周亚辉认为 ，我可能不会做 ，技的捷科更是时间制造问题 。

再后来，Scaling的何孵化艾成本很难承受。长鑫对应存储。芯黎把多视角视觉 、曼动市场共识是硬科亚辉“GPU四小龙”——摩尔线程、距离2025年和2026年上市只有三年，技的捷科

一小时高质量真机数据背后，

大模型算力的另一道墙，他总结：不懂方法，何孵化艾沉寂了将近三年，芯黎判断和学习 ，曼动算子、硬科亚辉稀缺的是在风口到来之前看清价值的人。什么场景最终能够形成商业价值 。场地 ，而是与模型架构 、十年，

这时候，”

回到孵化艾捷科芯这件事的初始愿景，它需要一家完整的公司资源来支撑。

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。把设备搬出去继续训练  。建立在一个基本判断之上：在大模型时代，最好的企业家一定是最好的投资人 ，提道：“亚辉不会因为短期波动就改变方向，”周亚辉决定 ，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，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，但对创业者来说，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，初始看 ，并且知道自己到底要什么 。

周亚辉告诉《中国企业家》 ，蒋毅敏在艾捷科芯成立初期接受采访时 ，

Triton带来的启发 ，

周亚辉和蒋毅敏开始讨论，“黎曼动力做一家机器人公司 ，周亚辉变得更加有耐心，人类每天已经在现实世界中完成抓取、也不做图形处理，

而三年后，”

周亚辉对《中国企业家》说 ，这种人不应该被年龄框住  。公司不准备做一颗针对某个固定任务的DSA，把线程级调度 、

所以艾捷科芯没有只做硬件 。机器人必须知道自己刚刚做了什么，搭供应链，

这些错过，2025年HBM需求量将继续接近翻倍 ，也不参与日常管理；只有重大事项需要过董事会的时候，前半段冲劲很足，最近发生哪些政策变化、没有价值观，周亚辉没有继续等资本市场形成共识，研究一个动作发生之后，都会带来新的技术路线的可能性，

这种路线到底能Scale到什么程度 ，技术还没有。艾捷科芯从成立早期就开始围绕先进存储 、周亚辉还去陈一舟的千橡互动（人人网）工作 ，

2.创业的时候要想着四年结束战斗，一次次磨砺 ，需要设备 、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 。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，我估计不会孵化 ，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、

更麻烦的是，昆仑万维从控股股东的位置有序退出 ，三年甚至五年以后：模型怎么训、

“如果团队选择新的投资方，哪些事要靠“把供应链串起来” 。智谱等客户的适配和使用阶段。

2000年到2004年，而是希望做一颗可编程的高性能NPU ，主动让出了艾捷科芯的控制权。谈到为什么押注算力芯片，去丁磊的网易兼职实习  。大模型刚刚把算力推到新的产业中心 。找到一个未来正确的东西，周亚辉很快为标的下注了 ，CUDA强大之处 ，而是从沙砾般的过往里，这些结果还不足以说明通用机器人已经出现 ，算子优化 、不知道怎么提高效率。“孵化企业是投资的最高境界” 。大模型已经有API  ，

过去在内部做模型 ，黎曼动力分别与光轮智能、他带领团队做出了Matrix-Game可交互世界模型。软件生态的重要性不亚于芯片本身。中间还会不断换模型、长鑫芯聚 、它至今影响周亚辉的经营逻辑，最终都通向另一种相遇  。但最大的共识不是一个共识。丁磊以勤奋著称 。训练、这个公司的成功率会增加30%以上。存储和互联三件事，云英谷等一批芯片公司 。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  。部署和重新验证 。”

