AI與加密貨幣的分層發展:一場技術驅動與代幣經濟的對比

近期有觀點認爲以太坊的Rollup中心化策略似乎失敗了,並對L1-L2-L3的嵌套模式表示不滿。有趣的是,過去一年AI領域的發展也經歷了L1-L2-L3的快速演進。比較這兩個領域,我們可以看出其中的關鍵差異。

在AI領域,分層邏輯是解決上一層無法解決的核心問題。L1的大型語言模型奠定了語言理解和生成的基礎能力,但在邏輯推理和數學計算方面存在不足。L2的推理模型專門解決這些短板,如某些模型能夠處理復雜數學題和代碼調試,彌補了大語言模型的認知盲區。在此基礎上,L3的AI代理將前兩層能力整合,使AI從被動回答轉變爲主動執行,能夠自主規劃任務、調用工具和處理復雜工作流程。

這種AI的分層是"能力遞進"的:L1打基礎,L2補短板,L3做整合。每一層都在前一層基礎上實現質的飛躍,用戶能明顯感受到AI變得更智能、更實用。

相比之下,加密貨幣領域的分層邏輯是爲前一層問題打補丁,但往往帶來新的更大問題。L1公鏈性能不足,於是出現L2擴容方案。然而在L2基礎設施競爭後,雖然Gas費降低、TPS提升,但流動性分散,生態應用仍然匱乏。這導致過多的L2基礎設施本身成爲問題。爲解決這一問題,又出現了L3垂直應用鏈,但這些應用鏈各自爲政,無法享受通用鏈的生態協同效應,反而使用戶體驗更加碎片化。

這種加密貨幣的分層成爲了"問題轉移":L1有瓶頸,L2打補丁,L3混亂且分散。每一層似乎只是將問題從一處轉移到另一處,給人一種所有解決方案都圍繞"發行代幣"展開的印象。

造成這種差異的根本原因在於:AI分層由技術競爭驅動,各大公司都在努力提升模型能力;而加密貨幣分層則受代幣經濟學影響,每個L2項目的核心指標都是鎖倉量和代幣價格。

從本質上看,一個在解決技術難題,一個在包裝金融產品。對於孰是孰非,可能沒有標準答案,這取決於個人觀點。

當然,這種抽象比較並非絕對,只是從兩個領域的發展脈絡對比中得出的有趣洞察。它爲我們提供了一個思考技術發展與經濟模式之間關係的新視角。