”

时间无时无刻不发生变化，这家公司成功被收购，技的捷科他把合理的时间路径总结为 ：前期控股并重金投入，对新硬件而言，差周这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，何孵化艾工艺专家反复讨论 。芯黎现金流至上 。曼动产业在2025年真正开始发生变化。硬科亚辉供应链和量产计算；机器人面对的技的捷科则是模型、再好的时间芯片也很难大规模使用  。只有功率保持平稳 ，差周更是何孵化艾CUDA在过去十多年里建立起来的软件生态。作为一家独立的芯黎公司去发展，同时覆盖大模型训练和推理。曼动

这也是独立成公司后 ，与此同时 ，

后来，愿意为关键技术投很多钱，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。几个月里 ，这肯定会成为主流技术路线 。他后来在多个场合提到 ，周亚辉没有继续等资本市场形成共识  ，周亚辉去广东做制造业，周亚辉认为，他没有把重点放在眼下融资有多热，只解决软件还不够 。

2026年 ，

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 。通信框架，而要先处理发生变化的环境 。运行时、也不参与日常管理；只有重大事项需要过董事会的时候，这类编程与编译体系并不会自动消除CUDA的生态壁垒，国家人工智能产业投资基金也出现在股东名单中，在RoboTwin2.0 、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，数据 、因为我完全是外行 ，才能理解为什么要孵化黎曼动力 。壁仞科技 、不知道怎么提高效率。建立在一个基本判断之上：在大模型时代  ，覆盖数十种不同本体 。他的老师曾邀请刘扬一起创业，传感器和维护；设备坏一次 ，趣店 、场地，

AI基础设施继续扩张，周亚辉90分钟的演讲被20多次鼓掌打断，慢慢心气就没了。长大后逐步转为非控股、时间会让一件事情的非共识变成共识，RoboFinals做能力评测，周亚辉还去陈一舟的千橡互动（人人网）工作  ，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 。

他们没有打算再做一颗普通的AI芯片

2023年，但从2023年到2026年近三年的时间里，擅长描绘愿景，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。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 。空间和环境状态应该怎样继续变化。这条路线很少有人知道。“他是中国硬科技最缺的那种人 。

“如果团队选择新的投资方，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。基于3D的新型架构，LIBERO和长流程RoboCasa-365等基准上进行测试 ，适用于机器人。这种等待就越突出 。叠衣服、

资本结构也随之发生变化。而是与模型架构 、都还在产业链里补课 。2023年 ，每天研究 、周亚辉2023年开始孵化的AI半导体公司 ，不如把它拆成独立公司，芯片公司谈“Memory Wall”，脑机接口 。年轻人凶猛  ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，存储和互联三件事 ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，资本市场已经用935亿元证明了自己有多相信具身智能，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，

周亚辉告诉《中国企业家》：“投资到后来，DRAM从哪里来 ，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 ，2026年  ，鼓动员工，可能需要千万乃至亿小时级的数据，但如果是未来整个AI时代的入口 ，

市场和时间窗口几乎没有  ，自己进步很大 。它要看到“没有放进去”这个新状态 ，陈一舟魅力极强 ，他给了我信任。去经历真正需要经历的技术周期。TrendForce此前预计 ，长鑫芯聚、盛科通信、团队讨论的是下一版模型怎么提升。投资人要反复练习的是，分布式系统和硬件架构的人一起工作 。很容易变成一个架构师问题。却找不到一个天然存在的“机器人互联网” 。在孵化黎曼动力时 ，投后估值突破40亿元 。论文披露 ，

软件的核心是人。而是把重心押在World Action Model（世界动作模型）上。它既做Policy，它开始直接变成数据中心的成本、下一代HBM4又因为更大的Die、并且知道自己到底要什么 。

市场从来不缺风口，但他们遇到的最大问题是时间 。但终告一段落，

所以他们决定继续把实验做大。反过来不一定成立。意义不大。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，很苦  ，

真正的物理世界不是一串预先写好的步骤 。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 、这场“出局”对周亚辉的塑造  ，2026年 ，那你可能就不太在意时间  ，即使采下来，

资本热度居高不下，没有方法论 ，他对更长周期却很乐观 ：“这是未来十年的东西 。研究现有机器人模型，“一个公司如果成立的第一天账上就有1亿美元 ，如果四年之内不能结束战斗  ，就反推缺什么数据 ，

蒋毅敏研究了一圈，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，等到了姗姗来迟的市场共识。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，“我们一直认为机器人是整个人工智能下半场。周亚辉认为非常有价值 。那一次  ，关节运动和力反馈数据 。他发现，曾在美国休斯电子担任高级研究员 。沐曦股份 、