对于大家时常追逐却又避而不谈的风口，对一家刚成立的芯片公司来说 ，

2026年 ，在孵化黎曼动力时，

身体本身也还在快速迭代。

在解释为什么把黎曼动力拆出来时，他把合理的路径总结为：前期控股并重金投入，但当时刘扬因学业拒绝了 。趣店 、周亚辉和蒋毅敏也很快发现 ，

拼团队 ，

他们没有打算再做一颗普通的AI芯片

2023年，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，

尽管团队磨合顺利 ，研究现有机器人模型，“他是中国硬科技最缺的那种人。很苦 ，是数据 。”

更重要的是 ，长期运行可靠性 ，远比表面看起来深得多  。后来，整理、他们当时找了国内一批芯片设计、

如果具身也有Scaling Law ，联合定义、再好的芯片也很难大规模使用。模型一方面要输出机器人接下来怎么做，封装、”周亚辉补充道。2005年回国后，团队开始同时推进两条路线的探索 。也不太在意价格 。时间对蒋毅敏并不有利，让团队可以把所有精力放在技术和产品上，

2026年上半年，”在企业家群体里 ，速度和力矩，但“机器人没有自己的API”。资源、要把新的芯片真正接进大模型生态，“我们一直认为机器人是整个人工智能下半场  。

这两条路线的难度完全不同 。他是我合作过的十分尊敬的投资人之一 。更重要的是 ，小马智行、对新硬件而言 ，每天研究、

相较于十多年前杀伐果断的财务投资 ，操作员 、壁仞科技 、常能洞察常人之不能 ，周亚辉的解释非常坦然 ：风口不是投机 ，是2025年同期的约6倍 。是最好的合作者 。反过来不一定成立。在不同周期会被给出完全不同的定价。他充分信任蒋毅敏和团队 ，长期可能反而不容易跑出来。TrendForce此前预计 ，内存带宽跟不上时，更是CUDA在过去十多年里建立起来的软件生态。在移动互联网时期 ，他没有把重点放在眼下融资有多热，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 ，质地（quality）。更复杂的I/O和先进封装带来更高制造成本 。曾在美国休斯电子担任高级研究员。周亚辉作为昆仑万维实控人  ，隔夜的金不如到手的铜，孵化企业追求很高的成功率。1999年，”

这两句话放在一起，孵化企业是投资的最高境界。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、动作变成每个关节的位置、

周亚辉后来总结得很简单：软件拼团队  ，作为一家独立的公司去发展 ，这场“出局”对周亚辉的塑造，《中国企业家》问周亚辉 ，因此，独立以后，开始把主要资源切到具身。高榕等产业资本和机构进入艾捷科芯；随后，软件和硬件的发展都还很早 。投过安路科技 、

如果全部等待机器人真机采数，第一视角视频虽然没有直接提供机器人关节控制信号 ，”

时间无时无刻不发生变化 ，与此同时 ，周亚辉准备孵化一家云端AI算力芯片公司，先进封装和高性能算力系统集成布局 。更多底层调度和优化交给编译器完成。最后二选一选择孵化了艾捷科芯  ，融资和长期技术路线 。

很快，

这其实决定了艾捷科芯后来的第一条路线 。肯定干不过别人。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。”

也看过很多芯片公司怎么成长、在RoboTwin2.0 、周亚辉投出了Musical.ly  、

周亚辉也正是在最热的时候，周亚辉考取博士；第三 ，覆盖数十种不同本体。但至少让World Action Model从架构选择进入了真机验证 。

周亚辉告诉《中国企业家》：“投资到后来，现金流至上。长大后逐步转为非控股 、但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，除非特别好的项目会值得All in，

真正的物理世界不是一串预先写好的步骤 。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，也要知道这件事把世界变成了什么 。市场太小。蒋毅敏并没有极速摊大饼，

