저자│헨리 @IOSG
머리말
단 3개월 만에 AI x memecoin의 시장 가치는 134억 달러에 이르렀으며 이는 일부 성숙한 L1(예: AVAX 또는 SUI)과 비슷한 규모입니다.
실제로 인공지능과 블록체인의 관계는 Bittensor 서브넷의 초기 분산형 모델 훈련부터 Akash 및 io.net과 같은 분산형 GPU/컴퓨팅 리소스 시장, 현재의 Solana AI x memecoin 및 프레임워크에 이르기까지 오랜 역사를 가지고 있습니다. 파도. 각 단계는 암호화폐가 리소스 집계를 통해 AI를 보완하여 주권 AI 및 소비자 사용 사례를 활성화할 수 있는 정도를 보여줍니다.
솔라나 AI 코인의 첫 번째 물결 중 일부는 단순한 투기보다는 의미 있는 유용성을 가져왔습니다. 우리는 ai16z의 ELIZA와 같은 프레임워크, 시장 분석 및 콘텐츠 생성을 제공하는 aixbt와 같은 AI 에이전트 또는 AI와 블록체인 기능을 통합하는 툴킷의 출현을 보았습니다.
AI의 두 번째 물결에서는 더 많은 도구가 성숙해지면서 애플리케이션이 핵심 가치 동인이 되었으며 DeFi는 이러한 혁신을 위한 완벽한 입증 기반이 되었습니다. 표현을 단순화하기 위해 본 연구에서는 AI와 DeFi의 결합을 "DeFai"라고 부른다.
CoinGecko의 데이터에 따르면 DeFai의 시가총액은 약 10억 달러입니다. Griffian은 45%의 점유율로 시장을 장악하고 있으며 $ANON은 22%를 차지하고 있습니다. 이 트랙은 12월 25일 이후 급격한 성장을 보이기 시작했으며, 같은 기간 Virtual, ai16z 등의 프레임워크와 플랫폼은 크리스마스 연휴 이후 강한 성장을 보였습니다.
▲ 출처 : 코인게코닷컴
이는 단지 첫 번째 단계일 뿐이며, DeFai의 잠재력은 그 이상입니다. DeFai는 아직 개념 증명 단계에 있지만 AI가 제공할 수 있는 지능과 효율성을 활용하여 DeFi 산업을 보다 사용자 친화적이고 지능적이며 효율적인 금융 생태계로 변화시킬 잠재력을 과소평가할 수 없습니다.
DeFai의 세계에 뛰어들기 전에 에이전트가 DeFi/블록체인에서 실제로 어떻게 작동하는지 이해해야 합니다.
DeFi 시스템에서 에이전트가 작동하는 방식
인공지능 에이전트(AI Agent)는 워크플로에 따라 사용자를 대신해 작업을 수행할 수 있는 프로그램을 말합니다. AI Agent의 핵심은 LLM(Large Language Model)으로, 훈련이나 학습된 지식을 바탕으로 응답할 수 있지만 이 응답은 제한적인 경우가 많습니다.
에이전트는 로봇과 근본적으로 다릅니다. 봇은 일반적으로 작업별로 다르며 사람의 감독이 필요하며 사전 정의된 규칙 및 조건 내에서 작동해야 합니다. 이와 대조적으로 에이전트는 보다 역동적이고 적응력이 뛰어나 특정 목표를 달성하기 위해 자율적으로 학습할 수 있습니다.
보다 개인화된 경험과 보다 포괄적인 응답을 생성하기 위해 에이전트는 과거 상호 작용을 메모리에 저장할 수 있으므로 에이전트는 사용자의 행동 패턴을 학습하고 응답을 조정하여 과거 컨텍스트를 기반으로 맞춤형 권장 사항과 응답을 생성할 수 있습니다.
블록체인에서 에이전트는 스마트 계약 및 계정과 상호 작용하여 지속적인 사람의 개입 없이 복잡한 작업을 처리할 수 있습니다. 예를 들어, 한 번의 클릭으로 다단계 브리징 및 파밍을 수행하고, 더 높은 수익을 위한 파밍 전략을 최적화하고, 거래(매수/판매)를 실행하고, 시장 분석을 수행하는 등 defi 사용자 경험을 단순화한다는 측면에서 이러한 모든 단계가 자율적으로 완료됩니다. 의.
@3sigma의 연구에 따르면 대부분의 모델은 6가지 특정 워크플로우를 따릅니다.
- 데이터 수집
- 모델 추론
- 의사결정
- 호스팅 및 실행
- 상호 운용성
- 지갑
1. 데이터 수집
첫째, 모델은 작동하는 환경을 이해해야 합니다. 따라서 모델을 시장 상황과 동기화하려면 여러 데이터 스트림이 필요합니다. 여기에는 다음이 포함됩니다: 1) 인덱서 및 오라클의 온체인 데이터 2) CMC/Coingecko/기타 데이터 제공업체의 데이터 API와 같은 가격 플랫폼의 오프체인 데이터.
2. 모델 추론
모델이 환경을 학습한 후에는 이 지식을 적용하여 사용자의 식별되지 않은 새로운 입력 데이터를 기반으로 예측하거나 수행해야 합니다. 에이전트가 사용하는 모델은 다음과 같습니다.
- 감독 및 비지도 학습: 결과를 예측하기 위해 레이블이 지정되거나 레이블이 지정되지 않은 데이터에 대해 훈련된 모델입니다. 블록체인 맥락에서 이러한 모델은 거버넌스 포럼 데이터를 분석하여 투표 결과를 예측하거나 거래 패턴을 식별할 수 있습니다.
