เขียนโดย : ห่าวเทียน

ทุกคนบอกว่ากลยุทธ์ Rollup-Centric ของ Ethereum ดูเหมือนจะล้มเหลว และพวกเขาเกลียดเกมการทำรังแบบ L1-L2-L3 นี้ แต่สิ่งที่น่าสนใจคือการพัฒนาเส้นทาง AI ในปีที่ผ่านมาก็ผ่านวิวัฒนาการอย่างรวดเร็วของ L1-L2-L3 เช่นกัน เมื่อเปรียบเทียบกันแล้ว ปัญหาอยู่ตรงไหนกันแน่?

1) ตรรกะลำดับชั้นของ AI คือแต่ละชั้นจะแก้ไขปัญหาพื้นฐานที่ชั้นบนไม่สามารถแก้ไขได้

ตัวอย่างเช่น LLM ใน L1 ช่วยแก้ไขความสามารถพื้นฐานของความเข้าใจและสร้างภาษา แต่การใช้เหตุผลเชิงตรรกะและการคำนวณทางคณิตศาสตร์ถือเป็นข้อบกพร่อง ดังนั้น เมื่อเป็นเรื่องของ L2 โมเดลการใช้เหตุผลจะเข้ามาแก้ไขข้อบกพร่องนี้โดยเฉพาะ และ DeepSeek R1 สามารถแก้ปัญหาคณิตศาสตร์ที่ซับซ้อนและการดีบักโค้ดได้ โดยช่วยเติมเต็มจุดบอดทางความคิดของ LLM โดยตรง หลังจากเสร็จสิ้นการเตรียมตัวเหล่านี้แล้ว ตัวแทน AI L3 จะผสานความสามารถสองชั้นแรกอย่างเป็นธรรมชาติ ช่วยให้ AI สามารถเปลี่ยนจากการตอบสนองแบบพาสซีฟไปเป็นการดำเนินการแบบแอ็คทีฟ และสามารถวางแผนงาน เรียกใช้เครื่องมือ และจัดการเวิร์กโฟลว์ที่ซับซ้อนได้ด้วยตัวเอง

จะเห็นได้ว่าการแบ่งเลเยอร์นี้เป็น "การพัฒนาความสามารถ" โดย L1 จะวางรากฐาน L2 จะชดเชยข้อบกพร่อง และ L3 จะทำการบูรณาการ แต่ละเลเยอร์จะทำให้เกิดการพัฒนาแบบก้าวกระโดดตามเลเยอร์ก่อนหน้า และผู้ใช้จะรู้สึกได้อย่างชัดเจนว่า AI มีความฉลาดและมีประโยชน์มากขึ้น

2) ตรรกะแบบแบ่งชั้นของ Crypto คือแต่ละชั้นจะแก้ไขปัญหาของชั้นก่อนหน้า แต่โชคร้ายที่มันนำมาซึ่งปัญหาใหม่ที่ใหญ่ขึ้น

ตัวอย่างเช่น ประสิทธิภาพของเครือข่ายสาธารณะ L1 ไม่เพียงพอ ดังนั้นจึงเป็นเรื่องธรรมดาที่จะคิดที่จะใช้โซลูชันการขยายเลเยอร์ 2 แต่หลังจากคลื่นของ Infra เลเยอร์ 2 ดูเหมือนว่าก๊าซจะลดลง TPS ได้รับการปรับปรุงโดยรวม แต่สภาพคล่องกระจายตัว และแอปพลิเคชันเชิงนิเวศยังคงหายาก ทำให้ Infra เลเยอร์ 2 มากเกินไปเป็นปัญหาใหญ่ ดังนั้น พวกเขาจึงเริ่มสร้างเครือข่ายแอปพลิเคชันแนวตั้งเลเยอร์ 3 แต่เครือข่ายแอปพลิเคชันนั้นแยกจากกันและไม่สามารถเพลิดเพลินกับเอฟเฟกต์การทำงานร่วมกันของระบบนิเวศของเครือข่ายทั่วไปของ Infra ได้ และประสบการณ์ของผู้ใช้ก็กระจัดกระจายมากขึ้น

ด้วยวิธีนี้ การแบ่งชั้นนี้จึงกลายเป็น "การถ่ายโอนปัญหา": L1 มีคอขวด L2 ได้รับการแก้ไข และ L3 สับสนและกระจัดกระจาย แต่ละชั้นจะถ่ายโอนปัญหาจากที่หนึ่งไปยังอีกที่หนึ่ง ราวกับว่าวิธีแก้ปัญหาทั้งหมดมีจุดประสงค์เพียงเพื่อ "ออกเหรียญ"

ณ จุดนี้ ทุกคนควรเข้าใจหัวใจสำคัญของความขัดแย้งนี้: การแบ่งชั้นของ AI ขับเคลื่อนโดยการแข่งขันทางเทคโนโลยี และ OpenAI, Anthropic และ DeepSeek ต่างพยายามอย่างสุดความสามารถที่จะเพิ่มขีดความสามารถของโมเดล การแบ่งชั้นของ Crypto ถูกลักพาตัวโดย Tokenomic และ KPI หลักของแต่ละ L2 คือ TVL และราคาโทเค็น

ดังนั้น โดยพื้นฐานแล้ว หนึ่งคือการแก้ไขปัญหาทางเทคนิค และอีกหนึ่งคือการบรรจุผลิตภัณฑ์ทางการเงิน? อาจไม่มีคำตอบว่าอะไรถูกหรือผิด และขึ้นอยู่กับความคิดเห็นของแต่ละคน

แน่นอนว่าการเปรียบเทียบแบบนามธรรมนี้ไม่ได้สมบูรณ์แบบขนาดนั้น ฉันแค่คิดว่าการเปรียบเทียบบริบทการพัฒนาของทั้งสองนั้นน่าสนใจมาก และสามารถใช้เป็นการนวดจิตใจในช่วงสุดสัปดาห์ได้