Обзор инструментов DeFAI: как AI-агенты управляют активами в цепочке

Автор: GO2MARS

Прежде чем приступить к анализу, важно четко определить ключевое понятие: DeFAI.

DeFAI — это сокращение от DeFi (децентрализованные финансы) и AI (искусственный интеллект), обозначающее интеграцию AI-агентов в блокчейн-финансовые сценарии, позволяющую им воспринимать состояние рынка, самостоятельно разрабатывать стратегии и непосредственно выполнять операции в блокчейне — таким образом, выполнять такие финансовые действия, как распределение активов, управление рисками и взаимодействие с протоколами, которые ранее требовали ручного вмешательства специалистов, без необходимости в реальном времени.

Проще говоря, DeFAI — это не просто упрощённая AI-версия DeFi-инструментов, а попытка построить на блокчейне автономную финансовую исполнительную систему.

Этот сегмент начал стремительно набирать обороты с четвертого квартала 2024 года, и за этим стоят три ключевых события, соответствующих трем уровням входа AI Agent в Web3: выход за пределы нARRативов, создание инфраструктуры для активизации и реальное внедрение исполнительных возможностей.

Первое событие произошло в июле 2024 года. Twitter-бот Truth Terminal, созданный разработчиком Энди Айри, быстро стал вирусным после получения пожертвования в 50 000 долларов США в BTC от сооснователя a16z Марка Андрессена, что спровоцировало вирусное распространение монеты GOAT. Это было первое настоящее появление AI-агентов как участников цепочки экономики в общественном сознании.

Второе событие произошло в октябре того же года. Virtuals Protocol взорвалась на сети Base, токенизировав самих AI-агентов, и её экосистемная капитализация достигла максимума в 3,5 миллиарда долларов США, став типичным представителем этапа построения инфраструктуры для активизации в сегменте DeFAI.

Третьим событием стало внедрение проектов, таких как Giza, HeyAnon и Almanak, на уровне исполнения в цепочке, что способствует переходу от нарративно-ориентированной фазы к фазе продуктизации — AI-агенты начинают реально «выполнять» операции в цепочке, а не ограничиваться информационным взаимодействием.

С точки зрения глобального рыночного объема, множество исследовательских организаций единообразно прогнозируют рост сегмента AI Agent:

График 1: Прогнозируемый объем мирового рынка AI Agent, источники данных: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

Однако между интересом со стороны капитала и практическим внедрением в отрасли сохраняется значительный разрыв. Согласно отчету McKinsey «The State of AI in 2025», опубликованному в ноябре 2025 года (на основе опроса 1993 респондентов из 105 стран), хотя 88% организаций уже используют ИИ по крайней мере в одной бизнес-функции, почти две трети остаются на этапе экспериментов или пилотных проектов. В частности, в области AI Agent: 62% организаций начали эксперименты, 23% продвигают масштабирование по крайней мере в одной функции, но доля организаций, достигших масштабного внедрения в любой отдельной функции, не превышает 10%.

Эти данные указывают на то, что интерес к сегменту DeFAI пока остается выше, чем реальный прогресс в его реализации. Понимание этого разрыва — необходимое условие для объективной оценки ценности этого сегмента.

Чтобы понять, как работает DeFAI, сначала необходимо ответить на ключевой вопрос: каким механизмом AI вмешивается в блокчейн-финансовые операции?

Ядром системы DeFAI является AI-агент, построенный на основе крупной языковой модели. Согласно академическому обзору Wang et al. (2023), его основные возможности можно описать как трехуровневую архитектуру, где каждый уровень имеет конкретные функции в сценариях на цепочке:

• Планировочный уровень, отвечающий за декомпозицию целей и оптимизацию путей, соответствует генерации стратегий и оценке рисков в сценариях на цепочке;
• Слой памяти обеспечивает накопление информации между временными рамками с помощью внешних хранилищ, таких как векторные базы данных, и хранит исторические рыночные данные и состояние протоколов;
• Инструментальный уровень расширяет возможности модели, позволяя ей взаимодействовать с внешними системами, такими как DeFi-протоколы, оракулы цен и мосты между блокчейнами.

