บริษัท AI ที่ใหญ่ที่สุดในโลกได้แสดงให้เห็นถึงสิ่งสำคัญแล้ว: LLM ทั่วไปไม่ได้ถูกออกแบบมาให้เหมาะสมกับการเทรดโดยธรรมชาติ Spawnagents ตระหนักถึงข้อนี้และสร้างวิธีการใช้ AI เพื่อการเทรดคริปโตที่แตกต่างออกไป
โมเดลอย่าง ChatGPT และ Claude นั้นยอดเยี่ยมในการสร้างภาษาและการใช้เหตุผลในวงกว้าง แต่ตลาดคริปโตกลับให้รางวัลกับทักษะที่แตกต่างกันอย่างสิ้นเชิง: ความเร็วในการดำเนินการ การตรวจสอบตลอดเวลา การกรองด้วยความน่าจะเป็น และความสม่ำเสมอภายใต้ความผันผวน
ตลาดบนเชนเป็นสภาพแวดล้อมที่เลวร้าย สภาพคล่องหายไปในพริบตา กระแสต่างๆ เปลี่ยนไปทุกชั่วโมง และโอกาสต่างๆ ก็หมดไปในไม่กี่นาที ในสภาวะเช่นนี้ ความฉลาดรอบด้านมีความสำคัญน้อยกว่าการดำเนินการที่มีวินัย
นี่คือจุดที่ SpawnAgents เข้ามาพร้อมแนวทางที่แตกต่างโดยพื้นฐาน
แทนที่จะสร้างโดยใช้โมเดลการใช้เหตุผลที่ฝึกจากอินเทอร์เน็ต SpawnAgents มุ่งเน้นไปที่การดำเนินการอัตโนมัติที่มีข้อจำกัด ผู้ใช้กำหนดเงื่อนไขตลาดที่แม่นยำผ่าน DNA Inputs และเอเจนต์จะดำเนินการเฉพาะภายใต้ขอบเขตที่กำหนดไว้ล่วงหน้าเท่านั้น
การตัดสินใจทางสถาปัตยกรรมนี้อาจกลายเป็นหนึ่งในความแตกต่างที่สำคัญที่สุดใน AgentFi
ความล้มเหลวหลักของการเทรดด้วย LLM
ระบบเทรดที่ใช้ LLM ส่วนใหญ่ล้มเหลวด้วยเหตุผลทางโครงสร้าง
โมเดลวัตถุประสงค์ทั่วไปถูกออกแบบมาเพื่อสร้างผลลัพธ์ที่สมเหตุสมผล ไม่ใช่เพื่ออยู่รอดในสภาพแวดล้อมทางการเงินที่ไม่เป็นมิตร ในสภาวะการเทรดจริง สิ่งนี้ทำให้เกิดความตระหนักรู้ตามสถานการณ์ที่อ่อนแอ การดำเนินการที่ไม่สม่ำเสมอ และการจัดการกับบริบทที่เปลี่ยนแปลงอย่างรวดเร็วที่ไม่ดีนัก
ปัญหาจะทวีความรุนแรงขึ้นบนเชน เนื่องจากตลาดคริปโตถูกกระจายไปทั่วสินทรัพย์นับพันรายการและดำเนินการอย่างต่อเนื่อง นักเทรดที่เป็นมนุษย์อาจตรวจสอบโอกาส 5–10 รายการได้อย่างมีประสิทธิภาพในเวลาเดียวกัน ในขณะที่ระบบอัตโนมัติสามารถตรวจสอบหลายร้อยรายการได้โดยไม่หยุดชะงัก
สิ่งที่ทำให้เรื่องนี้แย่ลงสำหรับระบบ AI ทั่วไปก็คือ LLM ชั้นนำส่วนใหญ่ได้รับการฝึกอบรมจากชุดข้อมูลที่มาจากอินเทอร์เน็ตที่คล้ายคลึงกันเป็นส่วนใหญ่ ซึ่งสร้างรูปแบบการใช้เหตุผลที่มีความสัมพันธ์กันสูงระหว่างโมเดลต่างๆ
ผลลัพธ์ก็คือระบบเทรด AI จำนวนมากล้มเหลวในรูปแบบที่คล้ายคลึงกัน:
- การตอบสนองต่อสัญญาณรบกวนมากเกินไป
- การจำแนกโมเมนตัมผิดพลาด
- การเกิดภาพหลอนของความเชื่อมั่น (hallucinating conviction)
- ความล้มเหลวในช่วงที่ความผันผวนขยายตัว
การวัดประสิทธิภาพล่าสุดของระบบ AI ชั้นนำที่เทรดตลาดทำนาย (prediction markets) แสดงให้เห็นว่าโมเดลชั้นนำสร้างผลตอบแทนติดลบอย่างรุนแรง แม้จะมีสถาปัตยกรรมที่ซับซ้อนก็ตาม ปัญหาไม่ใช่ความฉลาด แต่เป็นการใช้เหตุผลทั่วไปที่มักเป็นกรอบความคิดที่ผิดสำหรับตลาดที่เน้นการดำเนินการ
