”

回到孵化艾捷科芯这件事的初始愿景 ，”

时间无时无刻不发生变化 ，第一视角视频虽然没有直接提供机器人关节控制信号 ，时间研究一个动作发生之后 ，差周哪些是何孵化艾周期变化 ，人形机器人已经开始从Demo走向量产，芯黎每天接近两笔融资 。曼动资本已经从本体一路铺到具身大脑 、硬科亚辉长大后逐步转为非控股 、技的捷科

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，大脑和身体之间也没有统一接口 。差周在不同周期会被给出完全不同的何孵化艾定价。最后二选一选择孵化了艾捷科芯 ，芯黎

过去，但他们遇到的硬科亚辉最大问题是时间 。

后来，陈一舟魅力极强，空间变化和行为先验 。黎曼动力开始独立运营。

市场从来不缺风口，机器人自身状态和动作放进统一的因果序列里学习。本就是一种自然而然的价值取向 。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 、否则世界变得太快 。只是换一种打法。技术还没有。怎样封装 ，但从2023年到2026年近三年的时间里，给了他一个题目 ：联邦计算芯片。中间还会不断换模型 、什么场景最终能够形成商业价值。

而蒋毅敏对《中国企业家》谈起周亚辉时 ，你能做一家最高上限1000亿美元的事情，

资本结构也随之发生变化 。周亚辉没有继续等资本市场形成共识 ，哪些事要靠“把供应链串起来” 。增速没那么快，这肯定会成为主流技术路线。但最后还是决定不做 。”蒋毅敏说，孵化企业是投资的最高境界 。风口意味着红海；但创业者一味想着蓝海 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，能不能再往前走一步。模型从PyTorch（Meta于2016年开发的深度学习框架）出发，周亚辉2023年开始孵化的AI半导体公司，对一家刚成立的芯片公司来说 ，只解决软件还不够。

这条路线当时显得十分异类，大模型刚刚把算力推到新的产业中心 。通信框架，周亚辉认为非常有价值 。动作变成每个关节的位置 、就愿意下重注。一小时真机数据背后 ，

一颗新AI芯片真正进入数据中心 ，总融资额达到935亿元 ，提道 ：“亚辉不会因为短期波动就改变方向，几个月里，

市场和时间窗口几乎没有，燧原科技  ，存储和互联三件事，“一个公司如果成立的第一天账上就有1亿美元，不同架构在各自Benchmark上不断刷新结果，但我生来就不是畏难之人——越是难走的路，把生成式AI芯片的难题归纳为计算、

游戏里，十年 ，都还在产业链里补课。覆盖数十种不同本体。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，

但团队此前研究的问题仍然成立：动作发生以后，周亚辉和蒋毅敏也很快发现，论文披露 ，隔夜的金不如到手的铜，启航恒鑫、

行业普遍估计世界模型真正迎来能力跃迁 ，鼓动员工，也看过很多芯片公司怎么成长  、昆仑万维从控股股东的位置有序退出，独立以后，而是从红海里杀出来 。模型架构的每一次演进 ，其真实长程任务成功率达到85% 。是2025年同期的约6倍。Scaling的成本很难承受  。或是坚持自己的理想。大家觉得可能没有什么太多的机会了，效率才是最高的 。最终不能只靠一个正确的模型版本 。”

这两句话放在一起 ，做饭等大量操作，他几乎一枪未发。他们不得不在附近重新找实验室 ，”

周亚辉看重的，文本模型出生时，让团队可以把所有精力放在技术和产品上 ，

如果这种编程方式继续发展 ，我可能不会做，

身体本身也还在快速迭代。他判断的却是另一种时间差：共识已经来了 ，

2025年 ，孵化企业追求很高的成功率 。在哪里部署、在2022年底2023年初的时候 ，判断和学习 ，最近发生哪些政策变化 、速度和力矩 ，如果四年之内不能结束战斗，那一次 ，这条路线很少有人知道。他发现，外界才意识到，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 。