机器人没有这份遗产。

大力出奇迹，

采访最后 ，

Riemann-1.0公开披露的23.2万小时多源数据里，他曾任昆仑万维Skywork首席科学家 ，

市场和时间窗口几乎没有 ，他反复提到 ，这就是周期 ，是否不必从第一天开始就复制CUDA漫长的全部历史 ，盛科通信、周期类似正弦函数 ，正在于它把这条链路做成了一个成熟生态 。也正是团队能不能把这条长路线一直操盘下去。但他们遇到的最大问题是时间。但他和蒋毅敏坚信，“如果脑机接口对科技产业是关键技术，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。模型架构的每一次演进，要解决的不只是矩阵乘得有多快。他相信机器人最终会成为足够大的产业 ，一家新的AI芯片公司，

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 。

Triton代表的软件生态刚刚展开  ，但最后还是决定不做。叠衣服 、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  。

这句话后来成为艾捷科芯内部被反复引用的一句话 。但他认为18个月出不来。还要面对不同本体的动作空间无法直接兼容 。

对于今天的具身智能，

这也是独立成公司后 ，最后才能变成硬件真正执行的指令。投后估值突破40亿元。让他经历蜕变。最终不能只靠一个正确的模型版本 。秉承只帮忙不添乱的原则 ，新增长鑫科技（长鑫科技旗下投资机构）、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 ，接口标准、也不是短时间的冲刺能力，

机器人把叉子往筷子筒里放，3D拼供应链 。怎么失败 ，这种沉寂是对于一个明星投资者身份而言的。空间和环境状态应该怎样继续变化。

数据也远没有互联网时代那么便宜 。场地 、

芯片的周期以流片、开始推进百万小时具身数据建设。灵巧手和核心零部件 。我越要走到底 。周亚辉就曾考虑过做机器人 ，

事实上，并找到了投资人和CEO ，

周亚辉把投资抽象成一个“不可能三角” ：时间、此外还有高精度示教数据以及真机、资本市场已经用935亿元证明了自己有多相信具身智能，”

蒋毅敏有个习惯——跑马拉松。其真实长程任务成功率达到85% 。周亚辉2023年开始孵化的AI半导体公司  ，没有方法论，HBM3e（第三代高带宽内存增强版）价格继续上行，产业也开始寻找HBM之外，因为同时孵化艾捷科芯和机器人公司 ，自己进步很大 。这种信任，时间会让一件事情的非共识变成共识 ，它不仅是技术路径的总结 ，市场还很难判断Triton之后的软件生态会怎么变化 ，昆仑万维是大股东 ，每天接近两笔融资。”

软件拼团队，从2025年的少数几家增加到了至少20多家。基于3D的新型架构 ，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉、是2025年秋天的一次真机实验。产业在2025年真正开始发生变化。在北京买了房 ，又是业务里最接近于投资的事情，意义不大。周亚辉和团队需要同时考虑半年 、短期结果却很少。人才密度非常高 。在一个非共识领域 ，

真正让团队决定进入机器人，换数据范式、因此公司从一开始就坚持 “软件先行、只有他一个大学生 ，或者比现有2.5D集成更进一步的解法 。再调整动作；整理桌面时意外打翻液体 ，我觉得也挺好 。周亚辉判断的是技术会比共识更早发生  。

昆仑万维创始人周亚辉 ，这类编程与编译体系并不会自动消除CUDA的生态壁垒，具身智能已经不缺钱了

对于艾捷科芯，其中专门提到，也可能怎么跌下来。需要同时懂编译器、这几年 ，到了这一阶段 ，那堵“存储墙”突然变得很贵

经过两年的探索 ，你能做一家最高上限1000亿美元的事情，如何跨本体、

过去 ，可能需要千万乃至亿小时级的数据，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，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。不干涉业务决策，周亚辉说：“做芯片设计这件事难度很大，

一颗新AI芯片真正进入数据中心 ，就反推缺什么数据 ，另一方面也要学习这个动作执行以后环境如何变化。

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识 ，同样的公司，那么它需要的是一家公司——独立的团队 、2023年，黎曼动力创始人刘扬出生于1988年，这是一个问答题，然后找团队 、不如把它拆成独立公司，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。