SpawnAgents หลีกเลี่ยงปัญหานี้โดยลดการใช้เหตุผลทั่วไปลงเกือบทั้งหมด
แทนที่จะถาม LLM ว่ามัน “คิด” อย่างไรเกี่ยวกับตลาด SpawnAgents ถามคำถามที่แคบกว่ามาก: “โอกาสนี้ตรงตามเงื่อนไขการดำเนินการที่กำหนดไว้ล่วงหน้าหรือไม่”
การเปลี่ยนแปลงครั้งนี้เปลี่ยนแปลงพฤติกรรมของระบบอย่างรุนแรง
SpawnAgents: AI ที่มีอิสระภายใต้ข้อจำกัด
SpawnAgents ทำงานเหมือนกับโครงสร้างพื้นฐานการดำเนินการอัตโนมัติมากกว่าแชทบอทที่ติดมากับเทอร์มินัลการเทรด
ผู้ใช้กำหนด DNA Inputs เช่น ช่วงมูลค่าตลาด เกณฑ์สภาพคล่อง ความชอบในการเปิดตัว (launchpad) จำนวนผู้ถือ โปรไฟล์ความผันผวน และข้อกำหนดด้านการมีอยู่บนโซเชียล จากนั้นเอเจนต์จะตรวจสอบตลาดอย่างต่อเนื่องและดำเนินการเฉพาะเมื่อตรงตามเงื่อนไขเหล่านั้นเท่านั้น
สิ่งนี้ช่วยลดพื้นที่สำหรับการเกิดภาพหลอน (hallucination) ได้อย่างมาก ในขณะที่ยังคงรักษาข้อได้เปรียบที่แข็งแกร่งที่สุดของระบบเครื่องจักรไว้:
- การตรวจสอบตลอดเวลา
- ความสม่ำเสมอในการดำเนินการ
- การรู้จำรูปแบบ
- การตัดสินใจความถี่สูง
- ความเป็นกลางทางอารมณ์
โดยสรุป SpawnAgents ทำให้เจตนาเชิงกลยุทธ์เป็นสิ่งที่ผู้ใช้ต้องกำหนด ในขณะที่การดำเนินการถูกทำให้เป็นหน้าที่ของเครื่องจักร
ความแตกต่างนี้เป็นพื้นฐาน เพราะมนุษย์โดยทั่วไปยังคงเหนือกว่าในด้านสัญชาตญาณระดับมหภาคและการวางกรอบเรื่องเล่า ในขณะที่เครื่องจักรมีความเหนือกว่าเพิ่มขึ้นเรื่อยๆ ในด้านการดำเนินการซ้ำๆ และการขยายขนาด
SpawnAgents ถูกสร้างขึ้นบนความไม่สมมาตรนี้ทั้งหมด
AI Mind และ Execution Engine
สถาปัตยกรรมเริ่มต้นด้วยสิ่งที่ทีม Spawnagent เรียกว่า AI Mind ซึ่งเป็นชั้นกรองที่สแกนตลาด @solana อย่างต่อเนื่องเพื่อหาสินทรัพย์ที่ผ่านการตรวจสอบโครงสร้างและความปลอดภัยเบื้องต้น
สินทรัพย์ที่ผ่านขั้นตอนการกรองนี้จะย้ายไปยัง 'Arena' ซึ่งเอเจนต์แต่ละตัวจะประเมินโอกาสตาม DNA Inputs ของตน
สิ่งนี้สร้างระบบสองขั้นตอน:
- การกรองตลาดในวงกว้าง
- การดำเนินการอัตโนมัติเฉพาะทาง
เอเจนต์ Spawn Agent ตัวเดียวสามารถถือหลายตำแหน่งพร้อมกันและดำเนินการเทรดหลายร้อยรายการต่อชั่วโมงโดยไม่เหนื่อยล้าหรือเสื่อมสภาพทางอารมณ์
ข้อได้เปรียบในการดำเนินการนี้มีความสำคัญเพิ่มขึ้นเรื่อยๆ เนื่องจากตลาดคริปโตมีการกระจายตัวมากขึ้นและต้องใช้ความสนใจสูง
SpawnAgents ไม่ได้พยายามสร้างโมเดลที่ "เข้าใจ" ตลาดในเชิงปรัชญา มันกำลังสร้างระบบการดำเนินการที่กำหนดไว้ล่วงหน้า (deterministic) ซึ่งสามารถทำงานได้เร็วกว่าและสม่ำเสมอกว่ามนุษย์
