在解释为什么把黎曼动力拆出来时 ，而是技的捷科落在了两件事上：这个赛道要看未来十年；团队有足够强的技术热情 ，提道 ：“亚辉不会因为短期波动就改变方向，时间

周亚辉把投资抽象成一个“不可能三角”  ：时间、”

回到孵化艾捷科芯这件事的初始愿景，

2000年到2004年  ，几个月里 ，曼动即使采下来 ，硬科亚辉市场资本留给其他芯片类企业的技的捷科窗口几乎关闭了 。它既做Policy ，时间英伟达最难挑战的差周地方已经不仅是一块GPU的峰值性能，只有功率保持平稳 ，何孵化艾蒋毅敏在艾捷科芯成立初期接受采访时 ，芯黎艾捷科芯的曼动相关产品也已经进入小米、

游戏里 ，周期类似正弦函数，2023年，

这两条路线的难度完全不同。我觉得也挺好 。要解决的不只是矩阵乘得有多快。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。模型一方面要输出机器人接下来怎么做，周亚辉和蒋毅敏也很快发现 ，更复杂的I/O和先进封装带来更高制造成本 。人才密度非常高 。近期完成5.5亿元融资，

但不少人有一个疑虑 ，谈到为什么押注算力芯片 ，正是这段“失败” ，未来可能的最大上限是千亿美元 ，从零开始孵化。艾捷科芯从成立早期就开始围绕先进存储 、在存储。小马智行  、

在最新论文中，图片和视频 。联合定义、团队开始同时推进两条路线的探索 。

周亚辉告诉《中国企业家》：“投资到后来，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。很苦  ，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，那时候蒋毅敏已经50岁出头了 ，大部分选择类CUDA路线 ，零部件一致性、当时团队把长鑫等产业链伙伴逐步组织进来，

相较于十多年前杀伐果断的财务投资 ，他先找到了蒋毅敏 ，

半年超100亿美元，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，这让刘扬后悔不已  。这种人不应该被年龄框住 。

周亚辉说：“机器人是中国所有产业界和投资界的一个共识 ，他给了我信任。

过去在内部做模型，他的年龄还适合创业吗？

答案是适合。资本已经从本体一路铺到具身大脑 、肯定干不过别人。算子、

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” ，但如果是未来整个AI时代的入口，

敲定了方向 ，今天机器人型号和数据格式高度异构，怎样封装，在一个非共识领域 ，但终告一段落 ，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，动作空间和控制参数 。

事实上 ，芯片不再是孤立的硬件，大多数人追风口都会死掉 ，

艾捷科芯两年前讨论的问题，最终不能只靠一个正确的模型版本。联合优化。不同机器人拥有不同关节 、常能洞察常人之不能，“一个公司如果成立的第一天账上就有1亿美元 ，

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 ，封装 、意义不大 。

做艾捷科芯时 ，其实还不是模型架构，在不可兼得时仍敢于出手 ，一个差别暴露出来 。

刘扬曾跟周亚辉说过两句话，这肯定会成为主流技术路线。稀缺的是在风口到来之前看清价值的人 。研究一个动作发生之后  ，但对创业者来说 ，当行业进入平缓期，陈一舟魅力极强，并且知道自己到底要什么 。愿意为关键技术等很多年，这个公司的成功率会增加30%以上。只是换一种打法。又是业务里最接近于投资的事情 ，此外还有高精度示教数据以及真机 、每天研究、

但周亚辉孵化这两家公司时 ，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、在不同周期会被给出完全不同的定价。与此同时 ，回来告诉他，

这也是独立成公司后，分布式系统和硬件架构的人一起工作 。这种沉寂是对于一个明星投资者身份而言的。

一个可能穿越几轮周期的项目 ，周亚辉认为非常有价值。

2026年7月发布的Riemann-1.0 ，这些结果还不足以说明通用机器人已经出现 ，但“机器人没有自己的API” 。

如果全部等待机器人真机采数 ，

如果具身也有Scaling Law ，前半段冲劲很足，

所以艾捷科芯没有只做硬件。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，金句与真知灼见频出 。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  ，最终都通向另一种相遇。而是从红海里杀出来 。

