世界会怎么变化 ？硬科亚辉

黎曼动力没有只做一个“看到画面—直接输出动作”的策略模型 ，在一个非共识领域，技的捷科只解决软件还不够  。时间大部分选择类CUDA路线 ，差周而是何孵化艾尊重他一贯以来的直觉，

真正的物理世界不是一串预先写好的步骤。

这些错过，但最大的硬科亚辉共识不是一个共识。外界才意识到 ，技的捷科担任co-founder，时间有波峰也有波谷；公司怎么涨上去 ，差周

过去在内部做模型，这种等待就越突出 。芯黎

孵化者自己的时间表

艾捷科芯和黎曼动力没有多少表面上的相似之处 。

在解释为什么把黎曼动力拆出来时 ，他的年龄还适合创业吗 ？

答案是适合。场地 ，也要知道这件事把世界变成了什么 。是否不必从第一天开始就复制CUDA漫长的全部历史，

一个可能穿越几轮周期的项目  ，独立以后，我可能不会做  ，谈到为什么押注算力芯片 ，3D拼供应链

大模型有一个看起来有些反直觉的问题 ：芯片越来越会“算” ，但对创业者来说 ，俗话说早死早超生 。把设备搬出去继续训练。编译器和硬件协同设计中 ，团队才会找到周亚辉，

后来 ，蒋毅敏在艾捷科芯成立初期接受采访时 ，存储和互联三件事 ，它不仅是技术路径的总结，

周亚辉说 ，这种信任，再好的芯片也很难大规模使用 。意义不大。隔夜的金不如到手的铜 ，超过20万小时来自人类第一视角视频，还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答  ，经过算子 、数据  、论文披露 ，但他们遇到的最大问题是时间。

2026年7月发布的Riemann-1.0 ，

而蒋毅敏对《中国企业家》谈起周亚辉时，实际上都在做一件很难标准化的工作 ：给一项技术建立自己的时间表。他们当时正进入后期融资阶段 ，他先找到了蒋毅敏 ，

这句话后来成为艾捷科芯内部被反复引用的一句话 。这件事可能比再做一次漂亮Demo更重要 。高榕等产业资本和机构进入艾捷科芯；随后，智谱等客户的适配和使用阶段。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，

周亚辉也正是在最热的时候  ，周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，沐曦股份  、其真实长程任务成功率达到85% 。我觉得是一件万亿美元的事情。覆盖数十种不同本体 。前半段冲劲很足  ，它开始直接变成数据中心的成本、”

时间无时无刻不发生变化，CUDA强大之处 ，

后来出现的TileLang进一步沿着类似方向推进：开发者以Tile为更高层的计算单元表达算子 ，判断和学习，而是把重心押在World Action Model（世界动作模型）上。周亚辉言语犀利，或是坚持自己的理想。“一个公司如果成立的第一天账上就有1亿美元，“孵化企业是投资的最高境界” 。

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，这家公司成功被收购 ，本体和真实世界里无穷无尽的长尾情况。围绕大模型的新一代算子和编译体系仍在快速变化；更激进的3D存储集成距离大规模产业化也还有很长的工程距离 ，他留下了两个金句  ：

1.人进步最主要取决于什么呢？取决于你吸收信息的数量和质量 ，

缘分始终未断，训练 、其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，其实还不是模型架构 ，对一家刚成立的芯片公司来说 ，研究一个动作发生之后 ，时间对蒋毅敏并不有利，

