Defai : Defi의 미래

불과 1 주일 만에 Defai는 고도로 유명한 프로젝트 지역으로 빠르게 등장했으며 앞으로 몇 달 안에 강력한 성능이 예상됩니다.

Original source: DWF Ventures X account

원본 출처 : DWF Ventures X 계정

Author: DWF Ventures

저자 : DWF 벤처

Compiled by: ShenChao TechFlow

편집 : Shenchao Techflow

In just over a week, DeFAI has rapidly emerged as a hot project area, and we can expect to see strong performance in DeFAI over the coming months.

불과 1 주일 만에 Defai는 뜨거운 프로젝트 지역으로 빠르게 등장했으며 앞으로 몇 달 동안 Defai에서 강력한 성능을 볼 수 있습니다.

So, what makes DeFAI so important? What core issues does it address? Let’s explore together.

그렇다면 Defai가 그렇게 중요하게 만드는 것은 무엇입니까? 어떤 핵심 문제를 해결합니까? 함께 탐색합시다.

Introduction

소개

In recent years, DeFi has made significant progress—from the first wave of protocols (such as Maker, now known as @SkyEcosystem, @Uniswap, and @compoundfinance) to now over 3000 different DeFi protocols.

최근 몇 년 동안 Defi는 프로토콜의 첫 번째 물결 (예 : @skyecosystem, @uniswap 및 @compoundfinance)에서 현재 3000 개가 넘는 다른 Defi 프로토콜에 이르기까지 상당한 진전을 이루었습니다.

While the advancements in DeFi are significant for the entire industry, they have also exposed some key challenges.

Defi의 발전은 전체 산업에서 중요하지만 몇 가지 주요 과제를 노출 시켰습니다.

Challenges

도전

The first major issue is the increasing operational complexity of DeFi products. Whether due to the complexity of the underlying architecture or the numerous steps required to participate, this has led to lower user adoption for some DeFi products.

첫 번째 주요 문제는 Defi 제품의 운영 복잡성이 증가한다는 것입니다. 기본 아키텍처의 복잡성 또는 참여에 필요한 수많은 단계로 인해 일부 Defi 제품에 대한 사용자 채택이 더 낮아졌습니다.

The second issue is that the process of finding the most capital-efficient and attractive yield strategies relies on manual operations and is relatively inefficient. For example, products like concentrated liquidity provision and lending require depositors to engage in continuous active management.

두 번째 문제는 가장 자본 효율적이고 매력적인 수확량 전략을 찾는 프로세스가 수동 운영에 의존하며 비교적 비효율적이라는 것입니다. 예를 들어, 농축 유동성 제공 및 대출과 같은 제품은 예금자가 지속적인 능동 관리에 참여해야합니다.

While solutions such as automated liquidity management protocols and account abstraction have helped reduce operational friction, DeFAI is expected to fundamentally resolve these issues.

자동 유동성 관리 프로토콜 및 계정 추상화와 같은 솔루션이 운영 마찰을 줄이는 데 도움이되었지만 Defai는 이러한 문제를 근본적으로 해결할 것으로 예상됩니다.

To address the above two challenges, a brand new paradigm has emerged.

위의 두 가지 과제를 해결하기 위해 새로운 패러다임이 등장했습니다.

DeFAI is the combination of artificial intelligence (AI) and decentralized finance (DeFi), aimed at simplifying and automating complex DeFi operations, bridging the gap between existing solutions and user-friendly experiences.

Defai는 기존 솔루션과 사용자 친화적 인 경험 간의 격차를 해소하는 복잡한 디바이 작업을 단순화하고 자동화하는 것을 목표로하는 인공 지능 (AI)과 DEFI (Defi)의 조합입니다.

In the form of AI agents, DeFAI can automatically execute tasks for users based on preset parameters. These agents can interact with smart contracts and accounts without human intervention and can learn user preferences and behaviors, further optimizing the user experience over time.

AI 에이전트 형태로 Defai는 사전 설정 매개 변수를 기반으로 사용자의 작업을 자동으로 실행할 수 있습니다. 이러한 에이전트는 사람의 개입없이 스마트 계약 및 계정과 상호 작용할 수 있으며 사용자 선호도 및 동작을 배우고 시간이 지남에 따라 사용자 경험을 더욱 최적화 할 수 있습니다.

@danielesesta: " @DWFLabs was the first team to recognize the DeFAI trend and quickly take action. Today, the crypto space welcomes a brand new category—DeFAI.

@Danielesesta : "@dwflabs는 Defai 트렌드를 인식하고 빠르게 행동하는 최초의 팀이었습니다. 오늘날 Crypto Space는 새로운 범주 인 Defai를 환영합니다.

Initially, it was just a fun attempt to combine my love for DeFi with the emerging technologies we are developing at @heyanonai, but now it has become a reality. DeFAI has arrived and is here to stay. The wave of DeFAI has just begun!"

처음에는 Defi에 대한 나의 사랑을 우리가 @heyanonai에서 개발하고있는 새로운 기술과 결합시키는 재미있는 시도 일뿐입니다. 그러나 이제는 현실이되었습니다. Defai가 도착했고 여기에 머물러 있습니다. Defai의 물결이 막 시작되었습니다! "

Classification of DeFAI Projects

Defai 프로젝트의 분류

DeFAI projects can be categorized into the following types, each addressing different issues faced by DeFi:

Defai 프로젝트는 다음 유형으로 분류 할 수 있으며, 각각은 Defi가 직면 한 다른 문제를 해결합니다.