- 강화 학습: 행동에 대한 보상과 처벌을 평가하여 시행착오를 통해 학습하는 모델입니다. 해당 애플리케이션에는 토큰 구매를 위한 최적의 구매 지점 결정 또는 농업 매개변수 조정과 같은 토큰 거래 전략 최적화가 포함됩니다.
- 자연어 처리(NLP): 인간의 언어 입력을 이해하고 처리하는 기술로, 거버넌스 포럼 및 의견 제안을 검색하는 데 유용합니다.
▲ 출처 : https://www.researchgate.net/Figure/The-main-types-of-machine-learning-Main-approaches-include-classification-and-regression_fig1_354960266
3. 의사결정
학습된 모델과 데이터를 통해 에이전트는 의사 결정 기능을 사용하여 조치를 취할 수 있습니다. 여기에는 상황을 해석하고 적절하게 대응하는 것이 포함됩니다.
이 단계에서 최적화 엔진은 최상의 결과를 찾는 데 중요한 역할을 합니다. 예를 들어, 에이전트는 수익률 전략을 실행하기 전에 슬리피지, 스프레드, 거래 비용, 잠재적 이익 등 여러 요소의 균형을 맞춰야 합니다.
단일 에이전트는 다양한 영역에서 의사결정을 최적화할 수 없으므로 조정을 위해 다중 에이전트 시스템을 배포할 수 있습니다.
4. 호스팅 및 운영
작업의 계산 집약적 특성으로 인해 AI 에이전트는 모델을 오프체인으로 호스팅하는 경우가 많습니다. 일부 에이전트는 AWS와 같은 중앙 집중식 클라우드 서비스에 의존하는 반면, 분산화를 선호하는 에이전트는 데이터 저장을 위해 Akash나 ionet 및 Arweave와 같은 분산 컴퓨팅 네트워크를 사용합니다.
AI 에이전트 모델은 오프체인에서 실행되지만 에이전트는 스마트 계약 기능을 실행하고 자산을 관리하기 위해 온체인 프로토콜과 상호 작용해야 합니다. 이러한 상호 작용에는 거래를 안전하게 처리하기 위해 MPC 지갑 또는 스마트 계약 지갑과 같은 보안 키 관리 솔루션이 필요합니다. 에이전트는 API를 통해 운영하여 Twitter 및 Telegram과 같은 소셜 플랫폼에서 커뮤니티와 소통하고 상호 작용할 수 있습니다.
5. 상호 운용성
에이전트는 다양한 시스템에서 업데이트를 유지하면서 다양한 프로토콜과 상호 작용해야 합니다. 가격 피드와 같은 외부 데이터를 얻기 위해 API 브리지를 사용하는 경우가 많습니다.
현재 프로토콜 상태를 파악하고 적절하게 대응하기 위해서는 에이전트가 웹훅이나 IPFS와 같은 분산 메시징 프로토콜을 통한 실시간 동기화가 필요합니다.
6. 지갑
에이전트는 블록체인 거래를 시작하기 위해 지갑이나 개인 키에 대한 액세스가 필요하며 시장에는 MPC 기반 솔루션과 TEE 기반 솔루션이라는 두 가지 일반적인 지갑/키 관리 방법이 있습니다.
포트폴리오 관리 애플리케이션의 경우 MPC 또는 TSS는 에이전트, 사용자 및 신뢰할 수 있는 당사자 간에 키를 분할할 수 있으며, 동시에 사용자는 AI에 대해 어느 정도 제어를 유지할 수 있습니다. Coinbase AI Replit 지갑은 이 접근 방식을 효과적으로 구현하여 AI 에이전트를 활용하여 MPC 지갑을 구현하는 방법을 보여줍니다.
완전 자율 AI 시스템의 경우 TEE는 개인 키를 안전한 구역에 저장하여 전체 AI 에이전트가 제3자의 간섭 없이 숨겨진 보호된 환경에서 작동할 수 있도록 하는 대안을 제공합니다. 그러나 TEE 솔루션은 현재 하드웨어 중앙화와 성능 오버헤드라는 두 가지 주요 과제에 직면해 있습니다.
이러한 어려움을 극복한 후, 우리는 블록체인에 자율 에이전트를 만들 수 있을 것이며, 다양한 에이전트가 DeFi 생태계에서 각자의 임무를 수행하여 효율성을 높이고 온체인 거래 경험을 향상시킬 수 있습니다.
일반적으로 DeFi x Ai를 일시적으로 4가지 주요 범주로 나누겠습니다.
- 추상/UX 친화적 AI
- 수익률 최적화 또는 포트폴리오 관리
- 시장 분석 또는 예측 로봇
- DeFai 인프라/플랫폼
DeFi x AI의 세계로 향하는 문을 열어보세요 —DeFai
▲ 출처 : IOSG 벤처
#1. 추상적이고 사용자 친화적인 AI
인공 지능의 목적은 효율성을 높이고 복잡한 문제를 해결하며 사용자를 위해 복잡한 작업을 단순화하는 것입니다. 추상화 기반 인공 지능은 신규 거래자와 기존 거래자 모두가 DeFi의 복잡성에 대한 액세스를 단순화할 수 있습니다.
블록체인 분야에서 효과적인 AI 솔루션은 다음을 수행할 수 있어야 합니다.
