作為一名科技從業者，我來回答一下這個問題。

首先，真正意義上的人工智慧全棧開發是存在巨大困難的，一方面原因是人工智慧領域的研發方向非常多，即使按照大的方向來劃分，也分為計算機視覺、自然語言處理、機器人學、機器學習、自動推理、知識表示等六大領域，這還不包括每個領域當中的眾多細分方向，另一方面原因是人工智慧開發本身具有較大的難度。

目前人工智慧全棧開發通常指的是能夠基於人工智慧平臺（開放及非開放），來完成行業落地應用的開發能力，雖然在難度上有一定程度的下降，但是對於開發人員整體的技術棧要求還是比較高的，不僅要掌握豐富的知識結構，同時還需要具有一定的行業知識。

從當前的人工智慧平臺體系結構來看，通常會基於計算機視覺和自然語言處理兩大方向展開，相關的落地應用案例也在不斷增多，而且隨著當前技術迭代的不斷推進，很多落地系統已經開始發揮出更大的作用，相信隨著工業網際網路的推進，未來生產環境下會有更多的智慧化落地產品。

以計算機視覺領域為例，基於視覺平臺來打造全棧技術棧，可以基於程式設計師自身已有的技術來完成，比如Java全棧程式設計師轉向視覺平臺就會相對容易一些，經過一段時間的實踐開發積累，往往也能夠具備全棧開發能力。當然，隨著當前人工智慧平臺功能邊界的不斷拓展，開發人員的能力邊界也會得到拓展，但是這需要一個過程。

相對來說，培養人工智慧全棧開發能力的過程往往需要場景的支撐，如果在脫離實踐場景的情況下來學習人工智慧開發，還是具有較大難度的。