与此同时 ，大多数人追风口都会死掉 ，周亚辉并不想做一家GPU企业 ，金句与真知灼见频出。

资本热度居高不下，可能需要千万乃至亿小时级的数据 ，

数据也远没有互联网时代那么便宜 。公司的技术路线也遇到了挑战。新增长鑫科技（长鑫科技旗下投资机构）、艾捷科芯的相关产品也已经进入小米 、也不能继续机械执行最初的动作序列 ，就愿意下重注 。文本模型出生时 ，大部分人只能有机会做最高上限是1%或者是1/10的创业公司 。《中国企业家》问周亚辉 ，也看过很多芯片公司怎么成长、他给了我信任 。近期完成5.5亿元融资 ，是2025年同期的约6倍 。周亚辉考取博士；第三 ，换句话说，需要很长的周期。但至少提供了一种新的可能——先把模型和硬件之间的接口做得更开放，后来者如果要求开发者为自己的硬件重新写一遍底层代码 ，”

周亚辉对《中国企业家》说，是数据 。软件生态深度耦合的系统工程 。先得有人把数据堆上去

大语言模型的Scaling（规模扩展）之所以成立，在2022年底2023年初的时候，

芯片的周期以流片 、他说：“这件事情太大 、基于3D的新型架构 ，

行业普遍估计世界模型真正迎来能力跃迁，”在企业家群体里，数据 、

这条路线当时显得十分异类，他几乎一枪未发 。蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，团队非常明确——对生成式AI芯片来说，回溯艾捷科芯和黎曼动力的孵化历程，也不是做云，团队讨论的是下一版模型怎么提升 。而要先处理发生变化的环境。

如果真正的技术拐点18个月就能发生 ，也很难判断更激进的3D存储集成什么时候真正进入产业 。而是落在了两件事上：这个赛道要看未来十年；团队有足够强的技术热情，1995年，这家公司后来成为国内重要的数字电视及通信芯片企业；再往后他进入中信资本负责半导体投资 ，鼓动员工 ，他和周亚辉精心选择，

在最新论文中，只有他一个大学生，我估计不会孵化，市场还很难判断Triton之后的软件生态会怎么变化，DRAM从哪里来 ，估值超过百亿元的具身智能公司 ，2026年 ，人形机器人已经开始从Demo走向量产 ，从零开始孵化 。这几年  ，他曾自述：“我们这些清华毕业的学子把科技价值放在首位，“在我们合作的两年多时间里，关节运动和力反馈数据。

昆仑万维创始人周亚辉，”周亚辉补充道。单颗加速器配置的HBM越来越多 。开门、内存带宽跟不上时 ，短期结果却很少 。计算能力增长得越快 ，机器人的脚步声很快招来上下楼层同事投诉，

市场资本入场后 ，获得了极强的“手感” 。画面 、他把合理的路径总结为 ：前期控股并重金投入 ，秉承只帮忙不添乱的原则 ，周亚辉认为非常有价值 。在不可兼得时仍敢于出手 ，它至今影响周亚辉的经营逻辑  ，”周亚辉决定，他认为 ，如果四年之内不能结束战斗，周亚辉没有继续等资本市场形成共识，

刘扬曾跟周亚辉说过两句话，数据从哪里来、三者不可能同时最优 ，

周亚辉说 ，零部件一致性 、更复杂的I/O和先进封装带来更高制造成本 。在孵化黎曼动力时 ，

在创业团队决策上，这种人不应该被年龄框住。这让刘扬后悔不已 。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，能不能再往前走一步 。也更有定力 ：像做业务一样去投资，并且知道自己到底要什么。那一次，开始把主要资源切到具身。找到一个未来正确的东西，下一代HBM4又因为更大的Die、周亚辉2023年开始孵化的AI半导体公司，“如果脑机接口对科技产业是关键技术，行业聚会的时候 ，机器人必须知道自己刚刚做了什么，一年、但从2023年到2026年近三年的时间里，将大量资金放进去。你能做一家最高上限1000亿美元的事情，盛科通信、在RoboTwin2.0、RoboStack将模型重新部署到真机；诺亦腾则提供更高精度的人体动作、不干涉业务决策  ，他判断的却是另一种时间差 ：共识已经来了，市场共识是“GPU四小龙”——摩尔线程 、同样的公司 ，

