IOSG Ventures: Eksplorasi mendalam tentang DeFi Baru, membuka potensi data

Penulis Asli: Momir, IOSG Ventures

Kontrak pintar terbatas karena tidak memiliki kemampuan untuk berinteraksi dengan lingkungan, yang membatasi potensi aplikasi terdesentralisasi (dApps). Untuk mencapai fungsi yang semakin kompleks, protokol DeFi memiliki dua opsi: mereka dapat mengadopsi desain yang fleksibel, seperti pemain dapat mempersonalisasi berbagai skenario; atau mereka dapat memperkenalkan ketergantungan eksternal - mengandalkan infrastruktur off-chain, seperti oracle, penjaga , atau komputasi off-chain — untuk mempertahankan pengalaman pengguna yang sederhana.

Dalam artikel yang menggugah pemikiran baru-baru ini berjudul "Mengapa DeFi rusak dan cara memperbaikinya — Bagian 1: Protokol tanpa Oracle", Dan Elitzer menganjurkan penggunaan primitif DeFi tanpa ketergantungan eksternal untuk meminimalkan vektor serangan . Idenya adalah untuk menghilangkan kebutuhan akan kepercayaan pada institusi pihak ketiga. Namun, ekosistem DeFi tanpa ketergantungan akan memiliki persyaratan spesialisasi yang lebih tinggi. Sebagian besar pengguna kekurangan waktu, keahlian, atau sumber daya untuk menjadi pembuat pasar di Uniswap v3, atau menilai kualitas jaminan dalam protokol tanpa ketergantungan eksternal, dan mereka harus bergantung pada perantara tepercaya untuk berpartisipasi.

Dengan demikian, pencarian nol ketergantungan dapat membawa kita kembali ke titik awal, atau lebih buruk lagi, memaksa pengguna non-ahli untuk mempercayai entitas kompleks atau menyimpan dana ke dalam kontrak cerdas transisi, yang meningkatkan ketidakamanan. Daripada berjuang untuk menghilangkan ketergantungan eksternal seluruhnya, pertimbangkan pendekatan yang lebih pragmatis seperti menempatkan ketergantungan eksternal di bawah pengawasan yang lebih ketat dan membatasi potensi skenario angsa hitam. Kita harus menyadari bahwa beberapa tingkat ketergantungan tidak dapat dihindari dan bahkan sangat penting bagi perkembangan industri.

Di antara proyek DeFi yang terkenal, versi awal Uniswap paling mendekati pencapaian nol ketergantungan. Namun, pengenalan Uniswap v4 baru-baru ini menunjukkan pergeseran menuju pendekatan yang sangat modular (“Hooks”) untuk memajukan bidang ini.

Data Primitif

Diskusi tentang ketergantungan eksternal berkisar pada kemampuan kontrak pintar untuk berinteraksi dengan data eksternal. Saat ini, interaksi data sering mengandalkan oracle untuk mengakses informasi off-chain, meskipun dalam lingkup terbatas (terutama termasuk harga mata uang kripto utama).

Karena semakin banyak aktivitas bermigrasi ke blockchain, banyak data on-chain yang berharga dapat digunakan untuk meningkatkan desain mekanisme secara algoritme dan transparan. Namun, terlepas dari transparansi data on-chain, mengintegrasikannya dengan smart contract bukanlah tugas yang mudah. Membaca, memproses, dan mengirimkan data yang bermakna membutuhkan infrastruktur yang canggih dan tepercaya. Akibatnya, pengembang sering mengandalkan alat yang ada untuk kebutuhan datanya. Namun, sebagian besar solusi data yang ada berakar pada kerangka kerja Web 2.0, dan bahkan lebih banyak lagi protokol asli Web 3.0 tidak dapat menjamin keakuratan data yang mereka berikan.

Diskusi Sushiswap Tentang Pengiriman Data Yang Tidak Akurat Dari Polygon Sushi-Matic Subgraph

Mempertimbangkan bahwa kontrak pintar bahkan dapat mengelola simpanan miliaran dolar, tidak diinginkan atau praktis bagi mereka untuk terhubung langsung ke sumber API tepercaya, karena ketergantungan ini akan merusak sifat terdesentralisasi dari ekosistem blockchain.

Membangun solusi data anti-perusakan

Filosofi investasi kami berkisar pada keyakinan mendasar bahwa data anti-rusak akan menjadi landasan protokol DeFi generasi berikutnya. Namun, mencapai resistensi tamper data bukanlah tugas yang sederhana dan membutuhkan infrastruktur yang kompleks dan pengoptimalan ekstensif untuk membuatnya layak secara ekonomi berdasarkan desain.

