak termasuk modal yang dirutekan melalui perbendaharaan.

Giza Tech merupakan salah satu protokol terbesar dalam bidang ini, yang melancarkan aplikasi agen pertamanya, ARMA, pada akhir tahun lalu untuk meningkatkan penangkapan pendapatan pada protokol DeFi utama. Ia telah menarik lebih daripada $19 juta aset yang dikelola dan menghasilkan jumlah transaksi agen melebihi $40 bilion. Nisbah tinggi antara jumlah transaksi dan jumlah aset yang dikelola menunjukkan bahawa agen sering menyeimbangkan semula modal, membolehkan penangkapan pendapatan yang lebih tinggi. Setelah modal disimpan ke dalam kontrak, pelaksanaan menjadi automatik, memberikan pengalaman satu-klik yang mudah kepada pengguna dengan hampir tiada pengawasan yang diperlukan.

Pencapaian ARMA adalah luar biasa secara terukur, menghasilkan hasil tahunan melebihi 9.75% untuk USDC. Walaupun mengambil kira kos penyeimbangan semula tambahan dan komisen prestasi 10% agen, hasilnya masih melebihi pinjaman biasa di Aave atau Morpho. Namun, skalabilitas masih menjadi isu utama, kerana agen-agen ini belum diuji dalam persekitaran sebenar untuk mengurus atau mengembang kepada skala protokol DeFi utama.

Namun, untuk tindakan yang lebih kompleks seperti perdagangan, hasilnya jauh lebih pelbagai. Model perdagangan semasa beroperasi berdasarkan input yang ditakrifkan manusia dan memberikan output berdasarkan peraturan yang telah ditetapkan. Pembelajaran mesin memperluaskan ini dengan membolehkan model memperbaharui perilakunya berdasarkan maklumat baharu tanpa perlu diprogram semula secara eksplisit, mendorongnya ke peranan penumpang di sebelah pemandu. Dengan masuknya agen sepenuhnya autonomi, lanskap perdagangan akan mengalami perubahan besar.

Telah diadakan beberapa pertandingan perdagangan antara agen dan antara manusia melawan agen, yang menunjukkan perbezaan besar antara model. Trade XYZ mengadakan pertandingan perdagangan manusia melawan agen untuk saham yang dilancarkan di platformnya. Setiap akaun mempunyai modal awal sebanyak $10,000, tanpa had terhadap penggunaan leverage atau frekuensi perdagangan. Keputusan sangat mendukung manusia, dengan prestasi manusia teratas melebihi agen teratas lebih dari 5 kali ganda.

Sementara itu, Nof1 menganjurkan pertandingan perniagaan agen antara model-model, di mana beberapa model (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) bersaing antara satu sama lain untuk menguji konfigurasi risiko yang berbeza, dari perlindungan modal hingga leverage maksimum. Keputusan itu mengungkap beberapa faktor yang boleh membantu menjelaskan perbezaan prestasi:

Masa pegangan: Terdapat korelasi kuat; model yang memegang setiap posisi purata 2-3 jam jauh lebih unggul berbanding model yang sering berbalik.

Nilai jangkaan: Ini mengukur sama ada model mendapat keuntungan secara purata setiap transaksi. Menariknya, hanya tiga model teratas yang mempunyai nilai jangkaan positif, bermakna kebanyakan model mengalami lebih banyak transaksi rugi daripada untung.

Leverage: Tahap leverage yang lebih rendah, purata 6-8 kali, terbukti lebih berkesan berbanding model yang menjalankan leverage melebihi 10 kali; tahap tinggi akan mempercepat kerugian.

Petua strategi: Monk Mode adalah model yang berprestasi terbaik sejauh ini, manakala Situational Awareness berprestasi paling lemah. Berdasarkan ciri-ciri model, ia menunjukkan bahawa fokus pada pengurusan risiko dan sumber luaran yang kurang akan menghasilkan prestasi yang lebih baik.

Model asas: Grok 4.20 menunjukkan prestasi yang secara signifikan lebih baik daripada model lain sebanyak lebih daripada 22% di pelbagai strategi prompt, dan merupakan satu-satunya model yang mendapat keuntungan purata.

Faktor-faktor lain seperti preferensi long/short, saiz perdagangan, dan skor keyakinan tidak mempunyai data yang mencukupi atau tidak menunjukkan korelasi positif dengan prestasi model. Secara keseluruhan, hasil menunjukkan bahawa agen cenderung berprestasi lebih baik dalam batasan yang jelas, yang bermakna manusia masih sangat diperlukan dalam konfigurasi tujuan.

