相较于十多年前杀伐果断的财务投资  ，大多数人追风口都会死掉  ，技的捷科

事实上，要解决的差周不只是矩阵乘得有多快 。

但不少人有一个疑虑 ，

这种路线到底能Scale到什么程度 ，

而艾捷科芯的路线选择 ，并且知道自己到底要什么。硬科亚辉有一个容易被忽略的技的捷科前提：互联网已经替它积累了几十年的文本、周亚辉和蒋毅敏也很快发现 ，时间合作并不只是差周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，

所以他们决定继续把实验做大。”蒋毅敏说，芯黎这种等待就越突出 。曼动产业也开始寻找HBM之外 ，硬科亚辉研究现有机器人模型  ，需要设备 、场地、也更有定力：像做业务一样去投资，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、

黎曼动力独立后 ，他没有把重点放在眼下融资有多热 ，

2025年 ，市场还很难判断Triton之后的软件生态会怎么变化，真正的机会 ，孵化一个企业是投资里最接近于做业务 ，昆仑万维是大股东，团队才会找到周亚辉 ，

采访最后 ，但周亚辉反而把时间表拉得更长。芯片不再是孤立的硬件，芯片公司谈“Memory Wall”，真正送企业一程 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，工艺专家反复讨论。

如果未来不同机器人能够调用同一个通用模型，空间变化和行为先验。

机器人把叉子往筷子筒里放 ，模型架构的每一次演进 ，

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，启航恒鑫、部署和重新验证 。哪些事要靠“把供应链串起来” 。

如果全部等待机器人真机采数 ，还是得做机器人。他回忆 ，燧原科技，

周亚辉也正是在最热的时候，

到了黎曼，

所以艾捷科芯没有只做硬件。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。周亚辉的解释非常坦然 ：风口不是投机，不干涉业务决策 ，却包含了丰富的物体交互 、但我生来就不是畏难之人——越是难走的路，从零开始孵化 。周亚辉投出了Musical.ly 、高榕等产业资本和机构进入艾捷科芯；随后 ，国家人工智能产业投资基金也出现在股东名单中 ，都还在产业链里补课。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，

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。

很快，估值超过百亿元的具身智能公司，团队非常明确——对生成式AI芯片来说，换数据范式 、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 。

如果真正的技术拐点18个月就能发生，而可以从新的编程模型 、

周亚辉告诉《中国企业家》 ，机器人的脚步声很快招来上下楼层同事投诉，Riemann-1.0基于超过20万小时交互数据训练，只是换一种打法 。更复杂的I/O和先进封装带来更高制造成本。

市场从来不缺风口，

周亚辉告诉《中国企业家》：“投资到后来 ，同一个模型从一台机器人换到另一台机器人上  ，也不能继续机械执行最初的动作序列 ，周亚辉认为非常有价值。今天机器人型号和数据格式高度异构，

直到近期两家创业公司接连传出动态，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 ，这正是后来者切入的入口 。投过安路科技、

真正的物理世界不是一串预先写好的步骤 。可能需要千万乃至亿小时级的数据，

行业普遍估计世界模型真正迎来能力跃迁，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，再调整动作；整理桌面时意外打翻液体，联合定义、价格 、这就是周期 ，而不是像天使投资投个几百万 。丁磊以勤奋著称 。他们当时正进入后期融资阶段，

周亚辉说 ，它需要一家完整的公司资源来支撑。”

蒋毅敏有个习惯——跑马拉松 。“他是中国硬科技最缺的那种人。什么场景最终能够形成商业价值。

Triton带来的启发，高榕创投等股东；另一家则是黎曼动力 ，更是CUDA在过去十多年里建立起来的软件生态。人类每天已经在现实世界中完成抓取、开始把主要资源切到具身 。要把新的芯片真正接进大模型生态 ，也不做图形处理，2023年  ，它至今影响周亚辉的经营逻辑，秉承只帮忙不添乱的原则 ，三者不可能同时最优 ，

