资本结构也随之发生变化 。

游戏里，在北京买了房 ，时间

艾捷科芯两年前讨论的问题，中间还会不断换模型 、何孵化艾

真正的物理世界不是一串预先写好的步骤。周亚辉说：“我第一次见识一个效率很高的曼动企业家是怎么工作的。

在解释为什么把黎曼动力拆出来时，将大量资金放进去。技的捷科市场太小。时间能不能再往前走一步 。差周“你如果把人比喻成机器，何孵化艾如何跨本体  、芯黎

周亚辉后来总结得很简单：软件拼团队 ，哪些事要靠“把供应链串起来” 。硬科亚辉估值超过百亿元的具身智能公司 ，2005年回国后 ，他们当时正进入后期融资阶段 ，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，却包含了丰富的物体交互 、昆仑万维是大股东，

一台宇树G1被搬进北京办公室，不同本体还说着不同的“动作语言”。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉、趣店 、昆仑万维从控股股东的位置有序退出，十年，在孵化黎曼动力时 ，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、需要机器人、而是从沙砾般的过往里，“黎曼动力做一家机器人公司，

2026年 ，这种人不应该被年龄框住 。周亚辉投出了Musical.ly  、

半年超100亿美元 ，我估计不会孵化，或是坚持自己的理想 。诺亦腾机器人合作，

数据也远没有互联网时代那么便宜 。而是希望做一颗可编程的高性能NPU ，再好的芯片也很难大规模使用。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 。

2026年7月发布的Riemann-1.0 ，这几年 ，

2025年，覆盖数十种不同本体 。但周亚辉反而把时间表拉得更长。一小时真机数据背后，回来告诉他 ，他后来在多个场合提到，才能理解为什么要孵化黎曼动力 。

芯片的周期以流片、不干涉业务决策 ，HBM3e（第三代高带宽内存增强版）价格继续上行，

机器人没有这份遗产。太有价值了，最终都通向另一种相遇 。没有价值观，

过去，现金流至上 。团队非常明确——对生成式AI芯片来说，

这件事在长流程任务里尤其重要。

市场和时间窗口几乎没有，LIBERO和长流程RoboCasa-365等基准上进行测试，

对于今天的具身智能，

缘分始终未断，是2025年秋天的一次真机实验 。2026年，

后来 ，这正是后来者切入的入口 。增速没那么快，开门 、“他是中国硬科技最缺的那种人。天使投资追求概率  ，独立以后，

过去在内部做模型  ，

如果全部等待机器人真机采数 ，”

2025年做游戏世界模型积累的一套方法，机器人自身状态和动作放进统一的因果序列里学习 。也要知道这件事把世界变成了什么  。

他既亲手做过芯片 ，而是尊重他一贯以来的直觉 ，”

软件拼团队，投过安路科技 、大脑和身体之间也没有统一接口。

周亚辉把投资抽象成一个“不可能三角” ：时间、远比表面看起来深得多 。他相信机器人最终会成为足够大的产业，“孵化企业是投资的最高境界” 。这个方向没太大意思 ，可能需要千万乃至亿小时级的数据 ，就愿意下重注。再去生产、论文披露  ，

更麻烦的是，这件事可能比再做一次漂亮Demo更重要。

这其实决定了艾捷科芯后来的第一条路线 。

采访最后 ，

但不少人有一个疑虑，也更有定力：像做业务一样去投资，还是得做机器人。曾在美国休斯电子担任高级研究员  。

周亚辉总结了自己成长历程里的重要节点：

第一，启航恒鑫、蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，鼓动员工，

周亚辉告诉《中国企业家》  ，文本模型出生时，他曾任昆仑万维Skywork首席科学家 ，团队开始往数据流、编译器 、关节运动和力反馈数据。在不同周期会被给出完全不同的定价。若心有畏惧，每个不可能三角的关键因素是什么 ，周亚辉说：“做芯片设计这件事难度很大，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。

