Сравнительный анализ путей развития технологий ИИ и криптоактивов
В последнее время стратегия Rollup-Centric для Ethereum, похоже, столкнулась с трудностями, а модель развития многоуровневой архитектуры (L1-L2-L3) также вызывает вопросы. Однако, что интересно, в области искусственного интеллекта за последний год также произошла аналогичная быстрая эволюция на нескольких уровнях. Сравнив траектории развития этих двух областей, мы можем глубже исследовать их сходства и различия.
В области ИИ каждый уровень многослойной архитектуры нацелен на решение основной проблемы, которую не удалось решить на предыдущем уровне:
Большие языковые модели (LLMs) на уровне L1 заложили основу для понимания и генерации языка, но имеют очевидные недостатки в логическом выводе и математических вычислениях.
Модель вывода уровня L2 целенаправленно решает эти проблемы. Например, некоторые продвинутые модели уже способны справляться со сложными математическими задачами и отладкой кода, эффективно восполняя когнитивные слепые зоны LLM.
AI-агенты на уровне L3 интегрируют возможности первых двух уровней, позволяя ИИ перейти от пассивного отклика к активному выполнению, самостоятельно планировать задачи, вызывать инструменты и обрабатывать сложные рабочие процессы.
Эта иерархическая структура отражает прогрессию возможностей: L1 закладывает основу, L2 восполняет недостатки, L3 достигает интеграции. Каждой следующей уровень достигает качественного скачка на основе предыдущего, пользователи могут явно почувствовать, что ИИ становится более умным и практичным.
В сравнении, многоуровневая архитектура в области криптоактивов, похоже, сталкивается с различными вызовами:
Ограничения производительности L1 публичных блокчейнов способствовали появлению решений по масштабированию L2. Однако, несмотря на снижение газовых сборов и некоторое увеличение TPS, это также привело к новым проблемам, таким как рассредоточение ликвидности и нехватка экосистемных приложений.
Появление вертикальных приложений L3 призвано решить проблемы L2, но привело к дальнейшей фрагментации экосистемы, что затрудняет получение синергетического эффекта от общего инфраструктурного обеспечения.
Это иерархическое деление, похоже, стало "перемещением проблемы": узкие места L1 привели к появлению L2, проблемы L2, в свою очередь, породили L3, и каждый уровень просто переносит проблемы из одной области в другую, не решая по сути коренные проблемы.
Основная причина этой разницы может заключаться в следующем: в области ИИ иерархия определяется технологической конкуренцией, компании стремятся улучшить возможности моделей; в то время как в области криптоактивов иерархия, похоже, в большей степени определяется токеномикой, и основные показатели решений на каждом уровне часто сосредоточены на общем заблокированном значении (TVL) и цене токена.
Это сравнение выявляет совершенно разные движущие силы двух областей: одна сосредоточена на решении технических задач, в то время как другая больше акцентирует внимание на проектировании финансовых продуктов. Хотя это абстрактное сравнение не является абсолютным, оно действительно предоставляет нам интересную перспективу, позволяя думать о двух быстро развивающихся технологических областях с различных точек зрения.
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» .
Искусственный интеллект и Криптоактивы идут параллельно: сравнение развития многоуровневой архитектуры
Сравнительный анализ путей развития технологий ИИ и криптоактивов
В последнее время стратегия Rollup-Centric для Ethereum, похоже, столкнулась с трудностями, а модель развития многоуровневой архитектуры (L1-L2-L3) также вызывает вопросы. Однако, что интересно, в области искусственного интеллекта за последний год также произошла аналогичная быстрая эволюция на нескольких уровнях. Сравнив траектории развития этих двух областей, мы можем глубже исследовать их сходства и различия.
В области ИИ каждый уровень многослойной архитектуры нацелен на решение основной проблемы, которую не удалось решить на предыдущем уровне:
Большие языковые модели (LLMs) на уровне L1 заложили основу для понимания и генерации языка, но имеют очевидные недостатки в логическом выводе и математических вычислениях.
Модель вывода уровня L2 целенаправленно решает эти проблемы. Например, некоторые продвинутые модели уже способны справляться со сложными математическими задачами и отладкой кода, эффективно восполняя когнитивные слепые зоны LLM.
AI-агенты на уровне L3 интегрируют возможности первых двух уровней, позволяя ИИ перейти от пассивного отклика к активному выполнению, самостоятельно планировать задачи, вызывать инструменты и обрабатывать сложные рабочие процессы.
Эта иерархическая структура отражает прогрессию возможностей: L1 закладывает основу, L2 восполняет недостатки, L3 достигает интеграции. Каждой следующей уровень достигает качественного скачка на основе предыдущего, пользователи могут явно почувствовать, что ИИ становится более умным и практичным.
В сравнении, многоуровневая архитектура в области криптоактивов, похоже, сталкивается с различными вызовами:
Ограничения производительности L1 публичных блокчейнов способствовали появлению решений по масштабированию L2. Однако, несмотря на снижение газовых сборов и некоторое увеличение TPS, это также привело к новым проблемам, таким как рассредоточение ликвидности и нехватка экосистемных приложений.
Появление вертикальных приложений L3 призвано решить проблемы L2, но привело к дальнейшей фрагментации экосистемы, что затрудняет получение синергетического эффекта от общего инфраструктурного обеспечения.
Это иерархическое деление, похоже, стало "перемещением проблемы": узкие места L1 привели к появлению L2, проблемы L2, в свою очередь, породили L3, и каждый уровень просто переносит проблемы из одной области в другую, не решая по сути коренные проблемы.
Основная причина этой разницы может заключаться в следующем: в области ИИ иерархия определяется технологической конкуренцией, компании стремятся улучшить возможности моделей; в то время как в области криптоактивов иерархия, похоже, в большей степени определяется токеномикой, и основные показатели решений на каждом уровне часто сосредоточены на общем заблокированном значении (TVL) и цене токена.
Это сравнение выявляет совершенно разные движущие силы двух областей: одна сосредоточена на решении технических задач, в то время как другая больше акцентирует внимание на проектировании финансовых продуктов. Хотя это абстрактное сравнение не является абсолютным, оно действительно предоставляет нам интересную перспективу, позволяя думать о двух быстро развивающихся технологических областях с различных точек зрения.