AI 智能体会接管 DeFi 吗？

智能体活动目前约占全部链上活动的 19%，但还未实现完全自主。

撰文：DWF Ventures

编译：Chopper，Foresight News

过去一年，智能体（AI Agent）相关链上活动稳步增长，交易量与交易笔数持续上升。以 Coinbase 的 x402 协议为代表，Visa、Stripe、Google 等机构也纷纷推出自有标准，基础设施建设取得显著进展。当前搭建的基础设施主要服务两类场景：智能体对智能体交互通道，以及由人类触发的智能体调用。

尽管稳定币交易已被广泛支持，但现有底层基础设施仍依赖传统支付网关，这意味着对中心化对手方存在依赖。因此，智能体能够自我筹资、自主执行、根据市场变化持续优化的 「完全自主」 终极状态，目前尚未达成。

智能体对 DeFi 而言并非全新事物。多年来，基于机器人的自动化工具已在各类链上协议中存在，用于捕捉 MEV 或超额收益，这是纯人工操作无法实现的。这类系统在规则固定、变动较少、无需额外监督的参数下运行良好。但市场不断演化、复杂度持续提升，正是在这一背景下，新一代智能体迎来新前沿，过去几个月，链上已成为这类实验的主战场。下文将探讨链上智能体的现状与未来。

实践中的智能体

据相关报告，链上智能体活动呈指数级增长，2025 年以来已有超过 17,000 个智能体上线。自动化 / 智能体相关活动总量估计占全部链上活动的 19% 以上。这并不令人意外，因为据测算，超过 76% 的稳定币转账量由机器人产生，这表明 DeFi 智能体活动仍有巨大增长空间。

智能体的自主程度跨度很广：从需要高度人工监督的类聊天机器人，到输入目标后即可自主制定策略并适应市场变化的高级智能体。相比传统机器人，智能体具备多项关键优势：可在毫秒级响应新信息并执行操作，能够覆盖数千个市场并始终保持一致的执行精度。

目前，绝大多数智能体还处于辅助位置，因为它们大多仍处于测试阶段。

智能体在 DeFi 中的落地已经开始，主要集中在核心场景优化：流动性提供、投资组合管理、预测与博弈等。一个关键问题也随之而来：智能体究竟在哪些方面优于人类？

流动性提供是自动化程度最高的领域之一，智能体管理的总锁仓量已突破 3,900 万美元。这一数据主要统计用户直接存入智能体的资产。

GizaTech 是该领域头部协议之一，于去年底推出首个智能体应用 ARMA，旨在提升各大 DeFi 协议的收益捕获能力。其管理资产规模已超 1,900 万美元，智能体相关交易量突破 40 亿美元。交易量占总资产管理规模的比例很高，智能体频繁进行资金再平衡，从而实现更高的收益捕获。用户将资金存入合约后即可实现全自动执行，需点击一下即可完成交易，几乎无需人工干预。

ARMA 可实现超过 9.75% 的 USDC 年化收益率，即便扣除再平衡手续费与 10% 的智能体业绩分成，收益仍高于 Aave、Morpho 上的普通借贷。不过，可扩展性仍是核心问题，这类智能体尚未经受大规模资金管理的实战检验，无法与主流 DeFi 协议的体量相提并论。

而在交易等更复杂的操作上，结果则差异巨大。当前交易模型多基于人类设定的输入与规则运行输出。机器学习进一步使其能够根据新信息自主更新行为，无需重新编程。随着完全自主智能体的出现，交易格局或将迎来巨变。

行业已举办多场智能体内部竞赛、人类 vs 智能体交易大赛，结果显示不同模型表现差距悬殊。

Trade.xyz 举办了一场股票市场人类与智能体交易大赛，每个账户初始资金 10,000 美元，对杠杆与交易频率无限制。结果人类大幅领先，表现最佳的人类选手收益是顶尖智能体的 5 倍以上。

与此同时，nof1.ai 举办了智能体之间的交易竞赛，让 Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude、Gemini 等模型同台竞技，在从本金保护到最高杠杆的不同风险偏好下进行测试。结果揭示了影响业绩分化的关键因素：

• 持仓时间：平均持仓 2–3 小时的模型，表现远优于频繁换手的模型。
• 交易期望值：仅排名前三的模型具备正期望值，意味着大多数模型亏多赚少。
• 杠杆：平均 6–8 倍杠杆的表现优于 10 倍以上杠杆，高杠杆会加速亏损。
• 提示词策略：「Monk Mode（僧侣模式）」 表现遥遥领先，「情境感知」 表现最差。这表明，专注于风险管理、减少外部信息干扰，更有利于取得好成绩。
• 基础模型：Grok 4.20 显著超越其他模型，领先幅度超 22%，也是唯一在各类提示词策略下平均保持盈利的模型。

多空偏向、单笔交易规模、置信度等因素则无足够数据证明与模型业绩存在相关。整体来看，智能体在约束条件明确的场景下表现更好，这意味着在目标设定层面，人类角色依然不可或缺。

智能体的评估体系

由于智能体仍处于早期阶段，目前尚无完整的评估框架。历史业绩常被用作基准，但其背后的因素更能反映一个智能体的优劣：

• 波动性表现：包括市场走弱时的严格止损，体现智能体对链下影响因素的识别能力。
• 透明与隐私：两者各有取舍。透明策略易被跟单套利，丧失优势；隐私模式则存在项目方内部信息提取、抢先跑用户的风险。
• 信息来源：智能体接入的数据来源对决策至关重要，必须确保可信且不单一依赖。
• 安全性：需经过智能合约审计与完善的资金托管架构，为黑天鹅事件提供兜底。

智能体的下一阶段

要实现智能体规模化应用，基础设施层面仍有大量工作要做，核心问题集中在信任与执行安全。自主智能体的行为目前缺乏约束，已出现资金管理不当的案例。

ERC-8004 于 2026 年 1 月上线，成为首个链上注册标准，使自主智能体能够互相发现、建立可验证声誉并安全协作。这是 DeFi 可组合性的关键突破：信任分数被嵌入智能合约，实现智能体与协议之间的无许可交互。但这并不保证智能体永远不会恶意行事，声誉合谋、女巫攻击等安全漏洞依然存在。因此，在保险、安全、智能体经济抵押等领域仍有巨大空白待填补。

随着 DeFi 中智能体活动规模扩大，策略拥挤将成为结构性风险。收益挖矿是最典型的先例：策略普及后，收益率会被快速压缩。智能体交易很可能出现同样情况。如果大量智能体基于相似数据训练、优化相似目标，就会在持仓与退出信号上高度趋同。康奈尔大学 2026 年 1 月发布的 CoinAlg 论文已对这一问题进行了系统性阐述。

透明智能体的交易可被预测，容易被抢先交易套利；隐私智能体虽能规避这一问题，却引入了新风险：开发者拥有信息优势，可利用内部信息从用户身上提取价值。

智能体相关活动只会持续加速，今天搭建的基础设施将决定链上金融下一阶段的运行模式。随着智能体使用率提升，它们将自我迭代、更贴合用户偏好。因此，最终的核心差异将归结为可信任的基础设施，而这类基础设施也将占据最大的市场份额。