DWF深度報告：AI在DeFi中的收益優化表現優於人類，但複雜交易仍落後5倍

原始標題：代理會接管DeFi嗎？

原始來源：DWF Ventures

原始翻譯：Deep Tide TechFlow

要點

自動化和代理活動目前占所有鏈上活動的約19%，但真正的端到端自主性尚未實現。

在狹窄且定義明確的用例中，如收益優化，代理的表現優於人類和機器人。然而，對於多方面的行動，如交易，人類的表現優於代理。

在代理中，模型選擇和風險管理對交易表現的影響最大。

隨著代理的大規模採用，存在關於信任和執行的多種風險，包括女巫攻擊、策略擁擠和隱私權衡。

代理活動的持續增長

在過去一年中，代理活動穩步增加，交易量和交易數量均在上升。我們看到Coinbase的x402協議引領了重要的發展，Visa、Stripe和Google等參與者也加入進來推出自己的標準。目前正在建設的大部分基礎設施旨在服務於兩種類型的場景：代理之間的通道或由人類觸發的代理調用。

雖然穩定幣交易得到了廣泛支持，但當前的基礎設施仍依賴於傳統支付網關作為底層，這意味著它仍然依賴於中心化的對手方。因此，"完全自主"的最終目標尚未實現，在這個目標中，代理可以自我融資、自我執行，並根據變化的條件不斷優化。

代理在去中心化金融（DeFi）中並不是全新的概念。多年來，通過鏈上協議中的機器人實現了自動化，捕獲了MEV或實現了無法通過代碼實現的超額收益。這些系統在參數明確且不經常變化或不需要額外監督的情況下運行良好。

然而，隨著時間的推移，市場變得更加複雜。這就是我們看到下一代代理進入的地方，鏈上活動在最近幾個月成為此類發展的試驗場。

代理的實際表現

根據報告，代理活動呈指數增長，自2025年以來已啟動超過17,000個代理。自動化/代理活動的總量估計覆蓋了超過19%的所有鏈上活動。這並不令人驚訝，因為估計超過76%的穩定幣轉帳量是由機器人生成的。這表明，代理活動在去中心化金融中具有顯著的增長潛力。

代理的自主性存在於一個廣泛的範圍內，從需要高度人類監督的聊天機器人體驗到能夠根據目標輸入制定策略並適應市場條件的代理。與機器人相比，代理具有幾個關鍵優勢，包括能夠在毫秒內響應和執行新信息的能力，以及在保持相同嚴謹性的同時擴展到數千個市場的能力。

目前，大多數代理仍處於分析師到副駕駛的水平，因為大多數仍處於測試階段。

收益優化：代理表現出色

流動性提供是一個自動化頻繁發生的領域，代理持有的總鎖倉價值（TVL）超過3900萬美元。該數字主要衡量用戶直接存入代理的資產，不包括通過資金池轉移的資本。

Giza Tech是該領域最大的協議之一，去年底推出了首個代理應用ARMA，旨在增強主要去中心化金融協議的收益捕獲。它吸引了超過1900萬美元的管理資產，並產生了超過40億美元的代理交易量。

交易量與總管理資產的高比率表明，代理人頻繁調倉資本，從而實現更高的收益捕獲。一旦資金存入合約，執行將自動化，為用戶提供幾乎無需監督的簡單一鍵體驗。

ARMA的表現顯著卓越，為USDC生成超過9.75%的年化收益。即使考慮到額外的調倉費用和代理人的10%業績費用，收益仍然超過Aave或Morpho上的普通借貸。然而，擴展性仍然是一個關鍵問題，因為這些代理尚未經過實戰測試以管理或擴展到主要DeFi協議的規模。

交易：人類顯著領先

然而，對於更複雜的操作如交易，結果則變化更大。當前的交易模型基於人類定義的輸入操作，並根據預設規則提供輸出。機器學習透過使模型能夠根據新資訊更新其行為而無需明確重新編程，從而擴展了這一點，使其向副駕駛角色發展。隨著完全自主代理的引入，交易格局將發生重大變化。

