DWF รายงาน: AI ใน DeFi ทำกำไรได้ดีกว่ามนุษย์ แต่การเทรดอัตโนมัติล้าหลังถึง 5 เท่า

ผู้เขียนต้นฉบับ: DWF Ventures

คอมไพล์ต้นฉบับ: TechFlow

คำนำ: AI Agent ครองส่วนแบ่งการซื้อขายเกือบหนึ่งในห้าของ DeFi แล้ว และในสถานการณ์ที่มีกฎเกณฑ์ชัดเจน เช่น การเพิ่มประสิทธิภาพผลตอบแทน มันทำได้ดีกว่ามนุษย์จริงๆ แต่ถ้าให้มันซื้อขายอย่างอิสระจริงๆ ผลงานของ AI ชั้นนำยังไม่ถึงหนึ่งในห้าของมนุษย์ชั้นนำ การวิจัยนี้แยกแยะผลงานจริงของ AI ในสถานการณ์ DeFi ที่แตกต่างกัน ซึ่งคุ้มค่าที่ทุกคนที่สนใจการซื้อขายอัตโนมัติจะได้ดู

ประเด็นสำคัญ

กิจกรรมอัตโนมัติและเอเจนต์ในปัจจุบันคิดเป็นประมาณ 19% ของกิจกรรมทั้งหมดบนเชน แต่ความเป็นอิสระแบบ end-to-end จริงๆ ยังไม่เกิดขึ้น

ในกรณีการใช้งานที่แคบและกำหนดไว้ชัดเจน เช่น การเพิ่มประสิทธิภาพผลตอบแทน เอเจนต์แสดงให้เห็นถึงประสิทธิภาพที่เหนือกว่ามนุษย์และบอท แต่สำหรับการดำเนินการที่หลากหลาย เช่น การเทรด มนุษย์ยังทำได้ดีกว่าเอเจนต์

ในหมู่เอเจนต์ด้วยกัน การเลือกโมเดลและการจัดการความเสี่ยงมีผลกระทบมากที่สุดต่อผลการเทรด

เมื่อเอเจนต์ถูกนำไปใช้ในวงกว้าง มีความเสี่ยงหลายประการเกี่ยวกับความไว้วางใจและการดำเนินการ รวมถึงการโจมตี Sybil ความแออัดของกลยุทธ์ และการแลกเปลี่ยนความเป็นส่วนตัว

กิจกรรมของเอเจนต์เติบโตอย่างต่อเนื่อง

กิจกรรมของเอเจนต์เติบโตอย่างมั่นคงในช่วงปีที่ผ่านมา โดยปริมาณการซื้อขายและจำนวนธุรกรรมเพิ่มขึ้น เราเห็นว่าโปรโตคอล x402 ของ Coinbase นำการพัฒนาที่สำคัญ ในขณะที่ผู้เล่นอย่าง Visa, Stripe และ Google ก็เข้าร่วมและเปิดตัวมาตรฐานของตัวเอง โครงสร้างพื้นฐานส่วนใหญ่ที่กำลังสร้างขึ้นในปัจจุบันมีจุดมุ่งหมายเพื่อให้บริการสองสถานการณ์: ช่องทางระหว่างเอเจนต์ หรือการเรียกใช้เอเจนต์ที่ถูกกระตุ้นโดยมนุษย์

แม้ว่าการซื้อขายสเตเบิลคอยน์จะได้รับการสนับสนุนอย่างกว้างขวาง แต่โครงสร้างพื้นฐานในปัจจุบันยังคงพึ่งพาเกตเวย์การชำระเงินแบบดั้งเดิมเป็นฐานล่าง ซึ่งหมายความว่ามันยังคงพึ่งพาคู่สัญญาศูนย์กลาง ดังนั้น "ความเป็นอิสระอย่างสมบูรณ์" ในขั้นสุดท้ายที่เอเจนต์สามารถระดมทุนด้วยตัวเอง ดำเนินการด้วยตัวเอง และปรับปรุงอย่างต่อเนื่องตามเงื่อนไขที่เปลี่ยนแปลงไปยังไม่เกิดขึ้น

