我們真的需要這麼多條鏈嗎?一文看懂L3的發展與挑戰
我們真的需要這麼多條鏈嗎?一文看懂L3的發展與挑戰
2024.09.23 | 區塊鏈
##### 我們真的需要 L3 嗎? 過去一年,區塊鏈技術在 Layer 1(L1)和 Layer 2(L2)的領域中快速發展,帶來了顯著的收入變化,部分區塊鏈平台成功實現了盈利,另一些則仍在虧損。而最近興起的 Layer 3(L3)概念,則為區塊鏈行業引入了更深層次的可擴展性與定制化能力。

然而,我們真的需要 L3 嗎?

盈利與虧損並存的 Layer 1 區塊鏈

以太坊(Ethereum)是當前區塊鏈領域中最知名且創收最多的 L1 平台,年收入達 22.2 億美元。然而,由於新代幣的發行速度超過了收入,它實際上淨虧損了 1500 萬美元。這反映了 L2 的崛起,許多交易活動逐漸轉移到 L2 層,導致支付給以太坊的費用減少。

相較之下,波場(Tron)憑藉其穩定幣業務,尤其是在高通膨國家如阿根廷、土耳其的廣泛應用,創下 14 億美元的收入,展現了強大的盈利能力。而索拉納(Solana)儘管技術上有所突破,收入達 1.57 億美元,但由於技術成本高,淨虧損仍然高達 25.3 億美元。雪崩(Avalanche)則因子網擴展方案與遊戲領域的布局而受到關注,但仍淨虧損 8.606 億美元。

盈利較為穩健的 Layer 2 區塊鏈

在 L2 領域,一些平台表現出色。Base 是其中的亮點,推出不到一年便創收 6660 萬美元,淨賺 4200 萬美元。這歸功於其實施了 EIP-4844,降低了交易成本,並且避免了代幣分發費用。另一家值得注意的 L2 平台 Arbitrum,雖然其費用在第二季度大幅下降,但仍成功創收 6114 萬美元,並淨賺 2180 萬美元。

與此同時,zkSync Era 雖然規模不如前兩者,但其創收 5330 萬美元,淨賺 1750 萬美元,展現了其在零知識證明技術下的盈利潛力。

在 BRC20 和 NFT 的推動下,比特幣生態系統一開始表現不錯,只要持有「藍籌」NFT 就能獲得多次空投。然而,Runes 推出後,一切開始走下坡。

其他 L1/L2 生態系統的狀況則相對慘淡:

  • Injective 的 dApp 質量不足,空投幾乎可以忽略不計。
  • Starknet 的 STRK 空投未能成功,無法在生態系統中引發「財富效應」。儘管 DeFi Spring 獎勵很高,但協議空投卻相當令人失望。
  • SEI 在 NFT 領域表現不錯,但在 DeFi dApp 和空投方面明顯不足。
  • SUI 生態系擁有高品質的 dApp,但空投並不慷慨,而且 SUI 的解鎖對價格造成了不小的壓力。
  • Cosmos 生態系統因內部紛爭陷入困境,空投已經枯竭,他們必須從最近的安全漏洞中重新站起來。
  • Arweave 社群期待持有 AR 代幣能獲得更高的 AO 分配率,最終結果卻只有 36%。
  • Optimism 則因空投與高昂的運營成本,雖創收 4460 萬美元,但淨虧損達到 2.39 億美元,暴露了其高運營成本的問題。
##### Layer 3 的機遇與挑戰 隨著 L2 逐漸飽和,L3 的概念就自然順勢被接著炒作起來。L3的目的是在於現有的 L2 層之上提供更高的可訂製性與擴展性,允許開發者根據特定應用需求設計專屬的應用鏈(AppChains),這一架構被認為可以進一步降低成本並提高交易效率。

然而,L3 也面臨諸多挑戰:

  1. 首先,L3 的高度可訂製性可能會引發對生態系統穩定性的擔憂。開發者在 L3 中能夠自行設計 Gas 費機制,這可能導致不同鏈之間的生態分裂,進而影響整體的穩定性。
  2. 此外,L2 的技術仍未完全成熟,例如 Arbitrum 在空投時因為 RPC 故障引發的批評,以及 zkSync 面對的兼容性與穩定性問題,這些因素讓 L3 的推出時機顯得並不十分明確。

L3 的推出是否會削弱 L2 的生態優勢,進一步挑戰其價值捕獲能力?這是區塊鏈行業中的一個核心問題。L3 帶來了更高的技術可能性,但同時也引發了生態分裂與經濟風險的討論。

##### Layer 3 的技術發展現況 近期,一些區塊鏈項目積極投入 L3 的研發中,StarkWare 推出的 Integrity Verifier 工具,使開發者能夠在 Starknet 上驗證執行的程序,為 L3 應用鏈的開發奠定了技術基礎。Lens Protocol 亦推出了 L3 擴容方案 Momoka,Zebec 推出的 L3 鏈 Nautilus Chain 也是值得關注的進展。

然而,以太坊創始人 Vitalik 也指出,雖然多層網路的發展是一個合理的趨勢,但 L3 的實際應用仍需進一步觀察與驗證。在當前 L2 應用尚未完全穩定的情況下,急於推動 L3 的風險可能超過其帶來的潛在收益。

結語

公鏈仍在快速發展,L1 和 L2 的收入狀況不盡相同,這些內部催化劑取決於有利的宏觀環境和 ETF 資金的流入。我們目前的市場還不夠吸引新一波散戶的進場。但如果市場反彈,DeFi degen 的策略就需要重新評估,應該著重於那些持續建設、並且慷慨回饋用戶的創新生態系統。

L3 的概念雖然引人注目,但其實際應用與未來走向仍需仔細權衡。技術創新固然重要,但如何在追求創新與保持生態穩定之間找到平衡,將是未來區塊鏈發展中的關鍵挑戰。L3 的出現為行業帶來了無限可能,但也同時要求更高的技術智慧與風險管理。

關鍵字: #區塊鏈
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