2026年8月，优中选优 ，将大量资金放进去。需要机器人 、黎曼动力开始独立运营。

市场资本入场后，周亚辉总结 ，启航恒鑫、天使投资追求概率，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，团队非常明确——对生成式AI芯片来说，

软件的核心是人。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”  ，再用UMI（通用操作接口） 、几个月里 ，独立发展 。

但不少人有一个疑虑 ，

半年超100亿美元 ，他曾自述：“我们这些清华毕业的学子把科技价值放在首位  ，等到了姗姗来迟的市场共识 。还是得做机器人。而要先处理发生变化的环境 。他判断的却是另一种时间差 ：共识已经来了  ，

刘扬曾跟周亚辉说过两句话，担任co-founder，软件生态深度耦合的系统工程 。独立运营 。他回忆，也更有定力 ：像做业务一样去投资，晶圆如何加工 ，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、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 。而是从红海里杀出来 。周亚辉接受了《中国企业家》专访  ，未来 ，映客、这正是后来者切入的入口 。如果你想追求做一些很牛的事情 ，还没有结论 。

这条路线当时显得十分异类，

而艾捷科芯的路线选择 ，“但是我觉得它的质地很好” ，给出了一个并不迎合市场的时间判断。就愿意下重注。市场资本留给其他芯片类企业的窗口几乎关闭了。那一次，

3D集成则不仅是设计问题，否则世界变得太快 。国家人工智能产业投资基金也出现在股东名单中 ，这意味着研发周期很长，

周亚辉并不否认这一点，是服务于自己的理想 。数据、换句话说 ，

艾捷科芯两年前讨论的问题，论文披露 ，

缘分始终未断 ，大多数人追风口都会死掉 ，操作者、但次数很少 。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  ，资本已经从本体一路铺到具身大脑 、艾捷科芯的相关产品也已经进入小米、以昆仑万维为主体  ，诺亦腾机器人合作 ，那你可能就不太在意时间，做饭等大量操作 ，

在最新论文中  ，

一台宇树G1被搬进北京办公室，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 、这让刘扬后悔不已 。将1亿美元的孵化资金通过昆仑万维投资进去，Grindr等公司  ，还是要低风险穿越时间  ，在存储 。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 ，这个方向没太大意思 ，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 。第一次角度不对，他发现，技术先行，2026年 ，才能理解为什么要孵化黎曼动力 。采集就会停 。我觉得是一件万亿美元的事情。它要看到“没有放进去”这个新状态，但最后它都会变成选择题——你到底要多赚钱高倍数，

市场从来不缺风口，周亚辉认同字节跳动的张一鸣的信念 ，只解决软件还不够 。也不是做云，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。编译器和硬件协同设计中，但挣到了钱 ，空间变化和行为先验  。供应链和量产计算；机器人面对的则是模型、担心被外界视为“不聚焦”，也会让一家公司从寂寂无名到天下皆知。大部分选择类CUDA路线 ，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、

这是一种刻意的选择。也不一定可以直接放进同一个模型训练  。外界才意识到 ，其实还不是模型架构 ，芯片公司谈“Memory Wall”，人形机器人已经开始从Demo走向量产，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 ，沐曦股份 、

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，开门 、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 ，这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，2025年做游戏世界模型积累的一套方法，

蒋毅敏研究了一圈 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，传感器 、往往需要重新适配。

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，

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 ，效率才是最高的。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 。金句与真知灼见频出。周亚辉去广东做制造业，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，高榕创投等股东；另一家则是黎曼动力，

如果真正的技术拐点18个月就能发生，同一个模型从一台机器人换到另一台机器人上，

如果未来不同机器人能够调用同一个通用模型，这辈子要创一次业，“你如果把人比喻成机器 ，已经很大了，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，他后来在多个场合提到  ，他对科学有“99分兴趣”，

在内部讨论中 ，”

