DWF Ventures在研究《Will Agents take over DeFi》中指出，自动化和AI Agent活动目前已占到全部链上活动的约19%。但这并不意味着端到端的完全自主已经落地。报告认为，现阶段大多数Agent仍停留在“分析师”到“副驾驶”��段，离可以自我融资、自我执行并持续调整策略的终局还有距离。
链上Agent增长很快，但基础设施仍偏中心化
过去一年，Agent相关活动持续增长，链上交易量和交易笔数都在抬升。报告提到，自2025年以来，市场已启动超过17,000个Agent，而自动化或Agent活动覆盖的链上总量估计已超过19%。另一个参照数据是，稳定币转账量中估计有76%以上由bot产生。
不过，当前基础设施主要服务两类场景：Agent之间的交互通道，以及由人工触发的Agent调用。稳定币支付虽然已有较广支持，底层却仍依赖传统支付网关，这意味着中心化对手方并没有退出。报告的判断很直接：所谓“完全自主”的Agent体系，眼下还没实现。
收益优化场景里，Agent已经跑出效率优势
在规则清晰、目标单一的收益优化场景中，Agent表现已经相当突出。流动性提供是最典型的一类，报告称，当前由Agent持有的总TVL已超过3,900万美元。���个口径主要统计用户直接存入Agent的资产，不包括通过金库路由进入的资金。
Giza Tech旗下的ARMA被点名为代表案例。该应用在去年底推出，目标是提升主流DeFi协议中的收益捕获能力。截至报告提及的数据，ARMA已吸引超过1,900万美元管理资产，并产生超过40亿美元的Agent交易量。高换手意味着资本会被频繁再平衡，以追求更高收益。报告还提到，ARMA为USDC实现了超过9.75%的年化回报，即便计入再平衡成本和Agent收取的10%业绩费，收益率仍高于Aave或Morpho上的普通借贷。
但这里也有边界。研究提醒，这类系统的可扩展性仍待检验，尤其是在资金规模扩大、进入主流DeFi协议核心流动性层之后，是否还能维持同样表现，尚未经过充分验证。
进入交易环节后，顶尖人类仍明显领先
一到复杂交易场景，结果就变了。报告称，目前的交易模型大多还是围绕人类预设输入执行，再根据规则产出结果。机器学习让模型能依据新信息修正行为，但真正完全���主的交易Agent，表现并不稳定。
在Trade XYZ举办的人类对Agent交易竞赛中，每个账户初始资金均为1万美元，且对杠杆与交易频率没有限制。最终结果明显偏向人类：顶尖人类交易者的表现比顶尖Agent高出5倍以上。这也是报告最醒目的结论之一——在多目标、快变化、依赖判断的交易任务里，人类仍有显著优势。
模型差异很大，风险管理比“聪明程度”更关键
Nof1组织的另一场模型间竞赛，把Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude和Gemini放在同一框架下比较，并测试从保本到高杠杆的不同风险设定。结果显示，决定表现的关键因素并不只是模型名称。
报告列出了几个高相关变量。第一是持仓时间，平均每个仓位持有2至3小时的模型，显著优于频繁翻仓的模型。第二是期望值，只有排名前3的模型实现了正期望值，说明多数模型亏损单多于盈利单。第三是杠杆水平，平均6至8倍杠杆的模型优于超过10��杠杆的策略，高杠杆会更快放大亏损。
提示策略同样影响很大。报告称，Monk Mode是当前表现最好的提示策略，而Situational Awareness最差。按研究给出的解释，更强调风险管理、较少依赖外部信息源的方案，成绩反而更好。基础模型方面，Grok 4.20在不同提示策略下的表现比其他模型高出22%以上，并且是唯一平均盈利的模型。
透明度、隐私与安全，都是Agent扩张前的硬问题
报告认为，当前行业还没有一套完整的Agent评估框架，历史收益只是表层指标，更重要的是其在不同波动环境下的表现、信息来源是否可靠，以及合约审计和资金托管机制是否完善。尤其在黑天鹅行情中，纪律性的止损能力被视为重要观察项。
透明度与隐私之间也存在直接冲突。透明Agent容易被复制交易，策略优势会被迅速稀释；私密Agent虽然可以减少被抢跑，却会引入另一层风险，即构建者可能利用信息不对称抢跑用户。报告同时提到，随着Agent规模扩大，策略拥挤可能变成结构性问题。若大量Agent基于相似数据、优化相似目标，持仓和��场信号也会趋同，收益空间可能被压缩。
研究还提到，ERC-8004于2026年1月上线，作为首个链上注册表，目标是让自主Agent能够相互发现、建立可验证声誉并协作。但这并不能消除女巫攻击、串通声誉等问题。按DWF Ventures的结论，Agent活动还会继续加速，真正决定下一阶段竞争力的，不只是模型能力，更是可信的执行与信任基础设施。