应用层不赚钱，借钱建基础设施，不成庞氏骗局？赚淘金者钱，绝大部分淘金者血本无归。哪些中间环节最先断裂：Meta和xAI？

OpenAI的传统语言模型爆红几年，并没赚钱，是否要退潮？因为被Anthropic炒起来的自动编程盖过风头了。问题是自动编程真的能取代软件工程师，还是软件产业本来就在萎缩？或者人工智能产业只是在用一个更大的泡沫掩盖即将破灭的泡沫？

问题关键在于用户端没重要新应用。近年用户端新应用视频监控、教育人工智能化、无人汽车、元宇宙都泡沫化，OpenAI的传统语言模型也不妙。自动编程是广义工业自动化，开发端的，最多只能削减软件成本，不能增加用户端销售，所以用户端销售在萎缩。

而工业自动化最近几十年虽然一直在成长，但增速低于预期，这有系统性原因。自动编程会削减还是增加开支也是问题，因为IT巨头们在人工智能上的巨大开支已到借债买快速贬值的Nvidia处理器的地步。借债和大裁员是事实。泡沫迟早会破。

自动编程、芯片设计应用看起来前景稍好，是因为这两个应用的目标函数可用简单的数字逻辑表示，这跟Universal Approximation Theorem的局限性有关。这是工业自动化的典型特征：其目标函数虽然简单，但适用范围有局限，恐怕增速也会比预期低。但处理器和数据中心是IT巨头们的comfort zone。

事实上，人工智能研究不是第一性的。

有人在人工智能中引入很多技巧以防止过早追求局部最优化。这是试图通过参数控制来达到某种均衡和最优化，实际上是种经验和哲学方法。数学是一种极端追求精确化的哲学，数学逻辑和哲学逻辑高度重叠。因为本质上是哲学，所以精确化努力会缘木求鱼。

Demis Hassabis说What we're working on is potentially a meta-solution to any problem. 这就是明显的极端化哲学走火入魔。A meta-solution to any problem是神级的，人类怎么可能达到。
用逻辑研究逻辑、用测量研究测量会造成比哥德尔语句更重要、更广适的问题。人类的metaphysics根本不存在。

科学通过第一性研究达到具体问题的更好结果，避免了哲学、数学和数据处理的缺陷。

另外，艾可卡卖掉赚钱坦克业务、保留亏损民用汽车，军工市场不大。清华高材生熊大缜为八路军造炸药，一不小心炸死炸伤八路军一百多名。军工饭不容易吃。

有种说法，说上级领导派被熊大缜炸药炸死的八路军战士的弟弟押送熊大缜。熊大缜受不了了，就说你用石头砸死我吧，可以省一颗子弹。不知是真是假。