Quando a AI atinge um salto de capacidade através de avanços tecnológicos, o L1-L2-L3 no campo da encriptação cai em um ciclo vicioso de transferência de problemas. Por que, embora ambos sigam uma lógica de camadas, os resultados são tão diferentes?
Escrito por: Haotian
Todos dizem que a estratégia Rollup-Centric do Ethereum parece ter falhado? E lamentam profundamente este jogo de matrushka L1-L2-L3, mas o interessante é que, no último ano, o desenvolvimento na área da IA também passou por uma rápida evolução L1—L2—L3. Comparando, onde exatamente está o problema?
A lógica em camadas da IA é que cada camada resolve problemas centrais que a camada superior não consegue resolver.
Por exemplo, os LLMs de L1 resolvem as habilidades básicas de compreensão e geração de linguagem, mas o raciocínio lógico e os cálculos matemáticos são de fato falhas duras; Como resultado, quando se trata de L2, o modelo de inferência é especializado em superar essa deficiência, e o DeepSeek R1 pode fazer problemas complexos de matemática e depuração de código, o que preenche diretamente o ponto cego cognitivo dos LLMs. Depois de concluir esses trabalhos básicos, o AI Agent da L3 integra naturalmente as duas primeiras camadas de recursos, permitindo que a IA mude de resposta passiva para execução ativa, tarefas de planejamento, invocando ferramentas e lidando com fluxos de trabalho complexos por conta própria.
Você vê, essa camada é "a progressão das capacidades": L1 estabelece a base, L2 corrige as deficiências, L3 faz a integração. Cada camada gera um salto qualitativo com base na camada anterior, e os usuários podem sentir claramente que a IA está se tornando mais inteligente e útil.
2）A lógica em camadas da encriptação é que cada camada está corrigindo os problemas da camada anterior, mas infelizmente trouxe novos problemas ainda maiores.
Por exemplo, se o desempenho da L1 blockchain não for suficiente, é natural pensar em usar uma solução de escalonamento layer2. No entanto, após uma onda de competição no setor de Infra de layer2, parece que o Gas diminuiu, o TPS aumentou, mas a liquidez se dispersou, e as aplicações ecológicas continuam escassas, fazendo com que um excesso de infra de layer2 se torne um grande problema. Assim, começou-se a desenvolver cadeias de aplicações verticais layer3, mas as cadeias de aplicações operam de forma independente, não conseguindo aproveitar os efeitos de sinergia ecológica das cadeias gerais de infra, resultando em uma experiência do usuário ainda mais fragmentada.
Dessa forma, essa estratificação se tornou uma "transferência de problemas": L1 tem gargalos, L2 faz correções, L3 é caótico e disperso. Cada camada apenas transfere o problema de um lugar para outro, como se todas as soluções fossem apenas para desenvolver "moedas".
Com isso, todos devem entender qual é o cerne desse paradoxo: a camada de IA é impulsionada pela competição tecnológica, a OpenAI, a Anthropic e a DeepSeek estão se esforçando para aumentar a capacidade dos modelos; a camada de Crypto é sequestrada pela Tokenomic, cada KPI central de um L2 é TVL e o preço do Token.
Então, essencialmente, um está resolvendo problemas técnicos, enquanto o outro está embalando produtos financeiros? Quem está certo ou errado pode não ter resposta, depende da perspectiva.
Claro, essa analogia abstrata não é tão absoluta, apenas acho que a comparação dos caminhos de desenvolvimento de ambos é muito interessante, um exercício mental para o fim de semana.
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
AI e o paradoxo da estratificação emcriptação: um desvio de desenvolvimento entre tecnologia impulsionada e o sequestro de Token
Escrito por: Haotian
Todos dizem que a estratégia Rollup-Centric do Ethereum parece ter falhado? E lamentam profundamente este jogo de matrushka L1-L2-L3, mas o interessante é que, no último ano, o desenvolvimento na área da IA também passou por uma rápida evolução L1—L2—L3. Comparando, onde exatamente está o problema?
Por exemplo, os LLMs de L1 resolvem as habilidades básicas de compreensão e geração de linguagem, mas o raciocínio lógico e os cálculos matemáticos são de fato falhas duras; Como resultado, quando se trata de L2, o modelo de inferência é especializado em superar essa deficiência, e o DeepSeek R1 pode fazer problemas complexos de matemática e depuração de código, o que preenche diretamente o ponto cego cognitivo dos LLMs. Depois de concluir esses trabalhos básicos, o AI Agent da L3 integra naturalmente as duas primeiras camadas de recursos, permitindo que a IA mude de resposta passiva para execução ativa, tarefas de planejamento, invocando ferramentas e lidando com fluxos de trabalho complexos por conta própria.
Você vê, essa camada é "a progressão das capacidades": L1 estabelece a base, L2 corrige as deficiências, L3 faz a integração. Cada camada gera um salto qualitativo com base na camada anterior, e os usuários podem sentir claramente que a IA está se tornando mais inteligente e útil.
2）A lógica em camadas da encriptação é que cada camada está corrigindo os problemas da camada anterior, mas infelizmente trouxe novos problemas ainda maiores.
Por exemplo, se o desempenho da L1 blockchain não for suficiente, é natural pensar em usar uma solução de escalonamento layer2. No entanto, após uma onda de competição no setor de Infra de layer2, parece que o Gas diminuiu, o TPS aumentou, mas a liquidez se dispersou, e as aplicações ecológicas continuam escassas, fazendo com que um excesso de infra de layer2 se torne um grande problema. Assim, começou-se a desenvolver cadeias de aplicações verticais layer3, mas as cadeias de aplicações operam de forma independente, não conseguindo aproveitar os efeitos de sinergia ecológica das cadeias gerais de infra, resultando em uma experiência do usuário ainda mais fragmentada.
Dessa forma, essa estratificação se tornou uma "transferência de problemas": L1 tem gargalos, L2 faz correções, L3 é caótico e disperso. Cada camada apenas transfere o problema de um lugar para outro, como se todas as soluções fossem apenas para desenvolver "moedas".
Com isso, todos devem entender qual é o cerne desse paradoxo: a camada de IA é impulsionada pela competição tecnológica, a OpenAI, a Anthropic e a DeepSeek estão se esforçando para aumentar a capacidade dos modelos; a camada de Crypto é sequestrada pela Tokenomic, cada KPI central de um L2 é TVL e o preço do Token.
Então, essencialmente, um está resolvendo problemas técnicos, enquanto o outro está embalando produtos financeiros? Quem está certo ou errado pode não ter resposta, depende da perspectiva.
Claro, essa analogia abstrata não é tão absoluta, apenas acho que a comparação dos caminhos de desenvolvimento de ambos é muito interessante, um exercício mental para o fim de semana.