От хайпа ICO до полезности ИИ: эволюция криптоагентов в Web3

Рост криптоагентов, управляемых ИИ, следует траектории, знакомой по начальному буму, падению и возрождению проектов эпохи ICO. Подобно тому, как ранние блокчейн-инициативы процветали на основе хайпа, прежде чем стать устойчивыми экосистемами, текущая волна проектов, связанных с ИИ-агентами, переживает стремительные изменения на рынке. 

Новый отчет от HTX Ventures и HTX Research утверждает, что инвесторы становятся более осторожными, поскольку конкуренция в секторе усиливается, ликвидность рассеивается, и многим проектам тяжело определить четкие случаи применения. Тем не менее, по мере того как сектор выходит за рамки спекулятивной фазы, криптоагенты, управляемые ИИ, предполагается, будут развивать устойчивые бизнес-модели, подкрепленные реальной полезностью.

Чтобы более глубоко изучить эволюцию криптоагентов и будущее инноваций блокчейна на основе ИИ, скачайте полный отчет от HTX здесь.

От хайпа мемов к реальности: развитие криптоагентов

Первая волна проектов криптоагентов в 2024 году была вызвана всеобщим энтузиазмом по отношению к ИИ-проектам. После влияния пожертвования биткоинов на сумму $50,000 от Марка Андриссена в октябре 2024 года и успеха платформ для запуска токенов ранее в этом году множество проектов ИИ агентов вошло в этот сектор в первом квартале 2024 года и быстро размыли ликвидность к первому кварталу 2025 года. Как и в любом новом секторе, ранняя стадия хайпа не всегда превращается в долгосрочную жизнеспособность, и последовало охлаждение в секторе криптоагентов ИИ.

Сейчас сегмент рынка вступает в более зрелую фазу, и акцент смещается от спекулятивного азарта к генерации дохода и производительности продукта. Победителями в этой динамично развивающейся среде станут те, кто сможет добиться стабильного дохода, покрывать издержки на управление ИИ моделями и предоставлять ощутимую ценность пользователям и инвесторам.

Приложения ИИ агентов акцентируют внимание на реальном внедрении и коммерциализации этой технологии, особенно в таких областях, как автоматическая торговля, управление активами, анализ рынка и взаимодействие между цепочками. Этот подход соответствует мультиагентным системам и инициативам DeFAI (децентрализованное финансирование + ИИ) таким как Hey Anon, GRIFFAIN и ChainGPT.

Последние исследования подчеркивают преимущества мультиагентных систем (MAS) в управлении портфелями, особенно в инвестициях в криптовалюты. Проекты такие как Griffain, NEUR и BUZZ уже продемонстрировали, как ИИ может помочь пользователям взаимодействовать с протоколами DeFi и принимать обоснованные решения. В отличие от ИИ моделей с одним агентом, мультиагентные системы используют сотрудничество среди специализированных агентов для улучшения анализа и исполнения на рынке. Эти агенты функционируют в командах, таких как аналитики данных, оценщики рисков и блоки исполнения торгов, каждый из которых обучен для работы с определенными задачами. 

Фреймворки MAS также вводят механизмы межагентной коммуникации, где агенты внутри одной команды улучшют свои прогнозы через коллективное обучение, уменьшая ошибки в анализе рыночных тенденций. Следующая фаза DeFAI, вероятно, будет включать более глубокую интеграцию децентрализованных моделей управления, где мультиагентные системы участвуют в управлении протоколами, оптимизации казначейства и обеспечении соответствия требованиям на цепи.

Чтобы более глубоко изучить эволюцию криптоагентов и будущее инноваций блокчейна на основе ИИ, скачайте полный отчет от HTX здесь.

DeepSeek-R1: Прорыв в обучении ИИ агентов

Прорыв в технологии ИИ агентов произошел с DeepSeek-R1, инновацией, бросающей вызов традиционным методам обучения ИИ. В отличие от предыдущих моделей, полагавшихся на тонкую настройку с контролем (SFT), а затем обучение с подкреплением (RL), DeepSeek-R1 использует другой подход, оптимизируя исключительно через обучение с подкреплением без начальной фазы с контролем. Этот переход привел к значительным улучшениям в умственных способностях и адаптивности, открывая путь для более сложных криптоагентов, управляемых ИИ.