- 사용자에게 업계 지식이 없어도 다단계 거래 및 스테이킹 작업을 자동으로 수행합니다.
- 실시간 조사를 수행하여 사용자에게 정보에 입각한 거래 결정을 내리는 데 필요한 모든 정보와 데이터를 제공합니다.
- 다양한 플랫폼에서 데이터를 얻고, 시장 기회를 식별하고, 사용자에게 포괄적인 분석을 제공합니다.
이러한 추상 도구의 대부분은 ChatGPT를 핵심으로 사용합니다. 이러한 모델은 블록체인과 원활하게 통합되어야 하지만, 어떤 모델도 블록체인 데이터를 기반으로 특별히 훈련되거나 조정되지 않은 것 같습니다.
그리핀 창립자인 토니(Tony)는 솔라나 해커톤(Solana Hackathon)에서 이 개념을 제안했습니다. 그는 나중에 이 아이디어를 기능성 제품으로 바꾸었고 Solana 창립자 Anatoly의 지원과 인정을 얻었습니다.
간단히 말해, 그리핀은 현재 솔라나의 최초이자 가장 강력한 추상 AI로 스왑, 지갑 관리, NFT 발행, 토큰 스나이핑 등의 기능을 수행할 수 있습니다.
그리핀이 제공하는 구체적인 기능은 다음과 같습니다.
- 자연어로 트랜잭션 실행
- Pumpfun을 사용하여 토큰 발행, NFT 발행 및 에어드롭 주소 선택
- 다중 에이전트 조정
- 에이전트는 사용자를 대신하여 트윗할 수 있습니다.
- 특정 키워드나 조건을 기반으로 Pumpfun에서 새로 출시된 Memecoin을 저격해보세요.
- DeFi 전략 스테이킹, 자동화 및 실행
- 작업 예약, 사용자는 에이전트에 입력을 입력하여 맞춤형 에이전트를 만들 수 있습니다.
- 토큰 보유자 분포 식별 등 시장 분석을 위해 플랫폼에서 데이터를 얻습니다.
그리핀은 많은 기능을 제공하지만 사용자는 여전히 토큰 주소를 수동으로 입력하거나 에이전트에 특정 실행 지침을 제공해야 합니다. 따라서 이러한 기술 지침에 익숙하지 않은 초보자를 위해 현재 제품에는 여전히 최적화의 여지가 있습니다.
현재까지 그리핀은 개인 인공지능 에이전트와 특수 에이전트라는 두 가지 유형의 AI 에이전트를 제공하고 있다.
개인 AI 에이전트는 사용자가 제어합니다. 사용자는 지침을 맞춤화하고 메모리 설정을 입력하여 에이전트를 개인 상황에 맞게 조정할 수 있습니다.
특수 에이전트는 특정 작업을 위해 설계된 에이전트입니다. 예를 들어, 에어드롭 에이전트는 주소를 조회하고 지정된 보유자에게 토큰을 할당하도록 훈련된 반면, 스테이킹 에이전트는 채굴 전략을 구현하기 위해 SOL 또는 기타 자산을 자산 풀에 스테이킹하도록 프로그래밍되어 있습니다.
Griffin의 다중 에이전트 협업 시스템은 중요한 기능으로, 여러 에이전트가 채팅방에서 함께 작업할 수 있습니다. 이러한 에이전트는 협업을 유지하면서 복잡한 작업을 독립적으로 해결할 수 있습니다.
▲ 출처 : 출처 : https://griffain.com
계정이 생성된 후 시스템은 지갑을 생성하고 사용자는 해당 계정을 에이전트에 맡길 수 있으며 에이전트는 독립적으로 거래를 실행하고 투자 포트폴리오를 관리합니다.
그 중 키는 Shamir Secret Sharing을 통해 분할되므로 Griffain이나 Privy는 지갑을 호스팅할 수 없습니다. SSS의 작동 원리는 키를 다음을 포함하여 세 부분으로 분할하는 것입니다.
- 장치 공유: 브라우저에 저장되고 탭이 열릴 때 검색됩니다.
- 승인된 공유: Privy 서버에 저장되며 인증 및 애플리케이션 로그인 시 검색됩니다.
- 복구 공유: 암호화는 Privy 서버에 저장되며 사용자가 탭에 로그인하기 위해 비밀번호를 입력하는 경우에만 암호를 해독하고 검색할 수 있습니다.
또한 사용자는 그리핀 프런트 엔드에서 내보내기 또는 내보내기를 선택할 수도 있습니다.
Anon은 DeFi 프로토콜 Wonderland 및 MIM(Magic Internet Money)을 만든 것으로 알려진 Daniele Sesta가 설립했습니다. Griffin과 유사하게 Anon은 DeFi와의 사용자 상호 작용을 단순화하도록 설계되었습니다.
팀은 향후 기능을 도입했지만 제품이 아직 공개되지 않았기 때문에 아직 확인된 기능은 없습니다. 일부 기능은 다음과 같습니다.
- 자연어(중국어를 포함한 다국어)를 사용하여 거래를 실행합니다.
- LayerZero를 통한 크로스체인 브리징
- Aave, Sparks, Sky, Wagmi 등 파트너사와 대출 및 공급 계약
- Python을 통해 실시간 가격 및 데이터 정보를 얻으세요
- 시간과 가스 가격에 따라 자동 실행 및 트리거 제공
- 감성 탐지, 소셜 프로필 분석 등 실시간 시장 분석을 제공합니다.
