DeFAI: ¿Cómo puede la inteligencia artificial liberar el potencial de las Finanzas descentralizadas?
Finanzas descentralizadas(DeFi) desde su rápida expansión en 2020, ha sido un pilar central del ecosistema cripto. A pesar de la creación de numerosos protocolos innovadores, también ha llevado a un aumento en la complejidad y la fragmentación, lo que dificulta incluso a los usuarios experimentados navegar por las numerosas cadenas de bloques, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha pasado de una narrativa básica amplia en 2023 a un enfoque más profesional y orientado a agentes en 2024. Esta transformación ha dado lugar a DeFi AI (DeFAI) - un campo emergente donde la IA mejora las Finanzas descentralizadas mediante la automatización, la gestión de riesgos y la optimización de capital.
DeFAI cruza múltiples niveles. La cadena de bloques es la capa base, los agentes de IA deben interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Encima de esto, la capa de datos y la capa de computación proporcionan la infraestructura necesaria para entrenar modelos de IA, estos modelos provienen de datos históricos de precios, sentimientos del mercado y análisis en cadena. La capa de privacidad y verificación asegura que los datos financieros sensibles se mantengan seguros mientras se mantiene la ejecución sin confianza. Finalmente, el marco de agentes permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en cadena.
A medida que el ecosistema DeFAI sigue expandiéndose, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Los protocolos construidos sobre esta categoría actúan como interfaces de usuario amigables similares a ChatGPT para las Finanzas descentralizadas, permitiendo a los usuarios ingresar comandos que se ejecutan en la cadena. A menudo se integran con múltiples cadenas y dApps, y ejecutan la intención del usuario, eliminando al mismo tiempo los pasos manuales en transacciones complejas.
Algunas de las funciones que pueden ejecutar estos protocolos incluyen:
Intercambio, cross-chain, préstamos/retiros, ejecución de transacciones cross-chain
Monedero de copia de operaciones o perfil de redes sociales
Ejecutar automáticamente órdenes de take profit / stop loss según el porcentaje del tamaño de la posición.
Por ejemplo, no es necesario extraer manualmente ETH del protocolo de préstamo, transferirlo a través de cadenas a Solana, intercambiarlo por otros tokens y proporcionar liquidez en un DEX; el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónoma
A diferencia de los robots de trading tradicionales que siguen reglas predefinidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, y ajustar sus estrategias según nueva información. Estos agentes pueden:
Analizar datos para mejorar continuamente las estrategias
Predecir la dirección del mercado para tomar mejores decisiones de compra/venta.
Ejecutar estrategias DeFi complejas como en el comercio básico
3. DApps impulsados por IA
Las dApps de DeFi ofrecen funciones como préstamos, intercambios y farming de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Optimizar el suministro de liquidez a través del reequilibrio de las posiciones de LP para obtener un mejor APY
Escanear tokens para detectar riesgos mediante la detección de posibles rug o honeypots.
Desafío principal
Los principales protocolos construidos sobre estos niveles enfrentan algunos desafíos:
Estos protocolos dependen de flujos de datos en tiempo real para lograr la mejor ejecución de operaciones. Una mala calidad de datos puede resultar en una baja eficiencia de ruta, fallos en las operaciones o transacciones no rentables.
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas es muy volátil. Los agentes deben ser entrenados con conjuntos de datos diversificados y de alta calidad para mantener su efectividad.
Es necesario entender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para comprender el estado general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos en el mercado. Sin embargo, para ofrecer mejores productos y los mejores resultados, deberían considerar la integración de diversos conjuntos de datos de diferentes calidades para llevar sus productos a un nuevo nivel.
Capa de datos - Proporcionando poder a la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA funcionen de manera efectiva en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceder a los datos en cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y ganancias requieren datos para perfeccionar aún más sus estrategias de trading y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar un análisis predictivo del comportamiento futuro de los precios, proporcionando recomendaciones de negociación que se adapten a sus preferencias por posiciones largas o cortas en ciertos activos.
Modo Synth subred
Como la 50ª subred de Bittensor, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precios y sus probabilidades asociadas, construyendo así los datos sintéticos más precisos del mundo, apoyando a los agentes y a los LLM.
Proporcionar conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el trading, al mismo tiempo que predicen las fluctuaciones del APY bajo diferentes condiciones del mercado, para que los pools de liquidez puedan redistribuir o retirar liquidez cuando sea necesario. Desde el lanzamiento de la red autónoma, han recibido una fuerte demanda del equipo de Finanzas descentralizadas para integrar los datos de Synth a través de su API.