Чтобы понять это изменение, рассмотрим два различных подхода к обучению. В традиционной модели SFT и RL, студент сначала изучает учебник, практикуясь на задачах с заданными ответами (SFT), а затем получает репетиторство для уточнения понимания (RL). В отличие от этого, с моделью DeepSeek-R1 (чистое обучение с подкреплением) студент сразу же сталкивается с экзаменом и учится методом проб и ошибок. Этот подход позволяет студенту улучшать свои знания динамически на основе обратной связи, а не полагаться на предопределенные ответы.

Используя чистую модель RL DeepSeek-R1, агенты ИИ учатся методом проб и ошибок в реальных условиях, динамически настраивая свои стратегии на основе немедленной обратной связи.

Этот метод позволяет большей адаптивности, что делает его особенно полезным для мультиагентных ИИ систем в DeFi, где колебания рынка в реальном времени требуют от агентов принятия автономных, основанных на данных решений. Например, агенты, работающие на основе ИИ, могут отслеживать ликвидные пулы, обнаруживать возможности для арбитража и оптимизировать распределение активов на основе рыночных условий в реальном времени. Эти агенты быстро адаптируются к изменениям на рынке, обеспечивая более эффективное распределение капитала.

Запущенный в конце ноября 2024 года, iDEGEN — это первый криптоагент, построенный на платформе DeepSeek R1. Эта интеграция модели DeepSeek R1 подчеркивает, как криптоагенты на основе ИИ могут унаследовать такие улучшенные умственные способности, конкурируя с другими установленными ИИ моделями по более низкой стоимости.  

Этот переход к мультиагентным ИИ, основанным на RL, в автоматизации DeFi подчеркивает, почему закрытые ИИ модели (такие как системы на основе GPT от OpenAI) становятся несопоставимыми расходами. Поскольку рабочие процессы часто требуют обработки более 10,000 токенов за транзакцию, закрытые ИИ модели накладывают значительные вычислительные затраты, ограничивая масштабируемость. В отличие от этого, открытые модели RL, такие как DeepSeek-R1, позволяют децентрализованную, экономически эффективную разработку ИИ, адаптированную для приложений DeFi.

Будущее ИИ агентов в Web3

Ключ к долговечности в этом секторе лежит в непрерывных инновациях, адаптируемости и экономической эффективности. Открытые модели ИИ, такие как DeepSeek-R1, снижают барьеры для входа, позволяя стартапам, работающим на блокчейне, развивать специализированные ИИ-решения. Тем временем достижения в DeFAI и мультиагентные системы будут стимулировать долгосрочную интеграцию между ИИ и децентрализованными финансами. 

Вывод ясен: проекты должны доказывать свою ценность за пределами хайпа. Те, кто разрабатывает устойчивые экономические модели и использует передовые достижения ИИ, определят будущее интеллектуальных экосистем блокчейна. Эпоха ICO криптоагентов эволюционирует, и следующими победителями станут те, кто сможет превратить инновации в долгосрочную жизнеспособность.

Чтобы более глубоко изучить эволюцию криптоагентов и будущее инноваций блокчейна на основе ИИ, скачайте полный отчет от HTX здесь.

Дисклеймер. dc.finance не одобряет какой-либо контент или продукт на этой странице. Мы стремимся предоставить всю важную информацию, которую смогли получить в этой спонсируемой статье, но читатели должны провести собственное исследование перед тем, как предпринимать какие-либо действия, связанные с компанией, и несут полную ответственность за свои решения, а также не должно считаться инвестиционной рекомендацией.

Эта статья предназначена для общих информационных целей и не предназначена для использования в качестве юридической или инвестиционной консультации. Мнения, выраженные здесь, принадлежат исключительно автору и не обязательно отражают или представляют взгляды и мнения dc.finance.

dc.finance не одобряет содержание данной статьи или какой-либо продукт, упомянутый в ней. Читатели должны провести собственное исследование перед тем, как предпринимать какие-либо действия, связанные с любым продуктом или компанией, упомянутыми в статье, и несут полную ответственность за свои решения.