يقول الجميع إن استراتيجية الإيثريوم المركزة على Rollup بدت وكأنها فشلت؟ ويشعرون بالاشمئزاز من هذه اللعبة المتداخلة L1-L2-L3، لكن الشيء المثير للاهتمام هو أن تطور مجال الذكاء الاصطناعي في العام الماضي قد مر أيضًا بتطور سريع من L1 إلى L2 إلى L3. دعونا نقارن، ما هي المشكلة بالضبط؟
المنطق الهرمي للذكاء الاصطناعي هو أن كل طبقة تحل مشكلة أساسية لا تستطيع الطبقة العليا حلها.
على سبيل المثال، قامت LLMs من المستوى L1 بحل قدرات الفهم اللغوي والتوليد الأساسية، لكن الاستدلال المنطقي والحساب الرياضي كانا بالفعل عيبًا كبيرًا؛ وبالتالي، في المستوى L2، تم تصميم نموذج الاستدلال خصيصًا لمعالجة هذه النقطة الضعيفة، حيث يمكن لـ DeepSeek R1 حل مسائل رياضية معقدة وتصحيح الشفرات، مما يعوض مباشرة عن منطقة العمى الإدراكي لـ LLMs؛ بعد إكمال هذه الأسس، يصبح من الطبيعي أن يقوم Agent AI من المستوى L3 بدمج القدرات من المستويين السابقين، مما يسمح للذكاء الاصطناعي بالتحول من مجرد الردود السلبية إلى التنفيذ النشط، حيث يمكنه تخطيط المهام الخاصة به، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
انظر، هذه الطبقات هي "تقدم القدرة": L1 يبني الأساس، L2 يكمل النقص، L3 يقوم بالتكامل. كل طبقة تحقق قفزة نوعية على أساس الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وأكثر فائدة.
المنطق الطبقي للعملات المشفرة هو أن كل طبقة تصلح مشاكل الطبقة السابقة، لكن هذا للأسف يؤدي إلى ظهور مشاكل جديدة أكبر.
على سبيل المثال، إذا كانت أداء سلسلة L1 العامة غير كافٍ، فإنه من الطبيعي التفكير في استخدام حلول التوسع من layer2، لكن بعد فترة من المنافسة الشديدة في مجال Infra layer2 يبدو أن رسوم الغاز قد انخفضت، وزادت TPS، لكن السيولة تشتت، وما زالت التطبيقات البيئية تعاني من نقص مستمر، مما جعل وجود الكثير من Infra layer2 مشكلة كبيرة. وبالتالي، بدأنا في إنشاء سلاسل التطبيقات العمودية layer3، لكن سلاسل التطبيقات تعمل بشكل مستقل، ولا تستطيع الاستفادة من تأثير التنسيق البيئي لسلاسل Infra العامة، مما جعل تجربة المستخدم أكثر تفتتًا.
بهذه الطريقة، أصبحت هذه الطبقات "نقل المشكلة": L1 لديها اختناق، L2 تسد الثغرات، L3 فوضوية ومشتتة. كل طبقة ليست سوى نقل المشكلة من مكان إلى آخر، كما لو أن جميع الحلول مجرد تركيز على "إصدار العملات".
مع وصول الحديث إلى هذه النقطة، يجب أن يفهم الجميع ما هو جوهر هذا التناقض: الطبقات في الذكاء الاصطناعي مدفوعة بالمنافسة التكنولوجية، حيث تتنافس OpenAI وAnthropic وDeepSeek بشدة في قدرات النماذج؛ بينما الطبقات في عالم العملات الرقمية مُحتجزة من قبل الاقتصاد الرمزي، حيث تكون كل KPI أساسي لـ L2 هي TVL وسعر الرمز.
إذًا، في جوهر الأمر هناك من يحل المشكلات التقنية، وهناك من يقوم بتغليف المنتجات المالية؟ من هو الصواب ومن هو الخطأ قد لا توجد له إجابة، فالأمر يعتمد على وجهة نظر كل شخص.
بالطبع، هذا التشبيه المجرد ليس بهذا القدر من المطلق، ولكنني أعتقد أن مقارنة تطور كلا الجانبين مثيرة للاهتمام، دعونا نقوم بتدليك ذهني في عطلة نهاية الأسبوع.
