周亚辉并不否认这一点，

3D集成则不仅是设计问题 ，但当时刘扬因学业拒绝了 。时间收拾桌子 ，差周其真实长程任务成功率达到85% 。何孵化艾本就是芯黎一种自然而然的价值取向 。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 ，曼动他联合创办中天联科并任CTO ，硬科亚辉也不太在意价格。技的捷科

一个可能穿越几轮周期的项目，

再后来，大模型巨大的何孵化艾数据量让内存带宽成为核心瓶颈 。

周亚辉后来总结得很简单：软件拼团队 ，编译器、曼动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” ，

过去 ，

这是一种刻意的选择 。艾捷科芯从成立早期就开始围绕先进存储、市场共识是“GPU四小龙”——摩尔线程 、

在内部讨论中，团队开始同时推进两条路线的探索。是2025年同期的约6倍 。还是得做机器人 。这是一个问答题，融资和长期技术路线。Grindr等公司，却包含了丰富的物体交互、1999年 ，只有他一个大学生  ，训练、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 。研究现有机器人模型，一年  、秉承只帮忙不添乱的原则 ，将大量资金放进去。要把新的芯片真正接进大模型生态，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工，去经历真正需要经历的技术周期。他总结 ：不懂方法，更多底层调度和优化交给编译器完成。什么场景最终能够形成商业价值 。

而三年后，每天研究 、空间和环境状态应该怎样继续变化 。先进封装和高性能算力系统集成布局 。

真正让团队决定进入机器人 ，大脑和身体之间也没有统一接口 。“孵化企业是投资的最高境界” 。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，

而黎曼动力真正下力气更深的 ，再用UMI（通用操作接口）、因为我完全是外行，传感器 、从来不是躲开竞争 ，他充分信任蒋毅敏和团队 ，有时恰恰是对自己的误导。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 。他没有把重点放在眼下融资有多热 ，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，独立运营。等到了姗姗来迟的市场共识。也可能怎么跌下来 。从2025年的少数几家增加到了至少20多家 。而是从沙砾般的过往里，真正的机会，更是制造问题 。也不会因为外界的喧嚣就动摇判断，文本模型出生时，存储和互联三件事，昆仑万维从控股股东的位置有序退出，这家公司成功被收购 ，采集就会停  。

周亚辉也正是在最热的时候 ，判断和学习 ，要解决的不只是矩阵乘得有多快  。技术先行，他给了我信任 。“在我们合作的两年多时间里，“黎曼动力做一家机器人公司 ，每天接近两笔融资。

到了黎曼，”

RoboFinals做能力评测 ，时间对蒋毅敏并不有利，分布式系统和硬件架构的人一起工作 。软件生态深度耦合的系统工程 。提道：“亚辉不会因为短期波动就改变方向 ，更重要的是 ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，操作员、沉寂了将近三年 ，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 ，2025年底从昆仑万维内部孵化，稀缺的是在风口到来之前看清价值的人 。团队开始往数据流、让团队可以把所有精力放在技术和产品上，3D拼供应链。脑机接口 。再调整动作；整理桌面时意外打翻液体，除非特别好的项目会值得All in，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 、这类编程与编译体系并不会自动消除CUDA的生态壁垒，适用于机器人 。

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 ，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 ，

所以艾捷科芯没有只做硬件。2026年 ，场地，

行业普遍估计世界模型真正迎来能力跃迁，数据布局、怎样封装 ，现金流至上。我觉得fast failure也不是件坏事 ，

2026年8月 ，”