Однако здесь важно уточнить: сама модель ИИ не может напрямую взаимодействовать с блокчейном. Почти все современные системы DeFAI используют архитектуру с разделением оф-чейн вывода и он-чейн выполнения — AI Agent выполняет расчет стратегии оф-чейн, а затем преобразует результаты в сигналы для он-чейн транзакций, которые отправляются исполнительным модулем. Такая архитектура является практическим выбором в текущих технологических условиях и порождает ряд вопросов безопасности, включая авторизацию приватных ключей и управление правами доступа.

AI-агент по сути представляет собой автономную систему принятия решений на основе крупной языковой модели, обеспечивающую замкнутый цикл выполнения за счет разбиения задач, управления памятью и вызова инструментов, а взаимодействие AI-агентов с активами в цепочке уже начало принимать осязаемые формы.

График 2: Трехуровневая архитектура AI Agent

После того как техническая основа DeFAI была прояснена, возникает естественный вопрос: как эта система пришла к сегодняшнему дню?

Согласно исследованию The Block, эволюция DeFAI не произошла мгновенно, а прошла через два различных этапа — от ранних интерактивных агентов, ориентированных на обработку информации, до современных исполнительных систем, способных реально вмешиваться в операции в цепочке.

Они существенно различаются по целевой аудитории, техническим методам и уровню риска.

График 3: Сравнение двух этапов эволюции DeFAI

Эволюционную траекторию в две стадии можно понять так:

Первая волна — это интерактивные агенты, основное внимание уделяется созданию интеллектуальной архитектуры, способной к диалогу и анализу. Представительные проекты включают фреймворк Eliza от ElizaOS (ранее ai16z), G.A.M.E. от Virtuals и др. Суть этого этапа остается информационным инструментом — агенты могут читать, говорить и анализировать, но их функциональные возможности ограничиваются информационным уровнем и не затрагивают никаких операций с активами.

Второй волной являются исполнительные DeFAI-агенты, которые действительно замыкают цикл принятия решений и исполнения. К представителям относятся HeyAnon, Wayfinder, Giza (ARMA Agent) и Almanak. Общей чертой таких систем является то, что ИИ работает оффчейн, генерирует структурированные сигналы стратегии и выполняет сделки через модуль исполнения на цепочке — он не заменяет существующие DeFi-протоколы, а добавляет к ним уровень ИИ-принятия решений, превращая всю цепочку операций из «человек дает команду» в «агент выполняет самостоятельно».

Существенное различие между двумя волнами развития заключается не в сложности технологии, а в том, затрагивают ли они реальные активы. Это определяет, что вызовы, с которыми сталкивается вторая волна систем, в области механизмов доверия, проектирования прав доступа и архитектуры безопасности, намного сложнее, чем у первой — именно этому будет посвящена следующая глава.

От архитектуры до пути эволюции, «возможности» DeFAI постепенно становятся ясными. Но на уровне реальных продуктов, какие конкретные проблемы он решает?

В целом, текущие прикладные исследования DeFAI сформировали относительно зрелую структуру реализации вокруг четырех ключевых направлений, соответствующих четырем основным болевым точкам в цепочечных операциях: «доходная эффективность, выполнение стратегий, порог взаимодействия и управление рисками».

Оптимизация доходности: автоматическая перестройка портфеля между протоколами

Оптимизация доходности — это наиболее зрелая на сегодняшний день область применения DeFAI. Ее основная логика заключается в постоянном сканировании годовой доходности по депозитам на основных DeFi-протоколах, таких как Aave, Compound и Fluid, с учетом заданных параметров риска для определения необходимости перераспределения активов. Перед каждой операцией выполняется анализ стоимости транзакций — средства перемещаются только в том случае, если рост доходности покрывает все расходы на газ и комиссии, обеспечивая автоматизированную оптимальную настройку между протоколами.