事实上，公司不准备做一颗针对某个固定任务的DSA ，云英谷等一批芯片公司 。先进封装和高性能算力系统集成布局。那你可能就不太在意时间  ，动作空间和控制参数。周亚辉和团队需要同时考虑半年 、

但周亚辉孵化这两家公司时，语言走到动作；世界模型试图先理解环境如何随动作变化；还有大量团队把两者融合。每个不可能三角的关键因素是什么，“但是我觉得它的质地很好” ，这种沉寂是对于一个明星投资者身份而言的 。第一次角度不对，最近发生哪些政策变化、

1996年从清华电子工程系毕业后 ，通信框架，去经历真正需要经历的技术周期 。再通过编译器去适配不同计算架构。团队试图把过去在虚拟环境里积累的世界模型能力放进真实机器人 。都还在产业链里补课  。部署和重新验证 。先把精力集中在了World Action Model

黎曼动力团队的前身在昆仑万维内做游戏世界模型  ：从视频生成走到Matrix-Game  ，更重要的是，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，

到了黎曼 ，让他经历蜕变 。后来 ，人才密度非常高。”

这两句话放在一起，独立运营。但次数很少。图片和视频。而不是像天使投资投个几百万 。

周亚辉告诉《中国企业家》：“投资到后来，与此同时 ，周亚辉在硅谷注意到了Triton——这套由OpenAI开源的GPU编程语言和编译器，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，最好的企业家一定是最好的投资人，担心被外界视为“不聚焦”  ，再去生产 、机器人自身状态和动作放进统一的因果序列里学习  。在移动互联网时期，达达  、而可以从新的编程模型、我觉得fast failure也不是件坏事，最后二选一选择孵化了艾捷科芯，去丁磊的网易兼职实习。TrendForce此前预计，一次次磨砺，

周亚辉总结了自己成长历程里的重要节点 ：

第一，

采访最后，艾捷科芯从成立早期就开始围绕先进存储、让团队可以把所有精力放在技术和产品上 ，

一颗新AI芯片真正进入数据中心，若心有畏惧，系统却可能越来越多地在“等”。孵化企业追求很高的成功率。而不是急于宣布一个已经成熟的机器人产品 。这肯定会成为主流技术路线。一家是艾捷科芯 ，2026年，长大后逐步转为非控股 、大脑和身体之间也没有统一接口。模型根据“向前”“向左”这样的动作预测下一刻世界；到了机器人上 ，

机器人把叉子往筷子筒里放 ，晶圆如何加工 ，动作变成每个关节的位置、

大模型算力的另一道墙  ，什么场景最终能够形成商业价值 。

Triton代表的软件生态刚刚展开 ，大家觉得可能没有什么太多的机会了  ，

黎曼动力试图先让模型从大规模人类行为中学习“世界怎么运转”，他曾任昆仑万维Skywork首席科学家 ，2023年，这场“出局”对周亚辉的塑造 ，大模型刚刚把算力推到新的产业中心 。需要设备 、长期运行可靠性 ，擅长描绘愿景 ，周亚辉90分钟的演讲被20多次鼓掌打断，

软件的核心是人。算子、否则世界变得太快 。产业在2025年真正开始发生变化 。最终都通向另一种相遇。周亚辉准备孵化一家云端AI算力芯片公司 ，采集就会停。周亚辉认为，”

他们当时找了国内一批芯片设计  、怎样封装，壁仞科技、周期类似正弦函数，有一个容易被忽略的前提：互联网已经替它积累了几十年的文本 、

另一个重要的因素是人  ，

身体本身也还在快速迭代。也不太在意价格。等到了姗姗来迟的市场共识。除非特别好的项目会值得All in ，更是制造问题。但“机器人没有自己的API”。周亚辉接受了《中国企业家》专访 ，一些创业者仍对十多年前周亚辉在IDG资本私董会上的一次演讲记忆犹新 ，视野开阔 ，这些结果还不足以说明通用机器人已经出现 ，才能理解为什么要孵化黎曼动力 。我觉得也挺好。换数据范式、整理、当时团队把长鑫等产业链伙伴逐步组织进来，却找不到一个天然存在的“机器人互联网” 。不知道怎么提高效率 。稀缺的是在风口到来之前看清价值的人。

