Tương lai của Hiệu suất DeFi và Sự Định nghĩa lại của Nó bởi Các Động cơ Thực thi Tăng cường AI.
Tài chính phi tập trung (DeFi) đã mang đến một lĩnh vực mới về sự minh bạch, khả năng lập trình và tiếp cận thị trường toàn cầu. Tuy nhiên, bất chấp những phát triển như vậy, vẫn còn một trở ngại lớn mà hạn chế sự phát triển của nó: chất lượng thực thi. Với sự phát triển của DeFi trên nhiều blockchain, mạng Layer-2 và các môi trường thực thi không đồng nhất, hiệu quả thực tế-so với lý thuyết đã tăng lên, tùy thuộc vào hiệu suất giao dịch của từng cá nhân. Các nhà tạo lập thị trường tự động truyền thống (AMMs) và các mô hình sổ đặt hàng hoàn toàn trên chuỗi không thể cung cấp thực thi có thể dự đoán và đạt tiêu chuẩn tổ chức trong những thị trường phân mảnh và đối kháng.
Điều này đã kích thích sự quan tâm mới đối với các thiết kế thị trường hybrid kết hợp thanh khoản dựa trên AMM với độ chính xác đặc trưng của các sổ lệnh. Hơn nữa, nó đã đưa sự chú ý vào các động cơ thực thi được cải tiến bằng AI như là thành phần thiếu vắng cần thiết để mở ra giai đoạn tiếp theo của hiệu suất và áp dụng DeFi.
Thị trường Mô Hình Đơn: Thị trường Mô Hình Đơn được thiết kế để chỉ giải quyết một khía cạnh duy nhất của một vấn đề. Thị trường Mô Hình Đơn đến Thiết kế Hybrid Một Thị trường Mô Hình Đơn Thị trường Mô Hình Đơn được xây dựng để chỉ bao phủ một khía cạnh duy nhất của một vấn đề.
Kể từ những ngày đầu của DeFi, AMM đã được sử dụng để cung cấp thanh khoản liên tục, loại bỏ sự cần thiết của các bên trung gian tập trung. Các sàn giao dịch phi tập trung phát triển nhanh chóng nhờ tính đơn giản và khả năng kết hợp của chúng. Tuy nhiên, tài liệu học thuật đã chứng minh rằng các AMM chức năng liên tục là không hiệu quả về cấu trúc, đặc biệt trong các thị trường biến động hoặc cho các giao dịch lớn, nơi mà sự trượt tăng không tuyến tính và hiệu quả vốn kém được quan sát (Angeris et al., 2019).
Thay vào đó, các hệ thống dựa trên sổ lệnh có mức chênh lệch hẹp hơn và khả năng khám phá giá tốt hơn, điều này phù hợp hơn với cấu trúc thị trường truyền thống. Tuy nhiên, chúng trở nên chậm đáng kể khi sử dụng trên chuỗi, do chi phí cập nhật tốn kém, các vấn đề độ trễ, và dễ bị tái sắp xếp giao dịch và chạy trước. Những đặc điểm này đã được chứng minh trong tài liệu MEV là phân biệt đối xử với các nhà giao dịch thông thường và ảnh hưởng tiêu cực đến chất lượng thực thi (Daian et al., 2019).
Những sự đánh đổi này đang cố gắng được giải quyết bằng các mô hình AMM-sổ lệnh hybrid. Các thiết kế hybrid cung cấp một môi trường thực thi linh hoạt hơn, vì chúng cho phép AMM cung cấp thanh khoản cơ bản và sổ lệnh cung cấp thông tin giá minh bạch hơn. Tuy nhiên, sự thành công của loại hệ thống này không dựa nhiều vào kiến trúc của nó mà vào cách mà các quyết định được đưa ra liên quan đến thực thi của chúng.
Thực thi không còn là một vấn đề định tuyến.