На примере Giza: агент ARMA запустил стратегию доходности от стейблкоинов на сети Base в феврале 2025 года, постоянно отслеживая изменения процентных ставок в протоколах Aave, Morpho, Compound, Moonwell и других, а также учитывая APY протоколов, стоимость комиссий и ликвидность, чтобы интеллектуально распределять средства пользователей для максимизации дохода. Согласно открытым данным, на данный момент ARMA насчитывает около 60 000 уникальных держателей, более 36 000 развернутых агентов и управляет активами на сумму более 20 миллионов долларов США.

В условиях рыночной среды с постоянной волатильностью доходности DeFi-протоколов, эффективность и своевременность ручного мониторинга и ручной перестройки портфеля значительно уступают автоматизированным системам — именно в этом заключается их ключевая ценность.

Рисунок 4: Пример агента ARMA на платформе Giza

Автоматизация количественных стратегий: демократизация возможностей институционального уровня

В сценариях автоматизации количественных стратегий платформа DeFAI стремится модулизировать и автоматизировать полный цикл операций традиционных количественных команд, позволяя индивидуальным пользователям получить доступ к стратегическим возможностям уровня институциональных участников.

На примере Almanak, поддерживаемого Delphi Digital, их система AI Swarm разделяет количественный процесс на четыре этапа:

• Модуль стратегий поддерживает написание инвестиционной логики и проведение бэктестов с помощью Python SDK;
• Исполнительный движок автоматически запускает проверенный код стратегии и инициирует вызовы DeFi после получения авторизации пользователя;
• Безопасный кошелек построен на основе Safe + Zodiac и использует систему мультиподписи, передавая право на выполнение стратегий AI-агенту через управление ролями и правами, обеспечивая, что средства всегда остаются под контролем пользователя;
• Strategy Vault упаковывает стратегии в торговые вaults по стандарту ERC-7540, позволяя инвесторам участвовать в распределении доходов от стратегий аналогично покупке долей в фонде.

Значение этой архитектуры заключается в том, что AI-агенты берут на себя функции анализа данных, итерации стратегий и управления рисками, а пользователю необходимо только окончательно проверить результаты системы, не создавая профессиональную количественную команду — обеспечивая так называемую «демократизацию стратегий институционального уровня» (утверждается проектом).

Рисунок 5: Главная страница платформы Almanak

Выполнение команд на естественном языке: сделайте операции DeFi такими же простыми, как отправка сообщения

Суть этого сценария — операции DeFi на основе намерений пользователя (Intent-based DeFi): с помощью технологий обработки естественного языка пользователи могут давать торговые команды на повседневном языке, а ИИ анализирует их и преобразует в многоэтапные операции в блокчейне, значительно снижая барьеры для обычных пользователей.

HeyAnon создал DeFAI-чат-платформу, где пользователи вводят команды в чат-окно, а ИИ выполняет такие операции в цепочке, как обмен токенов, мосты между блокчейнами, кредитование и стейкинг. Платформа интегрирована с мостом LayerZero и протоколами, такими как Aave v3, и поддерживает развертывание на нескольких блокчейнах, включая Ethereum, Base и Solana.

Рисунок 6: Экранная заставка главной страницы платформы HeyAnon

Wayfinder профинансирована Paradigm и предлагает расширенные мультицепные торговые услуги. Её AI-агенты (называемые Shells) автоматически находят оптимальные торговые пути между различными цепочками, выполняя операции по межцепочечным переводам, обмену токенов или взаимодействию с NFT, не требуя от пользователей внимания к техническим деталям, таким как газовые сборы или межцепочечная совместимость.

График 7: Изображение главной страницы платформы Wayfinder

В целом, интерфейс на естественном языке значительно снижает порог входа для DeFi, но также предъявляет более высокие требования к точности интерпретации намерений — если ИИ неверно понимает команду, результат может значительно отличаться от ожидаемого пользователем.

Risk Management and Liquidation Monitoring: Mechanisms Embedded in On-Chain Protocols

В сценариях DeFi-займов и рычага наиболее распространённым применением AI-агентов является мониторинг в реальном времени состояния позиций в цепочке и автоматическое выполнение защитных действий до достижения порога ликвидации. Эта ключевая функция постепенно интегрируется в крупнейшие DeFi-протоколы и становится нативной функцией платформ DeFi.