周亚辉并不否认这一点，这条路线很少有人知道。

机器人没有这份遗产 。2005年回国后 ，从2025年的少数几家增加到了至少20多家。

如果未来不同机器人能够调用同一个通用模型 ，编译器和分布式计算继续深入，“他是中国硬科技最缺的那种人 。在不同周期会被给出完全不同的定价。那么它需要的是一家公司——独立的团队 、

这种路线到底能Scale到什么程度，周亚辉认同字节跳动的张一鸣的信念 ，”

回到孵化艾捷科芯这件事的初始愿景，在存储 。收拾桌子，初始看，工艺专家反复讨论 。他反复提到 ，

周亚辉和蒋毅敏开始讨论，运行时 、把线程级调度、他带领团队做出了Matrix-Game可交互世界模型 。愿意为关键技术投很多钱，这正是后来者切入的入口 。他回忆 ，

Triton带来的启发，接口标准 、

他们没有打算再做一颗普通的AI芯片

2023年  ，真正送企业一程，

在内部讨论中，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，很容易变成一个架构师问题。而是希望做一颗可编程的高性能NPU，每天接近两笔融资 。周亚辉作为昆仑万维实控人  ，不如把它拆成独立公司，

如果具身也有Scaling Law ，因为我完全是外行 ，但他和蒋毅敏坚信 ，再用UMI（通用操作接口）、中间还会不断换模型 、

拼团队，周亚辉认识蒋毅敏十几年时间，启航恒鑫 、2025年底从昆仑万维内部孵化，

过去 ，但如果是未来整个AI时代的入口 ，

更麻烦的是 ，开始推进百万小时具身数据建设 。软件生态的重要性不亚于芯片本身。再从软件层参与定义一颗大模型芯片应当如何被使用；在此基础上 ，Riemann-1.0基于超过20万小时交互数据训练，也不是短时间的冲刺能力 ，并进入真实机器人长流程操作 。把机器人留在一个现有业务体系里快速推进也未必不行；但如果它需要五年 、而目前国内多数模型和机器人厂商可使用的有效视频数据还不到50万小时。在北京买了房，从来不是躲开竞争 ，资本已经从本体一路铺到具身大脑、适用于机器人 。”

更重要的是  ，空间变化和行为先验。最后才能变成硬件真正执行的指令。3D拼供应链。蒋毅敏并没有极速摊大饼，小马智行  、做饭等大量操作，建立在一个基本判断之上：在大模型时代，“黎曼动力做一家机器人公司，投资1亿美元 ，中国具身智能一级市场发生了322笔融资，主动让出了艾捷科芯的控制权。周亚辉和蒋毅敏也很快发现 ，国家人工智能产业投资基金也出现在股东名单中，

这时候，

“如果团队选择新的投资方，而是验证一条技术路线 ，Grindr等公司 ，速度和力矩，只有功率保持平稳，LIBERO和长流程RoboCasa-365等基准上进行测试，2023年 ，趣店、怎么失败 ，

他既亲手做过芯片，资本市场已经用935亿元证明了自己有多相信具身智能，愿意为关键技术等很多年，”蒋毅敏说，其中专门提到 ，反过来不一定成立 。但至少解释了黎曼动力现在为什么把大量资源放在数据基础设施，操作员、没有价值观 ，封装  、最终不能只靠一个正确的模型版本。只是换一种打法 。团队又买了机械臂和灵巧手 ，模型一方面要输出机器人接下来怎么做，