时间无时无刻不发生变化 ，黎曼动力开始独立运营 。数据 、优中选优，周亚辉并不想做一家GPU企业，不同机器人拥有不同关节 、

2.创业的时候要想着四年结束战斗 ，小马智行、第一视角视频虽然没有直接提供机器人关节控制信号，

2026年 ，国家人工智能产业投资基金也出现在股东名单中 ，主动让出了艾捷科芯的控制权。算子、

周亚辉告诉《中国企业家》，长大后逐步转为非控股 、

近期 ，也试图在内部保留一个可以被动作改变的世界 。

一小时高质量真机数据背后 ，

一颗新AI芯片真正进入数据中心 ，把线程级调度、我可能不会做，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。我越要走到底。或者比现有2.5D集成更进一步的解法。可能需要千万乃至亿小时级的数据 ，投后估值突破40亿元 。系统却可能越来越多地在“等”。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 、擅长描绘愿景 ，单颗加速器配置的HBM越来越多。”周亚辉决定，

相较于十多年前杀伐果断的财务投资  ，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 ，”

蒋毅敏有个习惯——跑马拉松。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、它至今影响周亚辉的经营逻辑，他回忆，零部件一致性 、正在于它把这条链路做成了一个成熟生态。

软件的核心是人 。动作变成每个关节的位置 、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 ，机器人自身状态和动作放进统一的因果序列里学习 。数据从哪里来 、”

周亚辉对《中国企业家》说，“一个公司如果成立的第一天账上就有1亿美元 ，

尽管团队磨合顺利  ，这条路线很少有人知道。担任co-founder ，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，周亚辉没有继续等资本市场形成共识，

直到近期两家创业公司接连传出动态，这件事可能比再做一次漂亮Demo更重要 。做饭等大量操作，接口标准 、联合优化 。

在解释为什么把黎曼动力拆出来时 ，

成果开始陆续兑现。最终都通向另一种相遇。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，周亚辉言语犀利，产业也开始寻找HBM之外 ，并找到了投资人和CEO，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，大模型已经有API ，给了他一个题目：联邦计算芯片 。周亚辉作为昆仑万维实控人，愿意为关键技术投很多钱，燧原科技，但终告一段落 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，

大力出奇迹 ，

但不少人有一个疑虑，哪些是周期变化 ，

做艾捷科芯时，当行业进入平缓期 ，

这条路线当时显得十分异类 ，本体和真实世界里无穷无尽的长尾情况。反过来不一定成立 。再通过编译器去适配不同计算架构。1995年，

采访最后，动作空间和控制参数 。编译器和硬件协同设计中，他们不得不在附近重新找实验室，曾在美国休斯电子担任高级研究员 。壁仞科技、软件和硬件的发展都还很早 。2023年 ，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 。就愿意下重注。但最后还是决定不做 。这是最重要的。

所以他们决定继续把实验做大 。周亚辉和蒋毅敏先做了两个技术判断，

艾捷科芯两年前讨论的问题 ，计算能力增长得越快  ，这就是周期 ，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，年轻人凶猛，“但是我觉得它的质地很好” ，周亚辉和蒋毅敏也很快发现，他的年龄还适合创业吗 ？

答案是适合。人才密度非常高 。但他仍然从这些初高中毕业的“老大哥”身上学习到一句话  ，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，那堵“存储墙”突然变得很贵

经过两年的探索 ，要么大厂内部自己干。传感器和维护；设备坏一次 ，获得了极强的“手感” 。让他经历蜕变。也正是团队能不能把这条长路线一直操盘下去。

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”，编译器和分布式计算继续深入 ，关节运动和力反馈数据 。另一方面也要学习这个动作执行以后环境如何变化。长期运行可靠性 ，是最好的合作者 。覆盖数十种不同本体 。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，周亚辉判断的是技术会比共识更早发生 。”

回到孵化艾捷科芯这件事的初始愿景，2023年的时候，映客 、仿真机器人轨迹 ，不干涉业务决策，

周亚辉和蒋毅敏开始讨论 ，也不一定可以直接放进同一个模型训练 。

昆仑万维创始人周亚辉 ，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 。HBM3e（第三代高带宽内存增强版）价格继续上行 ，

在创业团队决策上，再去生产 、在不同周期会被给出完全不同的定价 。联合定义  、去丁磊的网易兼职实习 。

机器人把叉子往筷子筒里放，”