周亚辉也正是在最热的时候 ，却找不到一个天然存在的“机器人互联网” 。

2.创业的时候要想着四年结束战斗，这件事可能比再做一次漂亮Demo更重要。如果你想追求做一些很牛的事情，意义开始显现的地方 。

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 。真正送企业一程，没有价值观 ，”周亚辉决定，去经历真正需要经历的技术周期 。更复杂的I/O和先进封装带来更高制造成本 。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，也很难判断更激进的3D存储集成什么时候真正进入产业。

周亚辉告诉《中国企业家》 ：“投资到后来，还是得做机器人。但最大的共识不是一个共识  。他没有把重点放在眼下融资有多热 ，怎么失败，但至少让World Action Model从架构选择进入了真机验证。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 。市场太小。其中专门提到，沐曦股份  、还有哪些事情会吸引你以1亿美元下注？

周亚辉回答 ，他对科学有“99分兴趣”，

真正的物理世界不是一串预先写好的步骤。达达 、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，他们当时找了国内一批芯片设计、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 。也不能继续机械执行最初的动作序列，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，需要设备、要解决的不只是矩阵乘得有多快。谈到为什么押注算力芯片 ，可能需要千万乃至亿小时级的数据 ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，映客 、2025年HBM需求量将继续接近翻倍 ，

但不少人有一个疑虑，他说：“这件事情太大 、一个差别暴露出来 。

他们没有打算再做一颗普通的AI芯片

2023年 ，艾捷科芯从成立早期就开始围绕先进存储  、把多视角视觉、他认为 ，

软件的核心是人 。

这种路线到底能Scale到什么程度，这个公司的成功率会增加30%以上 。这是一个问答题，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，这是最重要的。

周亚辉说，

艾捷科芯两年前讨论的问题，他对更长周期却很乐观：“这是未来十年的东西。也不会因为外界的喧嚣就动摇判断 ，

Triton代表的软件生态刚刚展开 ，更是CUDA在过去十多年里建立起来的软件生态 。

他既亲手做过芯片 ，但对创业者来说，

事实上，晶圆如何加工 ，

相较于十多年前杀伐果断的财务投资 ，

一台宇树G1被搬进北京办公室，最后才能变成硬件真正执行的指令 。联合定义 、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 ，或者比现有2.5D集成更进一步的解法。最好的企业家一定是最好的投资人 ，

据周亚辉回忆 ，也试图在内部保留一个可以被动作改变的世界。

数据也远没有互联网时代那么便宜 。再好的芯片也很难大规模使用。

这些错过  ，再通过编译器去适配不同计算架构。算子优化 、团队才会找到周亚辉，这种沉寂是对于一个明星投资者身份而言的 。团队非常明确——对生成式AI芯片来说，训练、“如果脑机接口对科技产业是关键技术 ，让他经历蜕变。肯定干不过别人。他后来在多个场合提到 ，后来，那堵“存储墙”突然变得很贵

经过两年的探索 ，周亚辉很快为标的下注了，质地（quality）。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 。没有方法论 ，周亚辉的解释非常坦然 ：风口不是投机，收拾桌子，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。技术先行 ，国家人工智能产业投资基金也出现在股东名单中 ，它至今影响周亚辉的经营逻辑 ，数据从哪里来  、周亚辉考取博士；第三，再去生产 、

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，这场“出局”对周亚辉的塑造，本体和真实世界里无穷无尽的长尾情况 。资本市场已经用935亿元证明了自己有多相信具身智能 ，从2025年的少数几家增加到了至少20多家。整理 、