La blockchain de agentes de IA más seguida
Además de construir una capa de datos para la IA y los agentes, cierta blockchain también se posiciona a sí misma como una blockchain de pila completa para construir el futuro de DeFAI. Recientemente, implementaron Terminal, que es el co-piloto de DeFAI, utilizado para ejecutar transacciones en cadena a través de indicaciones de los usuarios, que pronto estará abierto a los stakers del token nativo de esa cadena.
Además, esta blockchain también admite muchos equipos basados en IA y agentes. Han hecho un gran esfuerzo para integrar múltiples protocolos en su ecosistema, y a medida que se desarrollan más agentes y se ejecutan transacciones, este ecosistema crece rápidamente.
Estas medidas se implementan al mismo tiempo que actualizan la red con IA, siendo lo más notable la incorporación de un clasificador de IA en su blockchain. Al utilizar simulaciones y análisis de IA en las transacciones antes de su ejecución, se pueden detener y revisar transacciones de alto riesgo antes de su procesamiento, para garantizar la seguridad en la cadena. Como L2 de una cierta blockchain pública, esta blockchain se sitúa en un punto intermedio, conectando a usuarios humanos y agentes con el mejor ecosistema de Finanzas descentralizadas.
Comparación de las principales blockchains en las que se basa el agente de IA
Sin duda, Solana y Base son las dos principales cadenas para la construcción y publicación de la mayoría de los marcos y tokens de agentes de IA. Los agentes de IA utilizan la alta capacidad de procesamiento y la red de baja latencia de Solana, así como el ElizaOS de código abierto para desplegar tokens de agentes, mientras que Virtuals actúa como el launchpad para desplegar agentes en Base. Aunque ambos tienen hackatones e incentivos de financiación, en cuanto a su programa de IA como cadena, aún no han alcanzado el nivel que ha logrado alguna blockchain.
NEAR se definió previamente como una blockchain L1 centrada en la IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación de IA de NEAR con un marco de agentes de IA de código abierto y el asistente de IA de NEAR. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
Chainbase
Chainbase proporciona conjuntos de datos estructurados en cadena verificables en toda la cadena, lo que puede mejorar las funciones de negociación, análisis, predicción y búsqueda de alpha de los agentes de IA. Han lanzado manuscripts, que es un marco de flujo de datos de blockchain, utilizado para integrar conjuntos de datos en cadena y fuera de la cadena en el almacenamiento de datos objetivo, para realizar consultas y análisis ilimitados.
Esto permite a los desarrolladores personalizar los flujos de trabajo de procesamiento de datos según sus necesidades específicas. Estandarizar los datos originales y procesarlos en un formato limpio y compatible asegura que sus conjuntos de datos cumplan con los estrictos requisitos de los sistemas de IA, lo que reduce el tiempo de preprocesamiento y mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia cantidad de datos en cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en cadena en análisis de datos para los usuarios, sin necesidad de ningún conocimiento de codificación complejo. La utilidad de los datos de Chainbase es evidente en sus asociaciones, donde los protocolos de IA están utilizando sus datos para:
ElizaOS plugin de代理, utilizado para decisiones impulsadas en la cadena
Construir un asistente de IA
Redes sociales inteligentes, que ofrecen información sobre el comportamiento del usuario
Análisis y predicción de datos para Finanzas descentralizadas
También colabora con múltiples proyectos
En comparación con los protocolos de datos tradicionales, los protocolos de datos como The Graph, Chainlink y Alchemy proporcionan datos, pero no están centrados en la IA. The Graph ofrece una plataforma para consultar e indexar datos de blockchain, proporcionando a los desarrolladores acceso a datos en bruto, que no están construidos para transacciones o ejecución de estrategias. Chainlink ofrece alimentación de datos de oráculos, pero carece de conjuntos de datos optimizados por IA para predicciones, mientras que Alchemy se centra principalmente en servicios RPC.