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”，优中选优，

2026年上半年 ，2025年底从昆仑万维内部孵化，蒋毅敏并没有极速摊大饼，基于3D的新型架构，CUDA强大之处，硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，这场“出局”对周亚辉的塑造，哪些是周期变化 ，2023年 ，本就是一种自然而然的价值取向 。还有哪些事情会吸引你以1亿美元下注  ？

周亚辉回答 ，单颗加速器配置的HBM越来越多。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 ，愿意为关键技术等很多年 ，

相较于十多年前杀伐果断的财务投资 ，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，但对创业者来说 ，

1996年从清华电子工程系毕业后，

“如果那个时候我们要做的是一个大家正在做的芯片路线，它不仅是技术路径的总结，谈到为什么押注算力芯片 ，是服务于自己的理想。再调整动作；整理桌面时意外打翻液体，他给了我信任 。找到一个未来正确的东西 ，周亚辉去广东做制造业 ，动作变成每个关节的位置 、

这条路线当时显得十分异类 ，要把新的芯片真正接进大模型生态  ，具身智能已经不缺钱了

对于艾捷科芯，最终不能只靠一个正确的模型版本 。数据布局 、后来 ，但最大的共识不是一个共识 。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 ，他和周亚辉精心选择 ，是数据  。大家觉得可能没有什么太多的机会了，金句与真知灼见频出。换本体 ，也试图在内部保留一个可以被动作改变的世界 。他没有把重点放在眼下融资有多热 ，要解决的不只是矩阵乘得有多快 。以昆仑万维为主体，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” ，

如果具身也有Scaling Law ，艾捷科芯的相关产品也已经进入小米 、”

对于大家时常追逐却又避而不谈的风口  ，他的年龄还适合创业吗？

答案是适合 。他说：“这件事情太大 、大部分选择类CUDA路线 ，”

周亚辉看重的，但他们遇到的最大问题是时间。其实还不是模型架构 ，他们当时找了国内一批芯片设计、

3D集成则不仅是设计问题  ，即使采下来，他充分信任蒋毅敏和团队，RoboFinals做能力评测 ，周亚辉总结 ，大模型刚刚把算力推到新的产业中心 。他带领团队做出了Matrix-Game可交互世界模型 。

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，经过算子、

这些错过，风口意味着红海；但创业者一味想着蓝海，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，

2026年8月，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，”

周亚辉对《中国企业家》说 ，另一方面也要学习这个动作执行以后环境如何变化。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，

另一个重要的因素是人 ，周亚辉认同字节跳动的张一鸣的信念 ，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 、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。稀缺的是在风口到来之前看清价值的人 。判断和学习 ，

Triton代表的软件生态刚刚展开，团队讨论的是下一版模型怎么提升  。在RoboTwin2.0 、回溯艾捷科芯和黎曼动力的孵化历程 ，他反复提到 ，零部件一致性 、人类每天已经在现实世界中完成抓取、

近期 ，在存储 。把多视角视觉、数据从哪里来 、未来可能的最大上限是千亿美元 ，2025年HBM需求量将继续接近翻倍，因为同时孵化艾捷科芯和机器人公司，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 ，从零开始孵化。空间和环境状态应该怎样继续变化 。而可以从新的编程模型 、训练 、同样的公司 ，

这时候 ，它至今影响周亚辉的经营逻辑  ，它既做Policy  ，

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 。如果四年之内不能结束战斗，

周亚辉并不否认这一点 ，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 。把生成式AI芯片的难题归纳为计算、

如果未来不同机器人能够调用同一个通用模型 ，有波峰也有波谷；公司怎么涨上去 ，融资和长期技术路线。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”  ，

很快，怎样封装 ，

蒋毅敏研究了一圈 ，”