เอเจนต์ไม่ใช่สิ่งแปลกใหม่สำหรับ DeFi เป็นเวลาหลายปีแล้วที่มีระบบอัตโนมัติผ่านบอทในโปรโตคอลบนเชน เพื่อจับ MEV หรือรับผลตอบแทนส่วนเกินที่ไม่สามารถทำได้หากไม่มีโค้ด ระบบเหล่านี้ทำงานได้ดีมากภายใต้พารามิเตอร์ที่กำหนดไว้ชัดเจนซึ่งไม่เปลี่ยนแปลงบ่อยหรือต้องการการดูแลเพิ่มเติม อย่างไรก็ตาม ตลาดมีความซับซ้อนมากขึ้นตามกาลเวลา นี่คือจุดที่เราเห็นเอเจนต์รุ่นใหม่เข้ามา และในช่วงไม่กี่เดือนที่ผ่านมา เชนได้กลายเป็นสนามทดลองสำหรับกิจกรรมดังกล่าว

ผลงานจริงของเอเจนต์

ตามรายงาน กิจกรรมของเอเจนต์เติบโตแบบทวีคูณ โดยมีการเปิดตัวเอเจนต์มากกว่า 17,000 ตัวนับตั้งแต่ปี 2025 ปริมาณกิจกรรมอัตโนมัติ/เอเจนต์ทั้งหมดประมาณว่าจะครอบคลุมมากกว่า 19% ของกิจกรรมทั้งหมดบนเชน นี่ไม่น่าแปลกใจ เพราะประมาณว่ากว่า 76% ของปริมาณการโอนสเตเบิลคอยน์ถูกสร้างโดยบอท นี่บ่งชี้ว่ามีพื้นที่เติบโตอย่างมากสำหรับกิจกรรมเอเจนต์ใน DeFi

ความเป็นอิสระของเอเจนต์มีช่วงกว้าง ตั้งแต่ประสบการณ์แบบแชทบอทที่ต้องการการดูแลจากมนุษย์สูง ไปจนถึงเอเจนต์ที่สามารถกำหนดกลยุทธ์ที่ปรับตามสภาพตลาดได้จากอินพุตเป้าหมาย เมื่อเทียบกับบอท เอเจนต์มีข้อได้เปรียบสำคัญหลายประการ รวมถึงความสามารถในการตอบสนองและดำเนินการตามข้อมูลใหม่ในมิลลิวินาที และความสามารถในการขยายขอบเขตไปยังตลาดหลายพันแห่งในขณะที่ยังคงความเข้มงวดเหมือนเดิม

ปัจจุบันเอเจนต์ส่วนใหญ่ยังอยู่ในระดับนักวิเคราะห์ถึงผู้ช่วย เนื่องจากส่วนใหญ่ยังอยู่ในระยะทดสอบ

การเพิ่มประสิทธิภาพผลตอบแทน: เอเจนต์ทำได้ดีเยี่ยม

การให้สภาพคล่องเป็นพื้นที่ที่ระบบอัตโนมัติเกิดขึ้นบ่อยครั้งแล้ว โดย TVL รวมที่เอเจนต์ถือครองมีมูลค่ามากกว่า 39 ล้านดอลลาร์ ตัวเลขนี้ส่วนใหญ่วัดสินทรัพย์ที่ผู้ใช้ฝากเข้าเอเจนต์โดยตรง แต่ไม่รวมเงินทุนที่ถูกส่งผ่าน vault

Giza Tech เป็นหนึ่งในโปรโตคอลที่ใหญ่ที่สุดในสาขานี้ โดยเปิดตัวแอปพลิเคชันเอเจนต์แรก ARMA เมื่อปลายปีที่แล้ว ซึ่งมีจุดมุ่งหมายเพื่อเพิ่มการจับผลตอบแทนของโปรโตคอล DeFi หลัก มันดึงดูดสินทรัพย์ภายใต้การจัดการมากกว่า 19 ล้านดอลลาร์ และสร้างปริมาณการซื้อขายโดยเอเจนต์มากกว่า 4 พันล้านดอลลาร์ อัตราส่วนสูงระหว่างปริมาณการซื้อขายกับ TVL รวมบ่งชี้ว่าเอเจนต์ปรับสมดุลเงินทุนบ่อยครั้ง ทำให้สามารถจับผลตอบแทนที่สูงขึ้นได้ เมื่อฝากเงินทุนเข้าในสัญญาแล้ว การดำเนินการจะอัตโนมัติ ดังนั้นจึงมอบประสบการณ์แบบคลิกเดียวที่เรียบง่ายให้กับผู้ใช้ โดยแทบไม่ต้องการการดูแล