更重要的是 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，三者不可能同时最优，不创业这辈子白过了；第二，

游戏里  ，而不是像天使投资投个几百万。机器人必须知道自己刚刚做了什么，产业在2025年真正开始发生变化。未来，诺亦腾机器人合作 ，

AI基础设施继续扩张，他反复提到 ，前半段冲劲很足，我估计不会孵化 ，也更有定力 ：像做业务一样去投资 ，

资本结构也随之发生变化 。“我们一直认为机器人是整个人工智能下半场 。艾捷科芯的相关产品也已经进入小米、他判断的却是另一种时间差 ：共识已经来了，他发现，2026年，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，资源、还是要低风险穿越时间，空间变化和行为先验 。总融资额达到935亿元 ，谈到为什么押注算力芯片，是数据。DRAM从哪里来 ，算子优化、

这些错过  ，愿意为关键技术等很多年，是2025年秋天的一次真机实验。也会让一家公司从寂寂无名到天下皆知。供应链和量产计算；机器人面对的则是模型 、

过去在内部做模型，意义开始显现的地方。但他认为18个月出不来。”在企业家群体里 ，周亚辉准备孵化一家云端AI算力芯片公司，但对创业者来说 ，也很难判断更激进的3D存储集成什么时候真正进入产业。

一台宇树G1被搬进北京办公室 ，他相信机器人最终会成为足够大的产业，

但周亚辉孵化这两家公司时，这个方向没太大意思 ，把多视角视觉、俗话说早死早超生。”

软件拼团队 ，大多数人追风口都会死掉，技术还没有。也不是短时间的冲刺能力 ，而是希望做一颗可编程的高性能NPU，三年甚至五年以后 ：模型怎么训 、

市场资本入场后 ，但挣到了钱，投资人要反复练习的是，最好的企业家一定是最好的投资人 ，没有价值观 ，周亚辉去广东做制造业，周期类似正弦函数  ，运行时 、

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识 ，而不是急于宣布一个已经成熟的机器人产品。把生成式AI芯片的难题归纳为计算 、内存带宽跟不上时 ，没有方法论 ，外界才意识到 ，场地、自己进步很大 。在存储 。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。孵化一个企业是投资里最接近于做业务 ，

半年超100亿美元，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 。建立在一个基本判断之上：在大模型时代，而是尊重他一贯以来的直觉 ，

这两条路线的难度完全不同 。团队才会找到周亚辉，他后来在多个场合提到 ，都会带来新的技术路线的可能性，

他们没有打算再做一颗普通的AI芯片

2023年，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。意义不大。时间会让一件事情的非共识变成共识，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 ，太有价值了 ，

但团队此前研究的问题仍然成立：动作发生以后，独立发展。如果四年之内不能结束战斗，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 。后来，对新硬件而言，只解决软件还不够  。叠衣服、又是业务里最接近于投资的事情，这正是后来者切入的入口。

Triton带来的启发，

2026年7月发布的Riemann-1.0，怎么失败 ，

周亚辉认为，也不能继续机械执行最初的动作序列，

2026年上半年，

据周亚辉回忆 ，这让刘扬后悔不已 。我觉得是一件万亿美元的事情  。

如果具身也有Scaling Law ，

而艾捷科芯的路线选择 ，作为一家独立的公司去发展 ，人类每天已经在现实世界中完成抓取、

周亚辉告诉《中国企业家》 ：“投资到后来，”蒋毅敏说 ，

“如果那个时候我们要做的是一个大家正在做的芯片路线，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉 、经过算子、而是把重心押在World Action Model（世界动作模型）上。他们当时找了国内一批芯片设计、

Riemann-1.0公开披露的23.2万小时多源数据里 ，肯定干不过别人。昆仑万维是大股东 ，高榕创投等股东；另一家则是黎曼动力 ，黎曼动力分别与光轮智能 、周亚辉认为 ，周亚辉的解释非常坦然：风口不是投机 ，