Các hệ thống DeFi đầu tiên coi thực thi chỉ là một vấn đề định tuyến: tìm kiếm bể hoặc địa điểm báo giá giá tốt nhất tại một thời điểm cụ thể. Chiến lược này là đủ ở quy mô bán lẻ, nhưng sụp đổ khi các tổ chức tham gia. Các nhà tham gia thị trường có trình độ chuyên nghiệp không đo lường thực thi bằng giá, mà bằng kết quả, là tổng hợp của tác động giá, trượt, thời gian, tính nhất quán và khả năng hoàn thành.
Kết quả của việc thực thi trên chuỗi bị ảnh hưởng bởi thanh khoản thay đổi liên tục, thị trường gas biến động, thời gian khối và các đối thủ tham gia trong cuộc cạnh tranh MEV. Việc thực thi trong những tình huống như vậy là một vấn đề dự đoán và không phải là một vấn đề tĩnh. Nó liên quan đến việc nhìn về xu hướng thị trường ngắn hạn, trái ngược với việc phản ứng với các ảnh chụp của các điều kiện hiện tại.
Chính trong lĩnh vực này mà trí tuệ nhân tạo thực sự thay đổi bối cảnh của việc thực thi.
Động cơ thực thi được cải tiến bằng Trí tuệ Nhân tạo: Một phản ứng cho Dự đoán.
Các động cơ thực thi được cải tiến với AI biến DeFi từ việc định tuyến phản ứng thành định tuyến ở mức quyết định. Các phép tối ưu hóa cố định không chi phối những hệ thống này; thay vào đó, chúng liên tục học hỏi dựa trên dữ liệu lịch sử và thời gian thực để đánh giá chiến lược thực thi một cách xác suất.
Các khả năng dựa trên AI quan trọng nhất là:
Dự đoán thanh khoản và biến động, cho phép điều chỉnh các quỹ đạo thực thi trước.
Tối ưu hóa thời gian, xem xét sản xuất khối, hành vi của bộ sắp xếp và sự tắc nghẽn.
Thay đổi trong việc lựa chọn chiến lược thích ứng, một cách linh động giữa thanh khoản AMM và thực thi sổ lệnh.
Thực thi có ý thức về MEV và ngăn chặn việc lựa chọn bất lợi bằng dự đoán và nhận thức về sắp xếp.
Các nghiên cứu hiện tại chỉ ra rằng học tăng cường trong các cài đặt sổ lệnh giới hạn có thể hiệu quả trong việc tạo ra các chính sách thực thi mạnh mẽ hơn so với các chính sách cố định, do khả năng thích ứng với động lực thị trường nội sinh (Cheridito et al., 2025). AI trong các hệ thống DeFi hybrid không thay thế AMM hoặc sổ lệnh; nó chỉ đơn giản là phối hợp chúng.
Điều đã xuất hiện là một sự thay đổi trong logic của giá tốt nhất sang tối ưu hóa kết quả tốt nhất, điều này rất giống với các thực tiễn thực thi trong thị trường tài chính truyền thống (Madhavan, 2000).
Những tác động của Thị trường DeFi đối với hiệu suất.
Các kiến trúc thực thi hybrid được cải tiến bằng AI có thể cải thiện hiệu suất của DeFi ở nhiều khía cạnh quan trọng đối với các nhà tham gia tổ chức:
Giảm độ biến động trượt, điều này tối thiểu hóa các kết quả tiêu cực nghiêm trọng.
Ổn định trong các hoàn cảnh khó khăn hơn.
Hiệu quả vốn tốt hơn, đặc biệt cho các giao dịch lớn.
Giảm thiểu tác động MEV bằng cách thực thi kịp thời và có tầm nhìn.
Những cải tiến này đưa DeFi gần hơn một bước tới các mức hiệu suất cần thiết trong các thị trường giao dịch chuyên nghiệp, và là một trong những trở ngại chính đối với việc áp dụng của tổ chức.
AID: Trí tuệ Nhân tạo như Cơ sở Hạ tầng Tài chính.
Trong mô hình mới này, ví dụ về AID với thực thi hybrid cải tiến bằng AI có thể được coi là một cách để hiện thực hóa cơ sở hạ tầng của các hoạt động tài chính cốt lõi dưới dạng thực thi hybrid cải tiến bằng AI, thay vì chỉ là một lớp ngoài lạc quan.