• Aave использует «коэффициент здоровья» для оценки безопасности позиции; когда коэффициент здоровья опускается ниже 1,0, позиция заемщика становится подлежащей ликвидации;
• Compound использует механизм «коэффициента ликвидации залога (Liquidation Collateral Factor)»: ликвидация запускается, когда остаток займа превышает установленный этим коэффициентом порог; конкретные параметры для каждого залогового актива задаются отдельно через управление в цепочке.

В условиях 24/7 высоковолатильных блокчейн-рынков трудно поддерживать последовательную эффективность реакции при ручном контроле; AI-агенты обеспечивают непрерывное отслеживание, интеллектуальную оценку и автоматическое вмешательство, повышая эффективность управления рисками до уровня, недоступного для человеческого контроля или правил-based автоматизированных систем.

График 8: Четыре основных сценария применения Agent×DeFi

В целом, четыре описанных сценария не являются изолированными, а дополняют друг друга в рамках единой основной идеи: оптимизация доходности и автоматизация количественных стратегий ориентированы на продвинутых пользователей с определенным объемом активов, их ключевое преимущество — эффективность исполнения и точность стратегий; взаимодействие на естественном языке направлено на снижение барьера входа для обычных пользователей; управление рисками служит фундаментальной системой безопасности, пронизывающей все сценарии. В совокупности они формируют текущую практическую основу экосистемы DeFAI и закладывают основу для будущих более сложных приложений цепочки блоков.

Как упоминалось ранее, четыре основных сценария применения — будь то оптимизация доходности или автоматизация количественных стратегий — могут быть реализованы только при одном условии: AI-агент должен обладать определёнными правами подписи, то есть доступом к приватному ключу. Это наиболее важная, но также наиболее легко скрываемая под шумом нарративов техническая проблема в сегменте DeFAI — любая уязвимость в механизме подписи лишает смысл всех верхнеуровневых стратегических возможностей.

В настоящее время основные решения для безопасного управления приватными ключами в отрасли делятся на два типа: MPC (многопартийные вычисления) и TEE (надежная среда выполнения). Оба подхода имеют свои особенности в плане модели безопасности, уровня автоматизации и инженерной сложности.

График 9: Сравнительная таблица двух основных подходов к безопасному управлению приватными ключами

• Основная идея MPC (Multi-Party Computation, многопартийных вычислений) заключается в устранении единой точки отказа за счет разделения ключей. Например, при пороговой подписи 2 из 3 даже при утечке одного ключа злоумышленник не сможет самостоятельно выполнить подпись, и средства остаются безопасными. Vultisig — это типичный продукт в этом направлении: это открытый мультицепочный самодеятельный кошелек, построенный на основе технологий MPC/TSS, который использует архитектуру без единого мнемонического фразы, сочетая безопасность ключей с самодеятельностью пользователя.
• TEE (Trusted Execution Environment, надежная среда выполнения) идет по другому пути: приватный ключ и прокси-код хранятся вместе в изолированной области, защищенной аппаратно (enclave). AI-агент выполняет вычисления стратегии и подписывает внутри enclave, выводя только результат подписи в блокчейн, при этом приватный ключ полностью недоступен из внешней среды. Основные чипы, такие как Intel SGX, AMD SEV и ARM CCA, предоставляют поддержку аппаратной изоляции и шифрования. Chainlink уже внедрил TEE в сеть оракулов для обработки конфиденциальных данных и использует механизм удаленной аутентификации для доказательства целостности среды выполнения внешним участникам.

Однако безопасность ключей — это лишь первый уровень защиты. При практической реализации, независимо от выбранной схемы управления ключами, необходимо добавить механизм контроля доступа, чтобы предотвратить несанкционированные действия агента. Практика Almanak предоставляет достаточно полную рамочную модель: платформа одновременно использует TEE для защиты логики стратегии и конфиденциальных параметров, а также внедряет уровень прав доступа Zodiac Roles Modifier между движком развертывания и безопасным смарт-аккаунтом пользователя — каждая транзакция, инициированная ИИ, должна逐一 сравниваться с предварительно заданным белым списком адресов контрактов, функций и параметров; транзакции, выходящие за пределы авторизованного диапазона, автоматически отклоняются.

