DWF深度报告：AI在DeFi中的收益优化表现优于人类，但复杂交易仍落后5倍

原始标题：代理会接管DeFi吗？

原始来源：DWF Ventures

原始翻译：Deep Tide TechFlow

要点

自动化和代理活动目前占所有链上活动的约19%，但真正的端到端自主性尚未实现。

在狭窄且定义明确的用例中，如收益优化，代理的表现优于人类和机器人。然而，对于多方面的行动，如交易，人类的表现优于代理。

在代理中，模型选择和风险管理对交易表现的影响最大。

随着代理的大规模采用，存在关于信任和执行的多种风险，包括女巫攻击、策略拥挤和隐私权衡。

代理活动的持续增长

在过去一年中，代理活动稳步增加，交易量和交易数量均在上升。我们看到Coinbase的x402协议引领了重要的发展，Visa、Stripe和Google等参与者也加入进来推出自己的标准。目前正在建设的大部分基础设施旨在服务于两种类型的场景：代理之间的通道或由人类触发的代理调用。

虽然稳定币交易得到了广泛支持，但当前的基础设施仍依赖于传统支付网关作为底层，这意味着它仍然依赖于中心化的对手方。因此，"完全自主"的最终目标尚未实现，在这个目标中，代理可以自我融资、自我执行，并根据变化的条件不断优化。

代理在去中心化金融（DeFi）中并不是全新的概念。多年来，通过链上协议中的机器人实现了自动化，捕获了MEV或实现了无法通过代码实现的超额收益。这些系统在参数明确且不经常变化或不需要额外监督的情况下运行良好。

然而，随着时间的推移，市场变得更加复杂。这就是我们看到下一代代理进入的地方，链上活动在最近几个月成为此类发展的试验场。

代理的实际表现

根据报告，代理活动呈指数增长，自2025年以来已启动超过17,000个代理。自动化/代理活动的总量估计覆盖了超过19%的所有链上活动。这并不令人惊讶，因为估计超过76%的稳定币转账量是由机器人生成的。这表明，代理活动在去中心化金融中具有显著的增长潜力。

代理的自主性存在于一个广泛的范围内，从需要高度人类监督的聊天机器人体验到能够根据目标输入制定策略并适应市场条件的代理。与机器人相比，代理具有几个关键优势，包括能够在毫秒内响应和执行新信息的能力，以及在保持相同严格性的同时扩展到数千个市场的能力。

目前，大多数代理仍处于分析师到副驾驶的水平，因为大多数仍处于测试阶段。

收益优化：代理表现出色

流动性提供是一个自动化频繁发生的领域，代理持有的总锁仓价值（TVL）超过3900万美元。该数字主要衡量用户直接存入代理的资产，不包括通过资金池转移的资本。

Giza Tech是该领域最大的协议之一，去年底推出了首个代理应用ARMA，旨在增强主要去中心化金融协议的收益捕获。它吸引了超过1900万美元的管理资产，并产生了超过40亿美元的代理交易量。

交易量与总管理资产的高比率表明，代理人频繁调仓资本，从而实现更高的收益捕获。一旦资金存入合约，执行将自动化，为用户提供几乎无需监督的简单一键体验。

ARMA的表现显著卓越，为USDC生成超过9.75%的年化收益。即使考虑到额外的调仓费用和代理人的10%业绩费用，收益仍然超过Aave或Morpho上的普通借贷。然而，扩展性仍然是一个关键问题，因为这些代理尚未经过实战测试以管理或扩展到主要DeFi协议的规模。

交易：人类显著领先

然而，对于更复杂的操作如交易，结果则变化更大。当前的交易模型基于人类定义的输入操作，并根据预设规则提供输出。机器学习通过使模型能够根据新信息更新其行为而无需明确重新编程，从而扩展了这一点，使其向副驾驶角色发展。随着完全自主代理的引入，交易格局将发生重大变化。