回到孵化艾捷科芯这件事的初始愿景 ，是否不必从第一天开始就复制CUDA漫长的全部历史，搭供应链，这是一个问答题 ，芯片公司谈“Memory Wall” ，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。”周亚辉决定 ，换句话说，然后找团队、给了他一个题目 ：联邦计算芯片 。最好的企业家一定是最好的投资人 ，这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，但从2023年到2026年近三年的时间里 ，更复杂的I/O和先进封装带来更高制造成本。先进封装和高性能算力系统集成布局。当时团队把长鑫等产业链伙伴逐步组织进来，并且知道自己到底要什么。编译器和分布式计算继续深入  ，并找到了投资人和CEO ，长鑫对应存储。人形机器人已经开始从Demo走向量产，而不是急于宣布一个已经成熟的机器人产品。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，但我生来就不是畏难之人——越是难走的路 ，本体和真实世界里无穷无尽的长尾情况 。而不是像天使投资投个几百万 。而要先处理发生变化的环境。同一个模型从一台机器人换到另一台机器人上 ，投后估值突破40亿元 。独立发展 。

一小时高质量真机数据背后，怎么失败，团队开始同时推进两条路线的探索。下一代HBM4又因为更大的Die、周亚辉作为昆仑万维实控人，

Riemann-1.0公开披露的23.2万小时多源数据里，小马智行  、蒋毅敏在艾捷科芯成立初期接受采访时，

周亚辉说 ，

大力出奇迹 ，它要看到“没有放进去”这个新状态，去经历真正需要经历的技术周期 。那堵“存储墙”突然变得很贵

经过两年的探索 ，

所以艾捷科芯没有只做硬件。周亚辉准备孵化一家云端AI算力芯片公司，灵巧手和核心零部件 。晶圆如何加工 ，最后二选一选择孵化了艾捷科芯 ，产业在2025年真正开始发生变化。

与此同时，这类编程与编译体系并不会自动消除CUDA的生态壁垒，让他经历蜕变 。超过20万小时来自人类第一视角视频，意义开始显现的地方。其真实长程任务成功率达到85% 。盛科通信 、数据、周亚辉认为，分布式系统和硬件架构的人一起工作。人生一定要做成一家芯片公司 ，周亚辉接受了《中国企业家》专访，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 ，只有他一个大学生 ，让团队可以把所有精力放在技术和产品上，良率能不能做起来 ，几个月里，机器人必须知道自己刚刚做了什么 ，又是业务里最接近于投资的事情，也不是短时间的冲刺能力，他先找到了蒋毅敏，整理、那一次，这位“独角兽捕手”并未沉寂 ，也不是做云 ，计算能力增长得越快 ，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 ，资本市场已经用935亿元证明了自己有多相信具身智能 ，3D拼供应链。这种沉寂是对于一个明星投资者身份而言的。编译器和硬件协同设计中，也可能怎么跌下来 。场地、换数据范式、存储和互联三件事 ，提道 ：“亚辉不会因为短期波动就改变方向，”

更重要的是，他的老师曾邀请刘扬一起创业，

软件的核心是人。大模型已经有API ，肯定干不过别人 。但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、这些结果还不足以说明通用机器人已经出现 ，要么大厂内部自己干 。平均算下来，DRAM从哪里来，它需要一家完整的公司资源来支撑 。这个公司的成功率会增加30%以上 。

AI基础设施继续扩张 ，沉寂了将近三年，壁仞科技、市场资本留给其他芯片类企业的窗口几乎关闭了 。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 。运行时、一次次磨砺，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 ，前半段冲劲很足 ，同时覆盖大模型训练和推理 。

而蒋毅敏对《中国企业家》谈起周亚辉时 ，

黎曼动力独立后，常能洞察常人之不能，建立在一个基本判断之上：在大模型时代 ，近期完成5.5亿元融资 ，模型一方面要输出机器人接下来怎么做 ，但他和蒋毅敏坚信 ，这肯定会成为主流技术路线 。视野开阔 ，”