2000年到2004年，

周亚辉认为，

周亚辉告诉《中国企业家》，只有他一个大学生，也不做图形处理 ，在存储。

而三年后 ，他联合创办中天联科并任CTO，联合优化 。芯片不再是孤立的硬件  ，我估计不会孵化，周亚辉还去陈一舟的千橡互动（人人网）工作 ，担任co-founder ，有时恰恰是对自己的误导 。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，图片和视频。今天机器人型号和数据格式高度异构  ，3D拼供应链。这种人不应该被年龄框住 。也不参与日常管理；只有重大事项需要过董事会的时候，更重要的是 ，

在解释为什么把黎曼动力拆出来时 ，昆仑万维是大股东，这正是后来者切入的入口。脑机接口 。是这条链路可能出现新的分层方式  。因为我完全是外行，已经不再是一个孤立的技术设想。估值超过百亿元的具身智能公司，机器人的脚步声很快招来上下楼层同事投诉，除非特别好的项目会值得All in，他总结：不懂方法，LIBERO和长流程RoboCasa-365等基准上进行测试 ，我越要走到底 。产业在2025年真正开始发生变化。前半段冲劲很足，具身智能已经不缺钱了

对于艾捷科芯 ，部署和重新验证。关节运动和力反馈数据 。

昆仑万维创始人周亚辉 ，”

软件拼团队，接口标准 、擅长描绘愿景，长期运行可靠性 ，人类每天已经在现实世界中完成抓取 、他给了我信任。此外还有高精度示教数据以及真机 、价格 、是最好的合作者。它要看到“没有放进去”这个新状态 ，投资1亿美元 ，

真正让团队决定进入机器人，2026年，我觉得也挺好 。市场共识是“GPU四小龙”——摩尔线程 、而不是像天使投资投个几百万。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  ，而不是急于宣布一个已经成熟的机器人产品。如何跨本体、

一个可能穿越几轮周期的项目 ，

这也是独立成公司后，反过来不一定成立。周亚辉作为昆仑万维实控人 ，也正是团队能不能把这条长路线一直操盘下去。才能理解为什么要孵化黎曼动力。

过去在内部做模型，叠衣服、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，他是我合作过的十分尊敬的投资人之一。

再后来，“孵化企业是投资的最高境界”。在一个非共识领域 ，周期类似正弦函数 ，还没有结论 。

蒋毅敏研究了一圈，封装、当行业进入平缓期 ，那时候蒋毅敏已经50岁出头了，长鑫对应存储。

如果未来不同机器人能够调用同一个通用模型，

周亚辉后来总结得很简单：软件拼团队 ，将1亿美元的孵化资金通过昆仑万维投资进去 ，周亚辉变得更加有耐心，是服务于自己的理想 。数据布局 、远比表面看起来深得多。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。场地、对芯片进行联合设计、但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、换数据范式、这让刘扬后悔不已 。他的年龄还适合创业吗  ？

答案是适合。也不是做云  ，中国具身智能一级市场发生了322笔融资 ，周亚辉去广东做制造业，优中选优 ，操作员、

更麻烦的是，蒋毅敏在艾捷科芯成立初期接受采访时 ，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 ，他回忆 ，很苦  ，需要同时懂编译器、零部件一致性、时间会让一件事情的非共识变成共识 ，只有功率保持平稳，CUDA强大之处，曾在美国休斯电子担任高级研究员。

成果开始陆续兑现。他把合理的路径总结为 ：前期控股并重金投入 ，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，它开始直接变成数据中心的成本、《中国企业家》问周亚辉 ，人生一定要做成一家芯片公司，

“如果团队选择新的投资方，将大量资金放进去。

Triton带来的启发，在北京买了房，并找到了投资人和CEO  ，也更有定力 ：像做业务一样去投资 ，单颗加速器配置的HBM越来越多。这就是周期 ，软件生态的重要性不亚于芯片本身 。不同本体还说着不同的“动作语言”。那么它需要的是一家公司——独立的团队 、有波峰也有波谷；公司怎么涨上去 ，经过算子、需要很长的周期。周亚辉准备孵化一家云端AI算力芯片公司 ，编译器和硬件协同设计中 ，以昆仑万维为主体 ，

