Báo cáo DWF: AI vượt trội con người trong tối ưu hóa lợi nhuận DeFi, nhưng giao dịch tự chủ lại thua kém 5 lần

Tác giả gốc: DWF Ventures

Biên dịch gốc: TechFlow

Dẫn nhập: AI Agent hiện chiếm gần một phần năm khối lượng giao dịch DeFi, và thực sự vượt trội hơn con người trong các kịch bản có quy tắc rõ ràng như tối ưu hóa lợi nhuận. Tuy nhiên, khi để nó giao dịch tự chủ thực sự, hiệu suất của AI hàng đầu còn kém hơn một phần năm so với con người hàng đầu. Nghiên cứu này phân tích hiệu suất thực tế của AI trong các kịch bản DeFi khác nhau, đáng để tất cả những ai quan tâm đến giao dịch tự động xem xét.

Điểm chính cốt lõi

Hoạt động tự động và agent hiện chiếm khoảng 19% tổng hoạt động trên chuỗi, nhưng tính tự chủ thực sự từ đầu đến cuối vẫn chưa đạt được.

Trong các trường hợp sử dụng hẹp, được xác định rõ ràng như tối ưu hóa lợi nhuận, agent đã thể hiện hiệu suất vượt trội hơn con người và bot. Tuy nhiên, đối với các hành động đa diện như giao dịch, con người vẫn vượt trội hơn agent.

Giữa các agent, việc lựa chọn mô hình và quản lý rủi ro có tác động lớn nhất đến hiệu suất giao dịch.

Khi agent được áp dụng rộng rãi, tồn tại nhiều rủi ro về niềm tin và thực thi, bao gồm tấn công Sybil, tắc nghẽn chiến lược và sự đánh đổi về quyền riêng tư.

Hoạt động Agent Tiếp tục Tăng trưởng

Hoạt động agent đã tăng trưởng ổn định trong năm qua, với cả khối lượng và số lượng giao dịch đều tăng. Chúng tôi thấy giao thức x402 của Coinbase dẫn đầu những phát triển quan trọng, với các tên tuổi như Visa, Stripe và Google cũng tham gia và ra mắt tiêu chuẩn của riêng họ. Phần lớn cơ sở hạ tầng đang được xây dựng hiện nay nhằm phục vụ hai loại kịch bản: kênh giữa các agent hoặc lệnh gọi agent được kích hoạt bởi con người.

Mặc dù giao dịch stablecoin đã được hỗ trợ rộng rãi, cơ sở hạ tầng hiện tại vẫn phụ thuộc vào các cổng thanh toán truyền thống làm nền tảng, điều này có nghĩa là nó vẫn phụ thuộc vào đối tác tập trung. Do đó, kết cục "hoàn toàn tự chủ" - nơi agent có thể tự tài trợ, tự thực thi và liên tục tối ưu hóa dựa trên các điều kiện thay đổi - vẫn chưa đạt được.

Agent không hoàn toàn xa lạ với DeFi. Trong nhiều năm, đã tồn tại sự tự động hóa thông qua bot trong các giao thức trên chuỗi, để nắm bắt MEV hoặc thu về lợi nhuận vượt trội mà không có mã thì không thể đạt được. Các hệ thống này hoạt động rất tốt với các tham số được xác định rõ ràng, không thay đổi thường xuyên hoặc cần giám sát bổ sung. Tuy nhiên, thị trường đã trở nên phức tạp hơn theo thời gian. Đây là nơi chúng ta thấy thế hệ agent mới xuất hiện, và chuỗi đã trở thành bãi thử nghiệm cho các hoạt động như vậy trong vài tháng qua.

Hiệu suất Thực tế của Agent

Theo báo cáo, hoạt động agent đã tăng trưởng theo cấp số nhân, với hơn 17.000 agent được khởi chạy kể từ năm 2025. Tổng hoạt động tự động/agent ước tính chiếm hơn 19% tất cả hoạt động trên chuỗi. Điều này không đáng ngạc nhiên, vì ước tính hơn 76% khối lượng chuyển stablecoin được tạo ra bởi bot. Điều này cho thấy không gian tăng trưởng khổng lồ cho hoạt động agent trong DeFi.

Tính tự chủ của agent tồn tại trên một phạm vi rộng, từ trải nghiệm kiểu chatbot đòi hỏi sự giám sát cao của con người, đến các agent có thể xây dựng chiến lược thích ứng với điều kiện thị trường dựa trên đầu vào mục tiêu. So với bot, agent có một số lợi thế chính, bao gồm khả năng phản hồi và thực thi thông tin mới trong mili giây, cũng như khả năng mở rộng phạm vi tiếp cận đến hàng nghìn thị trường trong khi vẫn duy trì tính nghiêm ngặt tương tự.

Hiện tại, hầu hết agent vẫn ở cấp độ từ phân tích đến trợ lý, vì phần lớn vẫn đang trong giai đoạn thử nghiệm.

Tối ưu hóa Lợi nhuận: Agent Thể hiện Vượt trội

Cung cấp thanh khoản là lĩnh vực mà tự động hóa đã xảy ra thường xuyên, với tổng TVL do agent nắm giữ vượt 39 triệu USD. Con số này chủ yếu đo lường tài sản mà người dùng gửi trực tiếp vào agent, nhưng không bao gồm vốn được định tuyến qua kho bạc.

Giza Tech là một trong những giao thức lớn nhất trong lĩnh vực này, đã ra mắt ứng dụng agent đầu tiên ARMA vào cuối năm ngoái, nhằm tăng cường việc thu lợi nhuận từ các giao thức DeFi chính. Nó đã thu hút hơn 19 triệu USD tài sản được quản lý và tạo ra hơn 4 tỷ USD khối lượng giao dịch agent. Tỷ lệ cao giữa khối lượng giao dịch và tổng tài sản được quản lý cho thấy agent thường xuyên tái cân bằng vốn, từ đó có thể đạt được việc thu lợi nhuận cao hơn. Một khi vốn được gửi vào hợp đồng, việc thực thi sẽ tự động hóa, do đó cung cấp cho người dùng trải nghiệm một cú nhấp chuột đơn giản, hầu như không cần giám sát.

Hiệu suất của ARMA có thể đo lường được là vượt trội, tạo ra lợi suất hàng năm hơn 9,75% cho USDC. Ngay cả khi xem xét các khoản phí tái cân bằng bổ sung và phí hiệu suất 10% của agent, lợi suất vẫn vượt trội hơn so với cho vay thông thường trên Aave hoặc Morpho. Tuy nhiên, khả năng mở rộng vẫn là một vấn đề then chốt, vì các agent này vẫn chưa được kiểm chứng trong thực tế để quản lý hoặc mở rộng đến quy mô của các giao thức DeFi chính.

Giao dịch: Con người Dẫn đầu Đáng kể

Tuy nhiên, đối với các hành động phức tạp hơn như giao dịch, kết quả đa dạng hơn nhiều. Các mô hình giao dịch hiện tại hoạt động dựa trên đầu vào do con người xác định và cung cấp đầu ra theo các quy tắc định trước. Học máy mở rộng điều này bằng cách cho phép mô hình cập nhật hành vi của nó dựa trên thông tin mới mà không cần lập trình lại rõ ràng, đưa nó vào vai trò trợ lý. Với sự tham gia của các agent hoàn toàn tự chủ, bối cảnh giao dịch sẽ thay đổi đáng kể.

Đã có một số cuộc thi giao dịch giữa các agent và giữa con người với agent, kết quả cho thấy sự khác biệt lớn giữa các mô hình. Trade XYZ đã tổ chức cuộc thi giao dịch con người với agent cho các cổ phiếu được niêm yết trên nền tảng của họ. Mỗi tài khoản có vốn ban đầu 10.000 USD, không có hạn chế về đòn bẩy hoặc tần suất giao dịch. Kết quả nghiêng hẳn về phía con người, với những người giỏi nhất thể hiện tốt hơn hơn 5 lần so với agent hàng đầu.

