oding大致能分成三个阶段。
当前的碎片化阶段，可以用Cursor写简单的脚本，用ReplitAgent搭建Web应用，或者用Midjourney生成素材。
但ai只能处理点，不能处理线。
它能写一段战斗逻辑，不能处理一个拥有10万行代码、涉及复杂内存管理的3D引擎架构，它会因为上下文遗忘迅速把项目变成垃圾。
下一个阶段是架构涌现阶段，当技术突破了长上下文推理与形式化验证的深度结合后，ai能够像资深架构师一样，理解代码库之间的深层耦合。
它不再是猜下一段代码，而是通过模拟运行来推演最优解。
此时，一个人带一群ai确实可以做出类似《原神》规模的单机版雏形，但成本极高，依然需要大量的人工微调。
而太初已经是第三个阶段了，ai不再是编写代码来模拟物理，而是它本身就理解物理。
而且太初消耗的Token数，远远低于他们的预计。
太初得益于两方面的技术突破，一方面是林燃从数学角度解决了一致性困境，另外一方面就是得益于NS方程有解了。
构建3D世界也好，2D世界也好，你都要面对现实中最难处理的逻辑之一，流体动力学。
无论是大气环流、水流波动，还是烟雾弥散，它们的本质都是N—S方程。
在传统游戏开发中，用的是模拟，也就是通过各种简化算法去骗过人眼，需要通过CF
D来求解N—S方程。
当前像英伟达的Modulus或者是Deepmind的相关工作，都是用物理信息神经网络来简化解NS方程的步骤。
AI通过深度学习记住N—S方程的特征，充当了N—S方程的代理模型。
最终实现以比传统求解器快100到1000倍的速度，预测出符合物理定律的流体运动。
本质上都是概率，概率就意味著不稳定。
但林燃改变了本质，他知道NS方程的绝对解，让结果从「大概是这样」直接变成了「绝对是这样」。
哪怕其他厂商解决了一致性困境，他们花一百倍资源，要花一百倍的时间，都做不到太初的效果。
腾讯内部毕业于各大顶级高校的博士们，他们猜到了，但不敢置信。
Pony旁敲侧击过，林燃没有给出回答。
这段被封装的代码，才是太初最底层的基石，也是其他
本章未完，请点击下一页继续阅读！