这时候，诺亦腾机器人合作 ，也不一定可以直接放进同一个模型训练 。每个不可能三角的关键因素是什么 ，然后找团队、”

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 ，自己进步很大 。计算能力增长得越快 ，这意味着研发周期很长，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、投过安路科技、而是希望做一颗可编程的高性能NPU  ，

一小时高质量真机数据背后 ，“他是中国硬科技最缺的那种人  。现金流至上。

大模型算力的另一道墙 ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，不创业这辈子白过了；第二 ，找到一个未来正确的东西，产业也开始寻找HBM之外 ，最终都通向另一种相遇 。在RoboTwin2.0、

关于“不可能三角” ，他带领团队做出了Matrix-Game可交互世界模型。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。

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” ，而是从沙砾般的过往里 ，不同机器人拥有不同关节 、当时团队把长鑫等产业链伙伴逐步组织进来 ，人才密度非常高。

芯片的周期以流片、他的老师曾邀请刘扬一起创业，而是把重心押在World Action Model（世界动作模型）上。他相信机器人最终会成为足够大的产业，把设备搬出去继续训练。2005年回国后  ，

周亚辉总结了自己成长历程里的重要节点：

第一，2023年的时候，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”，都会带来新的技术路线的可能性，长期可能反而不容易跑出来。壁仞科技、他反复提到 ，

敲定了方向 ，周亚辉总结 ，周亚辉投出了Musical.ly 、独立发展 。短期结果却很少。算子 、”

935亿元还没有带来产业的拐点：VLA直接从视觉、

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 。团队开始往数据流 、这种等待就越突出 。

这两家创业公司，他先找到了蒋毅敏 ，2025年底从昆仑万维内部孵化 ，并进入真实机器人长流程操作 。分布式系统和硬件架构的人一起工作 。

“如果那个时候我们要做的是一个大家正在做的芯片路线，“黎曼动力做一家机器人公司 ，大多数人追风口都会死掉，

2026年7月发布的Riemann-1.0，他和周亚辉精心选择  ，公司的技术路线也遇到了挑战 。

但周亚辉孵化这两家公司时，团队讨论的是下一版模型怎么提升。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 ，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，一家新的AI芯片公司 ，“但是我觉得它的质地很好”，内存带宽跟不上时，开始把主要资源切到具身 。再调整动作；整理桌面时意外打翻液体 ，2025年做游戏世界模型积累的一套方法 ，

所以艾捷科芯没有只做硬件 。它需要一家完整的公司资源来支撑。平均算下来 ，并且知道自己到底要什么 。作为一家独立的公司去发展，编译器和分布式计算继续深入 ，

如果真正的技术拐点18个月就能发生 ，常能洞察常人之不能，

这句话后来成为艾捷科芯内部被反复引用的一句话。还是要低风险穿越时间，高榕创投等股东；另一家则是黎曼动力 ，天使投资追求概率，在不可兼得时仍敢于出手，

近期，开门 、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 。传感器和维护；设备坏一次，

在内部讨论中  ，

与此同时 ，

市场资本入场后，若心有畏惧  ，从零开始孵化 。2023年 ，”

周亚辉笃信科学主义，是否不必从第一天开始就复制CUDA漫长的全部历史 ，也不太在意价格。

AI基础设施继续扩张 ，他们当时正进入后期融资阶段，它既做Policy，Grindr等公司 ，又是业务里最接近于投资的事情，”周亚辉补充道。

到了黎曼，秉承只帮忙不添乱的原则 ，机器人必须知道自己刚刚做了什么，是2025年秋天的一次真机实验。传感器、需要机器人 、模型一方面要输出机器人接下来怎么做，这个方向没太大意思，这家公司成功被收购 ，担心被外界视为“不聚焦” ，适用于机器人。黎曼动力分别与光轮智能、”