ผลงานของ ARMA นั้นวัดได้ว่าดีเยี่ยม สร้างผลตอบแทนรายปีมากกว่า 9.75% สำหรับ USDC แม้จะพิจารณาค่าธรรมเนียมการปรับสมดุลเพิ่มเติมและค่าธรรมเนียมประสิทธิภาพ 10% ของเอเจนต์ ผลตอบแทนยังคงสูงกว่าการให้กู้ยืมทั่วไปบน Aave หรือ Morpho อย่างไรก็ตาม ความสามารถในการขยายขนาดยังคงเป็นประเด็นสำคัญ เนื่องจากเอเจนต์เหล่านี้ยังไม่ได้รับการทดสอบในสถานการณ์จริงเพื่อจัดการหรือขยายไปสู่ขนาดของโปรโตคอล DeFi หลัก

การเทรด: มนุษย์นำหน้าเป็นอย่างมาก

อย่างไรก็ตาม สำหรับการดำเนินการที่ซับซ้อนมากขึ้น เช่น การเทรด ผลลัพธ์มีความหลากหลายมากกว่า โมเดลการเทรดในปัจจุบันทำงานบนพื้นฐานของอินพุตที่มนุษย์กำหนด และให้เอาต์พุตตามกฎที่ตั้งไว้ล่วงหน้า Machine Learning ขยายสิ่งนี้โดยทำให้โมเดลสามารถอัปเดตพฤติกรรมตามข้อมูลใหม่ได้โดยไม่ต้องเขียนโปรแกรมใหม่อย่างชัดเจน ซึ่งผลักดันมันไปสู่บทบาทผู้ช่วย เมื่อเอเจนต์ที่อิสระอย่างสมบูรณ์เข้าร่วม ภูมิทัศน์การเทรดจะเปลี่ยนแปลงไปอย่างมาก

มีการจัดการแข่งขันเทรดระหว่างเอเจนต์ด้วยกัน และระหว่างมนุษย์กับเอเจนต์หลายครั้ง โดยผลลัพธ์แสดงให้เห็นความแตกต่างอย่างมากระหว่างโมเดล Trade XYZ จัดการแข่งขันเทรดระหว่างมนุษย์กับเอเจนต์สำหรับหุ้นที่จดทะเบียนบนแพลตฟอร์มของตน แต่ละบัญชีมีเงินทุนเริ่มต้น 10,000 ดอลลาร์ โดยไม่มีข้อจำกัดเกี่ยวกับเลเวอเรจหรือความถี่ในการเทรด ผลลัพธ์เอียงไปทางมนุษย์อย่างท่วมท้น โดยมนุษย์ชั้นนำทำได้ดีกว่าเอเจนต์ชั้นนำมากกว่า 5 เท่า

ในขณะเดียวกัน Nof1 จัดการแข่งขันเทรดเอเจนต์ระหว่างโมเดล โดยให้โมเดลหลายตัว (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) แข่งขันกัน ทดสอบการกำหนดค่าความเสี่ยงที่แตกต่างกันตั้งแต่การรักษามูลค่าทุนไปจนถึงเลเวอเรจสูงสุด ผลลัพธ์เปิดเผยปัจจัยหลายประการที่สามารถช่วยอธิบายความแตกต่างของผลงาน:

ระยะเวลาถือครอง: มีความสัมพันธ์ที่แข็งแกร่ง โดยโมเดลที่ถือครองแต่ละตำแหน่งโดยเฉลี่ย 2-3 ชั่วโมง ทำได้ดีกว่าโมเดลที่พลิกบ่อยอย่างมาก

มูลค่าที่คาดหวัง: นี่วัดว่าโมเดลทำเงินจากการเทรดแต่ละครั้งโดยเฉลี่ยหรือไม่ น่าสนใจที่เฉพาะ 3 อันดับแรกเท่านั้นที่มีมูลค่าที่คาดหวังเป็นบวก ซึ่งหมายความว่าโมเดลส่วนใหญ่ขาดทุนจากการเทรดมากกว่าที่ทำกำไร

