今天，OpenGradient团队很高兴宣布，我们将作为研究资助的获得者，与UAGP（Uniswap-Arbitrum Grant Program）合作，进行关于自动做市商（AMM）费用优化的应用机器学习研究。请查看此处的官方Twitter公告。
此次研究将专注于开发模型，以智能计算Uniswap V4 AMM的动态费用，从而减少流动性提供者的净无常损失。
推理的模型、证明生成和确保推理安全的验证都将由OpenGradient提供支持。OpenGradient是一个EVM区块链网络，作为链上AI推理的可组合执行层。该网络提供可扩展且安全的模型推理访问，允许开发者在可组合的智能合约中无缝利用AI模型，创建强大的去中心化应用程序和使用场景。
您可能还记得在我们之前的文章《区块链上的AI/ML应用》中，AMM动态费用是链上推理最具影响力的应用场景之一。团队对能够在此次研究中直接解决这一应用场景感到非常兴奋。
去中心化交易所的AMM池在过去几年中迅速走红，Uniswap等AMM的总锁定价值（TVL）在高峰时超过100亿美元，每天的交易量达数十亿美元。他们也在不断迭代协议的设计，最近宣布了即将发布的V4设计。
虽然我们非常喜欢去中心化的做市，但不幸的是，大多数AMM中的流动性提供者不仅无法盈利，实际上由于无常损失，最终往往净亏损。无常损失是指由于AMM池中两种资产价格比率的偏离，导致流动性头寸价值的损失。
从上述内容可以看出，无常损失往往会超过AMM池中的费用收入。如果做市在Web3中不盈利，那么为什么像Citadel Securities这样的中心化做市商能够连续15个季度产生超过10亿美元的收入呢？
答案在于做市的费用机制：中心化做市商有复杂的模型，能够根据市场情况调整他们的报价差价，而AMM则在任何市场环境下都收取相同的费用。这意味着当市场极度波动时，套利者以较低的费用与流动性提供者（LP）交易，导致无常损失；而当市场非常平静时，交易者可能选择在收费较低的中心化交易平台上交易，这减少了LP的收入。
如前所述，OpenGradient是一个区块链网络，可以支持原生AI/ML推理，直接在链上进行计算、保障安全并进行验证；所有设计都是无缝衔接的，使得利用AI/ML像简单调用函数一样容易。
我们正在设计推理模型，以适应不同用例的需求，具体取决于速度、成本、可验证性和安全性的要求。除了基础的推理之外，其他变体包括通过像opML（乐观机器学习）和zkML（零知识机器学习）这样的协议实现的安全推理，以及在可信执行环境（TEE）中为隐私设计的推理等。推理的可验证性和安全性将解锁高风险的AI和ML应用场景，例如DeFi，这是我们非常期待探索的领域。
OpenGradient团队正在进行的研究重点是创建一个动态费用计算模型，该模型能够根据市场状况调整AMM交易中的费用。这不仅可以在波动市场中减少LP的净无常损失，还能在非波动市场中为零售交易者带来更低的费用。
正如上面的解释所示，随着OpenGradient的动态费用机制，Uniswap V4将在链上交易的对抗性世界中逐渐成为一个更加可持续的DeFi协议。
流动性提供者将获益，因为从长远来看，他们将遭受更少的净无常损失。普通交易者也将获益，因为在非波动市场中，大多数用户进行正常交易时，他们实际上可以享受更低的费用。投机套利者则会受到损失，因为当他们与流动性池进行套利时，较高的费用会减少他们的净利润。如果您一直在Medium上关注OpenGradient的发布内容，您应该已经通过我们之前的实验了解了相关背景。请查看我们进行的AMM模拟实验的详细说明，我们通过一个概念验证的回归模型动态报价费用：《使用链上ML模型保护AMM流动性》。
除了简单的AMM动态费用计算，OpenGradient的基础设施还广泛适用于Web3中的各种不同应用场景。通过利用跨链查询，我们旨在为不同的区块链生态系统带来无信任的推理能力，增强其dApps。在像Arbitrum这样的EVM区块链上，智能合约可以通过简单的跨链查询启用各种智能dApps和智能功能。
最后，我们非常兴奋地看到，OpenGradient的基础设施与Uniswap的集成为DeFi领域的新研究方向打开了大门。通过迭代模型来改进初始费用计算模型，或构建复杂的模型以在Uniswap上创建新的用例，例如：
链上系统化交易策略
基于AI驱动的智能执行
用于预测交易毒性、根据交易者的档案调整交易费用的模型
使用隐马尔可夫模型（HMM）市场状态模型，根据不同的市场环境调整费用
融入AI生成的信用评分，调整费用
OpenGradient团队不仅在开发网络，同时也在研究Web3.0 DeFi中核心的AI/ML用例。为了推动Web3.0的发展，重要的是我们为生态系统提供必要的工具，使AMM等基础协议（以及更多！）变得越来越智能、流畅和成熟。我们计划站在前沿，推动加密生态系统的计算能力增强，以支持更智能功能的开发。
如果您喜欢这篇内容，请关注我们的社交平台！我们正在构建的基础设施不仅会支持智能AMM，还将启用更多的用例。希望您和我们一样期待在Web3中引入无信任、可扩展且原生的AI/ML推理。
Twitter: https://x.com/OpenGradient
Discord: https://discord.gg/y8RD2VEa