AI與加密貨幣行業發展路徑的有趣對比

近期，不少人認爲以太坊的Rollup爲中心的擴展策略似乎陷入困境，並對這種層層嵌套的L1-L2-L3模式表示不滿。然而，有趣的是，過去一年人工智能領域的發展也經歷了類似的L1-L2-L3快速演變。通過對比，我們可以深入探討這兩個行業發展模式的差異及其背後的原因。

在AI領域，每一層的發展都致力於解決上一層無法克服的核心問題：

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明顯短板。

2. L2層的推理模型針對性地解決了這些問題。例如，某些先進模型能夠處理復雜的數學題目和代碼調試，有效彌補了LLMs的認知盲區。

3. L3層的AI代理則將前兩層的能力有機整合，使AI從被動響應轉變爲主動執行，能夠自主規劃任務、調用工具並處理復雜的工作流程。

這種分層結構體現了能力的遞進：L1打下基礎，L2彌補短板，L3實現整合。每一層都在前一層的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，加密貨幣領域的分層邏輯似乎陷入了一個不斷修補問題卻又產生新問題的循環：

1. L1公鏈面臨性能瓶頸，於是引入L2擴容方案。然而，盡管降低了Gas費用並提高了總體TPS，但也導致流動性分散和生態應用匱乏的問題。

2. 爲解決這些問題，又出現了L3垂直應用鏈。但這些應用鏈往往各自爲政，無法享受基礎設施通用鏈的生態協同效應，反而使用戶體驗更加碎片化。

這種分層演變更像是一種"問題轉移"：L1的瓶頸導致L2的補丁，而L3則陷入混亂和分散。每一層似乎只是將問題從一個領域轉移到另一個領域，給人一種所有解決方案都圍繞"發行代幣"這一目的展開的印象。

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，各大公司都在竭力提升模型能力。
• 加密貨幣行業的分層發展則可能受到代幣經濟學的影響，各個L2項目的核心指標往往集中在總鎖倉價值（TVL）和代幣價格上。

簡而言之，一個行業在解決實際的技術難題，另一個則更多地專注於打造金融產品。當然，這種比較並非絕對，僅僅是從發展脈絡的角度提供了一個有趣的思考視角。