AI與加密貨幣行業的分層發展:異同與思考

近期,人們對以太坊Rollup-Centric戰略的效果表示質疑,並對L1-L2-L3的多層架構頗有微詞。有趣的是,過去一年AI領域也經歷了類似的L1-L2-L3快速演進。比較這兩個行業的發展路徑,我們可以發現一些有趣的差異。

在AI領域,分層發展呈現出明顯的能力遞進:

1. L1層的大型語言模型(LLMs)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短板。

2. L2層的推理模型針對性地解決了這些問題。例如某些模型能夠處理復雜數學題和代碼調試,彌補了LLMs的認知盲區。

3. L3層的AI Agent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、處理復雜工作流程。

這種分層模式體現了清晰的技術進步路線: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變得更加智能和實用。

相比之下,加密貨幣行業的分層發展則呈現出不同的特點:

1. L1公鏈面臨性能瓶頸,於是引入L2擴容方案。但在經歷一波L2基礎設施熱潮後,雖然Gas費降低、TPS提高,卻帶來了流動性分散、生態應用匱乏等新問題。

2. 爲解決這些問題,又出現了L3垂直應用鏈。然而,應用鏈之間缺乏協同,無法共享通用鏈的生態優勢,反而加劇了用戶體驗的碎片化。

這種分層模式更像是"問題轉移":L1存在瓶頸,L2提供臨時解決方案,L3又帶來新的復雜性。每一層似乎都在將問題從一個領域轉移到另一個領域,而非從根本上解決問題。

造成這種差異的根本原因可能在於:AI行業的分層發展主要由技術競爭驅動,各大公司都在競相提升模型能力。而加密貨幣行業的分層發展則更多地受到代幣經濟學的影響,各個L2項目往往將TVL(總鎖倉量)和代幣價格作爲核心KPI。

這種對比揭示了兩個行業在發展動力和目標上的差異:一個致力於解決技術難題,另一個更側重於設計金融產品。當然,這種比較並非絕對,僅僅是爲了引發我們對行業發展路徑的思考。

在未來,加密貨幣行業或許可以從AI領域的發展模式中汲取靈感,更加注重技術創新和實際問題解決,而不僅僅局限於代幣經濟學的設計。同時,我們也需要認識到每個行業都有其獨特的特點和挑戰,不能簡單地套用其他領域的發展模式。