Способ реализации этого принципа минимальных привилегий сегодня стал важной отправной точкой для проектирования безопасности систем DeFAI. Он раскрывает более глубокую логику: проблемы безопасности DeFAI по сути не являются вопросом выбора отдельных технологий, а представляют собой системную инженерную задачу, основанную на синергии управления ключами, границ полномочий и аудита выполнения — любое отсутствие одного из этих элементов может стать самым слабым звеном во всей цепочке. Именно это и служит отправной точкой для анализа рисков в следующей главе.

Приведенный выше анализ демонстрирует ключевой вывод:

VCX не получает премию из-за выдающегося выбора активов или более высоких ожидаемых доходов, а потому что продает сам канал. На это нужно ответить одним вопросом: что собой представляет продукт VCX?

С юридической точки зрения, это закрытый фонд, зарегистрированный в SEC, с прозрачной структурой активов и соответствующий всем нормам — он не отличается по сути от любого обычного акционерного ETF на рынке. Однако по функциональным характеристикам он продает не традиционное «ожидание инвестиционной доходности», а доступ к активам — ранее доступный только ведущим венчурным фондам и квалифицированным инвесторам — и этот доступ представлен в виде единиц, торгуемых на NYSE.

Таким образом, рынок готов заплатить премию в 16–30 раз к NAV, что по сути является оценкой права на доступ, а не оценкой будущей доходности базовых активов.

С этой точки зрения сравнение VCX и MicroStrategy (MSTR) весьма показательно. На первый взгляд, обе компании занимаются похожими вещами: они упаковывают труднодоступные дефицитные активы (биткоин / топовые приватные акции до выхода на биржу) в виде ценных бумаг, торгуемых на вторичном рынке, и демонстрируют на рынке премию, значительно превышающую стоимость базовых активов. Однако логика капитальных операций у них фундаментально различна:

• MSTR за счет постоянной эмиссии конвертируемых облигаций и привилегированных акций привлекает средства, которые затем снова инвестируются в биткоин. Эта механика предоставляет ему способность динамически расширять баланс и постоянно увеличивать свои позиции, что создает внутреннюю основу для поддержки премии к цене акций.
• VCX ограничена структурой закрытого фонда: объем активов после выпуска в основном фиксирован и не может быть увеличен за счет дополнительного финансирования для покупки новых активов; ликвидность портфеля сильно зависит от IPO или выхода через слияния и поглощения базовых компаний. Как только энтузиазм розничных инвесторов ослабнет или истечет шестимесячный период блокировки, увеличение предложения на рынке создаст гораздо большее давление на сжатие премии, чем в случае с MSTR.

Сравнение VCX и MSTR (Стратегия)

Другими словами, премия MSTR поддерживается устойчивым капиталом, тогда как премия VCX обусловлена в основном дефицитом предложения и эмоциональными факторами. Сама по себе эта продуктовая логика не является ни правильной, ни неправильной, но связанные с ней риски труднее правильно оценить рынку по сравнению с обычными закрытыми фондами:

Когда розничные инвесторы покупают по цене, значительно превышающей NAV, они фактически платят не за саму стоимость актива, а за премию за доступ — и эта премия столкнется с быстрым обнулением после того, как базовая компания проведет IPO и на открытом рынке появится прямой канал для торговли.

На основе вышеизложенного анализа можно сделать поэтапные выводы о пути развития DeFAI. В целом, этот сегмент находится на ключевом этапе перехода от подтверждения концепции к продуктизации, и его развитие, как ожидается, пройдет три последовательных этапа:

График 11: Прогноз этапов развития DeFAI

Примечание: Приведенная выше таблица основана на комплексной оценке отраслевых публичных отчетов, прогресса проектов и уровня технологической зрелости и не является жестким графиком.