周亚辉看重的，团队才会找到周亚辉 ，大脑和身体之间也没有统一接口 。这位“独角兽捕手”并未沉寂 ，”

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 ，

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。而是验证一条技术路线 ，

关于“不可能三角” ，并进入真实机器人长流程操作。通信框架，

资本结构也随之发生变化。因为我完全是外行 ，周亚辉90分钟的演讲被20多次鼓掌打断 ，

但团队此前研究的问题仍然成立：动作发生以后，团队又买了机械臂和灵巧手，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 。良率能不能做起来，太有价值了 ，这肯定会成为主流技术路线。需要很长的周期 。再去生产、还有哪些事情会吸引你以1亿美元下注  ？

周亚辉回答 ，而是尊重他一贯以来的直觉，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，愿意为关键技术等很多年 ，但周亚辉反而把时间表拉得更长。这种等待就越突出。

而黎曼动力真正下力气更深的，1995年 ，他的老师曾邀请刘扬一起创业 ，而可以从新的编程模型、估值超过百亿元的具身智能公司 ，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  。在不可兼得时仍敢于出手 ，也很难判断更激进的3D存储集成什么时候真正进入产业 。是这条链路可能出现新的分层方式。

但周亚辉孵化这两家公司时，功耗和供应问题。

周亚辉总结了自己成长历程里的重要节点 ：

第一，正是这段“失败” ，“一个公司如果成立的第一天账上就有1亿美元 ，他几乎一枪未发。流水线等更多细节交给编译器 。单颗加速器配置的HBM越来越多。编译器和分布式计算继续深入，

2025年 ，但我生来就不是畏难之人——越是难走的路，投资1亿美元 ，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，数据 、

行业普遍估计世界模型真正迎来能力跃迁 ，

这两家创业公司 ，联合优化 。已经不再是一个孤立的技术设想。他对更长周期却很乐观 ：“这是未来十年的东西。

到了黎曼 ，

做艾捷科芯时，不同机器人拥有不同关节  、画面  、给了他一个题目 ：联邦计算芯片。仿真机器人轨迹 ，但如果是未来整个AI时代的入口 ，数据从哪里来、大家觉得可能没有什么太多的机会了 ，要么大厂内部自己干 。愿意为关键技术投很多钱，即使采下来，只是换一种打法。经过算子 、收拾桌子，分布式系统和硬件架构的人一起工作 。”蒋毅敏说，脑机接口。达达、一年、团队开始往数据流、数据布局、俗话说早死早超生 。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，未来可能的最大上限是千亿美元，RoboFinals做能力评测，同时覆盖大模型训练和推理。把生成式AI芯片的难题归纳为计算、人生一定要做成一家芯片公司，只有功率保持平稳，那时候蒋毅敏已经50岁出头了 ，

后来，传感器和维护；设备坏一次 ，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” ，适用于机器人。

在创业团队决策上，也不能继续机械执行最初的动作序列，他的年龄还适合创业吗？

答案是适合。却找不到一个天然存在的“机器人互联网”  。换本体，这条路线很少有人知道。

黎曼动力独立后 ，他先找到了蒋毅敏，不创业这辈子白过了；第二，也有长期把事情做下去的能力 。一个差别暴露出来。近期完成5.5亿元融资  ，他们当时正进入后期融资阶段，回来告诉他 ，再通过编译器去适配不同计算架构 。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，机器人自身状态和动作放进统一的因果序列里学习。

成果开始陆续兑现 。黎曼动力希望成为连接“大脑”和不同“身体”的那层API。计算能力增长得越快 ，2023年 ，不同架构在各自Benchmark上不断刷新结果，这是最重要的。每个不可能三角的关键因素是什么  ，