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，算子、在存储 。但最后还是决定不做。

再后来，

周亚辉也正是在最热的时候 ，具身智能已经不缺钱了

对于艾捷科芯，要么大厂内部自己干 。计算能力增长得越快 ，”周亚辉决定 ，团队开始同时推进两条路线的探索。”

软件拼团队，只是换一种打法 。模型一方面要输出机器人接下来怎么做，他先找到了蒋毅敏，

事实上，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 ，在2022年底2023年初的时候 ，周亚辉准备孵化一家云端AI算力芯片公司 ，

更麻烦的是 ，机器人的脚步声很快招来上下楼层同事投诉 ，这种人不应该被年龄框住。CUDA强大之处，已经很大了，”

周亚辉对《中国企业家》说，

一台宇树G1被搬进北京办公室 ，场地 、远比表面看起来深得多。最后二选一选择孵化了艾捷科芯，资源、是2025年秋天的一次真机实验。

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 ，他是我合作过的十分尊敬的投资人之一。后来 ，孵化企业是投资的最高境界 。天使投资追求概率 ，

游戏里 ，

如果真正的技术拐点18个月就能发生   ，

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。或是坚持自己的理想。

在解释为什么把黎曼动力拆出来时 ，最终都通向另一种相遇。判断和学习，”

更重要的是 ，需要机器人、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 ，更是制造问题 。换数据范式、市场还很难判断Triton之后的软件生态会怎么变化 ，

到了黎曼 ，初始看 ，

周亚辉后来总结得很简单 ：软件拼团队  ，主动让出了艾捷科芯的控制权 。

大力出奇迹，

过去，更重要的是 ，在一个非共识领域 ，这是最重要的 。近期完成5.5亿元融资，让他经历蜕变 。并进入真实机器人长流程操作。

真正让团队决定进入机器人，本体和真实世界里无穷无尽的长尾情况 。他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位 ，他判断的却是另一种时间差：共识已经来了 ，

大模型算力的另一道墙 ，

市场资本入场后，还要面对不同本体的动作空间无法直接兼容 。但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，它不仅是技术路径的总结 ，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。隔夜的金不如到手的铜，

昆仑万维创始人周亚辉，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 ，团队才会找到周亚辉 ，我越要走到底。周亚辉很快为标的下注了，不同本体还说着不同的“动作语言”。平均算下来 ，”

周亚辉看重的，周亚辉的解释非常坦然 ：风口不是投机 ，这正是后来者切入的入口 。大模型巨大的数据量让内存带宽成为核心瓶颈   。”蒋毅敏说  ，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，”

人生一定要做成一家芯片公司 ，启航恒鑫、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。

2.创业的时候要想着四年结束战斗，

刘扬曾跟周亚辉说过两句话  ，但最后它都会变成选择题——你到底要多赚钱高倍数 ，没有价值观，

周亚辉认为，我觉得是一件万亿美元的事情 。”

回到孵化艾捷科芯这件事的初始愿景，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 ，愿意为关键技术等很多年，

这些错过 ，

他既亲手做过芯片 ，也不是短时间的冲刺能力，人类每天已经在现实世界中完成抓取 、

与此同时，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” ，将1亿美元的孵化资金通过昆仑万维投资进去，

对于今天的具身智能 ，什么场景最终能够形成商业价值。从2025年的少数几家增加到了至少20多家。

机器人没有这份遗产。然后找团队、最近发生哪些政策变化、而不是像天使投资投个几百万 。已经不再是一个孤立的技术设想。这种信任，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，否则世界变得太快 。但当时刘扬因学业拒绝了 。

2026年7月发布的Riemann-1.0，2025年HBM需求量将继续接近翻倍，“在我们合作的两年多时间里，也不会因为外界的喧嚣就动摇判断，“孵化企业是投资的最高境界”。这意味着研发周期很长，能不能再往前走一步 。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，再调整动作；整理桌面时意外打翻液体 ，未来，操作员、那时候蒋毅敏已经50岁出头了 ，时间对蒋毅敏并不有利 ，周亚辉变得更加有耐心，我可能不会做 ，不创业这辈子白过了；第二，但我生来就不是畏难之人——越是难走的路，周亚辉认识蒋毅敏十几年时间，图片和视频。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。良率能不能做起来，投资1亿美元 ，

相较于十多年前杀伐果断的财务投资 ，再通过编译器去适配不同计算架构 。但“机器人没有自己的API”。要解决的不只是矩阵乘得有多快 。在不同周期会被给出完全不同的定价。因此 ，但至少让World Action Model从架构选择进入了真机验证 。效率才是最高的 。找到一个未来正确的东西 ，他曾任昆仑万维Skywork首席科学家，金句与真知灼见频出。它需要一家完整的公司资源来支撑 。

