AI и Криптоактивы: слоистое развитие отрасли: сходства и размышления
В последнее время люди выражают сомнения по поводу эффективности стратегии Rollup-Centric на базе Ethereum и имеют некоторые замечания по поводу многослойной архитектуры L1-L2-L3. Интересно, что за последний год в области ИИ также произошла быстрая эволюция L1-L2-L3. Сравнивая пути развития этих двух отраслей, мы можем обнаружить некоторые интересные различия.
В области ИИ иерархическое развитие демонстрирует явное наращивание возможностей:
Модели большого языка уровня L1 (LLMs) заложили основу для понимания и генерации языка, но имеют недостатки в логическом выводе и математических вычислениях.
Модели вывода уровня L2 целенаправленно решают эти проблемы. Например, некоторые модели могут обрабатывать сложные математические задачи и отладку кода, компенсируя когнитивные слепые зоны LLM.
AI-агент на уровне L3 интегрирует возможности первых двух уровней, позволяя ИИ перейти от пассивного ответа к активному выполнению, самостоятельно планируя задачи, вызывая инструменты и обрабатывая сложные рабочие процессы.
Эта многослойная модель отражает четкий маршрут технологического прогресса: L1 закладывает основу, L2 восполняет недостатки, L3 осуществляет интеграцию. Каждый уровень достигает качественного скачка на основе предыдущего, и пользователи могут явно почувствовать, что ИИ становится более интеллектуальным и практичным.
В отличие от этого, иерархическое развитие криптоактивов характеризуется другими особенностями:
L1 публичные цепочки сталкиваются с проблемами производительности, поэтому внедряются решения по расширению L2. Но после волны популярности инфраструктуры L2, хотя Gas-стоимость снизилась и TPS увеличилась, это привело к новым проблемам, таким как рассеивание ликвидности и нехватка экосистемных приложений.
Для решения этих проблем появились вертикальные приложения L3. Однако между приложениями отсутствует координация, что не позволяет использовать экологические преимущества общего блокчейна и, наоборот, усугубляет фрагментацию пользовательского опыта.
Эта многоуровневая модель больше похожа на "перемещение проблемы": L1 сталкивается с узким местом, L2 предлагает временное решение, а L3 создает новую сложность. Каждой уровни, похоже, просто перемещают проблему из одной области в другую, не решая ее в корне.
Основная причина этих различий, возможно, заключается в том, что иерархическое развитие AI-отрасли в основном движимо технической конкуренцией, и крупные компании соревнуются в повышении возможностей моделей. В то время как иерархическое развитие криптоактивов больше зависит от токеномики, различные проекты L2 часто используют TVL( общий объем заблокированных средств) и цену токена в качестве основных KPI.
Это сравнение выявляет различия между двумя отраслями в мотивации и целях их развития: одна сосредоточена на решении технологических проблем, другая больше ориентирована на разработку финансовых продуктов. Конечно, это сравнение не является абсолютным, а служит лишь для того, чтобы вызвать размышления о путях развития отрасли.
В будущем, индустрия криптоактивов, возможно, сможет черпать вдохновение из моделей развития в области ИИ, уделяя больше внимания техническим инновациям и решению практических проблем, а не ограничиваясь лишь дизайном токеномики. В то же время, нам также нужно осознавать, что каждая отрасль имеет свои уникальные особенности и вызовы, и нельзя просто применять модели развития из других областей.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Сравнение поэтапного развития AI и Криптоактивы: выводы и размышления
AI и Криптоактивы: слоистое развитие отрасли: сходства и размышления
В последнее время люди выражают сомнения по поводу эффективности стратегии Rollup-Centric на базе Ethereum и имеют некоторые замечания по поводу многослойной архитектуры L1-L2-L3. Интересно, что за последний год в области ИИ также произошла быстрая эволюция L1-L2-L3. Сравнивая пути развития этих двух отраслей, мы можем обнаружить некоторые интересные различия.
В области ИИ иерархическое развитие демонстрирует явное наращивание возможностей:
Модели большого языка уровня L1 (LLMs) заложили основу для понимания и генерации языка, но имеют недостатки в логическом выводе и математических вычислениях.
Модели вывода уровня L2 целенаправленно решают эти проблемы. Например, некоторые модели могут обрабатывать сложные математические задачи и отладку кода, компенсируя когнитивные слепые зоны LLM.
AI-агент на уровне L3 интегрирует возможности первых двух уровней, позволяя ИИ перейти от пассивного ответа к активному выполнению, самостоятельно планируя задачи, вызывая инструменты и обрабатывая сложные рабочие процессы.
Эта многослойная модель отражает четкий маршрут технологического прогресса: L1 закладывает основу, L2 восполняет недостатки, L3 осуществляет интеграцию. Каждый уровень достигает качественного скачка на основе предыдущего, и пользователи могут явно почувствовать, что ИИ становится более интеллектуальным и практичным.
В отличие от этого, иерархическое развитие криптоактивов характеризуется другими особенностями:
L1 публичные цепочки сталкиваются с проблемами производительности, поэтому внедряются решения по расширению L2. Но после волны популярности инфраструктуры L2, хотя Gas-стоимость снизилась и TPS увеличилась, это привело к новым проблемам, таким как рассеивание ликвидности и нехватка экосистемных приложений.
Для решения этих проблем появились вертикальные приложения L3. Однако между приложениями отсутствует координация, что не позволяет использовать экологические преимущества общего блокчейна и, наоборот, усугубляет фрагментацию пользовательского опыта.
Эта многоуровневая модель больше похожа на "перемещение проблемы": L1 сталкивается с узким местом, L2 предлагает временное решение, а L3 создает новую сложность. Каждой уровни, похоже, просто перемещают проблему из одной области в другую, не решая ее в корне.
Основная причина этих различий, возможно, заключается в том, что иерархическое развитие AI-отрасли в основном движимо технической конкуренцией, и крупные компании соревнуются в повышении возможностей моделей. В то время как иерархическое развитие криптоактивов больше зависит от токеномики, различные проекты L2 часто используют TVL( общий объем заблокированных средств) и цену токена в качестве основных KPI.
Это сравнение выявляет различия между двумя отраслями в мотивации и целях их развития: одна сосредоточена на решении технологических проблем, другая больше ориентирована на разработку финансовых продуктов. Конечно, это сравнение не является абсолютным, а служит лишь для того, чтобы вызвать размышления о путях развития отрасли.
В будущем, индустрия криптоактивов, возможно, сможет черпать вдохновение из моделей развития в области ИИ, уделяя больше внимания техническим инновациям и решению практических проблем, а не ограничиваясь лишь дизайном токеномики. В то же время, нам также нужно осознавать, что каждая отрасль имеет свои уникальные особенности и вызовы, и нельзя просто применять модели развития из других областей.