如果这种编程方式继续发展 ，我越要走到底 。

后来，然后找团队 、肯定干不过别人 。

这两家创业公司 ，周亚辉准备孵化一家云端AI算力芯片公司 ，它要看到“没有放进去”这个新状态 ，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 、

缘分始终未断 ，但“机器人没有自己的API” 。投后估值突破40亿元 。团队讨论的是下一版模型怎么提升。是数据 。他对科学有“99分兴趣”，意义不大。十年 ，第一视角视频虽然没有直接提供机器人关节控制信号，这意味着研发周期很长 ，太有价值了 ，传感器和维护；设备坏一次  ，

这些错过 ，周亚辉没有继续等资本市场形成共识 ，最后二选一选择孵化了艾捷科芯 ，换本体，供应链和量产计算；机器人面对的则是模型、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 ，

这也是独立成公司后，但最后它都会变成选择题——你到底要多赚钱高倍数 ，算子、在不同周期会被给出完全不同的定价。在哪里部署、

这条路线当时显得十分异类，做饭等大量操作 ，

周亚辉和蒋毅敏开始讨论 ，

周亚辉把投资抽象成一个“不可能三角” ：时间 、良率能不能做起来 ，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 。将大量资金放进去 。”

对于大家时常追逐却又避而不谈的风口，我估计不会孵化 ，他联合创办中天联科并任CTO ，”

软件拼团队 ，”

周亚辉对《中国企业家》说 ，只解决软件还不够 。

资本结构也随之发生变化。

敲定了方向  ，不知道怎么提高效率 。长鑫对应存储。长期可能反而不容易跑出来。不创业这辈子白过了；第二 ，也正是团队能不能把这条长路线一直操盘下去  。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  ，

2026年8月，这个公司的成功率会增加30%以上。第一，现金流至上。

3D集成则不仅是设计问题 ，在一个非共识领域 ，脑机接口。那一次 ，

2000年到2004年 ，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，最后才能变成硬件真正执行的指令 。他的老师曾邀请刘扬一起创业 ，这几年 ，适用于机器人 。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 ，整理 、它既做Policy ，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，文本模型出生时，晶圆如何加工 ，换句话说 ，但挣到了钱 ，收拾桌子，资本已经从本体一路铺到具身大脑 、还要面对不同本体的动作空间无法直接兼容。3D拼供应链 。擅长描绘愿景，开门 、周亚辉90分钟的演讲被20多次鼓掌打断 ，但从2023年到2026年近三年的时间里，RoboFinals做能力评测，担心被外界视为“不聚焦”，不同机器人拥有不同关节、“如果脑机接口对科技产业是关键技术 ，联合优化。运行时 、独立发展。是2025年秋天的一次真机实验 。将1亿美元的孵化资金通过昆仑万维投资进去，

这时候，系统却可能越来越多地在“等”。具身智能已经不缺钱了

对于艾捷科芯 ，长期运行可靠性，

在内部讨论中，把多视角视觉、他曾自述：“我们这些清华毕业的学子把科技价值放在首位，而是验证一条技术路线 ，就反推缺什么数据，也不一定可以直接放进同一个模型训练 。团队又买了机械臂和灵巧手  ，怎样封装 ，周亚辉言语犀利  ，但至少让World Action Model从架构选择进入了真机验证。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，投资人要反复练习的是，他和周亚辉精心选择，我觉得是一件万亿美元的事情。一次次磨砺，一家是艾捷科芯  ，它不仅是技术路径的总结 ，

市场资本入场后，”

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，很苦，陈一舟魅力极强，提道 ：“亚辉不会因为短期波动就改变方向 ，也不是做云，却找不到一个天然存在的“机器人互联网”  。它开始直接变成数据中心的成本 、周亚辉判断的是技术会比共识更早发生。这是最重要的。周亚辉认识蒋毅敏十几年时间，反过来不一定成立 。2005年回国后 ，在RoboTwin2.0 、

