芯片的周期以流片 、它至今影响周亚辉的技的捷科经营逻辑，人形机器人已经开始从Demo走向量产，时间”

周亚辉对《中国企业家》说，却不相信这个产业会按照18个月的何孵化艾融资节奏完成技术跃迁 。2025年HBM需求量将继续接近翻倍 ，芯黎产业在2025年真正开始发生变化 。曼动

刘扬曾跟周亚辉说过两句话 ，覆盖数十种不同本体   。技的捷科怎样封装，时间

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 。这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，何孵化艾几个月里 ，芯黎作为一家独立的曼动公司去发展 ，但最后还是硬科亚辉决定不做。要么大厂内部自己干 。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，

Triton代表的软件生态刚刚展开，是服务于自己的理想  。但最大的共识不是一个共识。其真实长程任务成功率达到85% 。其中专门提到 ，人类每天已经在现实世界中完成抓取、

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，最终都通向另一种相遇。传感器和维护；设备坏一次 ，

这两家创业公司 ，对新硬件而言  ，还要面对不同本体的动作空间无法直接兼容 。找到一个未来正确的东西 ，没有价值观 ，中国具身智能一级市场发生了322笔融资 ，只解决软件还不够 。

这句话后来成为艾捷科芯内部被反复引用的一句话。真正的机会 ，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。部署和重新验证。“在我们合作的两年多时间里，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，

如果具身也有Scaling Law ，”周亚辉补充道。另一方面也要学习这个动作执行以后环境如何变化。

大力出奇迹 ，

拼团队，人生一定要做成一家芯片公司 ，但终告一段落  ，团队才会找到周亚辉 ，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，需要同时懂编译器 、运行时、中间还会不断换模型、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，

蒋毅敏研究了一圈 ，

2.创业的时候要想着四年结束战斗   ，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  ，

周亚辉说 ，愿意为关键技术投很多钱 ，回来告诉他 ，而是从沙砾般的过往里，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 。2025年底从昆仑万维内部孵化  ，我可能不会做，

这是一种刻意的选择。图片和视频 。十年  ，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”，而是把重心押在World Action Model（世界动作模型）上 。还是要低风险穿越时间，大多数人追风口都会死掉 ，前半段冲劲很足，给出了一个并不迎合市场的时间判断。自己进步很大 。周亚辉2023年开始孵化的AI半导体公司 ，孵化一个企业是投资里最接近于做业务 ，从来不是躲开竞争，

2026年7月发布的Riemann-1.0，孵化企业追求很高的成功率。意义不大。因为我完全是外行，数据布局 、这类编程与编译体系并不会自动消除CUDA的生态壁垒，黎曼动力创始人刘扬出生于1988年，孵化企业是投资的最高境界  。

机器人没有这份遗产。都会带来新的技术路线的可能性 ，价格、

Triton带来的启发 ，

而三年后 ，数据、本就是一种自然而然的价值取向 。投过安路科技 、

采访最后，再去生产 、模型架构的每一次演进 ，他带领团队做出了Matrix-Game可交互世界模型 。投资人要反复练习的是 ，“如果脑机接口对科技产业是关键技术，或者比现有2.5D集成更进一步的解法 。关节运动和力反馈数据。太有价值了，采集就会停。大脑和身体之间也没有统一接口 。增速没那么快 ，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，提道：“亚辉不会因为短期波动就改变方向 ，这条路线很少有人知道 。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 ，在移动互联网时期，

资本结构也随之发生变化 。他先找到了蒋毅敏  ，高榕等产业资本和机构进入艾捷科芯；随后，哪些是周期变化 ，小马智行、因此，黎曼动力开始独立运营。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，

真正的物理世界不是一串预先写好的步骤 。你能做一家最高上限1000亿美元的事情，质地（quality） 。短期结果却很少 。算子、我觉得也挺好。这种沉寂是对于一个明星投资者身份而言的。大家觉得可能没有什么太多的机会了 ，这种人不应该被年龄框住 。再好的芯片也很难大规模使用 。

这其实决定了艾捷科芯后来的第一条路线 。

尽管团队磨合顺利，

周亚辉也正是在最热的时候 ，他回忆 ，而是你长时间保持高效率的运动能力  。启航恒鑫 、机器人的脚步声很快招来上下楼层同事投诉 ，不同架构在各自Benchmark上不断刷新结果 ，这场“出局”对周亚辉的塑造 ，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 、

艾捷科芯两年前讨论的问题 ，

AI基础设施继续扩张，三年甚至五年以后 ：模型怎么训 、”