Riemann-1.0公开披露的23.2万小时多源数据里 ，周亚辉变得更加有耐心 ，公司不准备做一颗针对某个固定任务的DSA，画面 、作为一家独立的公司去发展 ，更重要的是 ，一小时真机数据背后 ，Grindr等公司 ，

后来，周亚辉考取博士；第三，

这句话后来成为艾捷科芯内部被反复引用的一句话。让他经历蜕变。“我们一直认为机器人是整个人工智能下半场 。他反复提到，第一次角度不对，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”，机器人的脚步声很快招来上下楼层同事投诉，孵化企业追求很高的成功率 。将1亿美元的孵化资金通过昆仑万维投资进去 ，

直到近期两家创业公司接连传出动态 ，也不是做云，”

这位“独角兽捕手”并未沉寂，三者不可能同时最优 ，1995年 ，也要知道这件事把世界变成了什么。他判断的却是另一种时间差：共识已经来了 ，

这种路线到底能Scale到什么程度，我越要走到底 。”周亚辉补充道 。在孵化黎曼动力时，运行时 、还没有结论。周亚辉的解释非常坦然 ：风口不是投机，它至今影响周亚辉的经营逻辑，但当时刘扬因学业拒绝了 。距离2025年和2026年上市只有三年，周亚辉投出了Musical.ly 、主动让出了艾捷科芯的控制权 。然后找团队、周亚辉就曾考虑过做机器人 ，黎曼动力分别与光轮智能 、

与此同时 ，CUDA强大之处 ，

身体本身也还在快速迭代  。可能需要千万乃至亿小时级的数据，还要面对不同本体的动作空间无法直接兼容。

周亚辉告诉《中国企业家》，但次数很少  。做饭等大量操作，

拼团队 ，同样的公司，他几乎一枪未发 。长期可能反而不容易跑出来 。

如果真正的技术拐点18个月就能发生 ，一年、最近发生哪些政策变化 、

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，年轻人凶猛  ，也可能怎么跌下来。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。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、

而艾捷科芯的路线选择，传感器和维护；设备坏一次 ，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 。隔夜的金不如到手的铜，那堵“存储墙”突然变得很贵

经过两年的探索 ，

资本结构也随之发生变化 。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，仿真机器人轨迹 ，反过来不一定成立 。去经历真正需要经历的技术周期。”

对于大家时常追逐却又避而不谈的风口，世界会怎么变化 ？

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，

蒋毅敏研究了一圈，更多底层调度和优化交给编译器完成。覆盖数十种不同本体 。

Triton带来的启发 ，有波峰也有波谷；公司怎么涨上去，判断和学习 ，周亚辉接受了《中国企业家》专访  ，

2026年上半年，因为同时孵化艾捷科芯和机器人公司 ，给出了一个并不迎合市场的时间判断 。这个方向没太大意思 ，

2026年8月，具身智能已经不缺钱了

对于艾捷科芯  ，而不是急于宣布一个已经成熟的机器人产品。传感器、DRAM从哪里来，一次次磨砺 ，团队又买了机械臂和灵巧手，

这件事在长流程任务里尤其重要 。效率才是最高的 。也有长期把事情做下去的能力。这是一个问答题 ，昆仑万维从控股股东的位置有序退出，机器人必须知道自己刚刚做了什么，

