タイトル: DeFai: AI と DeFi の融合

わずか 3 か月で、AI x ミームコインの時価総額は 134 億ドルに達し、その規模は AVAX や SUI などの一部の成熟した L1 に匹敵します。

output: Artificial intelligence (AI) has experienced a surge in popularity within the cryptocurrency industry, particularly on the Solana blockchain, where the integration of AI and memecoins has led to a market capitalization of $13.4 billion, comparable to some mature Layer 1 protocols such as Avalanche (AVAX) or Sui (SUI).

出力: 人工知能 (AI) は、暗号通貨業界、特に Solana ブロックチェーンで人気が急上昇しており、AI とミームコインの統合により時価総額は 134 億ドルに達し、これは、次のようないくつかの成熟したレイヤー 1 プロトコルに匹敵します。アバランチ（AVAX）またはスイ（SUI）。

Over the past few months, we've witnessed the merging of two powerful technologies: AI and blockchain. From decentralized model training on the early Bittensor subnet to decentralized GPU/computing resource markets like Akash and io.net and the current wave of AI x memecoins and frameworks on Solana, each stage demonstrates how cryptocurrency can complement AI to a certain extent through resource aggregation, thereby achieving sovereign AI and consumer use cases.

過去数か月間、私たちは AI とブロックチェーンという 2 つの強力なテクノロジーの融合を目の当たりにしてきました。初期の Bittensor サブネットでの分散型モデル トレーニングから、Akash や io.net などの分散型 GPU/コンピューティング リソース市場、そして現在の AI x ミームコインと Solana でのフレームワークの波に至るまで、各段階で、仮想通貨がリソースの集約を通じて AI をある程度補完できることが実証されています。 、それによって主権AIと消費者のユースケースを実現します。

In the first wave of Solana AI coins, some have brought meaningful utility beyond pure speculation. We’ve seen the emergence of frameworks like ai16z’s ELIZA, AI agents like aixbt that provide market analysis and content creation, or toolkits that integrate AI with blockchain capabilities.

Solana AI コインの第一波では、純粋な投機を超えた有意義な実用性をもたらしたコインもあります。 ai16z の ELIZA のようなフレームワーク、市場分析とコンテンツ作成を提供する aixbt のような AI エージェント、または AI とブロックチェーン機能を統合するツールキットの出現を見てきました。

In the second wave of AI, as more tools mature, applications have become the key value driver, and DeFi has become the perfect testing ground for these innovations. To simplify the expression, in this study, we refer to the combination of AI and DeFi as "DeFai".

AI の第 2 波では、より多くのツールが成熟するにつれて、アプリケーションが重要な価値の原動力となり、DeFi はこれらのイノベーションの完璧な実験場となっています。表現を簡略化するために、本研究ではAIとDeFiの組み合わせを「DeFai」と呼びます。

According to Coingecko, DeFai has a market cap of about $1 billion. Griffian dominates the market with a 45% share, while $ANON accounts for 22%. This track began to experience rapid growth after December 25, and frameworks and platforms such as Virtual and ai16z experienced strong growth after the Christmas holiday.

コインゲッコ氏によると、デファイの時価総額は約10億ドルだという。 Griffian は 45% のシェアで市場を独占しており、$ANON は 22% を占めています。このトラックは 12 月 25 日以降に急速な成長を見せ始め、Virtual や ai16z などのフレームワークやプラットフォームはクリスマス休暇後に大きな成長を遂げました。

This is just the first step, and the potential of DeFai goes far beyond this. Although DeFai is still in the proof-of-concept stage, we cannot underestimate its potential. It will use the intelligence and efficiency that AI can provide to transform the DeFi industry into a more user-friendly, intelligent and efficient financial ecosystem.

これは最初のステップにすぎませんが、DeFai の可能性はこれをはるかに超えています。 DeFai はまだ概念実証の段階にありますが、その可能性を過小評価することはできません。 AIが提供できるインテリジェンスと効率性を利用して、DeFi業界をよりユーザーフレンドリーでインテリジェントで効率的な金融エコシステムに変革します。

Before we dive into the world of DeFai, we need to understand how agents actually work in DeFi/blockchain.

DeFai の世界に飛び込む前に、DeFi/ブロックチェーンでエージェントが実際にどのように機能するかを理解する必要があります。

Artificial Intelligence Agent (AI Agent) refers to a program that can perform tasks on behalf of users according to workflow. The core behind AI Agent is LLM (Large Language Model), which can respond based on its training or learned knowledge, but this response is often limited.

人工知能エージェント (AI エージェント) は、ワークフローに従ってユーザーに代わってタスクを実行できるプログラムを指します。 AI エージェントの背後にあるコアは LLM (ラージ言語モデル) であり、トレーニングまたは学習した知識に基づいて応答できますが、この応答は制限されることがよくあります。

Agents are fundamentally different from robots. Robots are usually task-specific, require human supervision, and need to operate under predefined rules and conditions. In contrast, agents are more dynamic and adaptive, and can learn autonomously to achieve specific goals.