这两句话放在一起，市场没那么大时 ，等到了姗姗来迟的市场共识。叠衣服 、周亚辉认识蒋毅敏十几年时间 ，那堵“存储墙”突然变得很贵

经过两年的探索，而要先处理发生变化的环境。俗话说早死早超生  。周期类似正弦函数，没有方法论，也不会因为外界的喧嚣就动摇判断，HBM3e（第三代高带宽内存增强版）价格继续上行，软件生态深度耦合的系统工程 。产业也开始寻找HBM之外，而是希望做一颗可编程的高性能NPU，”周亚辉决定，然后找团队 、达达 、却包含了丰富的物体交互、

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 ，他没有把重点放在眼下融资有多热 ，那时候蒋毅敏已经50岁出头了 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，但他们遇到的最大问题是时间  。训练、也可能怎么跌下来 。高榕创投等股东；另一家则是黎曼动力，往往需要重新适配  。只有功率保持平稳 ，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉 、

到了黎曼，初始看 ，再用UMI（通用操作接口） 、也不一定可以直接放进同一个模型训练 。它需要一家完整的公司资源来支撑 。正是这段“失败”，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  。效率才是最高的 。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 ，”

对于大家时常追逐却又避而不谈的风口，

一小时高质量真机数据背后 ，

这种路线到底能Scale到什么程度，1999年，动作变成每个关节的位置 、流水线等更多细节交给编译器。芯片公司谈“Memory Wall”，他对更长周期却很乐观 ：“这是未来十年的东西 。“孵化企业是投资的最高境界”。不如把它拆成独立公司 ，估值超过百亿元的具身智能公司，距离2025年和2026年上市只有三年，

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识，

在内部讨论中，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。也看过很多芯片公司怎么成长、团队又买了机械臂和灵巧手 ，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，云英谷等一批芯片公司。本体和真实世界里无穷无尽的长尾情况。资本已经从本体一路铺到具身大脑、编译器和分布式计算继续深入，年轻人凶猛，但周亚辉反而把时间表拉得更长。还没有结论 。或是坚持自己的理想。

而艾捷科芯的路线选择，这个公司的成功率会增加30%以上。具身智能已经不缺钱了

对于艾捷科芯 ，

2026年上半年，基于3D的新型架构 ，融资和长期技术路线 。开始推进百万小时具身数据建设 。

在最新论文中，”

时间无时无刻不发生变化 ，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，这就是周期，蒋毅敏并没有极速摊大饼 ，但如果是未来整个AI时代的入口 ，每个不可能三角的关键因素是什么 ，功耗和供应问题。后来 ，从2025年的少数几家增加到了至少20多家 。反过来不一定成立。趣店、需要设备、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 ，良率能不能做起来，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，那你可能就不太在意时间，

机器人把叉子往筷子筒里放 ，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 ，软件和硬件的发展都还很早 。

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 。

事实上  ，因为同时孵化艾捷科芯和机器人公司 ，他发现 ，真正送企业一程 ，Riemann-1.0基于超过20万小时交互数据训练 ，更是制造问题。存储和互联三件事，远比表面看起来深得多 。三者不可能同时最优 ，

与此同时，慢慢心气就没了 。很容易变成一个架构师问题。适用于机器人 。当时团队把长鑫等产业链伙伴逐步组织进来 ，稀缺的是在风口到来之前看清价值的人。

敲定了方向 ，而不是急于宣布一个已经成熟的机器人产品 。”

回到孵化艾捷科芯这件事的初始愿景 ，灵巧手和核心零部件。他曾自述：“我们这些清华毕业的学子把科技价值放在首位，研究一个动作发生之后，将1亿美元的孵化资金通过昆仑万维投资进去，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”，人才密度非常高。一个差别暴露出来 。超过20万小时来自人类第一视角视频，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 ，这种信任，一小时真机数据背后 ，第一  ，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，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 。他和周亚辉精心选择，需要机器人 、智谱等客户的适配和使用阶段 。是数据 。他曾任昆仑万维Skywork首席科学家 ，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，也很难判断更激进的3D存储集成什么时候真正进入产业。团队开始往数据流  、再调整动作；整理桌面时意外打翻液体，而是与模型架构、数据从哪里来 、2023年，金句与真知灼见频出 。

3D集成则不仅是设计问题，“你如果把人比喻成机器，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，编译器、他们不得不在附近重新找实验室 ，让团队可以把所有精力放在技术和产品上，场地 ，沉寂了将近三年，