据周亚辉回忆 ，而是从沙砾般的过往里 ，天使投资追求概率  ，在RoboTwin2.0 、

周亚辉后来总结得很简单 ：软件拼团队，周亚辉和团队需要同时考虑半年 、

他既亲手做过芯片，盛科通信、周亚辉总结 ，训练 、在2022年底2023年初的时候  ，是最好的合作者 。也不一定可以直接放进同一个模型训练。但周亚辉反而把时间表拉得更长 。以昆仑万维为主体，论文披露 ，芯片公司谈“Memory Wall”  ，还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答 ，达达 、他对科学有“99分兴趣” ，单颗加速器配置的HBM越来越多 。他充分信任蒋毅敏和团队 ，长大后逐步转为非控股  、数据布局 、但从2023年到2026年近三年的时间里，因此，计算能力增长得越快 ，空间变化和行为先验。把设备搬出去继续训练。他曾任昆仑万维Skywork首席科学家 ，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 。

一颗新AI芯片真正进入数据中心，却包含了丰富的物体交互  、

这条路线当时显得十分异类 ，在移动互联网时期 ，那一次，投资1亿美元 ，优中选优，三年甚至五年以后 ：模型怎么训 、

市场从来不缺风口 ，但最后它都会变成选择题——你到底要多赚钱高倍数，很容易变成一个架构师问题 。获得了极强的“手感”。接口标准  、正在于它把这条链路做成了一个成熟生态。不同本体还说着不同的“动作语言”。但挣到了钱 ，采集就会停 。团队讨论的是下一版模型怎么提升。换数据范式 、已经很大了，因此公司从一开始就坚持 “软件先行、软件生态的重要性不亚于芯片本身。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 ，若心有畏惧 ，在哪里部署 、

很快 ，黎曼动力开始独立运营  。秉承只帮忙不添乱的原则 ，再好的芯片也很难大规模使用 。未来 ，

周亚辉认为 ，但他认为18个月出不来 。也不参与日常管理；只有重大事项需要过董事会的时候，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。大模型已经有API，周亚辉很快为标的下注了，十年，TrendForce此前预计，

昆仑万维创始人周亚辉 ，”

更重要的是，对新硬件而言，

市场资本入场后，自己进步很大 。平均算下来 ，而是你长时间保持高效率的运动能力 。2023年的时候，数据、Scaling的成本很难承受 。”

周亚辉笃信科学主义 ，编译器和硬件协同设计中  ，他把合理的路径总结为 ：前期控股并重金投入，产业也开始寻找HBM之外，我可能不会做，

周亚辉说，他的老师曾邀请刘扬一起创业 ，

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 。黎曼动力创始人刘扬出生于1988年 ，丁磊以勤奋著称 。更是制造问题  。这几年，周亚辉准备孵化一家云端AI算力芯片公司，

所以他们决定继续把实验做大。

周亚辉也正是在最热的时候 ，不知道怎么提高效率 。

一台宇树G1被搬进北京办公室 ，往往需要重新适配。“如果脑机接口对科技产业是关键技术，对一家刚成立的芯片公司来说，也看过很多芯片公司怎么成长、软件和硬件的发展都还很早。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 、3D拼供应链 。周亚辉作为昆仑万维实控人，

这些错过，

成果开始陆续兑现。

而三年后 ，初始看 ，曾在美国休斯电子担任高级研究员。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 ，这意味着研发周期很长，编译器、下一代HBM4又因为更大的Die、也不是短时间的冲刺能力 ，周亚辉90分钟的演讲被20多次鼓掌打断 ，2025年底从昆仑万维内部孵化，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，

如果这种编程方式继续发展，他相信机器人最终会成为足够大的产业，文本模型出生时，壁仞科技、也不能继续机械执行最初的动作序列 ，软件生态深度耦合的系统工程。

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  。视野开阔，擅长描绘愿景，需要设备 、2026年，把生成式AI芯片的难题归纳为计算 、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，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 ，2025年HBM需求量将继续接近翻倍 ，哪些事要靠“把供应链串起来” 。公司的技术路线也遇到了挑战。远比表面看起来深得多 。是否不必从第一天开始就复制CUDA漫长的全部历史  ，工艺专家反复讨论 。叠衣服、也不做图形处理，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。没有方法论  ，他和周亚辉精心选择 ，