شاهد النسخة الأصلية
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
التفكير البارد: ما الفرق بين مسار الذكاء الاصطناعي والعملات الرقمية؟
المؤلف: هاوتيان
يقول الجميع إن استراتيجية الإيثريوم المركزة على Rollup بدت وكأنها فشلت؟ ويشعرون بالاشمئزاز من هذه اللعبة المتداخلة L1-L2-L3، لكن الشيء المثير للاهتمام هو أن تطور مجال الذكاء الاصطناعي في العام الماضي قد مر أيضًا بتطور سريع من L1 إلى L2 إلى L3. دعونا نقارن، ما هي المشكلة بالضبط؟
على سبيل المثال، قامت LLMs من المستوى L1 بحل قدرات الفهم اللغوي والتوليد الأساسية، لكن الاستدلال المنطقي والحساب الرياضي كانا بالفعل عيبًا كبيرًا؛ وبالتالي، في المستوى L2، تم تصميم نموذج الاستدلال خصيصًا لمعالجة هذه النقطة الضعيفة، حيث يمكن لـ DeepSeek R1 حل مسائل رياضية معقدة وتصحيح الشفرات، مما يعوض مباشرة عن منطقة العمى الإدراكي لـ LLMs؛ بعد إكمال هذه الأسس، يصبح من الطبيعي أن يقوم Agent AI من المستوى L3 بدمج القدرات من المستويين السابقين، مما يسمح للذكاء الاصطناعي بالتحول من مجرد الردود السلبية إلى التنفيذ النشط، حيث يمكنه تخطيط المهام الخاصة به، واستدعاء الأدوات، ومعالجة سير العمل المعقد.
انظر، هذه الطبقات هي "تقدم القدرة": L1 يبني الأساس، L2 يكمل النقص، L3 يقوم بالتكامل. كل طبقة تحقق قفزة نوعية على أساس الطبقة السابقة، ويمكن للمستخدمين أن يشعروا بوضوح أن الذكاء الاصطناعي أصبح أكثر ذكاءً وأكثر فائدة.
المنطق الطبقي للعملات المشفرة هو أن كل طبقة تصلح مشاكل الطبقة السابقة، لكن هذا للأسف يؤدي إلى ظهور مشاكل جديدة أكبر.
على سبيل المثال، إذا كانت أداء سلسلة L1 العامة غير كافٍ، فإنه من الطبيعي التفكير في استخدام حلول التوسع من layer2، لكن بعد فترة من المنافسة الشديدة في مجال Infra layer2 يبدو أن رسوم الغاز قد انخفضت، وزادت TPS، لكن السيولة تشتت، وما زالت التطبيقات البيئية تعاني من نقص مستمر، مما جعل وجود الكثير من Infra layer2 مشكلة كبيرة. وبالتالي، بدأنا في إنشاء سلاسل التطبيقات العمودية layer3، لكن سلاسل التطبيقات تعمل بشكل مستقل، ولا تستطيع الاستفادة من تأثير التنسيق البيئي لسلاسل Infra العامة، مما جعل تجربة المستخدم أكثر تفتتًا.
بهذه الطريقة، أصبحت هذه الطبقات "نقل المشكلة": L1 لديها اختناق، L2 تسد الثغرات، L3 فوضوية ومشتتة. كل طبقة ليست سوى نقل المشكلة من مكان إلى آخر، كما لو أن جميع الحلول مجرد تركيز على "إصدار العملات".
مع وصول الحديث إلى هذه النقطة، يجب أن يفهم الجميع ما هو جوهر هذا التناقض: الطبقات في الذكاء الاصطناعي مدفوعة بالمنافسة التكنولوجية، حيث تتنافس OpenAI وAnthropic وDeepSeek بشدة في قدرات النماذج؛ بينما الطبقات في عالم العملات الرقمية مُحتجزة من قبل الاقتصاد الرمزي، حيث تكون كل KPI أساسي لـ L2 هي TVL وسعر الرمز.
إذًا، في جوهر الأمر هناك من يحل المشكلات التقنية، وهناك من يقوم بتغليف المنتجات المالية؟ من هو الصواب ومن هو الخطأ قد لا توجد له إجابة، فالأمر يعتمد على وجهة نظر كل شخص.
بالطبع، هذا التشبيه المجرد ليس بهذا القدر من المطلق، ولكنني أعتقد أن مقارنة تطور كلا الجانبين مثيرة للاهتمام، دعونا نقوم بتدليك ذهني في عطلة نهاية الأسبوع.