DeFi 3.0時代，AI如何靠預測信息「收割」市場？

作者：0xJeff, 加密 KOL

編譯：Felix, PANews

預測一直是人類進化的核心能力——自遠古時代起，人類就依靠感官和本能來預測環境中的威脅與機遇，包括察覺捕食者的活動模式、獵物出現的機會以及季節性食物供應情況，這些都對生存至關重要。

從那時起，這種預測模式逐漸發展為工具的使用和規劃（比如預測種植作物、宰殺和保存肉類的需求），預測社交綫索（意圖、情緒、行為），發展出文字、科學、數學，以及統計學、計算機、機器學習和人工智能等現代工具，所有這些都用於增強人類的預測能力。

預測市場尤其已演變成一種經濟工具——它利用人類的預測能力來預測經濟、政治和文化的結果。與傳統的民意調查不同，像 Polymarket 和 Kalshi 這樣的預測市場利用經濟激勵來獲取準確的預測，因為參與者會用真金白銀來下注。

Polymarket 在 2024 年美國大選市場吸引了近 40 億美元的投注，在特朗普勝選的預測中，其表現甚至超過了民意調查，這反映了眾包預測的經濟價值。

同樣的演變也適用於現貨和永續合約交易，從 CEX 的崛起，滿足全球加密貨幣不斷增長的需求，到 Hyperliquid 近期的顛覆性發展，提供自我託管和無需 KYC 的服務，同時具備 CEX 般的交易體驗。

預測是人類進化的核心能力，隨著人工智能 / 機器學習預測模型的興起，預測事件、資産價格和波動性的能力正在大幅提升。

這將人類帶入進化的下一個階段。

DeFi 3.0

DeFi 1.0 引入了智能合約和去中心化應用程序，允許任何人隨時隨地轉賬、買賣、質押、借貸、收益挖礦，本質上是將加密資産投入鏈上運作以創造經濟價值，例如 Uniswap、AAVE、Compound、Curve、Yearn、Maker。

DeFi 2.0 在 1.0 的基礎上進行了擴展，引入了新穎的代幣經濟學和激勵分配機制，旨在協調協議中不同利益相關者之間的利益（例如 Olympus/Wonderland、Solidly/Aerodrome），並催生了提供替代收益來源的新興市場（如 Maple、Pendle、Ethena、Ondo、Clearpool、Solv、USDai 等）。

DeFi 3.0 將人工智能引入 DeFi。有人稱之為 DeFAI，也有人稱之為 AiFi。其含義是將大型語言模型（LLM）和/或機器學習模型（ML）集成到 DeFi 産品中。

從簡單的 LLM 集成（充當客戶支持/副駕駛，幫助用戶導航協議），到多智能體/集群和機器學習係統，從根本上改善了産品（增加交易利潤、減少無常損失、提高 LP 收益、降低永續交易的清算風險等）。

除了 DeFAI 抽象層和完全自主的金融代理，今天將討論人工智能 / 機器學習係統和預測模型在變革 DeFi 以及其他垂直領域中的作用。

預測係統

神經網絡和決策樹自 2000 年代以來就已出現，這些係統曾被對沖基金用於預測股票和商品價格。早期的股票預測結果頗具參考性，短期預測的準確率達到了 50% - 60%，但由於過度擬合和數據有限，限制了其應用。

隨後深度學習和大數據興起，它們使模型能夠處理更大的數據集（時間序列數據、新聞和社交媒體等非結構化數據），從而實現更準確的預測和更廣泛的應用。

突破性發展發生在過去五年，其中 Transformer 模型和多模態 AI 集成了更多樣化的數據集，如推特情緒、區塊鏈交易、預言機、實時新聞、眾包預測（Polymarket、Kalshi）等更多來源。這使得一些 AI 模型在預測事件結果和資産價格方面達到了 80% - 90% 的準確率。

隨著這些模型不斷改進，將預測能力集成到 DeFi 係統中的需求大幅增加。目前正處於 DeFi 3.0 的早期階段，並實時見證著市場中一些參與者將 AI / 機器學習係統與 Web3 應用場景相結合。

DeFi x AI / ML 係統

Allora

Allora 可能是目前應用最廣泛的去中心化預測模型網絡。Allora 已經實現了與 DeFi 協議和 AI 代理團隊的眾多集成，賦予其預測能力（主要關注加密貨幣價格預測，如 BTC、ETH、SOL）。