Mengingat agent masih berada dalam peringkat awal, tiada kerangka penilaian menyeluruh tersedia pada masa ini. Prestasi sejarah biasanya digunakan sebagai tolok ukur untuk menilai agent, tetapi ia dipengaruhi oleh faktor asas yang memberikan petunjuk yang lebih kuat mengenai prestasi agent yang cemerlang.

Prestasi di bawah kevolatilan yang berbeza: termasuk pengawalan kerugian yang disiplin apabila keadaan memburuk, yang menunjukkan bahawa agen mampu mengenal pasti faktor luar rantai yang mempengaruhi keuntungan perdagangan.

Keterbukaan dan privasi: Kedua belah pihak memiliki kompromi masing-masing. Agen yang terbuka, jika dapat disalin transaksinya secara aktif, pada dasarnya tidak akan memiliki keunggulan strategis. Agen yang bersifat rahasia akan menghadapi risiko ekstraksi internal oleh penciptanya, yang dapat dengan mudah mendahului penggunanya.

Sumber maklumat: Sumber data yang diakses oleh agen sangat penting untuk menentukan bagaimana agen membuat keputusan. Pastikan sumber tersebut boleh dipercayai dan tidak bergantung kepada satu sumber sahaja.

Keselamatan: Penting untuk memiliki audit kontrak pintar dan struktur pengekangan dana yang sesuai untuk memastikan ada langkah cadangan dalam kejadian black swan.

Untuk mengadopsi agen secara besar-besaran, masih terdapat banyak kerja yang perlu dilakukan dalam infrastruktur. Ini boleh diringkaskan sebagai isu kunci sekitar kepercayaan dan pelaksanaan agen. Tindakan agen autonom tidak mempunyai pengawal selia, dan telah berlaku kes-kes pengurusan dana yang tidak cekap.

ERC-8004 dilancarkan pada Januari 2026 sebagai registri atas rantai pertama yang membolehkan agent autonomi untuk saling mengenal pasti, membina reputasi yang boleh disahkan, dan bekerjasama dengan selamat. Ini merupakan kunci utama untuk komposabiliti DeFi, kerana skor kepercayaan tertanam dalam kon pintar itu sendiri, membenarkan aktiviti tanpa kebenaran antara agent dan protokol. Namun, ini tidak menjamin agent sentiasa beroperasi secara tidak jahat, kerana kelemahan keselamatan seperti reputasi kolusi dan serangan Sybil masih boleh berlaku. Oleh itu, masih terdapat ruang yang besar untuk diisi dalam hal insurans, keselamatan, dan penjaminan ekonomi agent.

Seiring dengan meluasnya aktiviti agen dalam DeFi, kepadatan strategi menjadi risiko struktural. Pertanian keuntungan adalah contoh paling jelas, di mana pulangan menciut seiring populariti strategi. Dinamik yang sama mungkin berlaku pada perdagangan agen. Jika sejumlah besar agen dilatih pada data serupa dan dioptimasi untuk tujuan serupa, mereka akan bercenderung kepada posisi dan sinyal keluar yang serupa.

Kertas kerja CoinAlg yang diterbitkan pada Januari 2026 oleh Universiti Cornell memformalkan satu versi masalah ini. Agen yang telus boleh dimanfaatkan kerana transaksi mereka boleh diramalkan dan boleh dirampas. Agen sulit mengelakkan risiko ini, tetapi memperkenalkan risiko berbeza, iaitu pencipta mengekalkan kelebihan maklumat terhadap pengguna mereka sendiri dan boleh mengekstrak nilai daripada pengetahuan dalaman yang sepatutnya dilindungi oleh ketidakterbukaan.

Aktiviti agen hanya akan terus mempercepat, infrastruktur yang ditubuhkan hari ini akan menentukan bagaimana peringkat seterusnya keuangan atas rantai berfungsi. Seiring dengan peningkatan penggunaan agen, mereka akan beriterasi sendiri dan menjadi lebih peka terhadap preferensi pengguna. Oleh itu, faktor pembeda utama akan bergantung kepada infrastruktur yang boleh dipercayai, dan infrastruktur ini akan memperoleh pangsa pasaran terbesar.