已经举行了几场代理之间以及人类与代理之间的交易比赛，揭示了模型之间的显著差异。Trade XYZ在其平台上举办了一场股票交易比赛，将人类与代理对抗。每个账户的初始资本为10,000美元，没有杠杆或交易频率的限制。结果压倒性地偏向人类，顶尖人类的表现超过顶尖代理的表现五倍以上。

与此同时，Nof1在模型之间举行了一场交易比赛，允许多个模型（Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude、Gemini）相互竞争，测试从资本保值到最大杠杆的不同风险配置。结果揭示了几个因素，可以帮助解释表现差异：

持有时间：存在强相关性，平均持有2-3小时的模型显著优于频繁翻转头寸的模型。

期望值：这衡量模型在每笔交易中平均是否盈利。有趣的是，只有前三个模型的预期值为正，表明大多数模型的亏损交易多于盈利交易。

杠杆:平均杠杆水平较低的6-8倍的表现优于杠杆超过10倍的模型，因为高杠杆水平会加速损失。

提示策略:到目前为止，僧侣模式是表现最好的模型，而情境意识表现最差。根据模型的特征，专注于风险管理和较少的外部来源会导致更好的表现。

基础模型:Grok 4.20在不同的提示策略中显著超越其他模型，超过22%，并且是唯一一个平均盈利的模型。

其他因素如多头/空头偏好、交易规模和信心评分的数据不足，或被证明与模型表现没有正相关。总体而言，结果表明代理在明确的约束条件下表现更好，这表明人类在目标配置中仍然非常必要。

如何评估代理

鉴于代理仍处于早期阶段，目前没有全面的评估框架。历史表现通常被用作评估代理的基准，但它受到潜在因素的影响，这些因素提供了更强的信号来表明代理的稳健表现。

不同波动率下的表现:这包括在条件恶化时的有纪律的损失控制，表明代理能够识别影响交易盈利能力的链外因素。

透明度与。隐私:两者都有其权衡。透明的代理，如果可以在交易中被主动复制，基本上没有战略优势。私人代理面临着创作者内部提取的风险，创作者可以轻易地抢先于自己的用户。

信息来源:代理访问的数据来源对于决定代理如何做出决策至关重要。确保来源可靠且不单一依赖是至关重要的。

安全性:必须进行智能合约审计和适当的资金保管结构，以确保在黑天鹅事件发生时有备份措施。

代理的下一步

为了实现代理的大规模采用，在基础设施方面仍需做大量工作。这归结为围绕信任和代理执行的关键问题。自主代理在没有护栏的情况下运作，已经出现了资金管理不善的情况。

ERC-8004计划于2026年一月推出，成为第一个允许自主代理相互发现、建立可验证声誉并安全合作的链上注册。这是解锁DeFi可组合性的关键，因为信任评分嵌入在智能合约中，允许代理和协议之间进行非许可型活动。

这并不保证代理总是以非恶意的方式运作，因为如合谋声誉和女巫攻击等漏洞仍可能发生。因此，在保险、安全和代理经济质押等领域仍有很大的填补空间。

随着代理活动在DeFi中扩展，策略拥挤成为一种结构性风险。流动性挖矿是最明显的先例，因为随着策略的增多，回报会压缩。相同的动态可能适用于代理交易。如果大量代理在相似的数据上进行训练并优化相似的目标，他们将趋向于相似的头寸和相似的退出信号。

康奈尔大学在2026年一月发布的CoinAlg论文正式化了这个问题的一个版本。透明代理可以被套利，因为他们的交易是可预测的，并且可以被抢先。私人代理避免了这种风险，但引入了另一种风险，即创作者在自己的用户面前保持信息优势，并可以通过内部知识的模糊性提取价值，这些知识本应受到保护。

代理活动只会继续加速，而今天奠定的基础设施将决定下一阶段链上金融的运作方式。随着代理的使用增加，它们将自我迭代，并变得更擅长适应用户偏好。因此，主要的差异化因素将归结为值得信赖的基础设施，这将占据最大的市场份额。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。