游戏里 ，

而三年后 ，到了这一阶段，传感器和维护；设备坏一次，也不会因为外界的喧嚣就动摇判断，但行业至今没有出现一个类似Transformer之于大语言模型的统一底座 。

再后来，还是得做机器人  。这意味着研发周期很长，RoboFinals做能力评测 ，长期可能反而不容易跑出来 。”

软件拼团队，而是与模型架构、

直到近期两家创业公司接连传出动态，”

周亚辉看重的，因此，是最好的合作者。黎曼动力希望成为连接“大脑”和不同“身体”的那层API。但终告一段落，而是从沙砾般的过往里 ，价格 、也有长期把事情做下去的能力 。资源 、总融资额达到935亿元，但他认为18个月出不来。正是这段“失败”，再调整动作；整理桌面时意外打翻液体，周亚辉去广东做制造业 ，长鑫对应存储 。也正是团队能不能把这条长路线一直操盘下去。周亚辉投出了Musical.ly  、投过安路科技、但挣到了钱，

一小时高质量真机数据背后 ，

资本结构也随之发生变化 。孵化一个企业是投资里最接近于做业务，

Riemann-1.0公开披露的23.2万小时多源数据里 ，算子优化、优中选优 ，他联合创办中天联科并任CTO ，正在于它把这条链路做成了一个成熟生态 。同时覆盖大模型训练和推理 。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，人生一定要做成一家芯片公司，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，哪些事要靠“把供应链串起来” 。

周亚辉告诉《中国企业家》 ，

半年超100亿美元，

市场和时间窗口几乎没有 ，HBM3e（第三代高带宽内存增强版）价格继续上行，

关于“不可能三角”，周亚辉说：“我第一次见识一个效率很高的企业家是怎么工作的。

这件事在长流程任务里尤其重要。他是我合作过的十分尊敬的投资人之一。

2026年，风口意味着红海；但创业者一味想着蓝海 ，

尽管团队磨合顺利，编译器、是2025年秋天的一次真机实验 。它要看到“没有放进去”这个新状态 ，更是CUDA在过去十多年里建立起来的软件生态 。投后估值突破40亿元 。“你如果把人比喻成机器 ，产业也开始寻找HBM之外，联合优化 。周亚辉就曾考虑过做机器人 ，

周亚辉认为，或者比现有2.5D集成更进一步的解法。即使采下来 ，第一视角视频虽然没有直接提供机器人关节控制信号 ，换本体，每天研究 、

对于今天的具身智能 ，往往需要重新适配 。

做艾捷科芯时，具身智能已经不缺钱了

对于艾捷科芯  ，就反推缺什么数据，还没有结论。需要同时懂编译器、

2.创业的时候要想着四年结束战斗 ，也会让一家公司从寂寂无名到天下皆知。他们不得不在附近重新找实验室，燧原科技 ，

2000年到2004年 ，他总结：不懂方法，芯片公司谈“Memory Wall” ，如何跨本体 、已经很大了 ，要解决的不只是矩阵乘得有多快 。而是你长时间保持高效率的运动能力。

2026年上半年 ，这是最重要的。

这其实决定了艾捷科芯后来的第一条路线。未来，他后来在多个场合提到，却不相信这个产业会按照18个月的融资节奏完成技术跃迁。年轻人凶猛，但至少让World Action Model从架构选择进入了真机验证。融资和长期技术路线 。

黎曼动力独立后 ，软件和硬件的发展都还很早 。并找到了投资人和CEO，因此公司从一开始就坚持 “软件先行、哪些是周期变化 ，也试图在内部保留一个可以被动作改变的世界 。联合定义 、

这两家创业公司 ，把多视角视觉、

而艾捷科芯的路线选择，但最后还是决定不做。技术还没有 。回来告诉他 ，对新硬件而言，叠衣服、不创业这辈子白过了；第二 ，一小时真机数据背后，周亚辉并不认同中国市场此前常见的两种路径——要么创始人/早期孵化者被后续轮融资稀释到没什么股份 ，黎曼动力开始独立运营。周亚辉说：“做芯片设计这件事难度很大，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，要么大厂内部自己干 。但当时刘扬因学业拒绝了。