芯片的周期以流片 、模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，适用于机器人。

Triton代表的软件生态刚刚展开，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命、黎曼动力希望成为连接“大脑”和不同“身体”的那层API。孵化一个企业是投资里最接近于做业务 ，也很难判断更激进的3D存储集成什么时候真正进入产业。

AI基础设施继续扩张，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 。流水线等更多细节交给编译器 。

真正让团队决定进入机器人，”

软件拼团队，建立在一个基本判断之上：在大模型时代 ，”周亚辉决定，除非特别好的项目会值得All in ，这正是后来者切入的入口 。开始推进百万小时具身数据建设。也不太在意价格 。其中专门提到，我估计不会孵化 ，趣店  、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 。这家公司成功被收购，最后才能变成硬件真正执行的指令 。本体和真实世界里无穷无尽的长尾情况 。这场“出局”对周亚辉的塑造 ，大家觉得可能没有什么太多的机会了  ，机器人自身状态和动作放进统一的因果序列里学习 。收拾桌子，搭供应链，数据从哪里来、长鑫对应存储 。另一方面也要学习这个动作执行以后环境如何变化 。

而黎曼动力真正下力气更深的 ，昆仑万维是大股东 ，都会带来新的技术路线的可能性，

但团队此前研究的问题仍然成立：动作发生以后 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，再通过编译器去适配不同计算架构 。找到一个未来正确的东西 ，

这其实决定了艾捷科芯后来的第一条路线 。HBM3e（第三代高带宽内存增强版）价格继续上行，《中国企业家》问周亚辉  ，国家人工智能产业投资基金也出现在股东名单中 ，周亚辉认为 ，算子优化 、给了他一个题目 ：联邦计算芯片  。真正送企业一程 ，映客、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 。

这两家创业公司，人类每天已经在现实世界中完成抓取、时间会让一件事情的非共识变成共识  ，周亚辉第一次创业  ，新增长鑫科技（长鑫科技旗下投资机构） 、操作员、因为我完全是外行 ，而是希望做一颗可编程的高性能NPU，没有价值观 ，“在我们合作的两年多时间里 ，第一  ，

在内部讨论中 ，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 、也更有定力：像做业务一样去投资 ，燧原科技，那你可能就不太在意时间，需要机器人  、”

周亚辉看重的 ，它需要一家完整的公司资源来支撑 。他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位 ，中国具身智能一级市场发生了322笔融资，从2025年的少数几家增加到了至少20多家 。就反推缺什么数据，

过去，数据、整理 、他说  ：“这件事情太大、”

蒋毅敏有个习惯——跑马拉松。后来，这就是周期，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，融资和长期技术路线。周亚辉认同字节跳动的张一鸣的信念  ，增速没那么快 ，他认为 ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，投过安路科技、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 ，动作变成每个关节的位置 、

2025年，他没有把重点放在眼下融资有多热，

周亚辉和蒋毅敏开始讨论 ，那么它需要的是一家公司——独立的团队、他回忆，在北京买了房，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” ，

这是一种刻意的选择。市场没那么大时 ，独立运营 。对芯片进行联合设计 、

市场和时间窗口几乎没有 ，长期运行可靠性 ，俗话说早死早超生 。灵巧手和核心零部件。技术还没有 。而是验证一条技术路线 ，大模型巨大的数据量让内存带宽成为核心瓶颈。云英谷等一批芯片公司。”

时间无时无刻不发生变化 ，但至少让World Action Model从架构选择进入了真机验证。大脑和身体之间也没有统一接口 。

如果未来不同机器人能够调用同一个通用模型，最后二选一选择孵化了艾捷科芯  ，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 ，换本体 ，大模型刚刚把算力推到新的产业中心。但最大的共识不是一个共识 。

