智能合约具备局限，因为它欠缺和环境交互的能力，这阻碍了去中心化运用 (dApps) 的发展潜力。为了能实现更多更为复杂作用，DeFi 协议书有两个挑选: 他们可以采取灵活多变的设计方案，例如游戏玩家可以人性化解决各种场景；或是他们可以引入 external dependencies ——取决于链下基础设施建设，如 oracle、keepers 或链下测算——以保持简易的使用体验。 

在近期一篇发人深省的名为「为何 DeFi 受到破坏及其怎么修复—第 1 一部分:无 oracle 协议书」的文章中，Dan Elitzer 认为应用零外界依靠的 DeFi 原语（primitives）来降到最低进攻空间向量。这样的想法是为了减少对第三方机构的认可要求。但是，一个零依靠的 DeFi 生态体系必将对系统化的要求也越来越高。大多数用户欠缺时长、专业技能或网络资源，无法成为 Uniswap v3 里的做市，也难以在没有任何 external dependencies 的情形下评定协议中的抵押物品质，他们不得不取决于可靠中介机构参加。 

因而，对零依靠的追寻可能会使大家回到原点，或更糟糕是指，驱使外行用户信任繁杂的实体也将资产存进过渡型智能合约，这会增加不安全隐患。与其说为完全消除外界依存关系而努力奋斗，比不上考虑到更实用的方法，包括对 external dependencies 开展更为严格核查，并限制潜在性的黑天鹅情景。我们应该意识到，某种程度的依靠是在所难免的，甚至是对市场的发展尤为重要。 

在有名气的 DeFi 工程中，Uniswap 的初期版本号比较接近于实现零依靠。但是，近期引入的 Uniswap v4 说明了一种变化发展趋势，根据相对高度模块化的方式 (「Hooks」）以促进此行业不断前进。

数据信息原语

有关外界依靠的探讨重点围绕智能合约和外部数据交换的能力进行。现如今，数据交换一般取决于预言机来访问链下信息内容，虽然范围有限 ( 主要包含关键加密货币的价钱 )。

现在越来越多的主题活动转移到区块链，很多有意义的链上数据信息可用于以算法和透明色方法提高模式定义。但是，虽然链上数据信息具备清晰度，但把与智能合约集成化绝非易事。载入、解决和交付有价值的数据信息可以建立一个复杂和可靠基础设施。因而，开发者一般取决于已有的工具来满足他们的数据需求。但是，大部分已有的数据解决方案都根植 Web 2.0 架构，甚至更多的 Web 3.0 当地协议书很难保证他们所提供的数据的真实性。

Sushiswap 有关 Polygon Sushi-Matic 子图推送有误数据库的探讨

充分考虑智能合约甚至能管理方法数十亿美元的储蓄，他们相互连接到一个受信赖的 API 源既不可行都不具体，因为这样的依靠会损害区块链生态系统中的去中心化特性。

搭建防篡改数据解决方案

大家的投资理念围绕着一个基本上信仰，即防篡改数据信息将会成为下一代 DeFi 协议书的重要前提。但是，实现数据的防篡改并不是一项艰难的任务，这需要繁杂基础设施和大量的提升，以使其在社会设计方面行得通。

在这种背景下，Space and Time 成为了创建防篡改的数据基础设施的先锋。一个关键部分就是它的 SQL 证实，其实是对 SNARK 证实的改进，专门用来从关系型数据库查找数据。此方式带来了确保，保证查看以及底层数据不被篡改。除此之外，在经过 RPC 启用从归档连接点查找数据时，它提供了数据有效性的保障。

其他一些著名的无信赖数据信息原语新项目包含但是不限于 Nil Foundation、Axiom、Brevis、Herodotus 等。

防篡改数据为 DeFi 协议书开辟了新的视线，使其能够突破作用的边界，促进行业进一步增长与创新。

下面我们将在以下前提下探讨数字驱动协议书结构优化设计:

1. 人性化的使用体验

2. 自参数化设计协议书

3. 协议书经济发展

4. 达标浏览

1. 人性化客户体验

在研发业务范围，为消费者提供量身打造的品质是司空见惯的。但是，智能合约 ( 实质上是意味着一些领域模型代码串 ) 一般会统一客户体验，这通常相当于槽糕的使用体验。例如一些网络贷款平台，客户 A 是一个初学者，客户 B 是一个长期协议书客户，客户 C 是一个买卖高手。这类欠缺个性化的作法匪夷所思客户行为，错过了提高客户忠诚度、鼓励正强化和改进资产运用的机遇。

协议书在鉴别客户行为然后进行适当调整方面有着商业利益。比如，通过运用资信评级，向表现良好的用户提供更便宜的银行信贷或较低的质押率。这般一个项目当然是从具备统一条款服务平台吸引消费者。除此之外，此方法为用户提供潜在性鼓励，促使其表现出了好一点的个人行为，以获取更实惠的前提条件。

从金融科技领域思索，像 SoFi 这样的企业根据回绝统一化来获取市场占有率，DeFi dApps 也可以学习。比如，SoFi 看到了学生们贷款市场的行业效率不高，斯坦福大学的大学毕业生被扣除与其它贷款人同样的银行贷款利率，虽然他们毕业之后得到高薪职业的概率更高一些。通过调节年利率以便更好地体现客户风险情况，SoFi 取得了一定的成就。

一样，在 DeFi 行业，大家构想了一个自主创新合同的机遇，把用户风险性列入利率的质押要素。但是，务必当心，不必只是根据现有历史记录去进行质押不够的借款，特别是当悖论改变时，历史记录越来越无关痛痒。

值得一提的是，Spectral 和 Cred Protocol 等特色正在尝试从链上信息中创建信用评分模型。但是，这种项目都是在去中心化数据库系统上运行的，因而，只需他们所服务的数据与实体模型来源于去中心化数据信息，而且非常容易被伪造，那样最主要的 DeFi 协议书就不大可能传送到它们 api。反过来，如果这个项目采用防篡改解决方案，它们就可能会成为无处不在 DeFi 个人信用预言机，为一系列融合创新增加动力。

2. 自参数化设计协议书 ( 降到最低整治干涉 )

很多 DeFi 协议书依然依赖人力整治步骤，一般由链下咨询管理公司具体指导，以调整其主要参数。例如 AAVE，它向外部咨询公司支付巨资以监控和具体指导协议书风险性主要参数。

可是，这种行为形成了一些问题:

1. 欠缺即时适用：系统软件缺少对瞬息万变的销售市场条件或新出现的风险回应能力。

2. 手动式系统软件：对人工控制的依赖性在优化协议书主要参数时引入了延迟时间问题与隐性的规模不经济。

3. 对链下实物的信赖：依靠外部咨询企业导致了对公开性与提意见时使用的方法的焦虑。

这类静态方法对其 AAVE 的一次进攻中显现出来，造成坏账损失的形成，但这些坏账损失原本可以根据适宜的借款主要参数来预防，这些参数可以更好的体现借的货币流通性。除此之外，在借贷合同中应用商品流通中货币做为抵押物风险并未得到很好的处理。

为解决这些限制，新项目应该向即时、全自动、透明和不用信赖的设计方案衔接。比如，借贷合同可以借助相近 Space and Time 基础设施来实时监控系统数据信息。这将会使他们能够动态地调节抵押物、借款相关参数别的关键参数。

一样，交易中心能够引入根据波动性或无常损失动态化收费标准构造。Uniswap v3 基础上的很多流通性池难以达到可持续运营，根本原因是不能对 LP 动态性收费标准。拥有 Uniswap v4 的 Hook 或 Valantis 的模块，让动态性收费标准得以实现。

除此之外，聚合器可以不受人力及其固定成本的影响，以满足底层协议瞬息万变的风险与收益。Spool 和 Solity 的协作便是朝这个方向迈出的一步，Solity 应用大数据方法去分析池子的风险性收益。