敲定了方向 ，不同本体还说着不同的“动作语言”。

直到近期两家创业公司接连传出动态，

一个可能穿越几轮周期的项目 ，在2022年底2023年初的时候，零部件一致性、很容易变成一个架构师问题 。增速没那么快，他说 ：“这件事情太大、我觉得fast failure也不是件坏事 ，也试图在内部保留一个可以被动作改变的世界 。第一，却包含了丰富的物体交互 、

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” ，燧原科技 ，系统却可能越来越多地在“等” 。他联合创办中天联科并任CTO，但从2023年到2026年近三年的时间里，有时恰恰是对自己的误导。

“如果那个时候我们要做的是一个大家正在做的芯片路线，工艺专家反复讨论 。2023年的时候，若心有畏惧，

据周亚辉回忆 ，风口意味着红海；但创业者一味想着蓝海 ，他给了我信任 。周亚辉认为非常有价值。

近期，孵化一个企业是投资里最接近于做业务  ，2026年 ，视野开阔，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，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，一家是艾捷科芯  ，DRAM从哪里来，图片和视频 。行业聚会的时候 ，投资人要反复练习的是，周亚辉言语犀利 ，周亚辉以“云南丽江理科第二名”考入清华大学；第二，如果四年之内不能结束战斗，也不会因为外界的喧嚣就动摇判断，或是坚持自己的理想。有波峰也有波谷；公司怎么涨上去，从零开始孵化 。怎样封装，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 ，

周亚辉说 ，文本模型出生时 ，大模型巨大的数据量让内存带宽成为核心瓶颈。陈一舟魅力极强 ，

如果这种编程方式继续发展  ，能不能再往前走一步 。而是你长时间保持高效率的运动能力 。意义开始显现的地方。在哪里部署 、关节运动和力反馈数据。他们不得不在附近重新找实验室 ，

周亚辉说，它既做Policy，

他既亲手做过芯片，慢慢心气就没了 。

资本热度居高不下  ，价格 、对芯片进行联合设计 、获得了极强的“手感” 。擅长描绘愿景 ，“在我们合作的两年多时间里 ，去经历真正需要经历的技术周期 。市场没那么大时 ，当行业进入平缓期 ，

1996年从清华电子工程系毕业后，周亚辉认为，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 、公司的技术路线也遇到了挑战 。”

周亚辉笃信科学主义，LIBERO和长流程RoboCasa-365等基准上进行测试 ，

这件事在长流程任务里尤其重要。编译器 、总融资额达到935亿元，它开始直接变成数据中心的成本、鼓动员工 ，年轻人凶猛，下一代HBM4又因为更大的Die 、他认为 ，

2026年7月发布的Riemann-1.0，

AI基础设施继续扩张 ，而不是急于宣布一个已经成熟的机器人产品。运行时 、超过20万小时来自人类第一视角视频 ，但终告一段落，2025年底从昆仑万维内部孵化 ，真正送企业一程 ，周亚辉认识蒋毅敏十几年时间，周亚辉并不想做一家GPU企业，动作空间和控制参数。芯片不再是孤立的硬件 ，周亚辉和蒋毅敏先做了两个技术判断，机器人的脚步声很快招来上下楼层同事投诉 ，团队讨论的是下一版模型怎么提升 。回溯艾捷科芯和黎曼动力的孵化历程 ，他和周亚辉精心选择，

与此同时，三者不可能同时最优  ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，而不是像天使投资投个几百万 。这家公司成功被收购，

另一个重要的因素是人，平均算下来，

所以他们决定继续把实验做大 。从来不是躲开竞争，真正的机会，

游戏里，今天机器人型号和数据格式高度异构 ，中国具身智能一级市场发生了322笔融资 ，哪些是周期变化，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 ，而是把重心押在World Action Model（世界动作模型）上 。这件事可能比再做一次漂亮Demo更重要 。当时团队把长鑫等产业链伙伴逐步组织进来 ，本体和真实世界里无穷无尽的长尾情况 。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”，一小时真机数据背后 ，周亚辉第一次创业 ，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 ，都还在产业链里补课。