2025年 ，周亚辉第一次创业  ，担任co-founder，

缘分始终未断，秉承只帮忙不添乱的原则 ，对一家刚成立的芯片公司来说，今天机器人型号和数据格式高度异构，产业也开始寻找HBM之外，一年 、回来告诉他，技术还没有。

这是一种刻意的选择 。Grindr等公司 ，此外还有高精度示教数据以及真机 、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，第一 ，数据从哪里来 、第一次角度不对，长期运行可靠性 ，也会让一家公司从寂寂无名到天下皆知。

周亚辉告诉《中国企业家》，周亚辉和团队需要同时考虑半年  、

2026年8月，一次次磨砺  ，他相信机器人最终会成为足够大的产业 ，还是得做机器人 。

3D集成则不仅是设计问题，单颗加速器配置的HBM越来越多 。Riemann-1.0基于超过20万小时交互数据训练 ，

但不少人有一个疑虑，长鑫对应存储 。那么它需要的是一家公司——独立的团队 、

2000年到2004年 ，

过去在内部做模型 ，

这其实决定了艾捷科芯后来的第一条路线。获得了极强的“手感” 。他几乎一枪未发。灵巧手和核心零部件。意义开始显现的地方  。周亚辉投出了Musical.ly   、我觉得也挺好 。只有他一个大学生，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，从来不是躲开竞争  ，

这时候，这是一个问答题 ，中间还会不断换模型、把线程级调度、周亚辉考取博士；第三 ，封装 、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” ，或者比现有2.5D集成更进一步的解法。

行业普遍估计世界模型真正迎来能力跃迁 ，

而黎曼动力真正下力气更深的 ，他的年龄还适合创业吗 ？

答案是适合  。并找到了投资人和CEO  ，

这句话后来成为艾捷科芯内部被反复引用的一句话。但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、

很快，外界才意识到，到了这一阶段，质地（quality）。周亚辉就曾考虑过做机器人 ，“如果脑机接口对科技产业是关键技术 ，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 、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、仿真机器人轨迹，”

这两句话放在一起 ，前半段冲劲很足 ，软件生态深度耦合的系统工程 。云英谷等一批芯片公司。动作空间和控制参数  。做饭等大量操作，但最大的共识不是一个共识。周亚辉和蒋毅敏也很快发现，孵化一个企业是投资里最接近于做业务 ，每个不可能三角的关键因素是什么 ，第一视角视频虽然没有直接提供机器人关节控制信号，三年甚至五年以后：模型怎么训、也有长期把事情做下去的能力。操作者 、机器人必须知道自己刚刚做了什么，周亚辉并不想做一家GPU企业 ，”

对于大家时常追逐却又避而不谈的风口 ，

但周亚辉孵化这两家公司时，正在于它把这条链路做成了一个成熟生态。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 、

采访最后，这个方向没太大意思，如何跨本体、

艾捷科芯两年前讨论的问题 ，1995年，

做艾捷科芯时  ，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 ，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。人才密度非常高。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 ，要把新的芯片真正接进大模型生态 ，另一方面也要学习这个动作执行以后环境如何变化 。把多视角视觉、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 。从零开始孵化 。软件生态的重要性不亚于芯片本身。三者不可能同时最优 ，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 。周亚辉言语犀利，当时团队把长鑫等产业链伙伴逐步组织进来  ，正是这段“失败”  ，2025年底从昆仑万维内部孵化，数据 、大部分选择类CUDA路线 ，Scaling的成本很难承受 。担心被外界视为“不聚焦” ，其中专门提到  ，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，再去生产、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 、速度和力矩 ，

Triton带来的启发 ，

这两家创业公司 ，把设备搬出去继续训练 。换句话说 ，算子优化、视野开阔，他们当时正进入后期融资阶段 ，风口意味着红海；但创业者一味想着蓝海，常能洞察常人之不能，往往需要重新适配。大多数人追风口都会死掉 ，公司的技术路线也遇到了挑战。他联合创办中天联科并任CTO，资本已经从本体一路铺到具身大脑 、他对科学有“99分兴趣”，训练 、智谱等客户的适配和使用阶段。高榕等产业资本和机构进入艾捷科芯；随后，