핵심 기능 외에도 Anon은 Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral 및 Claude를 포함한 다양한 AI 모델을 지원합니다. 이러한 모델은 귀중한 시장 분석을 제공하여 사용자가 연구 시간을 절약하고 정보에 입각한 결정을 내리는 데 도움이 되는 정보를 제공할 수 있는 잠재력을 가지고 있습니다. 이는 시가총액이 1억 달러에 달하는 새로운 토큰이 매일 등장하는 오늘날 시장에서 특히 중요합니다.
지갑을 내보내고 승인을 취소할 수 있지만 지갑 관리 및 보안 프로토콜에 대한 구체적인 세부 정보는 공개되지 않았습니다.
핵심 기능 외에도 Anon은 Gemma, Llama 3.1, Llama 3.3, Vision, Pixtral 및 Claude를 포함한 다양한 AI 모델을 지원합니다.
또한 daniele은 최근 Anon에 대한 2가지 업데이트를 게시했습니다.
- 프레임워크 자동화:
더 많은 프로젝트가 Anon과 더 빠르게 통합되도록 돕는 typeScript 프레임워크입니다. 프레임워크에서는 Anon이 AI가 환각에 빠질 위험을 줄이고 신뢰성을 높일 수 있도록 모든 데이터와 상호 작용이 사전 정의된 구조를 따라야 합니다.
- 아체:
사회적 정서 분석을 위해 온체인 Defi 지표(예: TVL, 거래량, Prepdex 자금 조달 비율) 및 오프체인 데이터(예: Twitter 및 Telegram)에서 실시간 데이터를 수집할 수 있는 연구 에이전트입니다. 이 데이터는 사용자를 위한 기회 알림 및 맞춤형 통찰력으로 변환됩니다.
문서에 따르면 Anon은 전체 분야에서 가장 기대되고 강력한 추상화 도구 중 하나입니다. 이는 시가총액이 1억 달러에 달하는 새로운 토큰이 매일 등장하는 오늘날의 시장에서 특히 가치가 있습니다.
BigBrain Holdings의 지원을 받는 Slate는 온체인 신호를 기반으로 자율 거래가 가능한 "Alpha AI"로 자리매김하고 있습니다. 현재 Slate는 Hyperliquid에서 트랜잭션을 자동화할 수 있는 유일한 추상 AI입니다.
Slate는 가격 라우팅, 빠른 실행 및 거래 전 시뮬레이션 기능을 우선시합니다. 주요 기능은 다음과 같습니다:
- EVM 체인과 솔라나 간 크로스체인 스왑
- 가격, 시가총액, 가스비, 손익 지표를 기반으로 한 자동 거래
- 자연어 작업 스케줄링
- 온체인 트랜잭션 집계
- 텔레그램 알림 시스템
- 롱 포지션과 숏 포지션 개설, 특정 조건에서 청산, 하이퍼리퀴드 실행을 포함한 LP 관리 + 채굴 가능
일반적으로 수수료 구조는 두 가지 유형으로 나뉩니다.
- 일반 작업: Slate는 일반 이체/출금에 대해 수수료를 부과하지 않지만 스왑, 브리지, 청구, 차용, 대출, 상환, 서약, 약속 취소, 롱, 숏, 잠금, 잠금 해제 및 기타 작업에 대해 0.35%의 수수료를 부과합니다.
- 조건부 운용: 조건부 주문이 설정된 경우(지정가 주문 등) 가스 수수료 조건에 따라 Slate는 0.25%의 처리 수수료를 부과하며, 다른 모든 조건에서는 1.00%의 수수료를 부과합니다.
지갑 측면에서 Slate는 Privy의 내장 지갑 아키텍처를 통합하여 Slate와 Privy가 사용자의 지갑을 호스팅하지 않도록 합니다. 사용자는 기존 지갑을 연결하거나 에이전트가 자신을 대신하여 거래를 수행하도록 승인할 수 있습니다.
▲ 출처 : https://docs.slate.ceo
주류 추상 AI 비교:
▲ 출처 : IOSG 벤처
현재 대부분의 AI 추상화 도구는 크로스체인 거래와 솔라나와 EVM 체인 간의 자산 연결을 지원합니다. Slate는 Hyperliquid 통합을 제공하는 반면 Neur와 Griffin은 현재 Solana만 지원하지만 곧 크로스체인 지원을 추가할 것으로 예상됩니다.
대부분의 플랫폼은 Privy 내장 지갑과 EOA 지갑을 통합하여 사용자가 독립적으로 자금을 관리할 수 있도록 허용하지만 특정 거래를 수행하려면 사용자가 에이전트 액세스 권한을 부여해야 합니다. 이는 TEE(Trusted Execution Environment)가 AI 시스템의 변조 방지를 보장할 수 있는 기회를 제공합니다.
대부분의 AI 추상화 도구는 토큰 발행, 거래 실행, 자연어 조건부 주문과 같은 기능을 공유하지만 성능은 크게 다릅니다.
제품 수준에서 우리는 아직 추상 AI의 초기 단계에 있습니다. 위에서 언급한 5개 프로젝트를 비교하면 Griffin은 풍부한 기능 세트, 광범위한 협업 네트워크 및 다중 에이전트 협업의 워크플로우 처리가 돋보입니다(Orbit도 다중 에이전트를 지원하는 또 다른 프로젝트입니다). Anon은 빠른 응답, 다국어 지원 및 Telegram 통합 덕분에 탁월한 성능을 발휘하는 반면, Slate는 정교한 자동화 플랫폼의 이점을 누리며 Hyperliquid를 지원하는 유일한 프록시입니다.