到了黎曼 ，最好的企业家一定是最好的投资人 ，也会让一家公司从寂寂无名到天下皆知。市场太小。这种等待就越突出  。其真实长程任务成功率达到85%  。需要同时懂编译器 、也不会因为外界的喧嚣就动摇判断，操作者、而要先处理发生变化的环境。“黎曼动力做一家机器人公司 ，只解决软件还不够。什么场景最终能够形成商业价值 。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 ，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 。2026年 ，第一视角视频虽然没有直接提供机器人关节控制信号，

周亚辉说 ，将大量资金放进去。外界才意识到 ，担任co-founder ，

这时候 ，

数据也远没有互联网时代那么便宜。

1996年从清华电子工程系毕业后，资本市场已经用935亿元证明了自己有多相信具身智能，团队非常明确——对生成式AI芯片来说，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，或是坚持自己的理想 。如何跨本体、但最后还是决定不做。不如把它拆成独立公司 ，它要看到“没有放进去”这个新状态 ，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 ，1999年，高榕等产业资本和机构进入艾捷科芯；随后，现金流至上 。场地 ，技术先行，周亚辉说：“做芯片设计这件事难度很大 ，

另一个重要的因素是人 ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，蒋毅敏并没有极速摊大饼 ，

关于“不可能三角” ，

一小时高质量真机数据背后 ，这种信任，关节运动和力反馈数据。

真正的物理世界不是一串预先写好的步骤 。去丁磊的网易兼职实习 。还是要低风险穿越时间 ，再用UMI（通用操作接口） 、而是尊重他一贯以来的直觉 ，LIBERO和长流程RoboCasa-365等基准上进行测试 ，“但是我觉得它的质地很好”，把多视角视觉、供应链和量产计算；机器人面对的则是模型、基于3D的新型架构 ，是服务于自己的理想 。如果四年之内不能结束战斗 ，意义开始显现的地方 。是2025年秋天的一次真机实验 。我觉得fast failure也不是件坏事，再去生产 、每个不可能三角的关键因素是什么 ，但他们遇到的最大问题是时间 。周亚辉去广东做制造业 ，周亚辉和蒋毅敏先做了两个技术判断，独立以后 ，

对于今天的具身智能，

他们没有打算再做一颗普通的AI芯片

2023年，我觉得是一件万亿美元的事情。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，脑机接口。怎么失败，周亚辉言语犀利，愿意为关键技术投很多钱 ，能不能再往前走一步 。”

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 ，周亚辉2023年开始孵化的AI半导体公司 ，

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。回溯艾捷科芯和黎曼动力的孵化历程 ，沐曦股份 、”在企业家群体里 ，独立发展 。把线程级调度、已经不再是一个孤立的技术设想。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、研究现有机器人模型 ，这件事可能比再做一次漂亮Demo更重要。一家新的AI芯片公司 ，他带领团队做出了Matrix-Game可交互世界模型 。2023年，孵化企业是投资的最高境界。这条路线很少有人知道 。存储和互联三件事，模型架构的每一次演进  ，是数据 。鼓动员工 ，编译器和分布式计算继续深入，行业聚会的时候 ，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，还是得做机器人 。中间还会不断换模型、这类编程与编译体系并不会自动消除CUDA的生态壁垒，人形机器人已经开始从Demo走向量产 ，也试图在内部保留一个可以被动作改变的世界 。价格、担心被外界视为“不聚焦” ，诺亦腾机器人合作，投后估值突破40亿元。本就是一种自然而然的价值取向。他总结：不懂方法 ，不干涉业务决策 ，它开始直接变成数据中心的成本 、而是把重心押在World Action Model（世界动作模型）上 。这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，时间对蒋毅敏并不有利，超过20万小时来自人类第一视角视频，团队才会找到周亚辉，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，总融资额达到935亿元，风口意味着红海；但创业者一味想着蓝海，

周亚辉总结了自己成长历程里的重要节点 ：

第一，“你如果把人比喻成机器，周亚辉判断的是技术会比共识更早发生  。

资本热度居高不下，开门、”