Dalam konteks ini, Ruang dan Waktu telah menjadi pionir dalam membangun infrastruktur data yang tahan terhadap kerusakan. Bagian penting adalah bukti SQL-nya, peningkatan dari bukti SNARK yang dirancang khusus untuk menanyakan data dari database relasional. Pendekatan ini memberikan jaminan bahwa kueri dan data dasarnya tidak dirusak. Selain itu, ini memberikan jaminan validitas data saat mengambil data dari node arsip melalui panggilan RPC.

Beberapa proyek primitif data tanpa kepercayaan terkenal lainnya termasuk tetapi tidak terbatas pada Nil Foundation, Axiom, Brevis, Herodotus, dll.

Data anti-perusakan membuka cakrawala baru untuk protokol DeFi, memungkinkannya mendorong batasan fungsionalitas, mendorong pertumbuhan dan inovasi lebih lanjut dalam industri.

Di bawah ini kami membahas pengoptimalan desain protokol berbasis data ketika:

1. Pengalaman pengguna yang dipersonalisasi

2. Protokol parameterisasi mandiri

3. Ekonomi protokol

4. Akses Berkualitas

1. Pengalaman pengguna yang dipersonalisasi

Dalam dunia bisnis teknis, merupakan hal yang lumrah untuk menyediakan layanan yang disesuaikan dengan kebutuhan pengguna. Namun, smart contract (pada dasarnya rangkaian kode yang mewakili beberapa logika bisnis) sering kali menyatukan pengalaman pengguna, yang seringkali sama dengan pengalaman pengguna yang buruk. Misalnya, pada beberapa platform pinjaman, pengguna A adalah pemula, pengguna B adalah pengguna perjanjian jangka panjang, dan pengguna C adalah transaksi veteran. Kurangnya diferensiasi ini gagal memperhitungkan perilaku pengguna dan melewatkan peluang untuk meningkatkan keterikatan pengguna, mendorong perilaku positif, dan mengoptimalkan penggunaan modal.

Protokol memiliki kepentingan dalam mengidentifikasi perilaku pengguna dan menyesuaikannya. Misalnya, dengan memanfaatkan peringkat kredit, menawarkan kredit yang lebih murah atau tarif hipotek yang lebih rendah kepada pelanggan yang berkinerja baik. Proyek semacam itu secara alami akan menarik pengguna dari platform dengan ketentuan yang seragam. Selain itu, pendekatan ini memberi pengguna insentif implisit untuk melakukan perilaku yang baik untuk mendapatkan persyaratan yang lebih menguntungkan.

Berpikir dalam hal fintech, di mana perusahaan seperti SoFi mendapatkan pangsa pasar dengan menolak untuk bersatu, dApps DeFi juga dapat belajar. Misalnya, SoFi menemukan ketidakefisienan pasar di pasar pinjaman mahasiswa, di mana lulusan Stanford dikenakan suku bunga pinjaman yang sama dengan peminjam lainnya, meskipun mereka lebih cenderung mendapatkan pekerjaan bergaji tinggi setelah lulus. SoFi telah mencapai kesuksesan penting dengan menyesuaikan tarif untuk mencerminkan profil risiko pengguna dengan lebih baik.

Demikian pula, di ruang DeFi, kami membayangkan peluang untuk berinovasi protokol yang memperhitungkan risiko pengguna ke dalam suku bunga dan agunan. Namun, kehati-hatian harus diambil, untuk tidak memberikan jaminan pinjaman hanya berdasarkan data historis yang ada, yang menjadi tidak relevan ketika teori permainan berubah.

Perlu disebutkan bahwa proyek seperti Spectral dan Cred Protocol mencoba membangun model penilaian kredit dari data on-chain. Namun, semua proyek ini berjalan pada database terpusat, jadi selama data dan model yang mereka layani berasal dari data terpusat dan dapat dengan mudah dirusak, kecil kemungkinan protokol DeFi utama akan terhubung ke API mereka. Alih-alih, jika proyek-proyek ini mengadopsi solusi anti-rusak, mereka memiliki potensi untuk menjadi peramal kredit DeFi yang ada di mana-mana, mendukung berbagai aplikasi inovatif.

