前几年人工智能大火了一把，但现在也基本偃旗息鼓了。人们发现人工智能这些公司赚不了钱，上市了股票也是嗖嗖嗖往下掉。
人工智能赛道出了什么问题，这个风口的根本逻辑是不是有着不可调和的矛盾呢？
人工智能，吹嘘的是端到端，直接建立神经网络模型，就能得到业务的结果，你甚至根本不需要知道这个模型内部到底做了些什么。
当然，理论上模型就是一个黑盒，它只是数学上能得到结果，但是没有可解释性，也就是不具有人类能理解的逻辑推理上的能分解的特性。
所以，这些模型是怎么来的呢，大多数是靠猜和调参数，也就是所谓的炼丹。炼丹是一种远古以前的非科学的事情，但是现在套上了神经网络的外衣，却能发文章，我想想也是不可思议的。
端到端，是人工智能吹嘘的东西，也是制约他的东西。
如果你写过软件，那么你知道有这么一种做法，那就是针对软件里的每一个功能都从头到尾写一段一插到低的code，这样功能是实现了，但是这种一插到底的code是没有办法复用的。
这就导致了充斥着离散的一插到底无法复用的代码是无法维护和被看懂的，维护的成本是越来越大，最后大于软件能赚的钱，这个业务就死了。
这种一插到底的code，不正是端到端的吗，但是它没法复用。这也就是现在人工智能端到端模型的问题。
它不能像代码那样一层层搭积木，做到最大的复用性。这也就是它的不可堆叠性。
一个模型只能解决一个业务场景，然而世间的业务场景千千万，无穷无尽。
对于软件来说，它可以通过代码复用来尽可能以小的成本触达更多的场景。所以如果有这样一个图，把横轴作为成本，把纵轴作为场景，软件开发在这张图上的线，斜率是小于1的会逐渐扁平的曲线，而人工智能的线，只能是一条等比例的直线。
由此可见，人工智能行业触达几个通用的场景之后就不可能再增长了，因为端到端的模型无法为其降低成本。这样一个纯人工智能的公司到了一定规模就无法扩张。
所以，这个赛道的内部逻辑就有着这样不可调和的矛盾。