其短期加密貨幣價格預測準確率據稱約為 80%。

一些主要的應用包括：

• Vectis Finance 基於 USDC 的 AI 驅動的金庫，利用 Allora 的推理技術最大化 SOL 交易收益。自 4 月 23 日以來其累計回報率為 2.4%，年利率約為 10%。
• Steer Protocol 的 AI LP 金庫，利用 Allora 的預測價格數據，更好地將流動性置於價格波動之前，從而避免無常損失。
• Allora 與 Cod3x、Axal、Brahma、Virtuals Protocol 等眾多團隊合作，為 AI 代理的交易策略和執行提供支持。

Bittensor 子網

由於 Bittensor 的 dTAO 激勵分配機制能夠幫助初創企業（子網）抵消開發成本，團隊利用 Bittensor 來啓動其産品研發，將大量開發工作外包給礦工，激勵越高，礦工的質量就越好。

鑒於機器學習模型和預測係統是最容易量化的任務之一（構建能夠準確預測某些事物的模型），這是子網最常關注的垂直領域之一。

專注於預測的子網絡

• SN6 @Playinfgames
• SN8 @taoshiio
• SN18 @zeussubnet
• SN41 @sportstensor
• SN44 @webuildscore
• SN50 @SynthdataCo

由於之前已經詳細介紹過 SN6、SN18、SN41、SN44，因此略過這些子網絡，但還是想再次強調：

➔ SN6 的 @aion5100（SN6 的 AI 代理/預測對沖基金層）即將推出一個 DeFi 金庫，它會自動將用戶存款分配到高可信度的事件/市場中進行投注。該金庫即將推出，早期測試的 APY 據稱超過了四位數。

➔ SN44 的 @thedkingdao 在足球/英式足球方面的信號持續改進。最近的世俱杯表現顯示，激進的投注規模帶來了 232% 的投資回報率。該團隊也在努力開發一個 DeFi 金庫産品，將採用更注重風險調整的方法。

CreatorBid 上代表這兩個應用層的 AI 代理/代幣在展示 SN6 和 SN44 智能的能力方面表現出色。這激勵了許多其他子網團隊效仿，推出了 AI 代理代幣，以展示其子網的功能。

➔ SN50 Synth 尤其有趣。該子網圍繞高度通用的波動率預測模型構建。它可以用於涵蓋價格可能發生的各種概率（而不僅僅是預測未來價格），例如預測清算概率、永續倉位的生存時間 / 清算時間、設置 Univ3 LP 範圍並預測無常損失、預測窗口内的期權行權價和到期時間等。

• Synth 據稱比傳統的基準模型（幾何佈朗運動）表現高出 25% - 30%。

對於想要將此類引擎集成到其 DeFi 生態係統中的 L1/L2 生態係統來說，需求巨大。

到目前為止，Synth 已與以下平台集成：

• Arbitrum，為 AI 交易員競賽提供支持
• Chainrisk，了解波動性，以便合作夥伴協議能夠更好地應對波動性的劇烈變化
• Solana 上一個主要流動性質押協議，用於未知用例（據團隊稱，官方公告將在 1 - 2 天内發佈）

該團隊將 Mode L2（他們自己的 L2）定位為應用層，通過將 Synth 推理與 Mode AI 終端 + Mode Perp 産品相結合，使交易員能夠利用 Synth 預測資産價格並更好地進行交易。

SN6、SN44、SN50 以及許多其他子網之所以如此引人關注，是因為它們每年以 200 萬至 1000 萬美元以上的 dTAO 代幣作為激勵，吸引礦工不斷改進其預測模型。

其目標是將 dTAO 激勵作為資本支出，以引導産品開發，並盡快實現商業化 / 産品化，從而賺取實際收益並抵消 dTAO 的抛售壓力。其中一些子網已開始邁向商業化階段（從 DKING 為頂級體育對沖基金提供 3 億美元部署支持這一點就可見一斑）。

接下來會如何發展？

對更高收益和更低風險的追求將持續下去，促使建設者將更多的 RWAs 引入鏈上。現有的 DeFi 收益來源將繼續得到優化，並且會變得越來越容易獲取。

預測市場將成為主要的信息來源，AI 充當市場做市商，而經驗豐富的參與者進一步激發群體智慧。工具變得越來越智能，模型變得越來越精準，目前已經看到了部分成果。

這些係統學習得越多，價值就越大。而且它們與 Web3 其他部分的組合性越強，整個趨勢就越不可阻擋。

這裡的意思是……歸根結底，加密領域的一切都是對未來的一種押注。

因此，基礎設施和應用程序 / 代理能夠哪怕稍微更清晰地預見未來——無論是通過群體智慧、更優質的數據還是更精準的模型——都將擁有顯著的優勢。

相關閱讀：IOSG：透過Kalshi探究預測市場與其競爭格局

内容來源：PANews