Kiến trúc của AID kết hợp trí tuệ nhân tạo vào dữ liệu, thực thi, và bộ quyết định của AID. Thay vì xem AI như một bổ sung, nền tảng đặt trí tuệ ở trung tâm của hành động, nơi nó có thể liên tục xem xét trạng thái của thị trường, thanh khoản, và các chỉ số rủi ro, và hoàn tất các giao dịch.
AID là một tập hợp dữ liệu sử dụng lớp dữ liệu của nó để tính toán các chỉ số trên chuỗi, bao gồm lưu lượng khối lượng, chiều sâu thanh khoản, chế độ biến động, và động lực sinh lợi. Những đầu vào như vậy được cung cấp cho các mô hình dự đoán, hướng dẫn các quyết định thực thi theo thời gian thực. Ở cấp độ thực hiện, AID cho phép nhiều nguồn thanh khoản và phong cách thực thi khác nhau, cho phép cân bằng linh hoạt giữa thanh khoản của một AMM và một sổ lệnh.
Như một FinTech, đóng góp lớn nhất của AID là sự tập trung vào tính nhất quán và khả năng đo lường của thực thi. Bằng cách biến thực thi thành hạ tầng, không phải là một tính năng, AID ưu tiên giao dịch DeFi giữa các tổ chức, những người cần biết trước, kiểm soát rủi ro, và lặp lại.
Một chiến lược như vậy đại diện cho một xu hướng rộng lớn hơn trong hệ sinh thái DeFi. Thế hệ tiếp theo của việc áp dụng sẽ không được cải thiện bởi những cải tiến nhỏ về tốc độ hoặc lợi suất, mà bởi các hệ thống có thể cung cấp thực thi ổn định dưới áp lực.
Tương lai của kiến trúc thị trường DeFi là sự kết hợp giữa AMM và sổ lệnh, được kiểm soát bởi các động cơ thực thi được cải tiến bằng AI. Những hệ thống như vậy biến việc thực thi thành một bài tập điều phối phản ứng vào một quy trình ra quyết định dựa trên kết quả và dự đoán.
Khi chất lượng thực thi nổi lên như một chỉ số mới về hiệu suất của DeFi, mức độ hạ tầng của các nền tảng trở nên thông minh sẽ trở thành tiêu chuẩn. AID là một ví dụ về hướng đi này, kết hợp AI vào thực thi, trí tuệ thanh khoản và đánh giá rủi ro, minh họa cách mà các thị trường phi tập trung có thể được phát triển để đạt được hiệu suất của một tổ chức.
Tại đây, các động cơ thực thi hybrid được cải tiến bằng AI không phải là tối ưu hóa mà là một cải tiến cấu trúc của các nền tảng tài chính của DeFi.
Tài liệu tham khảo
Angeris, G., Chitra, T., Kao, H. T., Chiang, R., và Noyes, C. (2019). Phân tích UNI thị trường Uniswap. arXiv:1911.03380.
Cheridito, P., Dupret, J.-L., & Wu, Z. (2025). ABIDES-MARL: Hình thành giá nội sinh và thực thi trong một sổ lệnh giới hạn, một môi trường học tăng cường đa tác nhân. arXiv:2511.02016.
Daian, P., Goldfeder, S., Kell, T., Li, Y., Zhao, X., Bentov, I., Breidenbach, L., và Juels, A. (2019). Flash Boys 2.0: Tiền chạy trước, sắp xếp lại trong các giao dịch và sự không ổn định đồng thuận trong các sàn giao dịch phi tập trung. Hội nghị IEEE về Bảo mật và Riêng tư.
Madhavan, A. (2000). Cấu trúc thị trường: Khảo sát. Tạp chí Thị trường Tài chính, 3(3), 205-258.
AID. (2024-2026). Tài liệu của nền tảng AID. https://aid-1.gitbook.io/aid.
AID. (2024-2026). Trang web chính thức của AID. https://aidav2.com.
AID. (2024-2026). Sách AID. https://medium.com/AIDAv2.