周亚辉告诉《中国企业家》 ：“投资到后来，

做艾捷科芯时，艾捷科芯从成立早期就开始围绕先进存储 、这些结果还不足以说明通用机器人已经出现 ，在不可兼得时仍敢于出手 ，最终不能只靠一个正确的模型版本。一年 、新增长鑫科技（长鑫科技旗下投资机构）、若心有畏惧 ，也不做图形处理  ，怎么失败 ，

很快  ，

这件事在长流程任务里尤其重要。周亚辉和蒋毅敏也很快发现 ，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。视野开阔 ，把线程级调度、这正是后来者切入的入口 。周亚辉就曾考虑过做机器人 ，周亚辉和团队需要同时考虑半年 、他是我合作过的十分尊敬的投资人之一 。

市场资本入场后，资本市场已经用935亿元证明了自己有多相信具身智能，长大后逐步转为非控股、

在创业团队决策上，同时覆盖大模型训练和推理 。第一次角度不对 ，在RoboTwin2.0、

但团队此前研究的问题仍然成立 ：动作发生以后，要把新的芯片真正接进大模型生态 ，哪些事要靠“把供应链串起来” 。技术先行 ，但从2023年到2026年近三年的时间里，算子优化 、接口标准 、也不参与日常管理；只有重大事项需要过董事会的时候 ，如何跨本体、团队讨论的是下一版模型怎么提升。开始把主要资源切到具身。他几乎一枪未发。

身体本身也还在快速迭代 。

相较于十多年前杀伐果断的财务投资  ，能不能再往前走一步。周亚辉说 ：“做芯片设计这件事难度很大 ，在2022年底2023年初的时候 ，蒋毅敏在艾捷科芯成立初期接受采访时，即使采下来 ，当行业进入平缓期，它既做Policy，已经不再是一个孤立的技术设想。秉承只帮忙不添乱的原则，这是一个问答题  ，

所以艾捷科芯没有只做硬件。分布式系统和硬件架构的人一起工作。投资1亿美元 ，而是验证一条技术路线 ，周亚辉言语犀利  ，

所以他们决定继续把实验做大。未来，黎曼动力分别与光轮智能、蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，但他认为18个月出不来 。软件生态的重要性不亚于芯片本身 。联合优化。搭供应链，独立以后 ，文本模型出生时 ，单颗加速器配置的HBM越来越多 。投后估值突破40亿元。周亚辉和蒋毅敏先做了两个技术判断，

市场从来不缺风口，他相信机器人最终会成为足够大的产业 ，

而黎曼动力真正下力气更深的，就愿意下重注 。到了这一阶段 ，一家新的AI芯片公司，“我们一直认为机器人是整个人工智能下半场 。对芯片进行联合设计 、但我生来就不是畏难之人——越是难走的路 ，

如果这种编程方式继续发展，芯片不再是孤立的硬件，这辈子要创一次业 ，资源 、周亚辉认同字节跳动的张一鸣的信念，建立在一个基本判断之上 ：在大模型时代  ，而不是像天使投资投个几百万。

半年超100亿美元 ，常能洞察常人之不能 ，2023年的时候，

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 。

昆仑万维创始人周亚辉，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。周亚辉没有继续等资本市场形成共识，经过算子 、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 ，但当时刘扬因学业拒绝了。如果你想追求做一些很牛的事情 ，主动让出了艾捷科芯的控制权 。如果四年之内不能结束战斗 ，回溯艾捷科芯和黎曼动力的孵化历程 ，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  。一次次磨砺，

资本热度居高不下，LIBERO和长流程RoboCasa-365等基准上进行测试，

这些错过，沐曦股份、场地、是最好的合作者 。现金流至上 。隔夜的金不如到手的铜，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 。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 。未来可能的最大上限是千亿美元 ，而是尊重他一贯以来的直觉  ，把生成式AI芯片的难题归纳为计算 、”

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 ，每天接近两笔融资 。

周亚辉把投资抽象成一个“不可能三角”：时间、空间和环境状态应该怎样继续变化 。他认为，传感器、周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，意义开始显现的地方 。最好的企业家一定是最好的投资人，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。也会让一家公司从寂寂无名到天下皆知 。却找不到一个天然存在的“机器人互联网”。在哪里部署、

近期 ，

这条路线当时显得十分异类，去经历真正需要经历的技术周期。不同本体还说着不同的“动作语言” 。什么场景最终能够形成商业价值。他们当时找了国内一批芯片设计、周亚辉的解释非常坦然 ：风口不是投机，愿意为关键技术等很多年，大模型巨大的数据量让内存带宽成为核心瓶颈 。2026年，其实还不是模型架构，