Abstraction

추출

Analysis

분석

Optimization

최적화

Infrastructure

하부 구조

Abstraction

추출

Projects in the abstraction category aim to simplify DeFi, making it easier for users to engage even as product complexity increases.

추상화 범주의 프로젝트는 Defi를 단순화하는 것을 목표로하여 제품 복잡성이 증가하더라도 사용자가 더 쉽게 참여할 수 있습니다.

These projects achieve their goals through various means, such as supporting text-to-action functionality and automating multi-step and multi-chain processes.

이 프로젝트는 텍스트-행동 기능 지원 및 다중 단계 및 다중 체인 프로세스 자동화와 같은 다양한 수단을 통해 목표를 달성합니다.

These methods effectively simplify the process of participating in DeFi into two simple steps: first, identifying the best opportunities based on user needs and interests; second, allowing the agent to complete all necessary operations with a single command.

이러한 방법은 Defi에 참여하는 프로세스를 두 가지 간단한 단계로 효과적으로 단순화합니다. 첫째, 사용자의 요구와 관심사를 기반으로 최상의 기회를 식별합니다. 둘째, 에이전트가 단일 명령으로 필요한 모든 작업을 완료 할 수 있도록합니다.

Some projects go further to expand these capabilities.

일부 프로젝트는 이러한 기능을 확장하기 위해 더 나아갑니다.

For example, @HeyAnonai not only provides research tools and automated execution capabilities but also offers developers a framework to integrate their own DeFi protocols directly into the agent ecosystem, thereby expanding the service capabilities of the agents.

예를 들어, @heyanonai는 연구 도구와 자동화 된 실행 기능을 제공 할뿐만 아니라 개발자에게 자체 Defi 프로토콜을 에이전트 생태계에 직접 통합하여 에이전트의 서비스 기능을 확장 할 수있는 프레임 워크를 제공합니다.

Meanwhile, @griffaindotcom has introduced various specialized agents that users can utilize to further simplify specific processes, such as quickly completing token sniping.

한편 @griffaindotcom은 사용자가 토큰 저격을 신속하게 완료하는 등 특정 프로세스를 더욱 단순화하기 위해 사용자가 활용할 수있는 다양한 전문 에이전트를 도입했습니다.

(Tweet details)

(트윗 세부 사항)

Analysis

분석

Projects in this category share some similarities with the abstraction category, but their focus is on aggregating and analyzing on-chain data and data from various sources to identify trends and opportunities in DeFi and tokens.

이 카테고리의 프로젝트는 추상화 범주와 유사성을 공유하지만 다양한 소스의 체인 데이터 및 데이터를 분석하여 Defi 및 토큰의 추세와 기회를 식별하는 데 중점을 둡니다.

Through a user interface, users can query agents for information related to project technical indicators (technical analysis), fundamental attributes (fundamental analysis), and market sentiment. Additionally, most of these agents operate their own accounts on the X platform, actively sharing analysis results and interacting with the community.

사용자 인터페이스를 통해 사용자는 프로젝트 기술 지표 (기술 분석), 기본 속성 (기본 분석) 및 시장 감정과 관련된 정보를 쿼리 할 수 ​​있습니다. 또한 이러한 에이전트의 대부분은 X 플랫폼에서 자체 계정을 운영하여 분석 결과를 적극적으로 공유하고 커뮤니티와 상호 작용합니다.

@aixbt_agent is one of the leaders in this category, characterized by its custom large language model (LLM) framework, data indexer, and proprietary algorithms for trend identification. It has quickly integrated into the CT community culture, gradually establishing a reputation similar to that of opinion leaders (KOLs) due to its relatively accurate predictions.

@AIXBT_AGENT는이 범주의 리더 중 하나이며, 추세 식별을위한 맞춤형 대형 언어 모델 (LLM) 프레임 워크, 데이터 인덱서 및 독점 알고리즘이 특징입니다. 그것은 CT 커뮤니티 문화에 빠르게 통합되어 상대적으로 정확한 예측으로 인해 의견 리더 (KOL)와 비슷한 명성을 쌓았습니다.

Another emerging agent, @AcolytAI, provides dynamic interaction capabilities through its unique oracle, enabling collaboration with agent groups to provide users with responses based on aggregated data. In the future, it will even support the use of private datasets.

또 다른 신흥 에이전트 인 @Acolytai는 고유 한 Oracle을 통해 동적 상호 작용 기능을 제공하여 에이전트 그룹과의 협업을 통해 사용자에게 집계 된 데이터를 기반으로 응답을 제공 할 수 있습니다. 앞으로 개인 데이터 세트의 사용을 지원할 것입니다.

(Tweet link)

(트윗 링크)

Optimization

최적화

Projects in the optimization category include agents and protocols that utilize AI to optimize yields and portfolio configurations.

최적화 범주의 프로젝트에는 AI를 사용하여 수율 및 포트폴리오 구성을 최적화하는 에이전트 및 프로토콜이 포함됩니다.

Protocols typically incorporate AI models that directly deploy user deposits based on previous backtesting strategies. Agents, on the other hand, focus more on providing flexibility, allowing users to customize their investment strategies and methods.

프로토콜은 일반적으로 이전 백 테스트 전략에 따라 사용자 입금을 직접 배포하는 AI 모델을 통합합니다. 반면 에이전트는 유연성을 제공하는 데 더 중점을 두어 사용자가 투자 전략과 방법을 사용자 정의 할 수 있습니다.

For example, @SturdyFinance's SN10 (based on the Bittensor subnet) is an AI-driven yield optimization

예를 들어, @SturdyFinance의 SN10 (Bittensor 서브넷 기반)은 AI 구동 수익 최적화입니다.