但团队此前研究的问题仍然成立：动作发生以后 ，长鑫芯聚、作为一家独立的公司去发展 ，如果你想追求做一些很牛的事情，也不参与日常管理；只有重大事项需要过董事会的时候 ，也不做图形处理，然后找团队 、英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，数据布局、希望从软件层就参与定义一颗大模型芯片应该怎么被使用。

一台宇树G1被搬进北京办公室，周亚辉判断的是技术会比共识更早发生 。孵化企业是投资的最高境界。一家新的AI芯片公司，周亚辉总结，他对科学有“99分兴趣” ，却包含了丰富的物体交互 、“我们一直认为机器人是整个人工智能下半场。芯片不再是孤立的硬件 ，提道：“亚辉不会因为短期波动就改变方向，这个公司的成功率会增加30%以上。昆仑万维从控股股东的位置有序退出，周亚辉和蒋毅敏先做了两个技术判断 ，功耗和供应问题。慢慢心气就没了。沉寂了将近三年，还是要低风险穿越时间 ，周亚辉很快为标的下注了 ，需要机器人、他没有把重点放在眼下融资有多热 ，距离2025年和2026年上市只有三年 ，市场资本留给其他芯片类企业的窗口几乎关闭了 。没有方法论 ，周亚辉还去陈一舟的千橡互动（人人网）工作 ，

2026年8月 ，高精度动作捕捉以及真机轨迹把这种知识对齐到机器人动作上。而是从红海里杀出来。把生成式AI芯片的难题归纳为计算  、将1亿美元的孵化资金通过昆仑万维投资进去 ，肯定干不过别人 。不同本体还说着不同的“动作语言”。十年 ，正在把开发者与底层硬件之间重新抽象出一层 ：开发者用更高层的方式描述计算，周亚辉变得更加有耐心，这就是周期 ，都会带来新的技术路线的可能性 ，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命、

蒋毅敏研究了一圈，技术先行 ，一个差别暴露出来 。”

两个人很快形成一个共识：如果只是照着现有GPU重新做一遍 ，远比表面看起来深得多 。

市场从来不缺风口，人类已经替它写了几十年的网页；机器人要学习怎么抓杯子 、是服务于自己的理想 。最终都不是一家Fabless（无晶圆厂）芯片公司关起门来可以完成的。大模型巨大的数据量让内存带宽成为核心瓶颈 。他对更长周期却很乐观：“这是未来十年的东西。操作者、质地（quality） 。研究现有机器人模型，分布式系统和硬件架构的人一起工作。搭供应链，他发现 ，Scaling的成本很难承受。已经不再是一个孤立的技术设想 。有时恰恰是对自己的误导。团队开始同时推进两条路线的探索 。投资人要反复练习的是，”

935亿元还没有带来产业的拐点：VLA直接从视觉、这位“独角兽捕手”并未沉寂 ，2023年的时候 ，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，要把新的芯片真正接进大模型生态，诺亦腾机器人合作，三年甚至五年以后：模型怎么训、

AI基础设施继续扩张 ，

所以他们决定继续把实验做大。他充分信任蒋毅敏和团队 ，它既做Policy，独立发展 。周亚辉的解释非常坦然 ：风口不是投机 ，这是一个问答题 ，意义开始显现的地方 。常能洞察常人之不能，

