AI与加密货币领域的分层发展:技术驱动VS经济驱动

近期有观点认为以太坊的"Rollup中心化"策略似乎失败了,并对L1-L2-L3的嵌套式架构颇有微词。有趣的是,过去一年AI领域的发展也经历了类似的L1-L2-L3快速演进。对比两者,问题究竟出在哪里?

AI领域的分层逻辑是每一层都在解决上一层无法解决的核心问题。L1的大语言模型解决了基础的语言理解和生成能力,但在逻辑推理和数学计算方面存在短板。L2的推理模型专门攻克了这些弱点,如某些模型能够解决复杂数学题和代码调试,弥补了大语言模型的认知盲区。在此基础上,L3的AI Agent整合了前两层的能力,使AI从被动响应转变为主动执行,能够自主规划任务、调用工具、处理复杂工作流程。

这种分层体现了"能力递进":L1奠定基础,L2弥补短板,L3进行整合。每一层都在前一层的基础上实现质的飞跃,用户能明显感受到AI变得更智能、更实用。

相比之下,加密货币领域的分层逻辑是每一层都在为前一层的问题寻找解决方案,却不幸带来了新的更大问题。例如,为解决L1公链性能不足的问题,引入了L2扩容方案。但在L2基础设施竞争激烈后,虽然Gas费用降低、TPS有所提升,却导致流动性分散,生态应用持续匮乏,过多的L2基础设施反而成为新的问题。因此又开始发展L3垂直应用链,但应用链各自为政,无法享受通用链的生态协同效应,用户体验反而更加碎片化。

这种分层演变成了"问题转移":L1存在瓶颈,L2提供补丁,L3则混乱且分散。每一层似乎只是将问题从一个地方转移到另一个地方,给人一种所有解决方案都围绕"发行代币"这一目的展开的印象。

造成这种悖论的根本原因在于:AI分层是由技术竞争驱动的,各大AI公司都在竭力提升模型能力;而加密货币分层则受到代币经济学的制约,每个L2方案的核心指标都集中在总锁仓量(TVL)和代币价格上。

本质上,一个在解决技术难题,一个在包装金融产品。孰是孰非可能没有标准答案,这取决于个人的观点和判断。

当然,这种抽象的类比并非绝对,只是对比两者的发展脉络确实颇为有趣,值得在周末时分进行一番思考。