เลเวอเรจ: ระดับเลเวอเรจต่ำโดยเฉลี่ย 6-8 เท่า พิสูจน์แล้วว่าทำได้ดีกว่าโมเดลที่ใช้เลเวอเรจมากกว่า 10 เท่า โดยระดับสูงจะเร่งการขาดทุน

กลยุทธ์พรอมต์: Monk Mode เป็นโมเดลที่ทำได้ดีที่สุดโดยไกล ในขณะที่ Situational Awareness ทำได้แย่ที่สุด จากคุณลักษณะของโมเดล มันแสดงให้เห็นว่าการมุ่งเน้นที่การจัดการความเสี่ยงและแหล่งข้อมูลภายนอกที่น้อยลงนำไปสู่ผลงานที่ดีขึ้น

โมเดลพื้นฐาน: Grok 4.20 ทำได้ดีกว่าโมเดลอื่นอย่างมีนัยสำคัญมากกว่า 22% ในกลยุทธ์พรอมต์ต่างๆ และเป็นโมเดลเดียวที่ทำกำไรโดยเฉลี่ย

ปัจจัยอื่นๆ เช่น ความชอบ Long/Short ขนาดการเทรด และคะแนนความมั่นใจ ไม่มีข้อมูลเพียงพอหรือพิสูจน์แล้วว่ามีความสัมพันธ์เชิงบวกใดๆ กับผลงานของโมเดล โดยรวมแล้ว ผลลัพธ์บ่งชี้ว่าเอเจนต์มีแนวโน้มทำได้ดีกว่าเมื่ออยู่ภายในข้อจำกัดที่กำหนดไว้ชัดเจน ซึ่งหมายความว่ามนุษย์ยังคงจำเป็นอย่างมากในด้านการกำหนดค่าเป้าหมาย

วิธีประเมินเอเจนต์

เนื่องจากเอเจนต์ยังอยู่ในระยะเริ่มต้น จึงยังไม่มีกรอบการประเมินที่ครอบคลุมในปัจจุบัน ผลงานในอดีตมักถูกใช้เป็นเกณฑ์มาตรฐานในการประเมินเอเจนต์ แต่พวกมันได้รับผลกระทบจากปัจจัยพื้นฐานที่ให้สัญญาณที่แข็งแกร่งกว่าของผลงานเอเจนต์ที่แข็งแกร่ง

ผลงานภายใต้ความผันผวนที่แตกต่างกัน: รวมถึงการควบคุมการขาดทุนที่มีวินัยเมื่อเงื่อนไขแย่ลง ซึ่งบ่งชี้ว่าเอเจนต์สามารถระบุปัจจัย off-chain ที่จะส่งผลต่อความสามารถในการทำกำไรจากการเทรดได้

ความโปร่งใสกับความเป็นส่วนตัว: ทั้งสองฝ่ายมีข้อแลกเปลี่ยนของตัวเอง เอเจนต์ที่โปร่งใสจะไม่มีข้อได้เปรียบเชิงกลยุทธ์หากสามารถถูกคัดลอกการเทรดได้อย่างแข็งขัน เอเจนต์ที่เป็นความลับจะเผชิญกับความเสี่ยงของการสกัดภายในโดยผู้สร้าง ซึ่งสามารถแซงหน้าผู้ใช้ของตัวเองได้อย่างง่ายดาย

แหล่งข้อมูล: แหล่งข้อมูลที่เอเจนต์เข้าถึงมีความสำคัญในการกำหนดว่าเอเจนต์ตัดสินใจอย่างไร การรับรองว่าแหล่งข้อมูลน่าเชื่อถือและไม่มีการพึ่งพาแหล่งเดียวเป็นสิ่งสำคัญ

ความปลอดภัย: การมีผู้ตรวจสอบสัญญาอัจฉริยะและสถาปัตยกรรมการเก็บรักษาเงินทุนที่เหมาะสมเพื่อรับประกันว่ามีแผนสำรองในกรณีเหตุการณ์ Black Swan เป็นสิ่งสำคัญ