En comparación, los datos de Chainbase son datos de blockchain preparados específicamente, que pueden ser utilizados fácilmente por aplicaciones o agentes de IA en una forma más estructurada y perspicaz, lo que permite a los agentes acceder más convenientemente a los datos relacionados con el mercado en cadena, la liquidez y los datos de tokens.
sqd.ai
sqd.ai está desarrollando una red de bases de datos abierta diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a una gran cantidad de datos de blockchain en tiempo real e históricos, de manera económica y sin necesidad de permisos, lo que permite que los agentes de IA funcionen de manera más eficiente.
sqd.ai proporciona un índice de datos en tiempo real ( que incluye el índice de bloques pendientes ), con una velocidad de indexación de hasta 150,000+ bloques por segundo, más rápido que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11TB de datos, satisfaciendo la alta demanda de rendimiento de miles de millones de agentes de IA autónomos y desarrolladores.
Su plataforma de procesamiento de datos personalizable puede proporcionar datos a medida según las necesidades de los agentes de IA, mientras que DuckDB ofrece una recuperación de datos eficiente para consultas locales. Su conjunto de datos integral admite más de 100 redes EVM y Substrate, incluyendo registros de eventos y detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan en múltiples blockchains.
La incorporación de pruebas de conocimiento cero asegura que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la carga de datos en aumento al agregar más nodos de procesamiento, lo que apoya un número creciente de agentes de IA, que se estima alcanzará miles de millones (.
![DeFAI completo: ¿Cómo libera la IA el potencial de las Finanzas descentralizadas?])https://img-cdn.gateio.im/webp-social/moments-71d4c0a59f18e7366698c6df17506767.webp(
) Cookie
Cookie proporciona una capa de datos modular para agentes de IA y clústeres, diseñada específicamente para procesar datos sociales. Cuenta con un panel de control de agentes de IA que rastrea las principales mentalidades de los agentes en la cadena y en las plataformas sociales, y recientemente ha lanzado una API de clúster de datos plug-and-play para otros agentes de IA, con el fin de detectar narrativas populares y cambios de mentalidad en las redes sociales.
Sus grupos de datos cubren más de 7TB de fuentes de datos en tiempo real de la cadena y redes sociales, respaldados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y análisis en la cadena. Su último agente de IA utiliza el 7% de la capacidad de sus grupos de datos, ofreciendo pronósticos del mercado y descubriendo nuevas oportunidades al aprovechar diversos otros agentes que operan por debajo.
![DeFAI completo: ¿Cómo puede la IA liberar el potencial de las Finanzas descentralizadas?]###https://img-cdn.gateio.im/webp-social/moments-082e086a7d08141ddad8264adc07d48f.webp(
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en Finanzas descentralizadas enfrentan importantes limitaciones en la realización de la autonomía total. Por ejemplo:
La capa de abstracción convierte la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva.
Los agentes de IA pueden generar alpha a través del análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de capas de datos útiles para desarrollar la mejor plataforma o agente de intermediación. Esto requerirá datos en cadena profundos sobre actividades de ballenas, cambios en la liquidez, etc., al tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, y combinando análisis de sentimiento del mercado en general, ya sea sobre las fluctuaciones de tokens de categorías específicas como los agentes de IA, DeSci, etc. ) o las fluctuaciones de tokens en redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading de manera fluida desde una única interfaz. A medida que estos sistemas se desarrollan,
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
14 me gusta
Recompensa
14
5
Compartir
Comentar
0/400
Token_Sherpa
· hace14h
ah sí... otra narrativa de ponzinomics disfrazada de inteligencia artificial smh
Ver originalesResponder0
BTCRetirementFund
· 08-01 07:10
Otra ola de trampas para aprovecharse de los inversores minoristas.
Ver originalesResponder0
SellTheBounce
· 08-01 06:45
Otra oleada de la fiesta de los atrapadores de cuchillos que cae ha comenzado. Solo es un viejo truco con un nuevo nombre.
DeFAI en auge: ¿Cómo la IA libera el potencial de las Finanzas descentralizadas y remodela el ecosistema de encriptación?
DeFAI: ¿Cómo puede la inteligencia artificial liberar el potencial de las Finanzas descentralizadas?
Finanzas descentralizadas(DeFi) desde su rápida expansión en 2020, ha sido un pilar central del ecosistema cripto. A pesar de la creación de numerosos protocolos innovadores, también ha llevado a un aumento en la complejidad y la fragmentación, lo que dificulta incluso a los usuarios experimentados navegar por las numerosas cadenas de bloques, activos y protocolos.