그러나 모든 추상적인 AI 중에서 일부 플랫폼은 기본적인 거래(USDC 스왑 등)를 처리할 때 올바른 토큰 주소나 가격을 정확하게 얻을 수 없거나 최신 시장 동향을 분석하지 못하는 등의 문제에 여전히 직면하고 있습니다. 응답 시간, 정확성 및 결과 상관 관계도 모델의 기본 성능을 측정하는 데 있어 중요한 차별화 요소입니다. 앞으로 우리는 팀과 협력하여 모든 추상 AI의 성능을 실시간으로 추적할 수 있는 투명한 대시보드를 개발할 수 있기를 바랍니다.
#2. 독립적인 소득 최적화 및 포트폴리오 관리
기존 수익률 전략과 달리 이 공간의 프로토콜은 AI를 사용하여 추세 분석을 위해 온체인 데이터를 분석하고 팀이 더 나은 수익률 최적화 및 포트폴리오 할당 전략을 개발하는 데 도움이 되는 정보를 제공합니다.
비용을 줄이기 위해 모델은 일반적으로 Bittensor 서브넷 또는 오프체인에서 교육됩니다. AI가 자율적으로 거래를 실행하기 위해서는 ZKP(영지식 증명) 등의 검증 방법을 사용해 모델의 정직성과 검증성을 보장한다. 다음은 최적화의 이점을 누리는 DeFai 프로토콜의 몇 가지 예입니다.
T3AI는 AI를 중개자 및 위험 엔진으로 사용하여 과소담보를 지원하는 대출 프로토콜입니다. AI 에이전트는 실시간으로 대출 상태를 모니터링하고 T3AI의 위험 지표 프레임워크를 통해 대출 상환 가능 여부를 확인합니다. 동시에 AI는 다양한 자산과 가격 추세 간의 관계를 분석하여 정확한 위험 예측을 제공합니다. T3AI AI의 구체적인 성능은 다음과 같다.
- 주요 CEX 및 DEX의 가격 데이터를 분석합니다.
- 다양한 자산의 변동성 측정
- 자산 가격의 상관관계와 연계성을 연구합니다.
- 자산 상호작용에서 숨겨진 패턴을 발견하세요.
AI는 사용자의 투자 포트폴리오를 기반으로 최적의 할당 전략을 추천하고 잠재적으로 모델 조정 후 자율적인 AI 포트폴리오 관리를 달성합니다. 또한 T3AI는 ZK 증명과 검증자 네트워크를 통해 모든 작업의 검증 가능성과 신뢰성을 보장합니다.
▲ 출처 : https://www.trustinweb3.xyz/
Kudai는 EmpyrealSDK 툴킷을 사용하여 GMX Blueberry Club에서 개발한 실험적인 GMX 생태계 에이전트이며 해당 토큰은 현재 Base 네트워크에서 거래되고 있습니다.
Kudai의 철학은 $KUDAI에서 생성된 모든 거래 수수료를 사용하여 자율적인 거래 작업을 운영하는 에이전트에 자금을 지원하고 토큰 보유자에게 이익을 분배하는 것입니다.
다가오는 2/4 단계에서 Kudai는 트위터에서 자연어를 해석할 수 있게 됩니다.
- $GMX를 구매하고 스테이킹하여 새로운 수익원을 창출하세요.
- 수익을 더욱 높이려면 GMX GM 풀에 투자하세요.
- 포트폴리오를 확장하려면 최저 가격으로 GBC NFT를 구매하세요.
이 단계 이후 Kudai는 완전히 자율적이 되며 독립적으로 레버리지 거래, 차익거래를 실행하고 자산(이자)에 대한 수익을 얻을 수 있습니다. 팀은 추가 정보를 공개하지 않았습니다.
Sturdy Finance는 Bittensor SN10 서브넷 마이너가 훈련한 AI 모델을 활용하여 서로 다른 화이트리스트 사일로 풀 간에 자금을 이동하여 수익률을 최적화하는 대출 및 수익률 수집기입니다.
Study는 독립적인 자산 풀(사일로 풀)과 집계 계층으로 구성된 2계층 아키텍처를 채택합니다.
- 사일로 풀
이는 사용자가 단일 자산에서만 빌리거나 단일 담보를 사용할 수 있는 단일 자산 분리 풀입니다.
- 집계 계층
집계 계층은 Yearn V3를 기반으로 구축되었으며 활용도 및 수익률을 기준으로 화이트리스트에 등록되고 감사된 독립 자산 풀에 사용자 자산을 할당합니다. Bittensor 서브넷은 수집자에게 최상의 배포 전략을 제공합니다. 사용자가 애그리게이터에 자산을 예치하면 선택한 담보 유형에만 노출되므로 다른 대출 풀이나 담보 자산의 위험을 완전히 피할 수 있습니다.
▲ 출처 : https://sturdy.finance
이 글을 쓰는 시점에서 Sturdy V2의 TVL은 2024년 5월부터 감소하고 있으며 집계자의 TVL은 현재 약 390만 달러로 프로토콜 전체 TVL의 29%를 차지합니다.