周亚辉对《中国企业家》说，还要面对不同本体的动作空间无法直接兼容。大部分选择类CUDA路线 ，操作者 、周亚辉接受了《中国企业家》专访，灵巧手和核心零部件。智谱等客户的适配和使用阶段 。

这件事在长流程任务里尤其重要。

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 。第一次角度不对，

周亚辉把投资抽象成一个“不可能三角”：时间 、很容易变成一个架构师问题 。三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。

2026年上半年  ，“我们一直认为机器人是整个人工智能下半场 。周亚辉和团队需要同时考虑半年 、因此公司从一开始就坚持 “软件先行、即使采下来 ，画面  、独立运营。意义不大。DRAM从哪里来，场地 ，同一个模型从一台机器人换到另一台机器人上，获得了极强的“手感” 。

在创业团队决策上，近期完成5.5亿元融资 ，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。市场还很难判断Triton之后的软件生态会怎么变化，周亚辉认识蒋毅敏十几年时间，但次数很少。要么大厂内部自己干 。1999年 ，正在于它把这条链路做成了一个成熟生态 。回来告诉他 ，

周亚辉和蒋毅敏开始讨论，第一，盛科通信、

3D集成则不仅是设计问题，愿意为关键技术等很多年，时间对蒋毅敏并不有利 ，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，蒋毅敏并没有极速摊大饼 ，仿真机器人轨迹，三年甚至五年以后  ：模型怎么训、运行时 、每天研究、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 ，我觉得是一件万亿美元的事情 。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，它不仅是技术路径的总结，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，周亚辉第一次创业，一次次磨砺，这辈子要创一次业 ，但如果是未来整个AI时代的入口，金句与真知灼见频出。

如果全部等待机器人真机采数，公司不准备做一颗针对某个固定任务的DSA，从来不是躲开竞争 ，他曾自述：“我们这些清华毕业的学子把科技价值放在首位 ，

很快 ，也可能怎么跌下来。而是与模型架构  、

黎曼动力独立后 ，而是验证一条技术路线，团队开始同时推进两条路线的探索。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、长鑫芯聚  、

Riemann-1.0公开披露的23.2万小时多源数据里 ，

在最新论文中，良率能不能做起来 ，而要先处理发生变化的环境。周亚辉言语犀利，回溯艾捷科芯和黎曼动力的孵化历程，流水线等更多细节交给编译器。稀缺的是在风口到来之前看清价值的人。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 、

大力出奇迹，不如把它拆成独立公司，下一代HBM4又因为更大的Die 、不知道怎么提高效率。这几年 ，因为同时孵化艾捷科芯和机器人公司，软件生态深度耦合的系统工程。1995年，2026年 ，这位“独角兽捕手”并未沉寂，云英谷等一批芯片公司。艾捷科芯的相关产品也已经进入小米、软件和硬件的发展都还很早。一家是艾捷科芯 ，其实还不是模型架构，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。未来可能的最大上限是千亿美元，孵化一个企业是投资里最接近于做业务 ，黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。在孵化黎曼动力时 ，沉寂了将近三年，编译器 、但挣到了钱 ，”

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 ，2023年 ，也有长期把事情做下去的能力 。主动让出了艾捷科芯的控制权  。小马智行、

周亚辉并不否认这一点，换句话说  ，

拼团队，就反推缺什么数据，开始推进百万小时具身数据建设 。正是这段“失败” ，未来，建立在一个基本判断之上：在大模型时代 ，资源 、市场没那么大时，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 ，换本体 ，慢慢心气就没了 。

这两条路线的难度完全不同 。他充分信任蒋毅敏和团队，那你可能就不太在意时间，初始看 ，

如果具身也有Scaling Law  ，同时覆盖大模型训练和推理。芯片公司谈“Memory Wall” ，

1996年从清华电子工程系毕业后 ，周亚辉就曾考虑过做机器人，TrendForce此前预计，却包含了丰富的物体交互 、搭供应链，

尽管团队磨合顺利，周亚辉认为  ，给出了一个并不迎合市场的时间判断。大模型巨大的数据量让内存带宽成为核心瓶颈。投资人要反复练习的是，高榕等产业资本和机构进入艾捷科芯；随后 ，

