DWF Deep Dive: DeFi における AI による収益最大化が人間を凌駕するも、複雑な取引はまだ 5 倍遅れています

この記事を読むのに必要な時間は 20 分

エージェント間では、モデル選択とリスク管理が取引パフォーマンスに最も影響を与えます。

原文标题：エージェントが DeFi を乗っ取るか？
原文来源：DWF Ventures

原文翻訳：深潮 TechFlow

核心ポイント

現在、自動化およびエージェント活動はすべてのチェーン上活動の約 19% を占めていますが、真のエンドツーエンドの自律性はまだ実現されていません。

利益最大化などの狭義で明確に定義されたユースケースでは、エージェントは人間やボットよりも優れたパフォーマンスを示しています。しかし、取引などの多面的な活動に関しては、人間の方がエージェントよりも優れています。

エージェント間では、モデル選択とリスク管理が取引のパフォーマンスに最も影響します。

エージェントが大規模に採用されるにつれて、魔女攻撃、戦略の過密化、プライバシーの選択など、信頼性と実行に関する複数のリスクが存在しています。

エージェント活動の持続的な成長

過去1年間、エージェント活動は着実に成長し、取引量と取引件数が増加しています。Coinbase の x402 プロトコルが重要な発展を牽引し、Visa、Stripe、Google などのプレイヤーも独自の標準を導入して参加しています。現在、構築されている多くのインフラストラクチャは、エージェント間のチャネルまたは人間によってトリガーされるエージェント呼び出しをサポートすることを目的としています。

安定通貨取引は広くサポートされていますが、現在のインフラストラクチャはまだ従来の支払いゲートウェイに依存しており、それは中央集権的な対向先に依然として頼っていることを意味します。したがって、エージェントは自己資金調達、自己実行、および継続的な最適化を行い、変化する状況に応じて「完全自律」の終着点をまだ実現していません。

DeFi にとって、エージェントは完全に未知の存在ではありません。長年、オンチェーンプロトコルには、MEV をキャプチャしたり、コードなしでは達成できないオーバーレイな利益を得たりするためにボットを利用した自動化が存在してきました。これらのシステムは明確に定義されたパラメータの下で非常にうまく動作し、これらのパラメータは頻繁に変化したり追加の監督が必要とされたりしません。

ただし、時間の経過と共に市場はより複雑になってきました。これが新世代のエージェントが参入する場所であり、過去数ヶ月でチェーン上でこの種の活動が実験の舞台となっています。

Agent の実績

報告によると、2025年以降に17,000を超える Agent が開始され、Agent 活動は指数関数的に成長しています。自動化/Agent 活動の総量は、すべてのオンチェーン活動の19%以上をカバーしていると推定されています。これは76%以上のステーブルコイン送金量がボットによって生成されていると推定されることからも驚くべきことではありません。これは DeFi において Agent 活動が大きな成長余地があることを示しています。

Agent の自律性は幅広い範囲に存在し、高度な人間の監視が必要なチャットボットのような体験から、市場の状況に応じた戦略を立案できる Agent までさまざまです。ボットと比較して、Agent には、新しい情報にミリ秒単位で応答して実行する能力や、数千の市場にカバレッジを拡張しながらも同様に厳格性を維持する能力など、いくつかの主要な利点があります。

現在、ほとんどの Agent は、まだテスト段階にあるため、アナリストから副操縦士レベルに位置しています。

収益最大化：Agent の優れたパフォーマンス

流動性提供は自動化が頻繁に行われてきた分野であり、Agent が保有する総 TVL は3900万ドルを超えています。この数字は主にユーザーが直接 Agent に預け入れた資産を計測しているが、金庫の資金は含まれていない。

Giza Tech はこの分野で最大のプロトコルの1つであり、昨年末に主要な DeFi プロトコルの収益を最大化する最初の Agent アプリである ARMA を発表しました。これにより、1900万ドル以上の管理資産が集められ、40億ドル以上の Agent 取引が生み出されました。

取引量と管理資産総額の高い比率は、Agent が頻繁に資本を再バランスするため、より高い収益を得ることができることを示しています。契約に資金を預け入れると、実行が自動化されるため、ユーザーには監視がほとんど必要ない、シンプルなワンクリック体験が提供されます。

ARMA のパフォーマンスは測定可能な優れたものであり、USDC に対して9.75%を超える年間収益率を生み出しています。追加の再バランス手数料や Agent のパフォーマンス料金の考慮にも関わらず、この収益率は Aave や Morpho 上の通常の借入よりも高いです。それでも、これらの Agent はまだ実戦でのテストを経ず、主要な DeFi プロトコルの規模に拡張するための課題が残っています。

取引: 人間大幅先導

しかし、取引などのより複雑なアクションに関しては、結果ははるかに多様です。 現在の取引モデルは、人間が定義した入力に基づき実行され、事前に設定されたルールに従って出力が提供されます。機械学習は、新しい情報に基づいてモデルが振る舞いを更新できるようにすることで、明示的な再プログラミングなしにこれを拡張し、それを自動運転の役割まで引き上げました。完全自律エージェントが参加すると、取引のパターンは大きく変化します。

いくつかのエージェント間および人間対エージェントの取引競技会が開催され、結果はモデル間に大きな違いがあることを示しました。Trade XYZ は、同社のプラットフォームに上場している株に関して人間対エージェントの取引競技大会を開催しました。各アカウントには初期資金として 1 万ドルがあり、レバレッジや取引頻度の制限はありません。結果は圧倒的に人間寄りであり、トップの人間のパフォーマンスは、トップのエージェントのそれよりも 5 倍以上優れていました。