Sturdy의 일일 활성 사용자는 2024년 9월 이후 두 자릿수(>100)를 유지했으며, pxETH와 crvUSD는 애그리게이터의 주요 대출 자산입니다. 그러나 지난 몇 달 동안 협정 성과가 크게 정체되었습니다. AI 통합은 프로토콜의 성장 모멘텀을 다시 활성화하기 위해 도입된 것으로 보입니다.
▲ 출처 : https://dune.com/tk-research/sturdy-v2
#3.시장분석기관
#에익스BT
Aixbt는 400개가 넘는 Twitter KOL의 데이터를 집계하고 분석하는 시장 정서 추적 에이전트입니다. AixBT는 독점 엔진을 통해 실시간 추세를 파악하고 24시간 내내 시장 관찰 내용을 게시할 수 있습니다.
기존 AI 에이전트 중에서 AixBT는 14.76%의 상당한 시장 관심 점유율을 보유하여 생태계에서 가장 영향력 있는 에이전트 중 하나입니다.
▲ 출처 : Kaito.com
Aixbt는 소셜 미디어 상호 작용을 위해 설계되었으며 시장이 관심을 집중하는 위치를 직접적으로 반영하는 통찰력을 게시합니다.
그 기능은 시장 통찰력(알파) 제공에만 국한되지 않고 상호작용도 포함합니다. AixBT는 전문 툴킷을 사용하여 사용자 질문에 응답하고 트위터를 통해 토큰 발행을 수행할 수도 있습니다. 예를 들어, $CHAOS 토큰은 @EmpyrealSDK 툴킷을 사용하여 또 다른 대화형 로봇인 Simi와 협력하여 생성되었습니다.
현재 600,000개의 $AIXBT 토큰(약 $240,000 상당)을 보유한 사용자는 분석 플랫폼과 터미널에 액세스할 수 있습니다.
#4. 분산형 AI 인프라 및 플랫폼
Web3 AI Agent의 존재는 분산형 인프라 지원과 분리될 수 없습니다. 이러한 프로젝트는 모델 훈련 및 추론을 지원할 뿐만 아니라 AI 에이전트 개발을 촉진하기 위한 데이터, 검증 방법 및 조정 계층도 제공합니다.
Web2 AI이든 Web3 AI이든 모델, 컴퓨팅 성능, 데이터는 항상 LLM(대형 언어 모델) 및 AI 에이전트의 탁월한 개발을 촉진하는 세 가지 초석입니다. 분산 방식으로 훈련된 오픈 소스 모델은 에이전트 빌더가 선호할 것입니다. 이 접근 방식은 중앙 집중화로 인한 단일 위험 지점을 완전히 제거하고 사용자 소유 AI의 가능성을 열어주기 때문입니다. 개발자는 Google, Meta 및 OpenAI와 같은 Web2 AI 거대 기업의 LLM API에 의존할 필요가 없습니다.
다음은 Pinkbrains가 그린 AI 인프라 다이어그램입니다.
▲ 출처 : 핑크브레인즈
Nous Research, Prime Intellect 및 Exo Labs와 같은 선구자들은 분산형 교육의 경계를 넓히고 있습니다.
Nous Research의 Distro 훈련 알고리즘과 Prime Intellect의 DiLoco 알고리즘은 저대역폭 환경에서 100억 개 이상의 매개변수를 사용하여 모델을 성공적으로 훈련시켰으며, 이는 전통적인 중앙 집중식 시스템 외부에서도 대규모 훈련이 가능함을 보여줍니다. Exo Labs는 GPU 간 통신량을 1,000배 이상 줄이는 SPARTA 분산 AI 훈련 알고리즘을 추가로 출시했습니다.
베이글은 암호화 기술을 통해 오픈소스 데이터의 소유권과 수익화 문제를 해결하는 동시에 AI 개발자를 위한 모델과 데이터를 제공하는 탈중앙화된 HuggingFace가 되기 위해 노력하고 있습니다. Bittensor는 참가자들이 AI 모델 및 에이전트 개발을 가속화하기 위해 컴퓨팅 성능, 데이터 및 인텔리전스를 기여할 수 있는 경쟁적인 시장을 구축했습니다.
많은 사람들은 AixBT가 주로 고품질 데이터 세트를 얻을 수 있는 능력 때문에 유틸리티 에이전트 범주에서 두각을 나타낸다고 믿습니다.
Grass, Vana, Sahara, Space and Time 및 Cookie DAO와 같은 제공업체는 고품질의 도메인별 데이터를 제공하거나 AI 개발자가 데이터의 "벽으로 둘러싸인 정원"에 액세스하여 역량을 강화할 수 있도록 합니다. 250만 개가 넘는 노드를 활용하는 Grass는 매일 최대 300TB의 데이터를 크롤링할 수 있습니다.
현재 Nvidia는 2천만 시간의 비디오 데이터로만 비디오 모델을 훈련할 수 있는 반면, Grass의 비디오 데이터 세트는 15배 더 크고(3억 시간) 매일 400만 시간씩 증가하고 있습니다. 이는 Nvidia 전체 데이터 세트의 10%입니다. %는 매일 Grass에 의해 수집됩니다. 즉, Nvidia의 전체 비디오 데이터 세트에 해당하는 데이터를 얻는 데 Grass가 5일밖에 걸리지 않았습니다.