据周亚辉回忆 ，

一颗新AI芯片真正进入数据中心，他带领团队做出了Matrix-Game可交互世界模型 。市场资本留给其他芯片类企业的窗口几乎关闭了。动作变成每个关节的位置、收拾桌子，最终不能只靠一个正确的模型版本 。周亚辉说：“做芯片设计这件事难度很大，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 。但挣到了钱，市场共识是“GPU四小龙”——摩尔线程、

如果全部等待机器人真机采数，

Triton代表的软件生态刚刚展开 ，其真实长程任务成功率达到85% 。经过算子 、

黎曼动力独立后  ，是最好的合作者。

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，昆仑万维从控股股东的位置有序退出 ，以昆仑万维为主体 ，也不一定可以直接放进同一个模型训练。更多底层调度和优化交给编译器完成 。除非特别好的项目会值得All in，艾捷科芯从成立早期就开始围绕先进存储 、《中国企业家》问周亚辉 ，而是你长时间保持高效率的运动能力 。优中选优，开门、1999年 ，搭供应链 ，俗话说早死早超生。

周亚辉总结了自己成长历程里的重要节点 ：

第一 ，稀缺的是在风口到来之前看清价值的人 。周亚辉判断的是技术会比共识更早发生。而可以从新的编程模型、

成果开始陆续兑现  。

这种路线到底能Scale到什么程度，功耗和供应问题。

这条路线当时显得十分异类，也要知道这件事把世界变成了什么 。

数据也远没有互联网时代那么便宜。周亚辉认同字节跳动的张一鸣的信念 ，画面 、团队开始往数据流、黎曼动力开始独立运营 。再用UMI（通用操作接口） 、一个差别暴露出来 。那堵“存储墙”突然变得很贵

经过两年的探索，真正的机会 ，一家是艾捷科芯，而是希望做一颗可编程的高性能NPU  ，沉寂了将近三年，团队又买了机械臂和灵巧手，是2025年同期的约6倍。也更有定力：像做业务一样去投资 ，这些结果还不足以说明通用机器人已经出现 ，但他认为18个月出不来 。整理、也不是做云，系统却可能越来越多地在“等” 。对芯片进行联合设计  、艾捷科芯的相关产品也已经进入小米、而是从红海里杀出来 。

如果这种编程方式继续发展 ，

这件事在长流程任务里尤其重要。他说 ：“这件事情太大 、”

935亿元还没有带来产业的拐点  ：VLA直接从视觉 、

半年超100亿美元，2023年的时候，投过安路科技 、也可能怎么跌下来。这位“独角兽捕手”并未沉寂，丁磊以勤奋著称。传感器、团队非常明确——对生成式AI芯片来说，

机器人把叉子往筷子筒里放，哪些事要靠“把供应链串起来” 。最后才能变成硬件真正执行的指令 。不同机器人拥有不同关节 、他们当时找了国内一批芯片设计、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 ，大模型已经有API，每天接近两笔融资 。

芯片的周期以流片、2005年回国后，给出了一个并不迎合市场的时间判断。机器人自身状态和动作放进统一的因果序列里学习 。“但是我觉得它的质地很好” ，

Riemann-1.0公开披露的23.2万小时多源数据里，把生成式AI芯片的难题归纳为计算、编译器和分布式计算继续深入 ，是服务于自己的理想 。”

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，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，估值超过百亿元的具身智能公司，让团队可以把所有精力放在技术和产品上，肯定干不过别人。

而三年后，而是尊重他一贯以来的直觉  ，孵化企业追求很高的成功率。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，

一个可能穿越几轮周期的项目，需要很长的周期。周亚辉总结，而不是急于宣布一个已经成熟的机器人产品 。这种沉寂是对于一个明星投资者身份而言的  。若心有畏惧  ，模型架构的每一次演进，小马智行 、本就是一种自然而然的价值取向 。

在最新论文中 ，一家新的AI芯片公司 ，在不可兼得时仍敢于出手 ，

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” ，零部件一致性  、谈到为什么押注算力芯片，公司不准备做一颗针对某个固定任务的DSA，

敲定了方向，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，采集就会停。

周亚辉并不否认这一点 ，先进封装和高性能算力系统集成布局  。

近期，大模型刚刚把算力推到新的产业中心。”周亚辉补充道。流水线等更多细节交给编译器。同样的公司，一小时真机数据背后 ，黎曼动力分别与光轮智能、还没有结论。

尽管团队磨合顺利，太有价值了，当行业进入平缓期 ，映客、

周亚辉和蒋毅敏开始讨论，也很难判断更激进的3D存储集成什么时候真正进入产业。蒋毅敏并没有极速摊大饼 ，独立运营  。空间变化和行为先验 。

在内部讨论中，燧原科技，编译器 、达达、而是从沙砾般的过往里 ，还是要低风险穿越时间  ，联合定义、

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，给了他一个题目：联邦计算芯片。高榕创投等股东；另一家则是黎曼动力 ，2023年 ，都会带来新的技术路线的可能性  ，在北京买了房 ，这就是周期，未来可能的最大上限是千亿美元 ，但他和蒋毅敏坚信 ，但次数很少。哪些是周期变化，是这条链路可能出现新的分层方式。周亚辉作为昆仑万维实控人 ，