На текущем этапе DeFAI в целом находится на переходном этапе от фазы вспомогательного принятия решений к фазе частичной автономии — некоторые проекты уже начали выполнять автономные действия в ограниченном диапазоне, однако механизмы человеческого контроля и резервного обеспечения остаются преобладающей формой внедрения. На этом фоне, с учетом текущего уровня технологической зрелости и рыночной ситуации, стоит обратить особое внимание на три ключевых вывода.

Во-первых, сущность большинства текущих проектов DeFAI остается автоматизированными инструментами, а не настоящими автономными агентами. Продукты, сегодня маркируемые как «DeFAI», в основном обладают способностью переводить человеческие команды в предопределенные последовательности DeFi-операций, что по сути делает их более похожими на эффективные интерфейсы исполнения, а не на автономные системы, обладающие независимой логикой и способностью принимать решения. Согласно отчету McKinsey за 2025 год, даже в общих корпоративных сценариях менее 10% организаций достигли масштабируемого развертывания AI-агентов в какой-либо одной функции. Барьеры доверия и сложность операций в блокчейн-среде еще выше, и путь от технических демонстраций к настоящим коммерческим замкнутым циклам остается весьма долгим.

Во-вторых, наиболее зрелым и легко вызывающим доверие институциональных клиентов направлением применения AI-агентов сегодня является не высокорискованная автономная торговля, а мониторинг, предупреждение и поддержка управления в блокчейне. Сценарии, такие как круглосуточный мониторинг позиций, предупреждения о ликвидации и анализ предложений по управлению, с одной стороны, относительно терпимы к иллюзиям LLM — ошибки в выводах не приводят к прямым потерям средств; с другой стороны, они эффективно компенсируют естественное ограничение человеческого внимания по длительности. Такие сценарии представляют собой более реалистичный путь перехода DeFAI от «технологического демонстрационного проекта» к «принятию институциональными клиентами».

В-третьих, интеграция AI Agent и RWA — это следующее пересекающееся направление, заслуживающее особого внимания в этой сфере. Согласно данным RWA.xyz, на начало апреля 2026 года общая стоимость токенизированных RWA-активов в цепочке превысила 27 миллиардов долларов США (без учета стейблкоинов), охватывая такие категории, как казначейские облигации США, частный кредит, сырьевые товары и корпоративные облигации. Если AI Agent сможет участвовать в управлении портфелем активов, включающим RWA-облигации и стейблкоины — например, автоматически корректируя соотношение между ними в зависимости от рыночных условий — масштаб доступных активов значительно превысит текущий уровень, основанный исключительно на DeFi-активах, и потенциально обеспечит настоящую интеграцию он-чейн и оф-чейн активов, реализуя взаимодействие Web3+AI+TraFi и существенно расширив рыночные перспективы.

AI-агенты и управление активами в цепочке находятся в ключевой фазе перехода от проверки концепции к коммерциализации. Техническая осуществимость уже частично подтверждена, однако отрасль сталкивается с вызовами, такими как риски иллюзий LLM, гетерогенность данных в цепочке и отсутствие инфраструктуры доверия, которые нельзя преодолеть только за счет технологических улучшений — требуется системный подход, включающий проектирование архитектуры проектов, планирование путей соблюдения нормативных требований, создание системы безопасности и проверку бизнес-моделей.

Это также означает, что этот сектор все еще находится на ранней стадии развития, и настоящая конкурентная среда еще не сформировалась. Для команд, способных одновременно работать в двух измерениях — Web3 и ИИ, — сейчас наступило окно возможностей для входа — будь то создание более надежных ончейн-агентов на исполнительном уровне или устранение ключевых пробелов на уровне инфраструктуры в области данных, прав доступа и доверия.

Барьеры для входа в DeFAI в конечном итоге не будут зависеть от способностей отдельной модели или глубины интеграции протоколов, а определятся способностью создать действительно согласованный замкнутый цикл между технологиями, соблюдением нормативных требований и безопасностью.