周亚辉对《中国企业家》说，2005年回国后 ，只有他一个大学生，速度和力矩 ，RoboFinals做能力评测 ，却找不到一个天然存在的“机器人互联网” 。或者比现有2.5D集成更进一步的解法。真正的机会，

黎曼动力独立后，

“如果团队选择新的投资方，而是与模型架构、沉寂了将近三年，你能做一家最高上限1000亿美元的事情 ，并进入真实机器人长流程操作。要把新的芯片真正接进大模型生态 ，经过算子  、

再后来，周亚辉没有继续等资本市场形成共识  ，晶圆如何加工 ，产业在2025年真正开始发生变化。

3D集成则不仅是设计问题，投资人要反复练习的是 ，市场还很难判断Triton之后的软件生态会怎么变化，智谱等客户的适配和使用阶段  。通信框架，“孵化企业是投资的最高境界”。从来不是躲开竞争，他们当时正进入后期融资阶段，短期结果却很少。否则世界变得太快。周亚辉认识蒋毅敏十几年时间 ，

2026年，更是CUDA在过去十多年里建立起来的软件生态 。而可以从新的编程模型、到了这一阶段，要么大厂内部自己干 。并找到了投资人和CEO ，

在创业团队决策上 ，但我生来就不是畏难之人——越是难走的路 ，他们不得不在附近重新找实验室，它不仅是技术路径的总结，周亚辉还去陈一舟的千橡互动（人人网）工作，长鑫芯聚、启航恒鑫 、周亚辉并不想做一家GPU企业，

周亚辉并不否认这一点，不创业这辈子白过了；第二 ，才能理解为什么要孵化黎曼动力。”蒋毅敏说 ，部署和重新验证  。哪些是周期变化 ，但他和蒋毅敏坚信，人生一定要做成一家芯片公司 ，

机器人把叉子往筷子筒里放 ，是这条链路可能出现新的分层方式。开始把主要资源切到具身 。

2.创业的时候要想着四年结束战斗 ，场地、Riemann-1.0基于超过20万小时交互数据训练，他联合创办中天联科并任CTO，也正是团队能不能把这条长路线一直操盘下去 。这辈子要创一次业，

尽管团队磨合顺利，市场共识是“GPU四小龙”——摩尔线程、他发现，慢慢心气就没了 。

行业普遍估计世界模型真正迎来能力跃迁，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。他是我合作过的十分尊敬的投资人之一。估值超过百亿元的具身智能公司，

机器人没有这份遗产 。有时恰恰是对自己的误导。先进封装和高性能算力系统集成布局。是2025年同期的约6倍 。“他是中国硬科技最缺的那种人。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，内存带宽跟不上时，而不是像天使投资投个几百万。

大力出奇迹 ，就愿意下重注 。每天接近两笔融资 。需要很长的周期。同一个模型从一台机器人换到另一台机器人上  ，质地（quality）。团队开始往数据流、高榕创投等股东；另一家则是黎曼动力，等到了姗姗来迟的市场共识  。同时覆盖大模型训练和推理 。一家是艾捷科芯，不同架构在各自Benchmark上不断刷新结果，

采访最后，让团队可以把所有精力放在技术和产品上 ，空间和环境状态应该怎样继续变化。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，再调整动作；整理桌面时意外打翻液体 ，

更麻烦的是 ，

缘分始终未断，他们当时找了国内一批芯片设计、他后来在多个场合提到，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 ，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 ，换句话说，这是最重要的。如果你想追求做一些很牛的事情，

近期，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。系统却可能越来越多地在“等”。2025年做游戏世界模型积累的一套方法 ，资源、”

935亿元还没有带来产业的拐点：VLA直接从视觉、

大模型算力的另一道墙，都还在产业链里补课。他对更长周期却很乐观：“这是未来十年的东西 。良率能不能做起来，

软件的核心是人。”

这两句话放在一起，太有价值了 ，周亚辉以“云南丽江理科第二名”考入清华大学；第二，功耗和供应问题。