컴퓨팅 리소스가 없으면 에이전트를 실행할 수 없습니다. Aethir 및 io.net과 같은 컴퓨팅 파워 시장은 다양한 GPU를 통합하여 에이전트 개발자에게 비용 효율적인 옵션을 제공합니다. Hyperbolic의 분산형 GPU 마켓플레이스는 오픈 소스 AI 모델을 호스팅하고 Web2 클라우드 제공업체에 필적하는 지연 시간이 짧은 추론 기능을 제공하는 동시에 컴퓨팅 비용을 최대 75% 절감합니다.
Hyperbolic은 AgentKit 출시로 GPU 시장과 클라우드 서비스를 더욱 강화합니다. AgentKit은 AI 에이전트가 Hyperbolic의 분산 GPU 네트워크에 대한 전체 액세스를 허용하는 강력한 인터페이스입니다. 리소스 가용성, 사양, 현재 부하 및 성능에 대한 자세한 정보를 실시간으로 스캔하고 제공하는 AI 판독 가능한 컴퓨팅 리소스 맵이 특징입니다.
AgentKit은 에이전트가 필요한 컴퓨팅 성능을 독립적으로 확보하고 관련 비용을 지불할 수 있는 혁신적인 미래를 열어줍니다.
혁신적인 샘플 증명 검증 메커니즘을 통해 Hyperbolic은 생태계의 모든 추론 상호 작용이 검증되도록 보장하여 미래 에이전트 세계에 대한 신뢰의 기반을 구축합니다.
그러나 검증은 자율 에이전트에 대한 신뢰 문제의 일부만 해결합니다. 신뢰의 또 다른 차원은 개인정보 보호와 관련이 있는데, 이는 Phala, Automata, Marlin과 같은 TEE(Trusted Execution Environment) 인프라 프로젝트의 강점입니다. 예를 들어 이러한 AI 에이전트가 사용하는 독점 데이터나 모델을 안전하게 보호할 수 있습니다.
실제로 진정한 자율 에이전트는 TEE 없이는 완전히 작동할 수 없습니다. TEE는 지갑 개인 키 보호, 무단 액세스 방지, 트위터 계정 로그인 보안 보장 등 민감한 정보를 보호하는 데 중요하기 때문입니다.
TEE(신뢰할 수 있는 실행 환경)는 처리 중에 보호되는 CPU/GPU 엔클레이브(보안 엔클레이브) 내에서 중요한 데이터를 격리합니다. 승인된 프로그램 코드만 엔클레이브의 콘텐츠에 액세스할 수 있습니다. 클라우드 서비스 공급자, 개발자, 관리자 및 하드웨어의 기타 부분은 이 영역에 액세스할 수 없습니다.
TEE의 주요 용도는 특히 민감한 금융 데이터와 관련된 DeFi 프로토콜에서 스마트 계약을 실행하는 것입니다. 따라서 TEE와 DeFai의 통합에는 다음과 같은 전통적인 DeFi 애플리케이션 시나리오가 포함됩니다.
- 거래 개인 정보 보호: TEE는 보낸 사람 및 받는 사람 주소, 거래 금액과 같은 거래 세부 정보를 숨길 수 있습니다. Secret Network 및 Oasis와 같은 플랫폼은 TEE를 사용하여 DeFai 애플리케이션에서 거래 개인 정보를 보호하고 개인 결제를 가능하게 합니다.
- MEV에 대한 저항성: TEE에서 스마트 계약을 실행함으로써 블록 빌더는 거래 정보에 접근할 수 없으므로 MEV를 생성하는 선행 공격을 방지할 수 있습니다. Flashbots는 TEE를 활용하여 중앙 집중식 블록 구축과 관련된 검열 위험을 줄이는 분산형 블록 구축 네트워크인 BuilderNet을 개발했습니다. Unichain 및 Taiko와 같은 체인도 TEE를 사용하여 사용자에게 더 나은 거래 경험을 제공합니다.
이러한 기능은 ZKP 또는 MPC와 같은 대체 솔루션에도 적용됩니다. 그러나 TEE는 모델이 하드웨어 기반이기 때문에 현재 스마트 계약을 실행하는 세 가지 솔루션 중에서 가장 효율적입니다.
에이전트 측에서 TEE는 에이전트에 다양한 기능을 제공합니다.
- 자동화: TEE는 에이전트가 사람의 간섭 없이 정책을 실행할 수 있도록 독립적인 운영 환경을 만들 수 있습니다. 이를 통해 투자 결정은 전적으로 에이전트의 독립적인 논리에 기초하여 이루어집니다.
- 또한 TEE를 통해 에이전트는 소셜 미디어 계정을 제어하여 자신이 하는 공개 성명이 독립적이고 외부 영향으로부터 자유로운지 확인함으로써 광고 및 기타 선전에 대한 의심을 피할 수 있습니다. Phala는 Eliza가 TEE 환경에서 효율적으로 실행될 수 있도록 AI16Z 팀과 협력하고 있습니다.
- 검증 가능성: 사람들은 에이전트가 약속된 모델을 사용하여 계산을 수행하고 유효한 결과를 생성하는지 확인할 수 있습니다. Automata와 Brevis는 이 기능을 개발하기 위해 협력하고 있습니다.
특정 사용 사례(DeFi, 게임, 투자, 음악 등)를 갖춘 점점 더 많은 전문 에이전트가 현장에 진출함에 따라 더 나은 에이전트 협업과 원활한 커뮤니케이션이 중요해졌습니다.