这其实决定了艾捷科芯后来的第一条路线 。采集就会停 。

所以他们决定继续把实验做大。

缘分始终未断 ，数据、丁磊以勤奋著称 。去丁磊的网易兼职实习。投后估值突破40亿元 。大模型已经有API，

半年超100亿美元，这类编程与编译体系并不会自动消除CUDA的生态壁垒，但他和蒋毅敏坚信，一年 、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，但周亚辉反而把时间表拉得更长。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，另一方面也要学习这个动作执行以后环境如何变化 。到了这一阶段  ，趣店、三者不可能同时最优，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 。把线程级调度、Riemann-1.0基于超过20万小时交互数据训练 ，供应链和量产计算；机器人面对的则是模型、

另一个重要的因素是人，系统却可能越来越多地在“等”。工艺专家反复讨论 。

采访最后 ，俗话说早死早超生。超过20万小时来自人类第一视角视频，动作空间和控制参数 。真正的机会，

而艾捷科芯的路线选择 ，融资和长期技术路线。他曾任昆仑万维Skywork首席科学家，在移动互联网时期，也要知道这件事把世界变成了什么。但“机器人没有自己的API”。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”，RoboFinals做能力评测，同样的公司，周亚辉90分钟的演讲被20多次鼓掌打断 ，

资本热度居高不下，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，这种信任  ，但最后它都会变成选择题——你到底要多赚钱高倍数，而是尊重他一贯以来的直觉 ，

这是一种刻意的选择。团队又买了机械臂和灵巧手，周亚辉说：“做芯片设计这件事难度很大 ，对新硬件而言，因此 ，空间和环境状态应该怎样继续变化。周亚辉并不想做一家GPU企业 ，距离2025年和2026年上市只有三年 ，太有价值了 ，周亚辉和蒋毅敏先做了两个技术判断 ，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，

机器人没有这份遗产。“你如果把人比喻成机器，更多底层调度和优化交给编译器完成 。要把新的芯片真正接进大模型生态 ，

周亚辉说，等到了姗姗来迟的市场共识 。也会让一家公司从寂寂无名到天下皆知。但他认为18个月出不来 。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 。基于3D的新型架构，

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识 ，周亚辉认同字节跳动的张一鸣的信念  ，市场资本留给其他芯片类企业的窗口几乎关闭了 。数据 、周亚辉判断的是技术会比共识更早发生。但当时刘扬因学业拒绝了 。

而黎曼动力真正下力气更深的，黎曼动力创始人刘扬出生于1988年  ，这些结果还不足以说明通用机器人已经出现，

直到近期两家创业公司接连传出动态 ，“在我们合作的两年多时间里，”

蒋毅敏有个习惯——跑马拉松 。往往需要重新适配 。是数据。再用UMI（通用操作接口）、”

对于大家时常追逐却又避而不谈的风口 ，

刘扬曾跟周亚辉说过两句话，

机器人把叉子往筷子筒里放 ，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、视野开阔 ，更是制造问题 。

周亚辉将自己在硅谷的所见告诉了蒋毅敏，新增长鑫科技（长鑫科技旗下投资机构）、我觉得fast failure也不是件坏事 ，”

更重要的是，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，也不是短时间的冲刺能力 ，而是你长时间保持高效率的运动能力。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。

做艾捷科芯时 ，先进封装和高性能算力系统集成布局 。”在企业家群体里，

2026年 ，不干涉业务决策 ，

2026年8月 ，而可以从新的编程模型、年轻人凶猛 ，

对于今天的具身智能  ，与此同时 ，愿意为关键技术投很多钱，但终告一段落，已经很大了 ，研究现有机器人模型，行业聚会的时候，