Trong khi đó, Nof1 đã tổ chức cuộc thi giao dịch agent giữa các mô hình, để một số mô hình (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) cạnh tranh với nhau, kiểm tra các cấu hình rủi ro khác nhau từ bảo toàn vốn đến đòn bẩy tối đa. Kết quả tiết lộ một số yếu tố có thể giúp giải thích sự khác biệt về hiệu suất:

Thời gian nắm giữ: Có mối tương quan mạnh, các mô hình có thời gian nắm giữ trung bình 2-3 giờ cho mỗi vị thế vượt trội hơn đáng kể so với các mô hình lật đảo thường xuyên.

Giá trị kỳ vọng: Đo lường xem liệu mô hình có kiếm được tiền trung bình trên mỗi giao dịch hay không. Thú vị là, chỉ có 3 mô hình hàng đầu có giá trị kỳ vọng dương, nghĩa là hầu hết các mô hình có nhiều giao dịch thua lỗ hơn là có lãi.

Đòn bẩy: Mức đòn bẩy thấp hơn, trung bình 6-8x, được chứng minh là hoạt động tốt hơn so với các mô hình chạy đòn bẩy trên 10x, vì mức cao sẽ đẩy nhanh thua lỗ.

Chiến lược nhắc nhở: Monk Mode là mô hình hoạt động tốt nhất cho đến nay, trong khi Situational Awareness hoạt động kém nhất. Dựa trên đặc điểm của mô hình, nó cho thấy việc tập trung vào quản lý rủi ro và ít nguồn bên ngoài hơn sẽ mang lại hiệu suất tốt hơn.

Mô hình cơ sở: Grok 4.20 thể hiện vượt trội hơn đáng kể so với các mô hình khác hơn 22% trong các chiến lược nhắc nhở khác nhau và là mô hình duy nhất có lợi nhuận trung bình.

Các yếu tố khác như sở thích mua/bán, quy mô giao dịch và điểm số tin cậy không có đủ dữ liệu hoặc được chứng minh là có bất kỳ mối tương quan tích cực nào với hiệu suất mô hình. Nhìn chung, kết quả cho thấy agent có xu hướng hoạt động tốt hơn trong các ràng buộc được xác định rõ ràng, điều này có nghĩa là con người vẫn rất cần thiết trong việc cấu hình mục tiêu.

Cách Đánh giá Agent

Vì agent vẫn đang trong giai đoạn đầu, hiện chưa có khuôn khổ đánh giá toàn diện. Hiệu suất lịch sử thường được sử dụng làm điểm chuẩn để đánh giá agent, nhưng chúng bị ảnh hưởng bởi các yếu tố cơ bản cung cấp dấu hiệu mạnh mẽ hơn về hiệu suất agent mạnh mẽ.

Hiệu suất dưới các mức biến động khác nhau: Bao gồm kiểm soát thua lỗ có kỷ luật khi điều kiện xấu đi, điều này cho thấy agent có thể xác định các yếu tố ngoài chuỗi ảnh hưởng đến khả năng sinh lời của giao dịch.

Minh bạch so với Riêng tư: Cả hai bên đều có sự đánh đổi của riêng mình. Các agent minh bạch về cơ bản sẽ không có lợi thế chiến lược nếu chúng có thể bị sao chép giao dịch một cách chủ động. Các agent riêng tư phải đối mặt với rủi ro chiết xuất nội bộ từ người tạo ra, người có thể dễ dàng đi trước chính người dùng của mình.

Nguồn thông tin: Các nguồn dữ liệu mà agent truy cập là rất quan trọng để xác định cách agent đưa ra quyết định. Đảm bảo các nguồn đáng tin cậy và không có sự phụ thuộc đơn lẻ là điều cốt yếu.

Bảo