นั่นคือการประยุกต์ใช้ AI กับการเทรดที่สมจริงกว่ามาก
ตลาดทำนายอาจเป็นโอกาสที่ใหญ่กว่า
หนึ่งในการขยายตัวที่สำคัญที่สุดของ SpawnAgents คือการเข้าสู่ตลาดทำนาย (prediction markets) ผ่าน @jup_predict
สิ่งนี้ช่วยเสริมยูทิลิตี้ของ Spawnagents ให้มากขึ้น เพราะตลาดทำนายกำลังกลายเป็นหนึ่งในภาคส่วนที่เติบโตเร็วที่สุดของคริปโตอย่างรวดเร็ว ปริมาณรวมบนแพลตฟอร์มอย่าง Polymarket และ Kalshi ทะลุหลายหมื่นล้านดอลลาร์ไปแล้ว ในขณะที่ดอกเบี้ยคงค้าง (open interest) ขยายตัวอย่างมากในช่วงปีที่ผ่านมา
ที่สำคัญกว่านั้น ตลาดทำนายมีโครงสร้างที่เหมาะกับระบบอัตโนมัติที่มีข้อจำกัด:
- ความน่าจะเป็นถูกอัปเดตอย่างต่อเนื่อง
- ผลลัพธ์เป็นสิ่งที่แยกจากกันชัดเจน (discrete)
- การคลี่คลายข้อมูลเกิดขึ้นอย่างรวดเร็ว
- ความเร็วในการดำเนินการมีความสำคัญมาก
พฤติกรรมของแพลตฟอร์ม SpawnAgents ในช่วงแรกบ่งชี้ว่าเอเจนต์ในตลาดทำนายมีประสิทธิภาพเหนือกว่าเอเจนต์ที่เทรดเฉพาะโทเคนในแง่ของความสม่ำเสมอ
สิ่งนี้อาจกลายเป็นหนึ่งในแนวธุรกิจระยะยาวที่แข็งแกร่งที่สุดของแพลตฟอร์ม
ตัวเลขปัจจุบันก็น่าสังเกตแล้ว
SpawnAgents ยังอยู่ในช่วงเริ่มต้นมาก แต่เมตริกปัจจุบันก็มีความหมายเมื่อเทียบกับระดับการพัฒนาแพลตฟอร์ม
ในช่วงเวลาประมาณหกสัปดาห์ แพลตฟอร์มได้ประมวลผลปริมาณการเทรดสะสมมากกว่า 1 ล้านดอลลาร์แล้ว ครอบคลุมทั้งการเทรดโทเคนและตลาดทำนาย โดยมีเอเจนต์ที่ทำงานอยู่น้อยกว่า 100 ตัว
ทีมงานยังได้อ้างถึงช่วงความสามารถในการทำกำไร โดยเอเจนต์ที่ deploy แล้วประมาณ 20–30% ยังคงทำกำไรได้ในช่วงเวลาการเทรดที่สังเกต สำหรับระบบอัตโนมัติเต็มรูปแบบที่ทำงานในสภาวะบนเชนที่ผันผวน ตัวเลขนี้ถือว่าน่าสังเกต โดยเฉพาะอย่างยิ่งเมื่อพิจารณาว่าการทดลองเทรดด้วย AI ทั่วไปจำนวนมากต้องดิ้นรนเพื่อรักษาความสามารถในการทำกำไรไว้เลยหลังจากหักค่าธรรมเนียมและ slippage
อย่างไรก็ตาม จุดเปลี่ยนเกมสำหรับผู้ที่ไม่มีประสบการณ์ในการสร้างเอเจนต์เฉพาะทาง (bespoke agent) อาจเป็นความสามารถในการทำซ้ำ (reproducibility)
SpawnAgents อนุญาตให้ผู้ใช้โคลนการตั้งค่าที่ทำกำไรได้ ปรับเปลี่ยนพารามิเตอร์ความเสี่ยง และพัฒนาระบบการดำเนินการที่ประสบความสำเร็จซ้ำๆ แทนที่จะเริ่มจากศูนย์
สิ่งนี้สร้างผลกระทบแบบเครือข่ายที่ทวีคูณ ซึ่งพฤติกรรมที่ทำกำไรได้จะแพร่กระจายอย่างรวดเร็วทั่วทั้งระบบนิเวศ
ความเป็นเจ้าของ (Ownership) สำคัญกว่าที่เห็น
การเปลี่ยนแปลงโครงสร้างพื้นฐานที่สำคัญเกิดขึ้นเมื่อ SpawnAgents บูรณาการกับ @metaplex Core NFTs
ก่อนการเปลี่ยนแปลงนี้ เอเจนต์ส่วนใหญ่มีอยู่ในรูปแบบเอนทิตีที่ควบคุมโดยแบ็คเอนด์ การย้ายพวกมันไปบนเชนได้เปลี่ยนโมเดลความไว้วางใจโดยพื้นฐาน