Al mismo tiempo, la inteligencia artificial (AI) ha pasado de una narrativa básica amplia en 2023 a un enfoque más profesional y orientado a agentes en 2024. Esta transformación ha dado lugar a DeFi AI (DeFAI) - un campo emergente donde la IA mejora las Finanzas descentralizadas mediante la automatización, la gestión de riesgos y la optimización de capital.
DeFAI cruza múltiples niveles. La cadena de bloques es la capa base, los agentes de IA deben interactuar con cadenas específicas para ejecutar transacciones y contratos inteligentes. Encima de esto, la capa de datos y la capa de computación proporcionan la infraestructura necesaria para entrenar modelos de IA, estos modelos provienen de datos históricos de precios, sentimientos del mercado y análisis en cadena. La capa de privacidad y verificación asegura que los datos financieros sensibles se mantengan seguros mientras se mantiene la ejecución sin confianza. Finalmente, el marco de agentes permite a los desarrolladores construir aplicaciones impulsadas por IA especializadas, como robots de trading autónomos, evaluadores de riesgo crediticio y optimizadores de gobernanza en cadena.
A medida que el ecosistema DeFAI sigue expandiéndose, los proyectos más destacados se pueden clasificar en tres categorías principales:
1. Capa de abstracción
Los protocolos construidos sobre esta categoría actúan como interfaces de usuario amigables similares a ChatGPT para las Finanzas descentralizadas, permitiendo a los usuarios ingresar comandos que se ejecutan en la cadena. A menudo se integran con múltiples cadenas y dApps, y ejecutan la intención del usuario, eliminando al mismo tiempo los pasos manuales en transacciones complejas.
Algunas de las funciones que pueden ejecutar estos protocolos incluyen:
Por ejemplo, no es necesario extraer manualmente ETH del protocolo de préstamo, transferirlo a través de cadenas a Solana, intercambiarlo por otros tokens y proporcionar liquidez en un DEX; el protocolo de capa de abstracción puede completar la operación en un solo paso.
2. Agente de negociación autónoma
A diferencia de los robots de trading tradicionales que siguen reglas predefinidas, los agentes de trading autónomos pueden aprender y adaptarse a las condiciones del mercado, y ajustar sus estrategias según nueva información. Estos agentes pueden:
3. DApps impulsados por IA
Las dApps de DeFi ofrecen funciones como préstamos, intercambios y farming de rendimiento. La IA y los agentes de IA pueden mejorar estos servicios de las siguientes maneras:
Desafío principal
Los principales protocolos construidos sobre estos niveles enfrentan algunos desafíos:
Estos protocolos dependen de flujos de datos en tiempo real para lograr la mejor ejecución de operaciones. Una mala calidad de datos puede resultar en una baja eficiencia de ruta, fallos en las operaciones o transacciones no rentables.
Los modelos de IA dependen de datos históricos, pero el mercado de criptomonedas es muy volátil. Los agentes deben ser entrenados con conjuntos de datos diversificados y de alta calidad para mantener su efectividad.
Es necesario entender completamente la correlación de activos, los cambios en la liquidez y el sentimiento del mercado para comprender el estado general del mercado.
Los protocolos basados en estas categorías han sido bien recibidos en el mercado. Sin embargo, para ofrecer mejores productos y los mejores resultados, deberían considerar la integración de diversos conjuntos de datos de diferentes calidades para llevar sus productos a un nuevo nivel.
Capa de datos - Proporcionando poder a la inteligencia DeFAI
La calidad de la IA depende de los datos en los que se basa. Para que los agentes de IA funcionen de manera efectiva en DeFAI, necesitan datos en tiempo real, estructurados y verificables. Por ejemplo, la capa de abstracción necesita acceder a los datos en cadena a través de RPC y API de redes sociales, mientras que los agentes de optimización de transacciones y ganancias requieren datos para perfeccionar aún más sus estrategias de trading y redistribuir recursos.
Conjuntos de datos de alta calidad permiten a los agentes realizar un análisis predictivo del comportamiento futuro de los precios, proporcionando recomendaciones de negociación que se adapten a sus preferencias por posiciones largas o cortas en ciertos activos.
Modo Synth subred
Como la 50ª subred de Bittensor, Synth crea datos sintéticos para la capacidad de predicción financiera de los agentes. A diferencia de otros sistemas de predicción de precios tradicionales, Synth captura la distribución completa de los cambios de precios y sus probabilidades asociadas, construyendo así los datos sintéticos más precisos del mundo, apoyando a los agentes y a los LLM.