同時に、Nof1 はモデル間のエージェント取引競技大会を開催し、複数のモデル（Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude、Gemini）が資本の保全から最大レバレッジへの異なるリスク設定をテストし、お互いに競い合いました。結果は、パフォーマンスの違いを説明するのに役立ついくつかの要因を明らかにしました：

ポジション保持時間: 強い相関性が存在し、1つのポジションを平均 2-3 時間保有するモデルが、頻繁な取引を行うモデルよりもはるかに優れていました。

期待値: これは、モデルが平均して各取引で利益を上げているかどうかを測定します。興味深いことに、上位 3 つのモデルだけが正の期待値を持っており、これはほとんどのモデルが損失を出している取引が多いことを意味します。

レバレッジ: 平均して 6-8 倍の低いレバレッジレベルが、10 倍以上のレバレッジをかけたモデルよりも優れたパフォーマンスを示しました。過剰なレバレッジは損失を加速させます。

ヒント戦略: Monk Mode がこれまでで最も優れたパフォーマンスを示し、一方で Situational Awareness は最も悪いパフォーマンスを示しました。モデルの特徴に基づいて、リスク管理に焦点を当て、外部ソースを少なくすることがより優れたパフォーマンスをもたらすことが示されました。

基本モデル: Grok 4.20 は異なるヒント戦略で他のモデルよりも 22% 以上優れたパフォーマンスを示し、平均して利益を上げる唯一のモデルでした。

他の要因、例えばロングとショートの好み、取引規模、信頼度スコアなどについては、十分なデータがないか、あるいはモデルのパフォーマンスと正の相関があることが証明されていません。全体として、結果はエージェントが明確に定義された制約の内側ではしばしばより優れたパフォーマンスを示す傾向にあることを示しており、これは人間が依然としてターゲットの構成に非常に必要とされていることを意味しています。

エージェントの評価方法

エージェントはまだ初期段階にあるため、現時点では包括的な評価フレームワークはまだ存在しません。通常、エージェントの評価には過去のパフォーマンスが使用されますが、これらは基本的な要素の影響を受けます。これらの要素は、強力なエージェントパフォーマンスのより強い兆候を提供します。

異なる波動幅でのパフォーマンス： これには、状況が悪化した際の厳密な損失コントロールが含まれます。これは、エージェントが取引の利益率に影響を与える可能性のあるオンチェーン要因を識別できることを示しています。

透明性とプライバシー： 両者にはそれぞれのトレードオフがあります。透明性のあるエージェントは、取引が積極的に複製される可能性がある場合、基本的に戦略上の優位性を持たなくなります。一方、非公開のエージェントは、作成者内部からの引き出しリスクに直面します。作成者は自らのユーザーを簡単に出し抜くことができます。

情報源： エージェントがアクセスするデータソースは、エージェントの意思決定方法を特定する上で非常に重要です。情報源が信頼できること、単一の依存性がないことを確認することが極めて重要です。

セキュリティ： スマートコントラクトの監査を行い、適切な資金の保管構造を持つことは、ブラックスワンイベントに備えるために非常に重要です。

エージェントの次のステップ

エージェントの大規模な採用を実現するには、インフラストラクチャに関連する多くの作業がまだ必要です。これは、エージェントの信頼性と実行に焦点を当てています。自律エージェントのアクションには柵がなく、資金管理の誤りのインスタンスが既に発生しています。

ERC-8004 は2026年1月にローンチされ、最初のオンチェーン登録表となり、自律エージェントが相互に発見し、検証可能な評判を構築し、安全に協力できるようになりました。これは、DeFiの組み合わせ可能性を解除する重要なものであり、信頼スコアがスマートコントラクト自体に埋め込まれているため、エージェントとプロトコル間の許可なし活動を可能にします。

これにより、エージェントが常に悪意のない方法で動作することが保証されるわけではありません。なぜなら、レピュテーションの共謀やウィッチ攻撃などのセキュリティ上の脆弱性が依然として発生する可能性があるからです。そのため、保険、セキュリティ、エージェントの経済的担保など、多くの領域で充実が必要です。

DeFi におけるエージェントの活動の拡大に伴い、ストラテジーの過密が構造的リスクとなっています。収益ファーミングは最も明確な先例であり、ストラテジーの普及に伴い、リターンが圧縮されます。同様のダイナミクスはエージェント取引にも当てはまる可能性があります。多くのエージェントが類似のデータでトレーニングし、類似の目標を最適化する場合、それらは類似したポジションと脱退シグナルで収束します。

2026 年 1 月にコーネル大学が発表した CoinAlg の論文は、この問題のバージョンを形式化しました。透明なエージェントはアービトラージが可能であり、彼らの取引は予測可能であり先読みされることができます。一方、プライベートなエージェントはこのリスクを避けますが、異なるリスクを導入し、つまり作成者が自身のユーザーベースの情報の優位性を保持し、透明性が本来保護すべき内部知識を通じて価値を抽出することができます。

エージェントの活動はさらに加速されるだけであり、今日確立されたインフラストラクチャは、オンチェーン金融の次の段階がどのように機能するかを決定します。エージェントの使用率が増加するにつれ、それらは自己進化し、ユーザーの好みに適応する能力が向上します。したがって、主要な差別化要因は信頼できるインフラストラクチャに帰着し、これらが最大の市場シェアを獲得します。