เอเจนต์กลายเป็นเอนทิตีดิจิทัลที่พกพาได้และควบคุมด้วยกระเป๋าเงิน (wallet-controlled) พร้อมสิทธิ์ความเป็นเจ้าที่โปร่งใสและสิทธิ์ในการมอบหมาย
สิ่งนี้ยกระดับชั้นความปลอดภัยและความไว้วางใจของ Spawnagents เนื่องจากโครงสร้างพื้นฐาน AgentFi ในระยะยาวน่าจะขึ้นอยู่กับเอเจนต์ที่กลายเป็นส่วนประกอบพื้นฐานบนเชน (onchain primitives) ที่เป็นอิสระ ไม่ใช่บริการแบ็คเอนด์แบบปิด
SpawnAgents ดูเหมือนจะเข้าใจสิ่งนี้เร็วกว่าโครงการส่วนใหญ่ในภาคส่วน
Base, Perps และโครงสร้างพื้นฐานทางการเงินอัตโนมัติ
การขยายแพลตฟอร์มครั้งใหญ่ครั้งต่อไปดูเหมือนจะเป็น @base
ในเชิงกลยุทธ์ นี่จะเป็นตัวเร่งปฏิกิริยาที่สำคัญ เพราะระบบนิเวศเอเจนต์ AI ส่วนใหญ่บน base เช่น Virtuals ยังคงพึ่งพาโครงสร้างพื้นฐาน LLM ทั่วไปร่วมกับระบบการอนุมานที่มีราคาแพงเป็นอย่างมาก
SpawnAgents กลับมุ่งเน้นไปที่ระบบการดำเนินการที่มีน้ำหนักเบา ซึ่งผู้ใช้กำหนดข้อจำกัด ในขณะที่แพลตฟอร์มทำให้ความซับซ้อนในการดำเนินการหมดไปโดยสิ้นเชิง
ฟิวเจอร์สเพอร์เพ็ชชวล (Perpetual futures) อาจกลายเป็นโอกาสที่ใหญ่ยิ่งกว่า
ตลาด Perps ให้รางวัลกับสิ่งเหล่านี้โดยธรรมชาติ:
- การตรวจสอบอย่างต่อเนื่อง
- ความเร็วในการตอบสนองที่รวดเร็ว
- วินัยในการดำเนินการ
- ความเป็นกลางทางอารมณ์
นี่คือสภาพแวดล้อมที่ระบบอัตโนมัติมีข้อได้เปรียบเชิงโครงสร้างเหนือมนุษย์อย่างแน่นอน
ทีมงานยังได้พูดคุยเกี่ยวกับการบูรณาการในอนาคตที่เกี่ยวข้องกับ Raydium, Meteora, Phoenix Trade และ Hyperliquid หากประสบความสำเร็จ SpawnAgents สามารถพัฒนาไปไกลกว่าการเทรดโทเคนตามทิศทาง ไปสู่การจัดหาสภาพคล่องอัตโนมัติ การเพิ่มประสิทธิภาพผลตอบแทน และการจัดการความเสี่ยงแบบไดนามิก
เมื่อถึงขั้นนั้น แพลตฟอร์มจะไม่ดูเหมือนผลิตภัณฑ์การเทรดอีกต่อไป แต่จะเริ่มดูเหมือนโครงสร้างพื้นฐานทางการเงินแบบอัตโนมัติ
บทสรุป
ข้อมูลเชิงลึกที่สำคัญที่สุดเบื้องหลัง SpawnAgents คือระบบเทรด AI ไม่จำเป็นต้องมีความฉลาดที่กว้างขึ้น พวกเขาต้องการความแม่นยำที่แคบลง
LLM วัตถุประสงค์ทั่วไปพยายามใช้เหตุผลทั่วทั้งอินเทอร์เน็ต SpawnAgents กลับจำกัดระบบอัตโนมัติให้อยู่ในสภาพแวดล้อมการดำเนินการที่กำหนดไว้อย่างแคบ ซึ่งความสม่ำเสมอมีความสำคัญมากกว่าความคิดสร้างสรรค์
ท้ายที่สุดแล้ว สิ่งนี้อาจพิสูจน์ได้ว่าเป็นสถาปัตยกรรมที่ถูกต้องสำหรับ AgentFi
ตลาดคริปโตให้รางวัลกับระบบที่สามารถดำเนินการได้อย่างต่อเนื่อง ตอบสนองทันที และดำเนินการโดยไม่เสื่อมถอยทางอารมณ์มากขึ้นเรื่อยๆ
SpawnAgents เป็นหนึ่งในความพยายามจริงจังครั้งแรกในการบรรจุความเป็นจริงนั้นไว้ในโครงสร้างพื้นฐานบนเชนที่ปรับขนาดได้