エージェントはロボットとは根本的に異なります。ロボットは通常、タスク固有であり、人間の監督を必要とし、事前に定義されたルールと条件の下で動作する必要があります。対照的に、エージェントはより動的で適応性があり、特定の目標を達成するために自律的に学習できます。

To create more personalized experiences and more comprehensive responses, agents can store past interactions in memory, allowing the agent to learn from the user’s behavioral patterns and adjust its responses, generating tailored recommendations and strategies based on historical context.

よりパーソナライズされたエクスペリエンスとより包括的な応答を作成するために、エージェントは過去のインタラクションをメモリに保存できるため、エージェントはユーザーの行動パターンから学習して応答を調整し、過去のコンテキストに基づいてカスタマイズされた推奨事項と戦略を生成できます。

In blockchain, agents can interact with smart contracts and accounts to handle complex tasks without constant human intervention. For example, in simplifying the DeFi user experience, including one-click execution of multi-step bridging and farming, optimizing farming strategies for higher returns, executing transactions (buy/sell) and conducting market analysis, all of these steps are completed autonomously.

ブロックチェーンでは、エージェントはスマート コントラクトやアカウントと対話して、人間が継続的に介入することなく複雑なタスクを処理できます。たとえば、マルチステップのブリッジングとファーミングのワンクリック実行、より高い収益を目指したファーミング戦略の最適化、トランザクション（売買）の実行、市場分析の実施など、DeFiのユーザーエクスペリエンスを簡素化する際、これらのステップはすべて自律的に完了します。

According to @3sigma’s research, most models follow 6 specific workflows:

@3sigma の調査によると、ほとんどのモデルは 6 つの特定のワークフローに従っています。

1. Data Collection

1. データ収集

First, models need to understand the environment in which they work. Therefore, they need multiple data streams to keep the model in sync with market conditions. This includes: 1) On-chain data from indexers and oracles 2) Off-chain data from price platforms, such as data APIs from CMC/Coingecko/other data providers.

まず、モデルは、モデルが動作する環境を理解する必要があります。したがって、モデルを市場の状況と同期させるには、複数のデータ ストリームが必要です。これには、1) インデクサーおよびオラクルからのオンチェーン データ、2) CMC/Coingecko/その他のデータ プロバイダーからのデータ API などの価格プラットフォームからのオフチェーン データが含まれます。

2. Model Reasoning

2. モデル推論

Once models have learned the environment, they need to apply this knowledge to make predictions or actions based on new, unrecognized input from the user. Models used by agents include:

モデルが環境を学習したら、この知識を適用して、ユーザーからの新しい認識されていない入力に基づいて予測やアクションを行う必要があります。エージェントが使用するモデルには次のものがあります。

3. Decision Making

3. 意思決定

With trained models and data, the agent can take action using its decision-making capabilities. This includes interpreting the current situation and responding appropriately.

トレーニングされたモデルとデータを使用すると、エージェントは意思決定機能を使用してアクションを実行できます。これには、現在の状況を解釈し、適切に対応することが含まれます。

At this stage, the optimization engine plays an important role in finding the best results. For example, before executing a profit strategy, the agent needs to balance multiple factors such as slippage, spread, transaction costs, and potential profits.

この段階では、最適化エンジンは最良の結果を見つける上で重要な役割を果たします。たとえば、利益戦略を実行する前に、エージェントはスリッページ、スプレッド、取引コスト、潜在的な利益などの複数の要素のバランスを取る必要があります。

Since a single agent may not be able to optimize decisions in different domains, a multi-agent system can be deployed to coordinate.

単一のエージェントでは異なるドメインの意思決定を最適化できない場合があるため、マルチエージェント システムを導入して調整することができます。

4. Hosting and operation

4. ホスティングと運営

Due to the computationally intensive nature of the task, AI agents often host their models off-chain. Some agents rely on centralized cloud services such as AWS, while those that prefer decentralization use distributed computing networks such as Akash or ionet and Arweave for data storage.

タスクの計算集約的な性質のため、AI エージェントは多くの場合、モデルをオフチェーンでホストします。一部のエージェントは AWS などの集中型クラウド サービスに依存していますが、分散化を好むエージェントはデータ ストレージに Akash や ionet、Arweave などの分散コンピューティング ネットワークを使用しています。

Although the AI Agent model runs off-chain, the agent needs to interact with the on-chain protocol to execute smart contract functions and manage assets. This interaction requires a secure key management solution, such as an MPC wallet or a smart contract wallet, to process transactions securely. Agents can operate through

AI エージェント モデルはオフチェーンで実行されますが、エージェントはオンチェーン プロトコルと対話してスマート コントラクト機能を実行し、資産を管理する必要があります。このやり取りには、トランザクションを安全に処理するために、MPC ウォレットやスマート コントラクト ウォレットなどの安全なキー管理ソリューションが必要です。エージェントは次の方法で操作できます。