Сравнительный анализ слоистой разработки AI и Криптоактивов
Недавно высказывались мнения о том, что стратегия Rollup-Centric Ethereum, похоже, не достигла ожидаемых результатов, и многие выражают недовольство по поводу вложенной структуры L1-L2-L3. Интересно, что за последний год развитие в области ИИ также прошло через аналогичную быструю эволюцию L1-L2-L3. Сравнив траектории развития этих двух областей, мы можем более четко увидеть стоящие перед ними вызовы.
В области ИИ иерархическое развитие демонстрирует заметное нарастание возможностей:
Большие языковые модели L1 уровня (LLMs) заложили основу для понимания и генерации языка, но имеют явные недостатки в логическом выводе и математических вычислениях.
Модель вывода уровня L2 целенаправленно решает эти проблемы. Например, некоторые модели уже могут справляться со сложными математическими задачами и отладкой кода, эффективно компенсируя когнитивные слепые зоны LLM.
AI-агенты уровня L3 интегрируют возможности первых двух уровней, позволяя AI перейти от пассивного реагирования к активному выполнению, самостоятельно планируя задачи, вызывая инструменты и обрабатывая сложные рабочие процессы.
Эта многослойная архитектура отражает особенности «постепенного повышения возможностей»: L1 закладывает основу, L2 компенсирует недостатки, L3 осуществляет интеграцию. Каждый уровень достигает качественного скачка на основе предыдущего, и пользователи могут явно ощутить, что ИИ становится более умным и практичным.
В отличие от этого, иерархическое развитие отрасли криптоактивов имеет характер "перемещения проблем":
L1 публичные блокчейны сталкиваются с проблемами производительности, что приводит к возникновению L2 решений по масштабированию. Однако, несмотря на снижение газа и увеличение TPS, проблемы с рассеиванием ликвидности и нехваткой экосистемных приложений по-прежнему существуют.
Появление вертикальных приложений L3 было направлено на решение проблем L2, но привело к еще большей фрагментации экосистемы, в результате чего пользовательский опыт ухудшился.
Это расслоение, похоже, просто переносит проблему с одного уровня на другой, не решая при этом основную проблему.
Основная причина этой разницы может заключаться в:
Слойное развитие AI-индустрии в основном движется конкуренцией технологий, и крупные компании прилагают все усилия для улучшения возможностей моделей.
Шифрование активов индустрии больше всего зависит от экономики токенов, основные показатели различных L2 проектов часто сосредоточены на общем объеме заблокированных средств (TVL) и цене токена.
Короче говоря, одна отрасль стремится решить технические проблемы, в то время как другая больше сосредоточена на проектировании финансовых продуктов. Что правильно, а что нет, может не иметь окончательного ответа, это зависит от личной точки зрения и ценностных суждений.
Конечно, это абстрактное сравнение не является абсолютным; оно просто предлагает интересную перспективу с точки зрения развития. Надеюсь, что это междисциплинарное сопоставление сможет дать всем новые идеи.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
25 Лайков
Награда
25
6
Репост
Поделиться
комментарий
0/400
RugResistant
· 07-09 19:59
выявлены ключевые риски безопасности в структуре токенов поощрения... ой
Посмотреть ОригиналОтветить0
ProposalDetective
· 07-09 18:56
Почему опять ссоритесь?
Посмотреть ОригиналОтветить0
P2ENotWorking
· 07-06 20:28
Все падение до нуля — это отправная точка
Посмотреть ОригиналОтветить0
GateUser-1a2ed0b9
· 07-06 20:28
Кто решит основные проблемы?
Посмотреть ОригиналОтветить0
DarkPoolWatcher
· 07-06 20:27
Мы говорим, что Торговля криптовалютой должна опираться на ИИ.
ИИ и Криптоактивы: оба являются иерархически развитыми, но различаются в создании ценности
Сравнительный анализ слоистой разработки AI и Криптоактивов
Недавно высказывались мнения о том, что стратегия Rollup-Centric Ethereum, похоже, не достигла ожидаемых результатов, и многие выражают недовольство по поводу вложенной структуры L1-L2-L3. Интересно, что за последний год развитие в области ИИ также прошло через аналогичную быструю эволюцию L1-L2-L3. Сравнив траектории развития этих двух областей, мы можем более четко увидеть стоящие перед ними вызовы.
В области ИИ иерархическое развитие демонстрирует заметное нарастание возможностей:
Большие языковые модели L1 уровня (LLMs) заложили основу для понимания и генерации языка, но имеют явные недостатки в логическом выводе и математических вычислениях.
Модель вывода уровня L2 целенаправленно решает эти проблемы. Например, некоторые модели уже могут справляться со сложными математическими задачами и отладкой кода, эффективно компенсируя когнитивные слепые зоны LLM.
AI-агенты уровня L3 интегрируют возможности первых двух уровней, позволяя AI перейти от пассивного реагирования к активному выполнению, самостоятельно планируя задачи, вызывая инструменты и обрабатывая сложные рабочие процессы.
Эта многослойная архитектура отражает особенности «постепенного повышения возможностей»: L1 закладывает основу, L2 компенсирует недостатки, L3 осуществляет интеграцию. Каждый уровень достигает качественного скачка на основе предыдущего, и пользователи могут явно ощутить, что ИИ становится более умным и практичным.
В отличие от этого, иерархическое развитие отрасли криптоактивов имеет характер "перемещения проблем":
L1 публичные блокчейны сталкиваются с проблемами производительности, что приводит к возникновению L2 решений по масштабированию. Однако, несмотря на снижение газа и увеличение TPS, проблемы с рассеиванием ликвидности и нехваткой экосистемных приложений по-прежнему существуют.
Появление вертикальных приложений L3 было направлено на решение проблем L2, но привело к еще большей фрагментации экосистемы, в результате чего пользовательский опыт ухудшился.
Это расслоение, похоже, просто переносит проблему с одного уровня на другой, не решая при этом основную проблему.
Основная причина этой разницы может заключаться в:
Короче говоря, одна отрасль стремится решить технические проблемы, в то время как другая больше сосредоточена на проектировании финансовых продуктов. Что правильно, а что нет, может не иметь окончательного ответа, это зависит от личной точки зрения и ценностных суждений.
Конечно, это абстрактное сравнение не является абсолютным; оно просто предлагает интересную перспективу с точки зрения развития. Надеюсь, что это междисциплинарное сопоставление сможет дать всем новые идеи.