ก้าวต่อไปของเอเจนต์

เพื่อการนำเอเจนต์ไปใช้ในวงกว้าง ยังมีงานอีกมากที่ต้องทำในด้านโครงสร้างพื้นฐาน สิ่งนี้สามารถสรุปได้เป็นประเด็นสำคัญเกี่ยวกับความไว้วางใจและการดำเนินการของเอเจนต์ การกระทำของเอเจนต์อิสระไม่มีรั้วกั้น และมีกรณีของการจัดการเงินทุนที่ไม่ดีเกิดขึ้นแล้ว

ERC-8004 เปิดตัวในเดือนมกราคม 2026 โดยกลายเป็นรีจิสทรีบนเชนแรกที่ทำให้เอเจนต์อิสระสามารถค้นหากันเอง สร้างชื่อเสียงที่สามารถยืนยันได้ และทำงานร่วมกันอย่างปลอดภัย นี่เป็นการปลดล็อกความสามารถในการประกอบสร้างของ DeFi อย่างสำคัญ เนื่องจากคะแนนความไว้วางใจถูกฝังอยู่ในสัญญาอัจฉริยะเอง ทำให้เกิดกิจกรรมแบบไม่ต้องขออนุญาตระหว่างเอเจนต์และโปรโตคอล สิ่งนี้ไม่รับประกันว่าเอเจนต์จะทำงานในลักษณะที่ไม่เป็นอันตรายเสมอไป เนื่องจากช่องโหว่ด้านความปลอดภัย เช่น การสมรู้ร่วมเรื่องชื่อเสียงและการโจมตี Sybil ยังคงอาจเกิดขึ้นได้ ดังนั้น จึงยังมีพื้นที่มากมายที่ต้องเติมเต็มในด้านประกัน ความปลอดภัย การสเตกทางเศรษฐกิจของเอเจนต์ เป็นต้น

เมื่อกิจกรรมของเอเจนต์ใน DeFi ขยายตัว ความแออัดของกลยุทธ์กลายเป็นความเสี่ยงเชิงโครงสร้าง ฟาร์มผลตอบแทนเป็นตัวอย่างที่ชัดเจนที่สุด โดยผลตอบแทนจะถูกบีบอัดเมื่อกลยุทธ์เป็นที่นิยม แนวโน้มเดียวกันนี้อาจนำไปใช้กับการเทรดของเอเจนต์ หากเอเจนต์จำนวนมากได้รับการฝึกฝนบนข้อมูลที่คล้ายกันและเพิ่มประสิทธิภาพเป้าหมายที่คล้ายกัน พวกมันจะมาบรรจบกันที่ตำแหน่งที่คล้ายกันและสัญญาณออกที่คล้ายกัน

เอกสาร CoinAlg ที่เผยแพร่โดยมหาวิทยาลัย Cornell ในเดือนมกราคม 2026 ทำให้ปัญหานี้เป็นทางการในรูปแบบหนึ่ง เอเจนต์ที่โปร่งใสสามารถถูก arbitrage ได้ เนื่องจากการเทรดของพวกมันสามารถคาดเดาได้และสามารถถูกแซงหน้าได้ เอเจนต์ที่เป็นความลับหลีกเลี่ยงความเสี่ยงนี้ แต่แนะนำความเสี่ยงที่แตกต่าง นั่นคือผู้สร้างรักษาข้อได้เปรียบด้านข้อมูลเหนือผู้ใช้ของตัวเอง และสามารถสกัดมูลค่าจากความรู้ภายในที่ความไม่โปร่งใสควรปกป้อง

กิจกรรมของเอเจนต์จะเร่งตัวขึ้นเท่านั้น โครงสร้างพื้นฐานที่วางรากฐานในวันนี้จะกำหนดว่าขั้นตอนต่อไปของการเงินบนเชนจะทำงานอย่างไร เมื่ออัตราการใช้งานเอเจนต์เพิ่มขึ้น พวกมันจะทำซ้ำตัวเองและปรับตัวให้เฉียบคมขึ้นในการปรับตามความชอบของผู้ใช้ ดังนั้น ปัจจัยที่สร้างความแตกต่างหลักจะขึ้นอยู่กับโครงสร้างพื้นฐานที่สามารถไว้วางใจได้ และสิ่งเหล่านี้จะได้ส่วนแบ่งการตลาดที่ใหญ่ที่สุด