2. Protokol swa-parameterisasi (meminimalkan intervensi tata kelola)

Banyak protokol DeFi masih mengandalkan proses tata kelola manual, sering diarahkan oleh perusahaan konsultan off-chain, untuk menyesuaikan parameternya. AAVE, misalnya, membayar banyak kepada perusahaan konsultan eksternal untuk memantau dan memandu parameter risiko protokol.

Namun, pendekatan ini menimbulkan beberapa masalah:

1. Kurangnya dukungan waktu nyata: Sistem tidak memiliki kemampuan untuk merespons perubahan kondisi pasar atau risiko yang muncul.

2. Sistem manual: mengandalkan intervensi manusia menimbulkan masalah latensi dan potensi inefisiensi saat menyetel parameter protokol.

3. Kepercayaan pada entitas off-chain: Ketergantungan pada perusahaan konsultan eksternal menimbulkan kekhawatiran tentang transparansi dan metodologi yang digunakan dalam membuat rekomendasi.

Pendekatan statis ini diekspos dalam serangan terhadap AAVE, yang mengarah ke kredit macet yang dapat dihindari dengan parameter pinjaman yang sesuai yang mencerminkan likuiditas token yang dipinjam dengan lebih baik. Selain itu, risiko penggunaan token yang beredar sebagai jaminan dalam protokol peminjaman belum ditangani secara memadai.

Untuk mengatasi keterbatasan ini, proyek harus beralih ke desain real-time, otomatis, transparan, dan tanpa kepercayaan. Misalnya, protokol peminjaman dapat memanfaatkan infrastruktur seperti Ruang dan Waktu untuk memantau data secara waktu nyata. Ini akan memungkinkan mereka menyesuaikan agunan, parameter pinjaman, dan parameter kunci lainnya secara dinamis.

Demikian pula, bursa dapat memperkenalkan struktur biaya dinamis berdasarkan volatilitas atau kerugian tidak permanen. Banyak kumpulan likuiditas di Uniswap v3 sulit untuk mencapai pengoperasian yang berkelanjutan, terutama karena mereka tidak dapat mengisi daya piringan hitam secara dinamis. Dengan Hook of Uniswap v4 atau modul Valantis, biaya dinamis dimungkinkan.

Selain itu, agregator dapat bebas dari tenaga manusia dan biaya tetap untuk beradaptasi dengan perubahan risiko dan keuntungan dari protokol yang mendasarinya. Kolaborasi antara Spool dan Solity merupakan langkah ke arah ini, dengan Solity menggunakan pendekatan data besar untuk menganalisis risiko-imbalan dari kumpulan.

3. Ekonomi Protokol

Pendekatan berbasis data berpotensi meningkatkan ekonomi protokol dan model ekonomi token di DeFi, di mana proyek dapat berbagi insentif dengan pengguna yang memenuhi syarat.

Misalnya, agregator DEX yang mencari keterikatan dan loyalitas pengguna, mereka dapat mengalokasikan manfaat slippage kepada pengguna yang memenuhi persyaratan tertentu, seperti melakukan sejumlah transaksi tertentu dan mencapai volume transaksi minimum.

Insentif semacam itu sangat memberi insentif bagi pengadopsi awal, membangun loyalitas dalam basis pengguna, dan memberikan insentif langsung kepada pengguna yang sudah ada untuk mempromosikan penggunaan protokol dalam populasi mereka sendiri.

4. Akses Berkualitas

Sementara blockchain memiliki sifat tanpa izin, itu juga memungkinkan kebebasan memilih. Dalam banyak kasus, akses yang diizinkan pada lapisan aplikasi dapat memastikan bahwa protokol tidak digunakan untuk melakukan kejahatan, atau berinteraksi secara efektif dengan basis pengguna yang dimaksud.

Misalnya, protokol privasi seperti Tornado Cash berada di bawah pengawasan regulator karena dapat digunakan untuk pencucian uang atau aktivitas ilegal lainnya. Untuk mencegah pencucian uang, pengembang protokol dapat mengambil langkah-langkah untuk mencegah aktor jahat berinteraksi dengan platform mereka.

Selain itu, bagi pembuat pasar, pengetahuan tentang rekanan sangat berharga, tetapi informasi semacam itu seringkali tidak tersedia untuk dex. Dengan asumsi bahwa data dapat digunakan untuk membuat bukti dari orang sungguhan, DEX hanya dapat mengizinkan alamat non-bot untuk berinteraksi, maka masalah seperti ini juga dapat diselesaikan.