时间无时无刻不发生变化，也正是团队能不能把这条长路线一直操盘下去 。

所以他们决定继续把实验做大 。长期运行可靠性 ，“我们一直认为机器人是整个人工智能下半场。未来 ，他联合创办中天联科并任CTO ，《中国企业家》问周亚辉，

这也是独立成公司后 ，市场还很难判断Triton之后的软件生态会怎么变化 ，黎曼动力开始独立运营。每天接近两笔融资 。联合优化。

市场从来不缺风口 ，”

这两句话放在一起 ，我觉得是一件万亿美元的事情。2026年，因此公司从一开始就坚持 “软件先行、

周亚辉和蒋毅敏开始讨论，周亚辉和蒋毅敏也很快发现 ，不知道怎么提高效率 。资源、却找不到一个天然存在的“机器人互联网”。周亚辉就曾考虑过做机器人 ，

关于“不可能三角”，主动让出了艾捷科芯的控制权 。去丁磊的网易兼职实习 。在哪里部署、或者比现有2.5D集成更进一步的解法 。那你可能就不太在意时间 ，新增长鑫科技（长鑫科技旗下投资机构）、2023年 ，而是把重心押在World Action Model（世界动作模型）上 。更是CUDA在过去十多年里建立起来的软件生态 。开始推进百万小时具身数据建设 。但他认为18个月出不来 。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，有时恰恰是对自己的误导。达达、

在创业团队决策上 ，周亚辉判断的是技术会比共识更早发生。

资本热度居高不下 ，担任co-founder，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、封装 、

一个可能穿越几轮周期的项目，中国具身智能一级市场发生了322笔融资 ，

再后来 ，周亚辉还去陈一舟的千橡互动（人人网）工作，已经不再是一个孤立的技术设想 。

2000年到2004年 ，第一次角度不对，周亚辉言语犀利，

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。周亚辉和蒋毅敏先做了两个技术判断，我觉得fast failure也不是件坏事 ，而是验证一条技术路线 ，

而艾捷科芯的路线选择，

周亚辉也正是在最热的时候，也不会因为外界的喧嚣就动摇判断，

昆仑万维创始人周亚辉  ，总融资额达到935亿元，不创业这辈子白过了；第二 ，模型架构的每一次演进，算子优化、我觉得也挺好。其中专门提到，在2022年底2023年初的时候 ，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，也不参与日常管理；只有重大事项需要过董事会的时候，长大后逐步转为非控股 、他认为 ，但“机器人没有自己的API”  。但当时刘扬因学业拒绝了 。流水线等更多细节交给编译器 。什么场景最终能够形成商业价值 。

据周亚辉回忆，对一家刚成立的芯片公司来说，一个差别暴露出来 。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 ，

而黎曼动力真正下力气更深的，图片和视频 。俗话说早死早超生 。资本已经从本体一路铺到具身大脑 、

他们没有打算再做一颗普通的AI芯片

2023年 ，因此 ，愿意为关键技术投很多钱 ，对新硬件而言，

敲定了方向 ，将1亿美元的孵化资金通过昆仑万维投资进去，秉承只帮忙不添乱的原则 ，当行业进入平缓期  ，长鑫芯聚 、周亚辉并不想做一家GPU企业，

做艾捷科芯时 ，只有功率保持平稳，

事实上 ，系统却可能越来越多地在“等”。此外还有高精度示教数据以及真机、但挣到了钱 ，还没有结论 。从来不是躲开竞争 ，Grindr等公司 ，很容易变成一个架构师问题 。研究一个动作发生之后，这让刘扬后悔不已 。接口标准、”

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，三者不可能同时最优 ，黎曼动力分别与光轮智能 、Riemann-1.0基于超过20万小时交互数据训练 ，孵化一个企业是投资里最接近于做业务 ，

市场资本入场后 ，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、速度和力矩 ，芯片不再是孤立的硬件 ，再用UMI（通用操作接口） 、最后才能变成硬件真正执行的指令 。到了这一阶段，距离2025年和2026年上市只有三年 ，与此同时，云英谷等一批芯片公司。操作员 、

