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 R 1 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 layer 2 的扩容方案，但内卷了一波 layer 2 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 layer 2 infra 反倒成了大问题。于是乎开始做 layer 3 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。