모놀리식 에이전트의 한계를 해결하기 위해 에이전트 스웜 프레임워크를 위한 인프라가 등장했습니다. Swarm 인텔리전스를 통해 에이전트는 팀으로 협력하여 공통 목표를 달성하기 위해 역량을 모을 수 있습니다. 조정 계층은 복잡성을 추상화하고 상담원이 공통 목표와 인센티브에 따라 더 쉽게 협력할 수 있도록 해줍니다.
Theoriq, FXN 및 Questflow를 포함한 여러 Web3 회사가 이 방향으로 움직이고 있습니다. 이 모든 플레이어 중에서 원래 2022년에 ChainML로 출시된 Theoriq은 에이전트 인공 지능을 위한 범용 기본 계층이 되겠다는 비전을 가지고 이 목표를 위해 가장 오랫동안 노력해 왔습니다.
이 비전을 실현하기 위해 Theoriq은 기본 모듈에서 에이전트 등록, 결제, 보안, 라우팅, 계획 및 관리를 처리합니다. 또한 공급과 수요를 연결하여 누구나 자신의 에이전트를 배포할 수 있는 Infinity Studio라는 직관적인 에이전트 구축 플랫폼과 고객이 사용 가능한 모든 에이전트를 검색할 수 있는 마켓플레이스인 Infinity Hub를 제공합니다. 스웜 시스템에서 메타 에이전트는 특정 작업에 가장 적합한 에이전트를 선택하여 공통 목표를 달성하기 위한 "스웜"을 생성하는 동시에 평판과 기여도를 추적하여 품질과 책임을 유지합니다.
Theoriq 토큰은 에이전트 운영자와 커뮤니티 구성원이 에이전트에 대한 품질과 신뢰를 표현하는 데 사용할 수 있는 경제적 보안을 제공하여 고품질 서비스를 장려하고 악의적인 행동을 억제합니다. 토큰은 또한 서비스 비용을 지불하고 데이터에 액세스하는 데 사용되는 교환 매체 역할을 하며 데이터, 모델 등에 기여한 참가자에게 보상을 제공합니다.
▲ 출처 : 테오리크
AI 에이전트에 대한 논의가 명확한 유틸리티 에이전트가 주도하는 장기적인 산업 부문이 되면서 Crypto x AI 인프라 프로젝트가 부활하여 강력한 가격 대비 성능을 발휘할 수 있습니다. 이러한 프로젝트는 벤처 캐피탈 자금, 수년간의 R&D 경험 및 도메인별 기술 전문 지식을 활용하여 가치 사슬 전반에 걸쳐 확장할 수 있는 잠재력을 가지고 있습니다. 이를 통해 현재 시장에 나와 있는 다른 에이전트의 95%보다 뛰어난 성능을 발휘할 수 있는 자체 고급 실용적인 AI 에이전트를 개발할 수 있습니다.
DeFai의 진화와 미래
나는 항상 시장의 발전이 세 단계로 나누어질 것이라고 믿습니다. 첫 번째는 효율성에 대한 요구 사항, 그 다음은 분산화, 마지막으로 개인 정보 보호입니다. DeFai는 4단계로 나누어집니다.
DeFi 인공 지능의 첫 번째 단계는 효율성에 초점을 맞춰 견고한 프로토콜 지식 없이도 복잡한 DeFi 작업을 완료할 수 있는 다양한 도구를 통해 사용자 경험을 향상시킵니다. 예는 다음과 같습니다:
- 형식이 불완전해도 사용자 프롬프트를 이해하는 인공지능
- 최단 블록타임에 빠르게 스왑 수행
- 사용자가 목표에 따라 유리한 결정을 내릴 수 있도록 돕는 실시간 시장 조사
혁신이 실현되면 사용자가 시간과 에너지를 절약하는 동시에 온체인 거래의 임계값을 낮추는 데 도움이 될 수 있으며 잠재적으로 향후 몇 달 내에 "유령"의 순간을 만들 수 있습니다.
두 번째 단계에서는 에이전트가 사람의 개입을 최소화하면서 자율적으로 거래합니다. 거래 에이전트는 제3자의 의견이나 다른 에이전트의 데이터를 기반으로 전략을 실행하여 새로운 DeFi 모델을 만들 수 있습니다. 전문적이거나 성숙한 DeFi 사용자는 자신의 모델 구축 에이전트를 미세 조정하여 자신이나 고객을 위한 최적의 수익을 창출함으로써 수동 모니터링을 줄일 수 있습니다.
세 번째 단계에서는 사용자가 투명성을 요구함에 따라 사용자는 지갑 관리 문제 및 AI 검증에 집중하기 시작할 것입니다. TEE 및 ZKP와 같은 솔루션은 AI 시스템이 변조 방지되고, 제3자의 간섭을 받지 않으며, 검증 가능하도록 보장합니다.
마지막으로, 이러한 단계가 완료되면 코드 없는 DeFi AI 엔지니어링 툴킷 또는 서비스형 AI 프로토콜을 통해 암호화폐에 대해 훈련된 모델을 사용하여 거래를 수행하는 에이전트 기반 경제를 만들 수 있습니다.
이 비전은 야심차고 흥미롭지만 해결해야 할 몇 가지 병목 현상이 남아 있습니다.
- 대부분의 최신 도구는 고품질 프로젝트를 식별하기 위한 명확한 벤치마크가 없는 ChatGPT 래퍼일 뿐입니다.
- 온체인 데이터 단편화로 인해 AI 모델이 분산화보다는 중앙화 방향으로 나아가고 있으며, 온체인 에이전트가 이 문제를 어떻게 해결할지는 불분명합니다.