Persyaratan untuk Komputasi yang Dapat Diverifikasi

Apa yang dibahas di bagian sebelumnya dapat diimplementasikan sepenuhnya melalui integrasi dengan primitif data tanpa kepercayaan. Namun, yang lain akan membutuhkan sumber daya tambahan untuk melakukan perhitungan statistik atau pembelajaran mesin. Misalnya, program penilaian kredit dapat memanfaatkan data anti rusak, tetapi masih memerlukan algoritme pembelajaran mesin untuk menghasilkan nilai kredit.

Atau dalam konteks Oracle Risiko, memiliki akses ke data tentang pasokan yang beredar, volume, jumlah transaksi, jumlah pemegang, waktu sejak TGE, dll. dari token tertentu sangat penting untuk menentukan faktor agunan dan pinjaman yang tepat. Namun, teknik pembelajaran mesin perlu melakukan perhitungan yang tepat berdasarkan data ini.

sumber:

Area lain di DeFi yang memerlukan kalkulasi lebih kompleks termasuk, namun tidak terbatas pada:

• Agregator pendapatan: Perkirakan pendapatan dan risiko protokol yang mendasarinya dan temukan alokasi yang optimal.
• Optimalisasi portofolio: Hitung alokasi portofolio target berdasarkan kriteria yang telah ditentukan sebelumnya, ubah paparan arah berdasarkan indikator teknis, dll.
• Pertukaran derivatif terdesentralisasi: manajemen risiko sistemik, penyesuaian biaya modal, harga derivatif, dll.
• Algoritma eksekusi perdagangan tingkat lanjut
• Logika pembuatan pasar kubah likuiditas
• Membersihkan perpustakaan

Proyek seperti ChainML mengatasi kebutuhan ini dengan menyediakan lapisan komputasi off-chain yang dapat diverifikasi, didukung oleh mekanisme konsensus yang dibuat khusus. Lainnya yang membangun lapisan komputasi pembelajaran mesin terdistribusi termasuk tetapi tidak terbatas pada GenSyn, Together.xyz, Akash, dll.

Demikian pula, ZKML menghadirkan peluang menarik di mana bukti ZK dapat memampatkan perhitungan menjadi bukti ringkas yang dapat diverifikasi secara on-chain, atau mendemonstrasikan penggunaan model tertentu tanpa mengungkapkan propertinya. Seperti Modulus Labs, Giza dan proyek ZK lainnya.

Namun, mengimplementasikan pembelajaran mesin di ZK saat ini sangat mahal, membuat penerapan praktis menjadi menantang. Meskipun akselerasi perangkat keras dan pengoptimalan sirkuit dapat meningkatkan kinerja di masa mendatang, tuntutan komputasi AI diharapkan tumbuh lebih cepat, membuat ZKML terbatas pada metode komputasi khusus yang tidak dapat disesuaikan dengan model AI canggih. Oleh karena itu, pendekatan seperti pendekatan pesimis berbasis konsensus atau pendekatan optimis berbasis bukti penipuan yang ditawarkan oleh proyek seperti ChainML mungkin merupakan peluang terbaik untuk mengintegrasikan algoritme kecerdasan buatan terbaru ke dalam Web 3.0.

Ringkas

Penggabungan data tahan gangguan, daya komputasi canggih, dan pengambilan keputusan berbasis data berpotensi membuka inovasi baru, meningkatkan efisiensi, dan kepuasan pengguna dalam ekosistem DeFi. Sementara artikel ini berfokus pada pengoptimalan yang dapat dilakukan di atas data primitif on-chain, kami sama-sama optimis pada peluang yang disajikan dengan mengintegrasikan berbagai data off-chain melalui bukti zk. Kami percaya bahwa data akan meningkatkan interoperabilitas on-chain dan off-chain serta mendorong integrasi antara keuangan terdesentralisasi dan sistem keuangan tradisional.

Saat industri terus berkembang, protokol harus merangkul teknologi baru, bekerja sama dengan proyek terkemuka, dan memprioritaskan transparansi dan kepercayaan, yang tidak hanya dapat membangun masa depan DeFi yang kuat dan berkelanjutan, tetapi juga berkontribusi pada dampak DeFi pada keuangan global. lanskap.Visi ini menawarkan kemungkinan untuk memiliki dampak yang luas.

Penafian: Ruang dan Waktu, ChainML, Nil Foundation, dan Solity adalah Portofolio IOSG.

referensi:

Kripto x AI:

ZKML:

lingkungan: