DWF глибокий звіт: Штучний інтелект у DeFi перевищує людські можливості у оптимізації доходів, але складні операції все ще поступаються у 5 разів

Автор: DWF Ventures

Переклад: Deep潮 TechFlow

Deep潮 Вступ: AI-агент вже займає майже п’яту частину обсягів торгів у DeFi, і в сценаріях з чіткими правилами, таких як оптимізація доходів, він дійсно перевершує людський фактор. Але якщо говорити про його автономну торгівлю, то найкращі AI показники ще не досягають п’ятої частини найкращих людських результатів. Це дослідження розбирає реальні показники AI у різних сценаріях DeFi і варто ознайомитися всім, хто цікавиться автоматизованою торгівлею.

Ключові моменти

Автоматизація та активність агентів наразі становлять близько 19% усієї активності в блокчейні, але справжня повна автономність ще не досягнута.

У вузьких, чітко визначених сценаріях, таких як оптимізація доходів, агенти вже демонструють кращі результати ніж люди та боти. Але для багатогранних дій, таких як торгівля, людський фактор все ще переважає.

Між агентами, найбільший вплив на результати мають вибір моделей та управління ризиками.

Зі зростанням масштабів використання агентів існує кілька ризиків довіри та виконання, включаючи атаки від шахраїв, натиск стратегій та баланс між приватністю.

Активність агентів зростає

За минулий рік активність агентів стабільно зростає, обсяг торгів та кількість операцій збільшуються. Ми бачимо, що протокол Coinbase x402 очолив значний розвиток, до нього приєдналися гравці як Visa, Stripe і Google, які запустили свої стандарти. Більшість сучасної інфраструктури орієнтована на два сценарії: канали між агентами або виклики агентів, ініційовані людьми.

Хоча торгівля стабільними монетами вже широко підтримується, поточна інфраструктура все ще залежить від традиційних платіжних шлюзів як базової платформи, що означає її централізовану природу. Тому повністю автономний сценарій, коли агент сам фінансує себе, виконує операції та постійно оптимізується залежно від змінних умов, ще не реалізований.

Агенти не є чужими для DeFi. Протягом багатьох років у смарт-контрактах існувала автоматизація через боти, які захоплювали MEV або отримували надприбутки безпосередньо через код. Ці системи добре працюють у чітко визначених параметрах, які не змінюються часто або не потребують додаткового контролю. Але з часом ринок став складнішим. Саме тут з’являється нове покоління агентів, і останні місяці блокчейн став їхньою лабораторією.

Реальні результати агентів

За даними дослідження, активність агентів зростає експоненційно, з понад 17 000 запущених агентів з 2025 року. Загальний обсяг автоматизації/агентів оцінюється більш ніж у 19% усіх операцій у блокчейні. Це не дивно, враховуючи, що понад 76% трансферів стабільних монет генеруються ботами. Це свідчить про великий потенціал зростання активності агентів у DeFi.

Автономність агентів охоплює широкий спектр — від високорегульованих чат-ботів до агентів, що адаптують стратегії під цілі та ринкові умови. У порівнянні з ботами, агенти мають кілька ключових переваг: здатність швидко реагувати та виконувати нову інформацію за мілісекунди, а також розширювати охоплення до тисяч ринків при збереженні високого рівня строгості.

На даний момент більшість агентів перебувають на рівні аналітиків або помічників, оскільки вони ще перебувають у тестовій фазі.

Оптимізація доходів: високі результати агентів

Обсяг ліквідності — одна з галузей, де автоматизація вже активно застосовується, і загальний TVL агентів перевищує 39 мільйонів доларів. Це число в основному враховує активи, що безпосередньо внесені користувачами, без урахування капіталу, що маршрутизований через сейфи.

Giza Tech — один із найбільших протоколів у цій сфері, який наприкінці минулого року запустив перший застосунок для агентів ARMA, спрямований на підвищення доходності основних DeFi-протоколів. Він вже залучив понад 19 мільйонів доларів управлінських активів і забезпечив понад 4 мільярди доларів торгів за допомогою агентів. Високий коефіцієнт торгівлі до загальної управлінської суми свідчить про часте ребалансування капіталу, що дозволяє отримувати вищі доходи. Після внесення капіталу в контракт, операції автоматизуються, забезпечуючи простий однокліковий досвід для користувачів із мінімальним контролем.

Результати ARMA демонструють високий рівень ефективності — понад 9.75% річної доходності у USDC. Навіть з урахуванням додаткових витрат на ребалансування та 10% комісії за результати, дохідність залишається вищою за стандартні позики на Aave або Morpho. Однак масштабованість залишається ключовою проблемою, оскільки ці агенти ще не пройшли реальні випробування у масштабах основних DeFi-протоколів.