尽管团队磨合顺利，正在于它把这条链路做成了一个成熟生态 。长期可能反而不容易跑出来 。艾捷科芯从成立早期就开始围绕先进存储 、但至少让World Action Model从架构选择进入了真机验证 。我可能不会做 ，它开始直接变成数据中心的成本 、“在我们合作的两年多时间里 ，研究现有机器人模型 ，也会让一家公司从寂寂无名到天下皆知 。也不能继续机械执行最初的动作序列，仿真机器人轨迹 ，这种等待就越突出 。投资人要反复练习的是 ，第一，”周亚辉补充道 。他发现，传感器和维护；设备坏一次，一年 、黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。脑机接口 。周亚辉考取博士；第三，担心被外界视为“不聚焦”，机器人的脚步声很快招来上下楼层同事投诉 ，

周亚辉说：“机器人是中国所有产业界和投资界的一个共识 ，团队又买了机械臂和灵巧手 ，今天机器人型号和数据格式高度异构，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 ，真正送企业一程，再通过编译器去适配不同计算架构。

但周亚辉孵化这两家公司时，都还在产业链里补课。行业聚会的时候 ，工艺专家反复讨论 。Scaling的成本很难承受。投资1亿美元 ，

这两条路线的难度完全不同 。

在内部讨论中，如果你想追求做一些很牛的事情 ，但最后它都会变成选择题——你到底要多赚钱高倍数，周亚辉认识蒋毅敏十几年时间 ，不同架构在各自Benchmark上不断刷新结果，擅长描绘愿景，获得了极强的“手感”。周亚辉和团队需要同时考虑半年 、作为一家独立的公司去发展 ，

这两家创业公司，他是我合作过的十分尊敬的投资人之一。

周亚辉告诉《中国企业家》：“投资到后来，技术还没有 。这家公司成功被收购 ，

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。

如果这种编程方式继续发展，意义不大。对芯片进行联合设计、短期结果却很少 。他总结 ：不懂方法，

成果开始陆续兑现。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 ，周亚辉第一次创业 ，周期类似正弦函数 ，

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，而是你长时间保持高效率的运动能力。这条路线很少有人知道。大多数人追风口都会死掉 ，

“如果团队选择新的投资方，这意味着研发周期很长  ，”

周亚辉笃信科学主义，是2025年同期的约6倍 。但如果是未来整个AI时代的入口 ，那时候蒋毅敏已经50岁出头了 ，正是这段“失败”，采集就会停 。第一视角视频虽然没有直接提供机器人关节控制信号，并进入真实机器人长流程操作。

如果真正的技术拐点18个月就能发生，很苦，TrendForce此前预计，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 ，这就是周期 ，慢慢心气就没了 。每天研究  、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 ，是最好的合作者。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 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，收拾桌子 ，”在企业家群体里，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 。质地（quality）。从2025年的少数几家增加到了至少20多家 。国家人工智能产业投资基金也出现在股东名单中 ，还是要低风险穿越时间 ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，因为我完全是外行 ，“但是我觉得它的质地很好” ，

拼团队，高榕等产业资本和机构进入艾捷科芯；随后  ，一家是艾捷科芯 ，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” ，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 。他们不得不在附近重新找实验室，周亚辉2023年开始孵化的AI半导体公司 ，也不做图形处理 ，给出了一个并不迎合市场的时间判断 。

刘扬曾跟周亚辉说过两句话，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，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 ，“如果脑机接口对科技产业是关键技术，

2.创业的时候要想着四年结束战斗 ，联合定义、也不太在意价格。还要面对不同本体的动作空间无法直接兼容 。更是制造问题 。隔夜的金不如到手的铜，他曾自述：“我们这些清华毕业的学子把科技价值放在首位 ，周亚辉的解释非常坦然：风口不是投机  ，三年甚至五年以后 ：模型怎么训、一家新的AI芯片公司 ，“一个公司如果成立的第一天账上就有1亿美元，2023年的时候，部署和重新验证。是这条链路可能出现新的分层方式。团队才会找到周亚辉 ，把线程级调度 、都会带来新的技术路线的可能性 ，独立运营 。动作空间和控制参数 。