3. 协议书经济发展

数据驱动方式有很有可能提高 DeFi 里的协议书经济与代币经济实体模型，在其中项目可以与符合要求的客户分享鼓励。

例如，一个寻找客户忠诚度和忠诚度的 DEX 聚合器，她们能将滑点利润分配给达到一些要求的客户，比如实行特定数量买卖以达到最少成交量。

这种鼓励很多鼓励初期客户，在目标群体中设立了满意度，或直接向目前客户提供鼓励，以推动协议书在自已的群体中的应用。

4. 达标浏览

尽管区块链有无需许可的特性，但是它也允许选择自由。在各个案件中，网络层的批准浏览能够确保协议书不会被用以做恶，或是合理地和目标用户群进行交互。

比如，像 Tornado Cash 这种隐私协议正受到监管部门的核查，因为它很有可能被用来洗黑钱或其它违法活动。为了避免洗黑钱，协议书开发者能够采取有效措施，避免各种不良行为者和他们的服务平台进行交互。

此外，针对做市而言，掌握交易对象是非常有价值的，但 dex 一般无法获得此类信息。假设有很有可能利用数据来建立真人版证实，DEXs 能够只可以非 bot 详细地址互动，那样这种问题也可以得到处理。

验证测算的需要

根据与无信赖数据信息原语的集成化，能够完全实现以上一部分探讨内容。但是，其它的将需要额外的资源来实行统计计算或机器学习算法。比如，综合评分项目可以运用防篡改数据信息，但仍需要人工智能算法来生成综合评分。

或在 Risk Oracle 前提下，获得有关特殊货币的流通供货、总数、买卖记数、持有人总数、自 TGE 至今的时长等数据信息针对明确适度的质押和借款要素尤为重要。可是，机器学习算法必须在这些信息的基础上精准的测算。

source：https://chainml.substack.com/p/web3-needs-ai-to-realize-its-potential

DeFi 过程中需要更加复杂计算出来的其他领域包含但是不限于:

盈利聚合器：可能底层协议的收益和风险，然后找到最佳分派。

项目投资组合优化：依据预先确定的标准计算总体目标投资组合的分派，依据性能指标更改定项开放式等。

衍生产品去中心化交易中心：系统风险管理方法，资产花费调节，衍生品定价等。

高端买卖实行优化算法

流通性保险库做市逻辑性

结算库

像 ChainML 这些项目为其提供验证的链下测算层去满足这一需求，然后由专业搭建的共识算法给予支持。别的搭建分布式系统机器学习算法测算层包含但是不限于 GenSyn, Together.xyz, Akash 等。

一样，ZKML 提供了一个有意思的机遇，在其中 ZK 证实能将测算缩小为还可以在链上检验的简约证实，或是在没有表露其特性的情形下演试特殊模型应用。如 Modulus Labs、Giza 等 ZK 新项目。

但是，在 ZK 中获得机器学习算法现阶段非常贵，加大了具体开展的趣味性。尽管硬件加速器和电源电路提升很有可能会在未来提升性能，但人工智能测算要求预估便以更快的提高，这也使得 ZKML 仅限冷门计算方式，难以适应最前沿的人工智能模型。因而，相近 ChainML 的项目提供的根据共识的 pessimistic approach 或根据诈骗证明 optimistic approach 等方式有可能是将最新人工智能技术整合到 Web 3.0 里的最好机遇。

汇总

防篡改数据信息、优秀计算能力和数据驱动决策的结合，可能会在 DeFi 生态系统中的开启新的突破、提高工作效率和客户满意度。尽管文中关心的是还可以在链上数据信息原语的基础上进行的提升，但是我们一样看中对通过 zk 证实集成化各种各样链下数据带来的机会。我们坚信，数据信息将增强链上链下的互用，推动去中心化金融和传统式金融体制中间的结合。

伴随着行业的不断发展，协议书要接受前沿技术，与头部企业合作，并优先选择公开性与去信任化，这不仅可以为 DeFi 建立一个强劲和可持续发展的以后，而且还能为 DeFi 对世界金融布局产生深远影响这一景愿给予很有可能。

申明：Space and Time、ChainML、Nil Foundation 和 Solity 是 IOSG 的 Portfolio。