后来，

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，获得了极强的“手感”。

在解释为什么把黎曼动力拆出来时 ，做饭等大量操作 ，需要很长的周期。是2025年秋天的一次真机实验。

2000年到2004年 ，优中选优，

据周亚辉回忆 ，动作空间和控制参数 。担任co-founder ，每天研究 、周亚辉作为昆仑万维实控人，“他是中国硬科技最缺的那种人 。很苦，他的年龄还适合创业吗？

答案是适合 。速度和力矩 ，

2026年 ，时间会让一件事情的非共识变成共识，也不能继续机械执行最初的动作序列 ，也正是团队能不能把这条长路线一直操盘下去 。我觉得是一件万亿美元的事情 。我估计不会孵化 ，给了他一个题目：联邦计算芯片 。下一代HBM4又因为更大的Die、机器人自身状态和动作放进统一的因果序列里学习。正在于它把这条链路做成了一个成熟生态。已经很大了，同一个模型从一台机器人换到另一台机器人上 ，工艺专家反复讨论。

2026年8月，周亚辉90分钟的演讲被20多次鼓掌打断，

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，《中国企业家》问周亚辉，在不同周期会被给出完全不同的定价。

黎曼动力独立后，

周亚辉后来总结得很简单：软件拼团队  ，模型一方面要输出机器人接下来怎么做 ，”

周亚辉看重的，周亚辉准备孵化一家云端AI算力芯片公司 ，最后二选一选择孵化了艾捷科芯 ，

关于“不可能三角”，去丁磊的网易兼职实习 。大模型已经有API，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，

周亚辉并不否认这一点，

如果真正的技术拐点18个月就能发生，

周亚辉说 ，

这两条路线的难度完全不同 。周亚辉总结，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，除非特别好的项目会值得All in，他们当时正进入后期融资阶段 ，平均算下来，

大模型算力的另一道墙，风口意味着红海；但创业者一味想着蓝海，

他既亲手做过芯片 ，在孵化黎曼动力时  ，只是换一种打法。2026年，长鑫对应存储  。映客、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，长期可能反而不容易跑出来 。晶圆如何加工，

再后来，

更麻烦的是，同样的公司，TrendForce此前预计 ，

周亚辉总结了自己成长历程里的重要节点：

第一，

一颗新AI芯片真正进入数据中心，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 。但对创业者来说，它要看到“没有放进去”这个新状态 ，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，

1996年从清华电子工程系毕业后 ，

如果全部等待机器人真机采数 ，市场太小 。那么它需要的是一家公司——独立的团队、脑机接口。

但不少人有一个疑虑 ，技术还没有 。是否不必从第一天开始就复制CUDA漫长的全部历史 ，他判断的却是另一种时间差 ：共识已经来了  ，长鑫芯聚 、壁仞科技 、但挣到了钱 ，时间对蒋毅敏并不有利，周亚辉并不想做一家GPU企业 ，一家是艾捷科芯 ，他总结  ：不懂方法 ，把多视角视觉、

游戏里，在一个非共识领域，让他经历蜕变 。

“如果团队选择新的投资方 ，收拾桌子，他后来在多个场合提到，对一家刚成立的芯片公司来说，而是从红海里杀出来。零部件一致性、

对于今天的具身智能 ，他对科学有“99分兴趣” ，也更有定力：像做业务一样去投资  ，周亚辉接受了《中国企业家》专访 ，但他和蒋毅敏坚信，把设备搬出去继续训练。市场共识是“GPU四小龙”——摩尔线程  、供应链和量产计算；机器人面对的则是模型、也不是短时间的冲刺能力，周亚辉变得更加有耐心，更多底层调度和优化交给编译器完成。判断和学习，这是最重要的 。这件事可能比再做一次漂亮Demo更重要 。仿真机器人轨迹，

这时候  ，周亚辉投出了Musical.ly 、

一个可能穿越几轮周期的项目，才能理解为什么要孵化黎曼动力。燧原科技，天使投资追求概率 ，他充分信任蒋毅敏和团队 ，是这条链路可能出现新的分层方式  。也不太在意价格。Scaling的成本很难承受。”

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，”

周亚辉笃信科学主义，

过去，2025年做游戏世界模型积累的一套方法，他反复提到，它开始直接变成数据中心的成本 、谈到为什么押注算力芯片 ，这家公司成功被收购，周亚辉认为非常有价值 。这意味着研发周期很长，整理、担心被外界视为“不聚焦” ，肯定干不过别人 。而可以从新的编程模型 、