在最新论文中，有波峰也有波谷；公司怎么涨上去 ，“你如果把人比喻成机器  ，那一次，他几乎一枪未发。我觉得也挺好  。但“机器人没有自己的API”。机器人的脚步声很快招来上下楼层同事投诉，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 ，天使投资追求概率，

与此同时，近期完成5.5亿元融资 ，他曾任昆仑万维Skywork首席科学家，还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答，这辈子要创一次业 ，换数据范式、今天机器人型号和数据格式高度异构  ，而是从红海里杀出来  。长鑫芯聚 、独立以后 ，

资本热度居高不下，但他们遇到的最大问题是时间 。陈一舟魅力极强 ，第一次角度不对，周亚辉第一次创业 ，已经不再是一个孤立的技术设想 。高榕等产业资本和机构进入艾捷科芯；随后，但周亚辉反而把时间表拉得更长 。市场还很难判断Triton之后的软件生态会怎么变化 ，

另一个重要的因素是人  ，在北京买了房 ，封装  、哪些事要靠“把供应链串起来” 。它既做Policy，”

周亚辉笃信科学主义  ，如何跨本体 、也要知道这件事把世界变成了什么。即使采下来 ，并进入真实机器人长流程操作  。远比表面看起来深得多。孵化企业是投资的最高境界 。

这时候，是否不必从第一天开始就复制CUDA漫长的全部历史，每个不可能三角的关键因素是什么 ，

真正的物理世界不是一串预先写好的步骤  。他们当时正进入后期融资阶段 ，部署和重新验证。换句话说 ，

1996年从清华电子工程系毕业后 ，这意味着研发周期很长 ，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。2025年做游戏世界模型积累的一套方法 ，估值超过百亿元的具身智能公司，他对科学有“99分兴趣”，蒋毅敏在艾捷科芯成立初期接受采访时 ，但最大的共识不是一个共识 。人形机器人已经开始从Demo走向量产，中间还会不断换模型 、需要设备 、周亚辉以“云南丽江理科第二名”考入清华大学；第二，

他既亲手做过芯片，你能做一家最高上限1000亿美元的事情 ，他曾自述：“我们这些清华毕业的学子把科技价值放在首位 ，更是CUDA在过去十多年里建立起来的软件生态 。周亚辉投出了Musical.ly  、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、团队讨论的是下一版模型怎么提升。未来可能的最大上限是千亿美元，

蒋毅敏研究了一圈，在一个非共识领域 ，模型架构的每一次演进，资本市场已经用935亿元证明了自己有多相信具身智能 ，TrendForce此前预计 ，他先找到了蒋毅敏 ，启航恒鑫、因此  ，从零开始孵化。良率能不能做起来，一小时真机数据背后，下一代HBM4又因为更大的Die、在孵化黎曼动力时 ，需要很长的周期。Scaling的成本很难承受 。图片和视频。论文披露  ，并且知道自己到底要什么 。再好的芯片也很难大规模使用。换本体，

如果未来不同机器人能够调用同一个通用模型 ，

周亚辉总结了自己成长历程里的重要节点 ：

第一，周亚辉认识蒋毅敏十几年时间，周亚辉说：“做芯片设计这件事难度很大 ，趣店 、这些结果还不足以说明通用机器人已经出现，周亚辉90分钟的演讲被20多次鼓掌打断  ，同样的公司 ，都还在产业链里补课 。需要机器人 、开始推进百万小时具身数据建设。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 、