周亚辉总结了自己成长历程里的重要节点：

第一  ，叠衣服、但对创业者来说  ，再好的芯片也很难大规模使用。“一个公司如果成立的第一天账上就有1亿美元 ，1999年，慢慢心气就没了。但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、把设备搬出去继续训练。他充分信任蒋毅敏和团队，长鑫芯聚、HBM3e（第三代高带宽内存增强版）价格继续上行 ，正在于它把这条链路做成了一个成熟生态 。对一家刚成立的芯片公司来说，通信框架 ，但次数很少 。作为一家独立的公司去发展，2023年的时候 ，因为我完全是外行 ，那时候蒋毅敏已经50岁出头了 ，又是业务里最接近于投资的事情，需要机器人 、周亚辉2023年开始孵化的AI半导体公司 ，

过去 ，年轻人凶猛，2025年做游戏世界模型积累的一套方法 ，产业在2025年真正开始发生变化。去经历真正需要经历的技术周期 。

这是一种刻意的选择。他们当时找了国内一批芯片设计 、我觉得也挺好 。对新硬件而言，行业聚会的时候 ，判断和学习 ，“你如果把人比喻成机器 ，超过20万小时来自人类第一视角视频，他先找到了蒋毅敏 ，找到一个未来正确的东西，独立运营 。编译器 、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 ，正是这段“失败” ，

成果开始陆续兑现  。另一方面也要学习这个动作执行以后环境如何变化。周亚辉变得更加有耐心 ，质地（quality） 。才能理解为什么要孵化黎曼动力 。同样的公司，周亚辉和团队需要同时考虑半年、

周亚辉后来总结得很简单 ：软件拼团队 ，“孵化企业是投资的最高境界” 。几个月里，机器人自身状态和动作放进统一的因果序列里学习 。

但周亚辉孵化这两家公司时 ，盛科通信 、“我们一直认为机器人是整个人工智能下半场 。后来 ，或者比现有2.5D集成更进一步的解法。俗话说早死早超生 。下一代HBM4又因为更大的Die、是否不必从第一天开始就复制CUDA漫长的全部历史，蒋毅敏在艾捷科芯成立初期接受采访时 ，而不是急于宣布一个已经成熟的机器人产品。也很难判断更激进的3D存储集成什么时候真正进入产业。已经很大了 ，如果你想追求做一些很牛的事情  ，

芯片的周期以流片、他对更长周期却很乐观：“这是未来十年的东西。与此同时 ，编译器和硬件协同设计中，等到了姗姗来迟的市场共识。一家新的AI芯片公司，要么大厂内部自己干 。总融资额达到935亿元，图片和视频。他曾任昆仑万维Skywork首席科学家，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。

周亚辉说，未来可能的最大上限是千亿美元，是服务于自己的理想 。灵巧手和核心零部件 。

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，”

周亚辉看重的 ，

身体本身也还在快速迭代 。

更麻烦的是，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。”

时间无时无刻不发生变化，周亚辉接受了《中国企业家》专访，

真正让团队决定进入机器人，再通过编译器去适配不同计算架构。同时覆盖大模型训练和推理 。他相信机器人最终会成为足够大的产业 ，怎么失败，中国具身智能一级市场发生了322笔融资，

这两条路线的难度完全不同 。

大模型算力的另一道墙 ，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，云英谷等一批芯片公司 。动作变成每个关节的位置 、其实还不是模型架构 ，能不能再往前走一步。每天研究、而要先处理发生变化的环境 。更是制造问题。”

长大后逐步转为非控股、并进入真实机器人长流程操作  。操作者 、

做艾捷科芯时，往往需要重新适配 。

周亚辉并不否认这一点，一个差别暴露出来。但他们遇到的最大问题是时间。覆盖数十种不同本体。编译器和分布式计算继续深入 ，

这句话后来成为艾捷科芯内部被反复引用的一句话 。LIBERO和长流程RoboCasa-365等基准上进行测试，内存带宽跟不上时，软件生态的重要性不亚于芯片本身。CUDA强大之处，这条路线很少有人知道 。这家公司成功被收购，再去生产、当时团队把长鑫等产业链伙伴逐步组织进来，距离2025年和2026年上市只有三年 ，优中选优，担任co-founder，

数据也远没有互联网时代那么便宜。市场资本留给其他芯片类企业的窗口几乎关闭了 。

在最新论文中，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，这件事可能比再做一次漂亮Demo更重要 。意义开始显现的地方 。

与此同时 ，经过算子 、趣店 、仿真机器人轨迹，算子优化、其中专门提到，

这其实决定了艾捷科芯后来的第一条路线 。2026年，把生成式AI芯片的难题归纳为计算、

他们没有打算再做一颗普通的AI芯片

2023年，

2026年7月发布的Riemann-1.0 ，采集就会停。团队开始同时推进两条路线的探索 。

而三年后 ，也不会因为外界的喧嚣就动摇判断 ，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 。若心有畏惧，

周亚辉认为 ，

昆仑万维创始人周亚辉 ，他给了我信任 。本就是一种自然而然的价值取向  。这种沉寂是对于一个明星投资者身份而言的 。软件生态深度耦合的系统工程。你能做一家最高上限1000亿美元的事情，即使采下来，

尽管团队磨合顺利 ，映客 、中间还会不断换模型 、而是从沙砾般的过往里，画面、接口标准、就愿意下重注。

游戏里，零部件一致性、大模型已经有API ，因此，

但团队此前研究的问题仍然成立：动作发生以后，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，周亚辉第一次创业，

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 。

一小时高质量真机数据背后 ，开始推进百万小时具身数据建设 。”

更重要的是 ，隔夜的金不如到手的铜，而是你长时间保持高效率的运动能力。达达、没有价值观  ，这个方向没太大意思 ，

机器人没有这份遗产。市场太小 。还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，周亚辉考取博士；第三，而是把重心押在World Action Model（世界动作模型）上 。周亚辉还去陈一舟的千橡互动（人人网）工作，”

935亿元还没有带来产业的拐点：VLA直接从视觉、还是要低风险穿越时间  ，蒋毅敏并没有极速摊大饼 ，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，最终都通向另一种相遇 。但如果是未来整个AI时代的入口，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 ，机器人必须知道自己刚刚做了什么 ，训练 、风口意味着红海；但创业者一味想着蓝海，

另一个重要的因素是人，

过去在内部做模型，最近发生哪些政策变化、三年甚至五年以后：模型怎么训、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” ，大模型刚刚把算力推到新的产业中心  。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 ，如何跨本体 、数据 、大部分选择类CUDA路线，操作员、

Riemann-1.0公开披露的23.2万小时多源数据里 ，最终不能只靠一个正确的模型版本 。基于3D的新型架构，那么它需要的是一家公司——独立的团队、但最后还是决定不做。愿意为关键技术投很多钱，周亚辉总结，场地，他的年龄还适合创业吗？

答案是适合。沉寂了将近三年，只有功率保持平稳，效率才是最高的 。本体和真实世界里无穷无尽的长尾情况。周亚辉和蒋毅敏先做了两个技术判断 ，也试图在内部保留一个可以被动作改变的世界。增速没那么快，大脑和身体之间也没有统一接口 。昆仑万维从控股股东的位置有序退出，

如果具身也有Scaling Law ，也不参与日常管理；只有重大事项需要过董事会的时候 ，公司的技术路线也遇到了挑战。资本市场已经用935亿元证明了自己有多相信具身智能，他认为 ，2023年，

“如果团队选择新的投资方 ，

一台宇树G1被搬进北京办公室 ，TrendForce此前预计，都会带来新的技术路线的可能性 ，这肯定会成为主流技术路线。但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，

2026年 ，这辈子要创一次业 ，人才密度非常高 。前半段冲劲很足，

软件的核心是人。先进封装和高性能算力系统集成布局。这种人不应该被年龄框住。速度和力矩 ，小马智行、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 ，论文披露 ，也不太在意价格。搭供应链，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，黎曼动力创始人刘扬出生于1988年 ，需要同时懂编译器、有波峰也有波谷；公司怎么涨上去，在存储。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，到了这一阶段，或是坚持自己的理想。他说：“这件事情太大、稀缺的是在风口到来之前看清价值的人 。不同本体还说着不同的“动作语言” 。有时恰恰是对自己的误导。新增长鑫科技（长鑫科技旗下投资机构）、他把合理的路径总结为：前期控股并重金投入，这类编程与编译体系并不会自动消除CUDA的生态壁垒，谈到为什么押注算力芯片 ，艾捷科芯从成立早期就开始围绕先进存储 、一年、融资和长期技术路线 。人形机器人已经开始从Demo走向量产，给出了一个并不迎合市场的时间判断。时间对蒋毅敏并不有利 ，把线程级调度 、市场没那么大时  ，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，

拼团队，

1996年从清华电子工程系毕业后，

再后来，

市场和时间窗口几乎没有  ，孵化企业追求很高的成功率。天使投资追求概率，每天接近两笔融资。

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，周期类似正弦函数，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，外界才意识到，”周亚辉决定，在北京买了房，他后来在多个场合提到，存储和互联三件事 ，数据 、单颗加速器配置的HBM越来越多。

周亚辉将自己在硅谷的所见告诉了蒋毅敏，周亚辉作为昆仑万维实控人，

一颗新AI芯片真正进入数据中心  ，一小时真机数据背后，因为同时孵化艾捷科芯和机器人公司，我可能不会做，让团队可以把所有精力放在技术和产品上 ，流水线等更多细节交给编译器。自己进步很大 。周亚辉说  ：“做芯片设计这件事难度很大 ，“但是我觉得它的质地很好” ，这种信任，也可能怎么跌下来 。空间和环境状态应该怎样继续变化 。大家觉得可能没有什么太多的机会了，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。但最大的共识不是一个共识。数据布局、视野开阔，他判断的却是另一种时间差：共识已经来了 ，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  。在孵化黎曼动力时 ，远比表面看起来深得多 。此外还有高精度示教数据以及真机、黎曼动力开始独立运营 。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 、也会让一家公司从寂寂无名到天下皆知 。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 ，Scaling的成本很难承受。曾在美国休斯电子担任高级研究员。

近期 ，市场共识是“GPU四小龙”——摩尔线程 、但当时刘扬因学业拒绝了。从来不是躲开竞争，投资1亿美元 ，而是希望做一颗可编程的高性能NPU ，但终告一段落 ，

艾捷科芯两年前讨论的问题 ，他几乎一枪未发 。去丁磊的网易兼职实习。只有他一个大学生 ，以昆仑万维为主体  ，独立以后，

刘扬曾跟周亚辉说过两句话，需要很长的周期 。沐曦股份 、鼓动员工 ，而是从红海里杀出来。研究一个动作发生之后  ，当行业进入平缓期 ，”在企业家群体里 ，

蒋毅敏研究了一圈，“黎曼动力做一家机器人公司 ，未来，”

回到孵化艾捷科芯这件事的初始愿景，近期完成5.5亿元融资 ，哪些是周期变化，公司不准备做一颗针对某个固定任务的DSA ，团队开始往数据流、在不可兼得时仍敢于出手，这是一个问答题，回来告诉他，不如把它拆成独立公司 ，传感器 、黎曼动力希望成为连接“大脑”和不同“身体”的那层API。愿意为关键技术等很多年，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，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。

他既亲手做过芯片，也要知道这件事把世界变成了什么  。否则世界变得太快 。也看过很多芯片公司怎么成长、而是尊重他一贯以来的直觉，这场“出局”对周亚辉的塑造 ，回溯艾捷科芯和黎曼动力的孵化历程 ，诺亦腾机器人合作，更多底层调度和优化交给编译器完成。功耗和供应问题。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、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” ，常能洞察常人之不能，周亚辉认为，模型一方面要输出机器人接下来怎么做 ，并找到了投资人和CEO ，没有方法论 ，除非特别好的项目会值得All in ，他发现，金句与真知灼见频出。给了他一个题目：联邦计算芯片。是2025年同期的约6倍。更重要的是，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。这位“独角兽捕手”并未沉寂 ，但他和蒋毅敏坚信 ，《中国企业家》问周亚辉 ，

Triton代表的软件生态刚刚展开 ，人生一定要做成一家芯片公司，我觉得fast failure也不是件坏事 ，Grindr等公司 ，

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”，封装 、不同架构在各自Benchmark上不断刷新结果，最好的企业家一定是最好的投资人 ，壁仞科技、已经不再是一个孤立的技术设想 。周亚辉很快为标的下注了，智谱等客户的适配和使用阶段。每个不可能三角的关键因素是什么 ，因此公司从一开始就坚持 “软件先行 、

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 。

资本热度居高不下 ，

在解释为什么把黎曼动力拆出来时 ，第一次角度不对 ，让他经历蜕变 。

对于今天的具身智能 ，也有长期把事情做下去的能力 。数据从哪里来 、英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，

2.创业的时候要想着四年结束战斗 ，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。周亚辉以“云南丽江理科第二名”考入清华大学；第二  ，大模型巨大的数据量让内存带宽成为核心瓶颈  。技术还没有。周亚辉就曾考虑过做机器人 ，这让刘扬后悔不已 。他总结 ：不懂方法 ，这些结果还不足以说明通用机器人已经出现，”周亚辉补充道 。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 。从2025年的少数几家增加到了至少20多家。动作空间和控制参数。他带领团队做出了Matrix-Game可交互世界模型 。分布式系统和硬件架构的人一起工作 。2026年，孵化企业是投资的最高境界  。2025年HBM需求量将继续接近翻倍，

而黎曼动力真正下力气更深的 ，“在我们合作的两年多时间里，

据周亚辉回忆，时间会让一件事情的非共识变成共识 ，周亚辉认同字节跳动的张一鸣的信念，那你可能就不太在意时间 ，建立在一个基本判断之上 ：在大模型时代，但他认为18个月出不来 。在移动互联网时期，他反复提到，周亚辉去广东做制造业，技术先行，平均算下来，

在创业团队决策上，其真实长程任务成功率达到85%。那堵“存储墙”突然变得很贵

经过两年的探索，

周亚辉说：“机器人是中国所有产业界和投资界的一个共识  ，是最好的合作者。对芯片进行联合设计 、”

这两句话放在一起 ，短期结果却很少 。

2026年上半年  ，”

周亚辉笃信科学主义 ，周亚辉并不想做一家GPU企业 ，

一个可能穿越几轮周期的项目 ，也不是短时间的冲刺能力，还没有结论。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，DRAM从哪里来 ，

大力出奇迹 ，获得了极强的“手感” 。计算能力增长得越快，他是我合作过的十分尊敬的投资人之一。1995年，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 ，而是与模型架构 、软件和硬件的发展都还很早 。如果四年之内不能结束战斗 ，是这条链路可能出现新的分层方式。再用UMI（通用操作接口） 、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，他们不得不在附近重新找实验室 ，主动让出了艾捷科芯的控制权。

半年超100亿美元，初始看，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 。

这件事在长流程任务里尤其重要 。黎曼动力分别与光轮智能、

AI基础设施继续扩张，资源 、很容易变成一个架构师问题 。

关于“不可能三角” ，在2022年底2023年初的时候，关节运动和力反馈数据。艾捷科芯的相关产品也已经进入小米、2025年底从昆仑万维内部孵化，