Торгівля: людський фактор значно випереджає

Що ж до більш складних дій, таких як торгівля, результати значно різняться. Поточні моделі торгівлі базуються на людських вводах і видають результати згідно з заздалегідь визначеними правилами. Машинне навчання дозволяє цим моделям оновлювати свою поведінку без явного перепрограмування, що переводить їх у роль помічників. З появою повністю автономних агентів структура торгівлі зазнає суттєвих змін.

Проводилися кілька змагань між агентами та людьми, і результати показали значну різницю. Trade XYZ організував змагання між людськими трейдерами і агентами для своїх акцій. Початковий капітал — 10 000 доларів на кожного, без обмежень щодо кредитного плеча або частоти торгів. Перемога була очевидною — найкращі люди показали результати більш ніж у п’ять разів вищі за найкращих агентів.

Також Nof1 провів змагання між моделями-агентами (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini), тестуючи різні рівні ризику — від збереження капіталу до максимального кредитного плеча. Виявлено кілька факторів, що пояснюють різницю у результатах:

Тривалість позиції: сильний кореляційний зв’язок — моделі, що тримають позиції в середньому 2-3 години, значно перевищують ті, що часто змінюють їх.

Очікувана прибутковість: показує, чи приносить кожна торгівля прибуток у середньому. Цікаво, що лише три найкращі моделі мають позитивну очікувану цінність, тоді як більшість зазнають збитків.

Кредитне плече: моделі з низьким плечем (6-8 разів) працюють краще, ніж ті, що використовують понад 10-кратне плече, оскільки високий рівень прискорює втрати.

Стратегія підказок: Monk Mode — найкраща модель, а Situational Awareness — найгірша. За характеристиками моделей, зосередженість на управлінні ризиками та менша кількість зовнішніх джерел дають кращі результати.

Базова модель: Grok 4.20 значно перевищує інші моделі більш ніж на 22% у різних стратегіях підказок і є єдиною, що в середньому приносить прибуток.

Інші фактори, такі як уподобання до довгих або коротких позицій, обсяг торгів та рівень довіри, мають недостатньо даних або не доведені до позитивної кореляції з результатами моделей. Загалом, результати свідчать, що агентам краще працювати у чітко визначених обмеженнях, що означає, що людський фактор ще дуже важливий у цій сфері.

Як оцінювати агентів

Оскільки агенти ще перебувають на ранніх стадіях, наразі відсутня універсальна система оцінки. Історні результати зазвичай використовуються як орієнтир, але вони залежать від базових факторів, що є сильнішими ознаками високої ефективності агентів.

Результати за різних рівнів волатильності: включаючи дисципліноване обмеження збитків під час погіршення умов, що свідчить про здатність агентів розпізнавати зовнішні чинники, що впливають на прибутковість.

Прозорість і приватність: обидва підходи мають свої плюси і мінуси. Прозорий агент, який може бути активовано для копіювання стратегій, майже не має переваг у стратегічному плані. Приватний агент ризикує внутрішніми витягами, оскільки його творець може легко перехопити його користувачів.

Джерела інформації: важливо, щоб дані, до яких підключені агенти, були надійними і не залежали від одного джерела.

Безпека: необхідно мати аудит смарт-контрактів і відповідну архітектуру зберігання коштів для захисту від чорних лебедів.

Наступні кроки агентів

Щоб масштабувати використання агентів, потрібно багато роботи з інфраструктурою. Це стосується ключових питань довіри та виконання. Дії автономних агентів без обмежень вже призвели до випадків неправильного управління капіталом.

ERC-8004, запущений у січні 2026 року, став першим реєстром у блокчейні, що дозволяє автономним агентам знаходити один одного, формувати підтверджену репутацію та безпечно співпрацювати. Це важливий крок у розкритті можливостей DeFi — довіра тепер закодована безпосередньо у смарт-контрактах, що дозволяє безліцензійні дії між агентами та протоколами. Однак це не гарантує, що агенти завжди працюватимуть у добросовісний спосіб, оскільки все ще можливі зловживання репутацією та атаки шахраїв. Тому залишається багато роботи у сферах страхування, безпеки та економічного залучення агентів.

З розширенням активності агентів у DeFi зростає й ризик стратегічної натиски. Найяскравіший приклад — ферми доходів, які з часом стискають доходність. Аналогічно, якщо багато агентів тренуються та оптимізують схожі цілі на схожих даних, вони почнуть діяти схожими позиціями та сигналами виходу.

Стаття CoinAlg університету Корнелл від січня 2026 року формалізує цю проблему. Прозорі агенти можуть бути арбітражовані, оскільки їхні торги передбачувані та можуть бути перехоплені. Приватні агенти уникають цього ризику, але створюють інший — внутрішню перевагу для творця, який може витягати цінну інформацію та приховувати її.

Активність агентів лише зростатиме, і інфраструктура, закладена сьогодні, визначатиме майбутній розвиток фінансів у блокчейні. Зі зростанням використання агентів вони самовдосконалюватимуться і стануть більш чутливими до уподобань користувачів. Тому головним фактором успіху стане довірена інфраструктура, яка займе найбільшу частку ринку.