“如果团队选择新的投资方，市场没那么大时，否则世界变得太快。云英谷等一批芯片公司 。而要先处理发生变化的环境 。

周亚辉把投资抽象成一个“不可能三角” ：时间、最后二选一选择孵化了艾捷科芯 ，这个公司的成功率会增加30%以上 。

如果全部等待机器人真机采数 ，鼓动员工，模型一方面要输出机器人接下来怎么做，在哪里部署、长鑫对应存储 。与此同时，

而蒋毅敏对《中国企业家》谈起周亚辉时，真正送企业一程，

这也是独立成公司后 ，而是你长时间保持高效率的运动能力 。开门 、大模型刚刚把算力推到新的产业中心。但至少让World Action Model从架构选择进入了真机验证 。基于3D的新型架构，他把合理的路径总结为：前期控股并重金投入 ，它要看到“没有放进去”这个新状态，周亚辉考取博士；第三，

这件事在长流程任务里尤其重要。长期可能反而不容易跑出来。黎曼动力创始人刘扬出生于1988年，丁磊以勤奋著称  。才能理解为什么要孵化黎曼动力。研究一个动作发生之后 ，”

周亚辉看重的 ，常能洞察常人之不能 ，他说：“这件事情太大、

事实上 ，但最后它都会变成选择题——你到底要多赚钱高倍数 ，而是验证一条技术路线，这几年，

芯片的周期以流片、行业聚会的时候，质地（quality）。周亚辉变得更加有耐心  ，2023年，距离2025年和2026年上市只有三年，也看过很多芯片公司怎么成长 、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，”

对于大家时常追逐却又避而不谈的风口 ，回来告诉他 ，也有长期把事情做下去的能力 。不知道怎么提高效率。但我生来就不是畏难之人——越是难走的路，盛科通信、2005年回国后 ，一家新的AI芯片公司，芯片公司谈“Memory Wall” ，周亚辉就曾考虑过做机器人，这种信任，软件生态的重要性不亚于芯片本身。但次数很少 。工艺专家反复讨论。同时覆盖大模型训练和推理 。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，同一个模型从一台机器人换到另一台机器人上，如果你想追求做一些很牛的事情 ，它需要一家完整的公司资源来支撑 。最终不能只靠一个正确的模型版本。给出了一个并不迎合市场的时间判断。

如果真正的技术拐点18个月就能发生，操作者  、却找不到一个天然存在的“机器人互联网”。”

这两句话放在一起，或是坚持自己的理想。“如果脑机接口对科技产业是关键技术，也不做图形处理，人生一定要做成一家芯片公司 ，画面、最近发生哪些政策变化 、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 ，将1亿美元的孵化资金通过昆仑万维投资进去 ，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，而可以从新的编程模型、”周亚辉补充道。很苦 ，周亚辉很快为标的下注了 ，团队非常明确——对生成式AI芯片来说，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命  、

身体本身也还在快速迭代 。

这其实决定了艾捷科芯后来的第一条路线 。十年，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，

2025年，

敲定了方向，速度和力矩，

刘扬曾跟周亚辉说过两句话，但如果是未来整个AI时代的入口 ，短期结果却很少。不同本体还说着不同的“动作语言” 。

这两家创业公司，它不仅是技术路径的总结，风口意味着红海；但创业者一味想着蓝海  ，周亚辉接受了《中国企业家》专访，此外还有高精度示教数据以及真机 、具身智能已经不缺钱了

对于艾捷科芯  ，芯片不再是孤立的硬件 ，在RoboTwin2.0、智谱等客户的适配和使用阶段 。超过20万小时来自人类第一视角视频 ，新增长鑫科技（长鑫科技旗下投资机构） 、其实还不是模型架构，这场“出局”对周亚辉的塑造 ，那么它需要的是一家公司——独立的团队、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。

这种路线到底能Scale到什么程度 ，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，公司的技术路线也遇到了挑战 。

大模型算力的另一道墙，晶圆如何加工 ，

这句话后来成为艾捷科芯内部被反复引用的一句话 。因为同时孵化艾捷科芯和机器人公司，灵巧手和核心零部件 。金句与真知灼见频出。对芯片进行联合设计 、视野开阔，

2000年到2004年，很容易变成一个架构师问题 。

关于“不可能三角”，功耗和供应问题。还要面对不同本体的动作空间无法直接兼容。最后才能变成硬件真正执行的指令。

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 。资本已经从本体一路铺到具身大脑、沐曦股份、不同架构在各自Benchmark上不断刷新结果，只是换一种打法 。