Proporcionar conjuntos de datos de alta calidad puede permitir que los agentes de IA tomen mejores decisiones direccionales en el trading, al mismo tiempo que predicen las fluctuaciones del APY bajo diferentes condiciones del mercado, para que los pools de liquidez puedan redistribuir o retirar liquidez cuando sea necesario. Desde el lanzamiento de la red autónoma, han recibido una fuerte demanda del equipo de Finanzas descentralizadas para integrar los datos de Synth a través de su API.
La blockchain de agentes de IA más seguida
Además de construir una capa de datos para la IA y los agentes, cierta blockchain también se posiciona a sí misma como una blockchain de pila completa para construir el futuro de DeFAI. Recientemente, implementaron Terminal, que es el co-piloto de DeFAI, utilizado para ejecutar transacciones en cadena a través de indicaciones de los usuarios, que pronto estará abierto a los stakers del token nativo de esa cadena.
Además, esta blockchain también admite muchos equipos basados en IA y agentes. Han hecho un gran esfuerzo para integrar múltiples protocolos en su ecosistema, y a medida que se desarrollan más agentes y se ejecutan transacciones, este ecosistema crece rápidamente.
Estas medidas se implementan al mismo tiempo que actualizan la red con IA, siendo lo más notable la incorporación de un clasificador de IA en su blockchain. Al utilizar simulaciones y análisis de IA en las transacciones antes de su ejecución, se pueden detener y revisar transacciones de alto riesgo antes de su procesamiento, para garantizar la seguridad en la cadena. Como L2 de una cierta blockchain pública, esta blockchain se sitúa en un punto intermedio, conectando a usuarios humanos y agentes con el mejor ecosistema de Finanzas descentralizadas.
Comparación de las principales blockchains en las que se basa el agente de IA
Sin duda, Solana y Base son las dos principales cadenas para la construcción y publicación de la mayoría de los marcos y tokens de agentes de IA. Los agentes de IA utilizan la alta capacidad de procesamiento y la red de baja latencia de Solana, así como el ElizaOS de código abierto para desplegar tokens de agentes, mientras que Virtuals actúa como el launchpad para desplegar agentes en Base. Aunque ambos tienen hackatones e incentivos de financiación, en cuanto a su programa de IA como cadena, aún no han alcanzado el nivel que ha logrado alguna blockchain.
NEAR se definió previamente como una blockchain L1 centrada en la IA, cuyas funciones incluyen un mercado de tareas de IA, un centro de investigación de IA de NEAR con un marco de agentes de IA de código abierto y el asistente de IA de NEAR. Recientemente anunciaron un fondo de agentes de IA de 20 millones de dólares para expandir agentes completamente autónomos y verificables en NEAR.
Chainbase
Chainbase proporciona conjuntos de datos estructurados en cadena verificables en toda la cadena, lo que puede mejorar las funciones de negociación, análisis, predicción y búsqueda de alpha de los agentes de IA. Han lanzado manuscripts, que es un marco de flujo de datos de blockchain, utilizado para integrar conjuntos de datos en cadena y fuera de la cadena en el almacenamiento de datos objetivo, para realizar consultas y análisis ilimitados.
Esto permite a los desarrolladores personalizar los flujos de trabajo de procesamiento de datos según sus necesidades específicas. Estandarizar los datos originales y procesarlos en un formato limpio y compatible asegura que sus conjuntos de datos cumplan con los estrictos requisitos de los sistemas de IA, lo que reduce el tiempo de preprocesamiento y mejora la precisión del modelo, ayudando a crear agentes de IA confiables.
Basado en su amplia cantidad de datos en cadena, también desarrollaron un modelo llamado Theia, que traduce los datos en cadena en análisis de datos para los usuarios, sin necesidad de ningún conocimiento de codificación complejo. La utilidad de los datos de Chainbase es evidente en sus asociaciones, donde los protocolos de IA están utilizando sus datos para:
En comparación con los protocolos de datos tradicionales, los protocolos de datos como The Graph, Chainlink y Alchemy proporcionan datos, pero no están centrados en la IA. The Graph ofrece una plataforma para consultar e indexar datos de blockchain, proporcionando a los desarrolladores acceso a datos en bruto, que no están construidos para transacciones o ejecución de estrategias. Chainlink ofrece alimentación de datos de oráculos, pero carece de conjuntos de datos optimizados por IA para predicciones, mientras que Alchemy se centra principalmente en servicios RPC.
En comparación, los datos de Chainbase son datos de blockchain preparados específicamente, que pueden ser utilizados fácilmente por aplicaciones o agentes de IA en una forma más estructurada y perspicaz, lo que permite a los agentes acceder más convenientemente a los datos relacionados con el mercado en cadena, la liquidez y los datos de tokens.
sqd.ai
sqd.ai está desarrollando una red de bases de datos abierta diseñada específicamente para agentes de IA y servicios Web3. Su lago de datos descentralizado ofrece acceso a una gran cantidad de datos de blockchain en tiempo real e históricos, de manera económica y sin necesidad de permisos, lo que permite que los agentes de IA funcionen de manera más eficiente.
sqd.ai proporciona un índice de datos en tiempo real ( que incluye el índice de bloques pendientes ), con una velocidad de indexación de hasta 150,000+ bloques por segundo, más rápido que cualquier otro indexador. En las últimas 24 horas, han proporcionado más de 11TB de datos, satisfaciendo la alta demanda de rendimiento de miles de millones de agentes de IA autónomos y desarrolladores.
Su plataforma de procesamiento de datos personalizable puede proporcionar datos a medida según las necesidades de los agentes de IA, mientras que DuckDB ofrece una recuperación de datos eficiente para consultas locales. Su conjunto de datos integral admite más de 100 redes EVM y Substrate, incluyendo registros de eventos y detalles de transacciones, lo cual es muy valioso para los agentes de IA que operan en múltiples blockchains.
La incorporación de pruebas de conocimiento cero asegura que los agentes de IA puedan acceder y procesar datos sensibles sin comprometer la privacidad. Además, sqd.ai puede manejar la carga de datos en aumento al agregar más nodos de procesamiento, lo que apoya un número creciente de agentes de IA, que se estima alcanzará miles de millones (.
![DeFAI completo: ¿Cómo libera la IA el potencial de las Finanzas descentralizadas?])https://img-cdn.gateio.im/webp-social/moments-71d4c0a59f18e7366698c6df17506767.webp(
) Cookie
Cookie proporciona una capa de datos modular para agentes de IA y clústeres, diseñada específicamente para procesar datos sociales. Cuenta con un panel de control de agentes de IA que rastrea las principales mentalidades de los agentes en la cadena y en las plataformas sociales, y recientemente ha lanzado una API de clúster de datos plug-and-play para otros agentes de IA, con el fin de detectar narrativas populares y cambios de mentalidad en las redes sociales.
Sus grupos de datos cubren más de 7TB de fuentes de datos en tiempo real de la cadena y redes sociales, respaldados por 20 agentes de datos, proporcionando información sobre el sentimiento del mercado y análisis en la cadena. Su último agente de IA utiliza el 7% de la capacidad de sus grupos de datos, ofreciendo pronósticos del mercado y descubriendo nuevas oportunidades al aprovechar diversos otros agentes que operan por debajo.
![DeFAI completo: ¿Cómo puede la IA liberar el potencial de las Finanzas descentralizadas?]###https://img-cdn.gateio.im/webp-social/moments-082e086a7d08141ddad8264adc07d48f.webp(
El siguiente paso de DeFAI
Actualmente, la mayoría de los agentes de IA en Finanzas descentralizadas enfrentan importantes limitaciones en la realización de la autonomía total. Por ejemplo:
La capa de abstracción convierte la intención del usuario en ejecución, pero a menudo carece de capacidad predictiva.
Los agentes de IA pueden generar alpha a través del análisis, pero carecen de ejecución de operaciones independiente.
Las dApps impulsadas por IA pueden manejar bóvedas o transacciones, pero son pasivas en lugar de activas.
La siguiente fase de DeFAI podría centrarse en la integración de capas de datos útiles para desarrollar la mejor plataforma o agente de intermediación. Esto requerirá datos en cadena profundos sobre actividades de ballenas, cambios en la liquidez, etc., al tiempo que genera datos sintéticos útiles para un mejor análisis predictivo, y combinando análisis de sentimiento del mercado en general, ya sea sobre las fluctuaciones de tokens de categorías específicas como los agentes de IA, DeSci, etc. ) o las fluctuaciones de tokens en redes sociales.
El objetivo final es que los agentes de IA puedan generar y ejecutar estrategias de trading de manera fluida desde una única interfaz. A medida que estos sistemas se desarrollan,