已經舉行了幾場代理之間以及人類與代理之間的交易比賽，揭示了模型之間的顯著差異。Trade XYZ在其平台上舉辦了一場股票交易比賽，將人類與代理對抗。每個帳戶的初始資本為10,000美元，沒有槓桿或交易頻率的限制。結果壓倒性地偏向人類，頂尖人類的表現超過頂尖代理的表現五倍以上。

與此同時，Nof1在模型之間舉行了一場交易比賽，允許多個模型（Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude、Gemini）相互競爭，測試從資本保值到最大槓桿的不同風險配置。結果揭示了幾個因素，可以幫助解釋表現差異：

持有時間：存在強相關性，平均持有2-3小時的模型顯著優於頻繁翻轉頭寸的模型。

期望值：這衡量模型在每筆交易中平均是否盈利。有趣的是，只有前三個模型的預期值為正，表明大多數模型的虧損交易多於盈利交易。

槓桿:平均槓桿水平較低的6-8倍的表現優於槓桿超過10倍的模型，因為高槓桿水平會加速損失。

提示策略:到目前為止，僧侶模式是表現最好的模型，而情境意識表現最差。根據模型的特徵，專注於風險管理和較少的外部來源會導致更好的表現。

基礎模型:Grok 4.20在不同的提示策略中顯著超越其他模型，超過22%，並且是唯一一個平均盈利的模型。

其他因素如多頭/空頭偏好、交易規模和信心評分的數據不足，或被證明與模型表現沒有正相關。總體而言，結果表明代理在明確的約束條件下表現更好，這表明人類在目標配置中仍然非常必要。

如何評估代理

鑒於代理仍處於早期階段，目前沒有全面的評估框架。歷史表現通常被用作評估代理的基準，但它受到潛在因素的影響，這些因素提供了更強的信號來表明代理的穩健表現。

不同波動率下的表現:這包括在條件惡化時的有紀律的損失控制，表明代理能夠識別影響交易盈利能力的鏈外因素。

透明度與。隱私:兩者都有其權衡。透明的代理，如果可以在交易中被主動複製，基本上沒有戰略優勢。私人代理面臨著創作者內部提取的風險，創作者可以輕易地搶先於自己的用戶。

資訊來源:代理訪問的數據來源對於決定代理如何做出決策至關重要。確保來源可靠且不單一依賴是至關重要的。

安全性:必須進行智能合約審計和適當的資金保管結構，以確保在黑天鵝事件發生時有備份措施。

代理的下一步

為了實現代理的大規模採用，在基礎設施方面仍需做大量工作。這歸結為圍繞信任和代理執行的關鍵問題。自主代理在沒有護欄的情況下運作，已經出現了資金管理不善的情況。

ERC-8004計劃於2026年一月推出，成為第一個允許自主代理相互發現、建立可驗證聲譽並安全合作的鏈上註冊。這是解鎖DeFi可組合性的關鍵，因為信任評分嵌入在智能合約中，允許代理和協議之間進行非許可型活動。

這並不保證代理總是以非惡意的方式運作，因為如合謀聲譽和女巫攻擊等漏洞仍可能發生。因此，在保險、安全和代理經濟質押等領域仍有很大的填補空間。

隨著代理活動在DeFi中擴展，策略擁擠成為一種結構性風險。流動性挖礦是最明顯的先例，因為隨著策略的增多，回報會壓縮。相同的動態可能適用於代理交易。如果大量代理在相似的數據上進行訓練並優化相似的目標，他們將趨向於相似的頭寸和相似的退出信號。

康奈爾大學在2026年一月發布的CoinAlg論文正式化了這個問題的一個版本。透明代理可以被套利，因為他們的交易是可預測的，並且可以被搶先。私人代理避免了這種風險，但引入了另一種風險，即創作者在自己的用戶面前保持信息優勢，並可以通過內部知識的模糊性提取價值，這些知識本應受到保護。

代理活動只會繼續加速，而今天奠定的基礎設施將決定下一階段鏈上金融的運作方式。隨著代理的使用增加，它們將自我迭代，並變得更擅長適應用戶偏好。因此，主要的差異化因素將歸結為值得信賴的基礎設施，這將佔據最大的市場份額。