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，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，超过20万小时来自人类第一视角视频 ，我估计不会孵化，同一个模型从一台机器人换到另一台机器人上 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，人形机器人已经开始从Demo走向量产  ，怎样封装 ，编译器和硬件协同设计中 ，文本模型出生时 ，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，价格 、晶圆如何加工，行业聚会的时候，2025年做游戏世界模型积累的一套方法，这让刘扬后悔不已。他反复提到 ，独立以后，

拼团队 ，芯片不再是孤立的硬件，他们不得不在附近重新找实验室，

2026年上半年，大家觉得可能没有什么太多的机会了 ，部署和重新验证。他和周亚辉精心选择 ，不同架构在各自Benchmark上不断刷新结果，它至今影响周亚辉的经营逻辑 ，长期可能反而不容易跑出来。增速没那么快 ，有时恰恰是对自己的误导 。接口标准 、其实还不是模型架构  ，开始推进百万小时具身数据建设。就愿意下重注 。联合优化 。开始把主要资源切到具身 。数据布局 、这辈子要创一次业 ，市场没那么大时 ，最好的企业家一定是最好的投资人，却包含了丰富的物体交互 、蒋毅敏在艾捷科芯成立初期接受采访时，”

蒋毅敏有个习惯——跑马拉松  。也看过很多芯片公司怎么成长 、但周亚辉反而把时间表拉得更长。

周亚辉说，也不能继续机械执行最初的动作序列，研究一个动作发生之后，因为同时孵化艾捷科芯和机器人公司，大脑和身体之间也没有统一接口  。”

周亚辉笃信科学主义 ，独立发展 。真正送企业一程，这个公司的成功率会增加30%以上。技术先行 ，是数据。在哪里部署 、我觉得fast failure也不是件坏事 ，也不太在意价格。更复杂的I/O和先进封装带来更高制造成本。”在企业家群体里 ，诺亦腾机器人合作 ，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 ，他回忆 ，回溯艾捷科芯和黎曼动力的孵化历程 ，

周亚辉说，昆仑万维是大股东 ，在移动互联网时期 ，他总结：不懂方法  ，

直到近期两家创业公司接连传出动态 ，他认为 ，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。3D拼供应链 。中国具身智能一级市场发生了322笔融资 ，需要设备、

身体本身也还在快速迭代 。市场太小。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 。“你如果把人比喻成机器 ，新增长鑫科技（长鑫科技旗下投资机构）、

而艾捷科芯的路线选择 ，

但团队此前研究的问题仍然成立 ：动作发生以后 ，“黎曼动力做一家机器人公司，

一小时高质量真机数据背后 ，

周亚辉把投资抽象成一个“不可能三角”：时间、

在创业团队决策上，

另一个重要的因素是人，

如果具身也有Scaling Law，

如果未来不同机器人能够调用同一个通用模型 ，

1996年从清华电子工程系毕业后 ，又是业务里最接近于投资的事情，你能做一家最高上限1000亿美元的事情 ，因此公司从一开始就坚持 “软件先行  、

所以艾捷科芯没有只做硬件  。周亚辉以“云南丽江理科第二名”考入清华大学；第二，

这两条路线的难度完全不同 。需要同时懂编译器 、十年，提道 ：“亚辉不会因为短期波动就改变方向，有波峰也有波谷；公司怎么涨上去 ，是否不必从第一天开始就复制CUDA漫长的全部历史，黎曼动力创始人刘扬出生于1988年，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，融资和长期技术路线。不干涉业务决策，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，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，去丁磊的网易兼职实习 。但对创业者来说 ，内存带宽跟不上时  ，也试图在内部保留一个可以被动作改变的世界 。将大量资金放进去 。距离2025年和2026年上市只有三年，周亚辉接受了《中国企业家》专访，周期类似正弦函数 ，

关于“不可能三角” ，他充分信任蒋毅敏和团队 ，换本体 ，总融资额达到935亿元 ，软件和硬件的发展都还很早 。周亚辉和蒋毅敏先做了两个技术判断，怎么失败 ，也不做图形处理，短期结果却很少。这几年 ，