近日，DWF Ventures发布的研究报告深入剖析了AI Agent在去中心化金融（DeFi）领域的真实表现。报告指出，自动化与Agent活动目前已占据所有链上活动约19%的份额，但真正的端到端自主性仍未实现。AI在不同场景下的表现差异显著：在收益优化等狭窄、规则明确的用例中，其表现已优于人类和传统机器人；但在交易等多方面复杂行动中，人类的表现仍大幅领先顶尖AI。
Agent活动持续增长，完全自主尚未实现
过去一年，链上Agent活动呈现稳步增长，交易量和交易数量均持续增加。Coinbase的x402协议、Visa、Stripe和Google等主流机构推出的相关标准正推动着基础设施发展。当前基础设施主要服务于两类场景：Agent之间的交互通道，或由人类触发的Agent调用。
尽管稳定币交易已获广泛支持，但现有基础设施仍依赖传统支付网关作为底层，这意味着其尚未摆脱对中心化对手方的依赖。因此，Agent能够自我融资、自我执行并根据条件持续优化的“完全自主”终极形态，目前仍是一个未竟的目标。
实际表现：收益优化优异，复杂交易落后
报告数据显示，自2025年以来，链上已启动超过17,000个Agent，其活动呈指数级增长。与仅能在固定参数下运行的早期Bot相比，新一代Agent具备关键优势：能在毫秒内响应新信息并执行，并能将覆盖范围扩展到数千个市场。
在收益优化领域，Agent表现突出。例如，Giza Tech推出的Agent应用ARMA，已管理超过1900万美元资产，产生了超40亿美元的交易量，并为USDC实现了超过9.75%的年化收益率，表现优于Aave或Morpho等平台的普通借贷收益。
然而，在交易等更复杂的领域，情况截然不同。Trade XYZ平台举办的人类对Agent交易竞赛显示，顶尖人类交易员的表现比顶尖Agent高出5倍以上。另一场由Nof1举办的多个主流AI模型间的竞赛进一步揭示了影响Agent交易表现的关键因素：
- 持仓时间：平均持仓2-3小时的模型表现远优于频繁交易者。
- 期望值：仅有少数顶尖模型能做到平均每笔交易盈利。
- 杠杆：6-8倍的平均杠杆水平表现优于超过10倍的高杠杆策略。
- 模型与提示策略：Grok 4.20模型在不同策略中表现显著优于其他模型；专注于风险管理的“Monk Mode”提示策略表现最佳。
总体而言，Agent在定义明确的约束内表现更好，而在需要复杂决策和灵活目标的交易中，人类的配置与判断仍至关重要。
评估挑战与未来风险
鉴于Agent仍处早期阶段，目前缺乏全面的评估框架。除了历史表现，还需考察其在不同市场波动下的纪律性、透明度与隐私的权衡、信息来源的可信度以及安全性（如合约审计与资金托管架构）。
报告同时指出，随着Agent大规模采用，将面临多项风险：
- 信任与执行风险：自主Agent缺乏行为护栏，已出现资金管理不善案例。ERC-8004等链上信誉注册表是构建信任的基础，但女巫攻击等安全问题仍需解决。
- 策略拥挤：如同传统收益耕种，若大量Agent基于相似数据和目标训练，可能导致策略趋同、回报压缩，并引发可预测的交易被抢跑（针对透明Agent）或创建者内部提取价值（针对私密Agent）的风险。
结语
Agent活动在DeFi中的加速已不可逆转，今日构建的基础设施将决定链上金融下一阶段的形态。未来，核心的差异化将围绕可信任的基础设施展开，而那些能够自我迭代、适应用户偏好并安全可靠地运作的Agent与平台，将最有可能获得市场的青睐。