撰文：Haotian

大家都说以太坊 Rollup-Centric 战略貌似失败了？并深恶痛疾这种 L1-L2-L3 的套娃游戏，但有意思的是，过去一年 AI 赛道的发展也走了一遍 L1—L2—L3 的快速演化。对比下，究竟问题出在哪里？

1）AI 的分层逻辑是，每层都在解决上层无法解决的核心问题。

比方说，L1 的 LLMs 解决了语言理解和生成的基础能力，但逻辑推理和数学计算确实是硬伤；于是乎到了 L2，推理模型专门攻克这个短板，DeepSeek R1 能做复杂数学题和代码调试，直接补齐了 LLMs 的认知盲区；完成这些铺垫之后，L3 的 AI Agent 就很自然地把前两层能力整合起来，让 AI 从被动回答变成主动执行，能自己规划任务、调用工具、处理复杂 workflow。

你看，这种分层是「能力递进」：L1 打地基，L2 补短板，L3 做整合。每一层都在前一层基础上产生质的飞跃，用户能明显感受到 AI 变得更聪明、更有用。

2）Crypto 的分层逻辑是，每层都在为前一层的问题打补丁，却不幸带来了全新更大的问题。

比如，L1 公链性能不够，很自然想到用 layer2 的扩容方案，但内卷了一波 layer2 Infra 潮之后貌似 Gas 低了、TPS 累加提升了、但流动性却分散了，生态应用还持续匮乏，使得过多的 layer2 infra 反倒成了大问题。于是乎开始做 layer3 垂直应用链，但应用链却各自为政，无法享受 infra 通用链的生态协同效应，用户体验反而更加碎片化了。

这样一来，这种分层就成了「问题转移」：L1 有瓶颈，L2 打补丁，L3 混乱且分散。每一层都只是把问题从一个地方转移到另一个地方，仿佛所有的解决方案都只是为了「发币」这一件事展开。

话到此，大家都应该明白造成这种悖论的症结是啥了：AI 分层是被技术竞争驱动的，OpenAI、Anthropic、DeepSeek 都在拼命卷模型能力；Crypto 分层是被 Tokenomic 绑架的，每个 L2 的核心 KPI 都是 TVL 和 Token 价格。

So，本质上一个在解决技术难题，一个在包装金融产品？孰是孰非可能也没有答案，见仁见智。

当然，这个抽象的类比也没那么绝对，只是觉得二者的发展脉络对比下非常有意思，周末做个思维按摩。