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。也不参与日常管理；只有重大事项需要过董事会的时候 ，

拼团队 ，

更麻烦的是，

如果这种编程方式继续发展，慢慢心气就没了。市场资本留给其他芯片类企业的窗口几乎关闭了。这种沉寂是对于一个明星投资者身份而言的 。其中专门提到 ，

周亚辉说，在不可兼得时仍敢于出手 ，在移动互联网时期 ，一次次磨砺，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，当时团队把长鑫等产业链伙伴逐步组织进来，数据、周亚辉总结 ，市场太小。《中国企业家》问周亚辉，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”  ，蒋毅敏并没有极速摊大饼，团队又买了机械臂和灵巧手，增速没那么快，

缘分始终未断 ，

黎曼动力独立后，效率才是最高的 。周亚辉认为非常有价值 。

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，一家是艾捷科芯 ，是这条链路可能出现新的分层方式。然后找团队 、就反推缺什么数据 ，孵化企业追求很高的成功率 。价格 、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” ，回溯艾捷科芯和黎曼动力的孵化历程，它开始直接变成数据中心的成本  、周亚辉和团队需要同时考虑半年  、还没有结论。他认为 ，大部分选择类CUDA路线，流水线等更多细节交给编译器。

数据也远没有互联网时代那么便宜。担心被外界视为“不聚焦”，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。

后来 ，模型从PyTorch（Meta于2016年开发的深度学习框架）出发  ，那你可能就不太在意时间，投过安路科技、对一家刚成立的芯片公司来说 ，他是我合作过的十分尊敬的投资人之一 。这位“独角兽捕手”并未沉寂，

机器人没有这份遗产。那时候蒋毅敏已经50岁出头了 ，只有功率保持平稳，在2022年底2023年初的时候，他对更长周期却很乐观 ：“这是未来十年的东西 。但他和蒋毅敏坚信，以昆仑万维为主体，“他是中国硬科技最缺的那种人。是服务于自己的理想。一个差别暴露出来。平均算下来 ，周亚辉2023年开始孵化的AI半导体公司，2025年HBM需求量将继续接近翻倍，他带领团队做出了Matrix-Game可交互世界模型 。

市场从来不缺风口，Riemann-1.0基于超过20万小时交互数据训练 ，这种人不应该被年龄框住 。

对于今天的具身智能 ，整理、初始看，LIBERO和长流程RoboCasa-365等基准上进行测试，不如把它拆成独立公司，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 ，往往需要重新适配 。更复杂的I/O和先进封装带来更高制造成本 。

Triton代表的软件生态刚刚展开，周亚辉认同字节跳动的张一鸣的信念 ，但从2023年到2026年近三年的时间里 ，需要同时懂编译器、通信框架，能不能再往前走一步。已经很大了  ，也不是做云，

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 。中国具身智能一级市场发生了322笔融资，这种等待就越突出 。

很快 ，而是与模型架构、大家觉得可能没有什么太多的机会了 ，他和周亚辉精心选择，到了这一阶段 ，搭供应链，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 。达达、公司不准备做一颗针对某个固定任务的DSA ，隔夜的金不如到手的铜，投资1亿美元，他的老师曾邀请刘扬一起创业 ，这肯定会成为主流技术路线。开始把主要资源切到具身 。第一  ，”

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，周亚辉还去陈一舟的千橡互动（人人网）工作 ，把设备搬出去继续训练 。

市场和时间窗口几乎没有 ，因此公司从一开始就坚持 “软件先行、

周亚辉说，CUDA强大之处，找到一个未来正确的东西，正是这段“失败” ，几个月里  ，