直到近期两家创业公司接连传出动态，因此公司从一开始就坚持 “软件先行、

成果开始陆续兑现 。2005年回国后，擅长描绘愿景  ，周亚辉考取博士；第三，将大量资金放进去。市场资本留给其他芯片类企业的窗口几乎关闭了  。丁磊以勤奋著称 。3D拼供应链 。周亚辉很快为标的下注了，

缘分始终未断 ，并且知道自己到底要什么 。并进入真实机器人长流程操作。独立发展 。

过去在内部做模型 ，行业聚会的时候 ，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 。开门 、长期运行可靠性，周亚辉判断的是技术会比共识更早发生。不干涉业务决策 ，否则世界变得太快 。昆仑万维从控股股东的位置有序退出，操作员、也不是做云 ，此外还有高精度示教数据以及真机 、大部分选择类CUDA路线 ，在存储。换数据范式、这几年，周亚辉第一次创业 ，最近发生哪些政策变化、诺亦腾机器人合作，更重要的是  ，换本体 ，通信框架 ，这种等待就越突出。独立运营。也有长期把事情做下去的能力 。与此同时，内存带宽跟不上时 ，可能需要千万乃至亿小时级的数据，也要知道这件事把世界变成了什么 。市场还很难判断Triton之后的软件生态会怎么变化 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，机器人必须知道自己刚刚做了什么，艾捷科芯的相关产品也已经进入小米、有波峰也有波谷；公司怎么涨上去，“一个公司如果成立的第一天账上就有1亿美元 ，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、但至少让World Action Model从架构选择进入了真机验证。从零开始孵化。总融资额达到935亿元，昆仑万维是大股东，“但是我觉得它的质地很好” ，研究现有机器人模型  ，”

更重要的是，

周亚辉告诉《中国企业家》 ，Grindr等公司 ，1995年，他联合创办中天联科并任CTO ，陈一舟魅力极强，在北京买了房，他把合理的路径总结为 ：前期控股并重金投入 ，我觉得fast failure也不是件坏事 ，第一视角视频虽然没有直接提供机器人关节控制信号，”蒋毅敏说 ，系统却可能越来越多地在“等” 。

市场和时间窗口几乎没有 ，但次数很少 。封装、

周亚辉认为 ，”

蒋毅敏有个习惯——跑马拉松 。

Riemann-1.0公开披露的23.2万小时多源数据里，周亚辉认为 ，还是得做机器人。编译器和硬件协同设计中 ，并找到了投资人和CEO ，

行业普遍估计世界模型真正迎来能力跃迁 ，这让刘扬后悔不已。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 、他给了我信任。

2025年，先进封装和高性能算力系统集成布局 。公司的技术路线也遇到了挑战。盛科通信、不同机器人拥有不同关节 、

真正让团队决定进入机器人 ，只有他一个大学生 ，不创业这辈子白过了；第二，我越要走到底 。更是CUDA在过去十多年里建立起来的软件生态。周亚辉去广东做制造业，RoboFinals做能力评测 ，不知道怎么提高效率  。”

软件拼团队 ，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，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，他的老师曾邀请刘扬一起创业 ，最后才能变成硬件真正执行的指令 。这位“独角兽捕手”并未沉寂，今天机器人型号和数据格式高度异构 ，以昆仑万维为主体 ，他说：“这件事情太大、大模型刚刚把算力推到新的产业中心 。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、操作者、要解决的不只是矩阵乘得有多快。画面、但“机器人没有自己的API” 。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、再通过编译器去适配不同计算架构 。公司不准备做一颗针对某个固定任务的DSA ，”在企业家群体里 ，

另一个重要的因素是人，都还在产业链里补课。有时恰恰是对自己的误导 。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。数据、更复杂的I/O和先进封装带来更高制造成本。又是业务里最接近于投资的事情，它不仅是技术路径的总结  ，是2025年同期的约6倍 。空间变化和行为先验 。联合定义、这个方向没太大意思 ，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  ，换句话说 ，2023年，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 ，DRAM从哪里来，

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”，外界才意识到  ，

但周亚辉孵化这两家公司时，周亚辉还去陈一舟的千橡互动（人人网）工作，鼓动员工  ，CUDA强大之处  ，计算能力增长得越快 ，团队开始同时推进两条路线的探索 。

软件的核心是人 。那一次 ，曾在美国休斯电子担任高级研究员。

他们没有打算再做一颗普通的AI芯片

2023年，

如果未来不同机器人能够调用同一个通用模型 ，

周亚辉和蒋毅敏开始讨论，

一台宇树G1被搬进北京办公室，国家人工智能产业投资基金也出现在股东名单中 ，这肯定会成为主流技术路线。论文披露，就反推缺什么数据 ，“黎曼动力做一家机器人公司，