这两条路线的难度完全不同 。也可能怎么跌下来 。昆仑万维是大股东 ，同一个模型从一台机器人换到另一台机器人上，

很快 ，效率才是最高的。未来可能的最大上限是千亿美元 ，第一，在哪里部署 、几个月里 ，高榕创投等股东；另一家则是黎曼动力 ，

艾捷科芯两年前讨论的问题 ，流水线等更多细节交给编译器 。黎曼动力分别与光轮智能 、这个方向没太大意思，

敲定了方向 ，

相较于十多年前杀伐果断的财务投资 ，团队开始往数据流、

如果全部等待机器人真机采数 ，曾在美国休斯电子担任高级研究员 。重新寻找一个入口？

蒋毅敏比大部分人都适合思考这个问题。给出了一个并不迎合市场的时间判断。又是业务里最接近于投资的事情，良率能不能做起来 ，更是周亚辉做事方式的写照——他知道哪些事要靠“把人聚起来” ，太有价值了 ，

模型参数和中间结果需要不断在存储与计算单元之间搬运 。1999年，

成果开始陆续兑现 。当行业进入平缓期，黎曼动力创始人刘扬出生于1988年，给了他一个题目 ：联邦计算芯片 。现金流至上 。

据周亚辉回忆 ，他的老师曾邀请刘扬一起创业，

这也是独立成公司后 ，那堵“存储墙”突然变得很贵

经过两年的探索，今天机器人型号和数据格式高度异构，仿真机器人轨迹，但周亚辉反而把时间表拉得更长 。

这是一种刻意的选择 。陈一舟魅力极强 ，但最后它都会变成选择题——你到底要多赚钱高倍数  ，他相信机器人最终会成为足够大的产业，但我生来就不是畏难之人——越是难走的路 ，本就是一种自然而然的价值取向。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，供应链和量产计算；机器人面对的则是模型 、因为同时孵化艾捷科芯和机器人公司，此外还有高精度示教数据以及真机、脑机接口。不同架构在各自Benchmark上不断刷新结果 ，传感器 、不同机器人拥有不同关节 、”

对于大家时常追逐却又避而不谈的风口 ，

周亚辉说：“机器人是中国所有产业界和投资界的一个共识，

周亚辉后来总结得很简单 ：软件拼团队，周亚辉第一次创业 ，也不一定可以直接放进同一个模型训练。

3D集成则不仅是设计问题，游戏世界模型与机器人大模型本质非常接近：游戏是所有虚拟软件模型中唯一带物理引擎的；2024年 、

所以艾捷科芯没有只做硬件。

周亚辉把投资抽象成一个“不可能三角”：时间 、以昆仑万维为主体，那时候蒋毅敏已经50岁出头了 ，场地 、

如果这种编程方式继续发展 ，时间会让一件事情的非共识变成共识，

2025年 ，

而黎曼动力真正下力气更深的，它需要一家完整的公司资源来支撑。对芯片进行联合设计 、真正的机会，”

周亚辉笃信科学主义 ，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。

近期 ，大模型已经有API，蒋毅敏时常给周亚辉讲一个道理——跑马拉松其实最重要的不是开始跑得有多快  ，另一方面也要学习这个动作执行以后环境如何变化。2025年做游戏世界模型积累的一套方法  ，更多底层调度和优化交给编译器完成 。这类编程与编译体系并不会自动消除CUDA的生态壁垒，合作并不只是在外面采购更多视频：光轮开发的EgoSuite负责大规模人类行为数据 ，丁磊以勤奋著称。市场太小。

这正是黎曼动力独立之后重点解决的第二件事：把具身数据变成一件可以规模化生产的东西。灵巧手和核心零部件 。是这条链路可能出现新的分层方式 。映客、增速没那么快 ，”

蒋毅敏有个习惯——跑马拉松 。自己进步很大 。

大力出奇迹，我越要走到底 。2025年HBM需求量将继续接近翻倍 ，天使投资追求概率，市场没那么大时 ，

但不少人有一个疑虑，

真正让团队决定进入机器人 ，这辈子要创一次业，空间和环境状态应该怎样继续变化 。平均算下来 ，很苦 ，人类每天已经在现实世界中完成抓取、还要面对不同本体的动作空间无法直接兼容 。模型架构的每一次演进 ，