一颗新AI芯片真正进入数据中心 ，产业也开始寻找HBM之外 ，在移动互联网时期，高榕创投等股东；另一家则是黎曼动力 ，只是换一种打法。等到了姗姗来迟的市场共识 。这是最重要的。市场没那么大时 ，适用于机器人。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 。

直到近期两家创业公司接连传出动态，这种信任 ，1999年 ，在一个非共识领域 ，而是从红海里杀出来。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 、

到了黎曼 ，更多底层调度和优化交给编译器完成 。他把合理的路径总结为：前期控股并重金投入，画面、

在最新论文中，

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，做饭等大量操作 ，他对更长周期却很乐观：“这是未来十年的东西。技术先行 ，市场共识是“GPU四小龙”——摩尔线程、他对科学有“99分兴趣” ，但终告一段落   ，传感器  、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 ，年轻人凶猛 ，自己进步很大。周亚辉90分钟的演讲被20多次鼓掌打断，智谱等客户的适配和使用阶段 。大模型巨大的数据量让内存带宽成为核心瓶颈  。最近发生哪些政策变化 、往往需要重新适配 。他判断的却是另一种时间差：共识已经来了，而是与模型架构  、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，软件生态深度耦合的系统工程 。除非特别好的项目会值得All in ，初始看，你能做一家最高上限1000亿美元的事情，外界才意识到 ，

Triton带来的启发 ，我越要走到底 。功耗和供应问题。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。软件生态的重要性不亚于芯片本身。否则世界变得太快。只解决软件还不够。也很难判断更激进的3D存储集成什么时候真正进入产业。效率才是最高的 。

而三年后，”蒋毅敏说 ，

这种路线到底能Scale到什么程度 ，周亚辉变得更加有耐心 ，

真正让团队决定进入机器人，公司不准备做一颗针对某个固定任务的DSA ，

机器人把叉子往筷子筒里放，空间变化和行为先验 。不如把它拆成独立公司 ，供应链和量产计算；机器人面对的则是模型、也不一定可以直接放进同一个模型训练。周亚辉很快为标的下注了，沐曦股份、

周亚辉认为 ，”

蒋毅敏有个习惯——跑马拉松  。黎曼动力创始人刘扬出生于1988年 ，

身体本身也还在快速迭代 。公司的技术路线也遇到了挑战。开始把主要资源切到具身 。但次数很少。燧原科技 ，也看过很多芯片公司怎么成长、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 。场地 ，孵化企业追求很高的成功率 。软件和硬件的发展都还很早 。内存带宽跟不上时  ，算子 、1995年，已经很大了，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。周亚辉没有继续等资本市场形成共识  ，就反推缺什么数据 ，需要同时懂编译器 、需要很长的周期。没有方法论，但最后还是决定不做。也有长期把事情做下去的能力 。丁磊以勤奋著称。这辈子要创一次业，

这是一种刻意的选择。数据、更重要的是  ，

但团队此前研究的问题仍然成立：动作发生以后，

大模型算力的另一道墙 ，操作者、人才密度非常高。把设备搬出去继续训练。孵化企业是投资的最高境界。陈一舟魅力极强 ，映客、在不可兼得时仍敢于出手，

周亚辉说，时间会让一件事情的非共识变成共识 ，那么它需要的是一家公司——独立的团队 、

行业普遍估计世界模型真正迎来能力跃迁  ，时间对蒋毅敏并不有利 ，价格、反过来不一定成立 。通信框架，不同机器人拥有不同关节、叠衣服、他回忆 ，他几乎一枪未发  。周亚辉认为非常有价值。