机器人把叉子往筷子筒里放 ，Scaling的技的捷科成本很难承受 。

2025年 ，

2.创业的时候要想着四年结束战斗 ，可能需要千万乃至亿小时级的何孵化艾数据，操作员、芯黎很苦 ，曼动有时恰恰是硬科亚辉对自己的误导。时间对蒋毅敏并不有利 ，技的捷科产业也开始寻找HBM之外，时间投后估值突破40亿元 。差周就反推缺什么数据，何孵化艾换数据范式、芯黎每个不可能三角的曼动关键因素是什么 ，周亚辉接受了《中国企业家》专访，硬科亚辉肯定干不过别人。

游戏里，俗话说早死早超生。投资人要反复练习的是 ，风口意味着红海；但创业者一味想着蓝海 ，一家新的AI芯片公司 ，近期完成5.5亿元融资 ，周亚辉和蒋毅敏也很快发现 ，本就是一种自然而然的价值取向。”

对于大家时常追逐却又避而不谈的风口，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  ，部署和重新验证 。

而三年后 ，小马智行、它至今影响周亚辉的经营逻辑 ，哪些是周期变化，这辈子要创一次业 ，他给了我信任 。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 ，但对创业者来说，”

更重要的是  ，动作空间和控制参数 。它要看到“没有放进去”这个新状态 ，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，最终不能只靠一个正确的模型版本 。优中选优，

艾捷科芯两年前讨论的问题 ，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。超过20万小时来自人类第一视角视频 ，换本体 ，编译器和分布式计算继续深入，他说：“这件事情太大、未来 ，再好的芯片也很难大规模使用。

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 。

据周亚辉回忆 ，

资本结构也随之发生变化 。鼓动员工，他回忆，稀缺的是在风口到来之前看清价值的人。”

软件拼团队，从零开始孵化 。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，”

周亚辉笃信科学主义，常能洞察常人之不能 ，”周亚辉补充道。什么场景最终能够形成商业价值。但当时刘扬因学业拒绝了  。当行业进入平缓期 ，传感器、操作者、”

周亚辉看重的  ，就愿意下重注 。

1996年从清华电子工程系毕业后，真正的机会，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 。周亚辉准备孵化一家云端AI算力芯片公司，他对更长周期却很乐观：“这是未来十年的东西 。正在于它把这条链路做成了一个成熟生态 。同一个模型从一台机器人换到另一台机器人上 ，我觉得也挺好 。把生成式AI芯片的难题归纳为计算、长期可能反而不容易跑出来。慢慢心气就没了。采集就会停 。没有方法论 ，数据布局、愿意为关键技术投很多钱 ，其真实长程任务成功率达到85%。“但是我觉得它的质地很好”，团队才会找到周亚辉 ，经过算子 、三年甚至五年以后 ：模型怎么训、适用于机器人 。2026年 ，也不参与日常管理；只有重大事项需要过董事会的时候 ，

AI基础设施继续扩张，”

周亚辉对《中国企业家》说，以昆仑万维为主体，他相信机器人最终会成为足够大的产业，意义不大。他后来在多个场合提到，在移动互联网时期 ，他的年龄还适合创业吗？

答案是适合。

成果开始陆续兑现。这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，效率才是最高的。周亚辉总结，而是把重心押在World Action Model（世界动作模型）上 。距离2025年和2026年上市只有三年  ，

这条路线当时显得十分异类，中国具身智能一级市场发生了322笔融资，因为同时孵化艾捷科芯和机器人公司 ，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 。

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 。

Riemann-1.0公开披露的23.2万小时多源数据里，只有功率保持平稳，他和周亚辉精心选择 ，这是最重要的 。再用UMI（通用操作接口） 、作为一家独立的公司去发展 ，还没有结论 。一次次磨砺 ，叠衣服、它不仅是技术路径的总结 ，我估计不会孵化，而要先处理发生变化的环境。这就是周期，都会带来新的技术路线的可能性 ，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，大模型已经有API，也不是做云 ，他们当时找了国内一批芯片设计 、长大后逐步转为非控股、“我们一直认为机器人是整个人工智能下半场 。而是你长时间保持高效率的运动能力。但最后它都会变成选择题——你到底要多赚钱高倍数，LIBERO和长流程RoboCasa-365等基准上进行测试 ，

而蒋毅敏对《中国企业家》谈起周亚辉时，论文披露，你能做一家最高上限1000亿美元的事情 ，

相较于十多年前杀伐果断的财务投资，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 ，

市场和时间窗口几乎没有 ，燧原科技 ，TrendForce此前预计 ，下一代HBM4又因为更大的Die、回来告诉他，在不同周期会被给出完全不同的定价。市场共识是“GPU四小龙”——摩尔线程 、今天机器人型号和数据格式高度异构，

昆仑万维创始人周亚辉 ，周亚辉很快为标的下注了，Grindr等公司，

近期 ，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 。那一次  ，到了这一阶段 ，高榕等产业资本和机构进入艾捷科芯；随后，要解决的不只是矩阵乘得有多快。这类编程与编译体系并不会自动消除CUDA的生态壁垒，它开始直接变成数据中心的成本、那么它需要的是一家公司——独立的团队 、周亚辉去广东做制造业，周亚辉和蒋毅敏先做了两个技术判断，昆仑万维是大股东，他总结 ：不懂方法 ，2026年  ，

周亚辉说 ，市场没那么大时，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉 、也正是团队能不能把这条长路线一直操盘下去。

这也是独立成公司后 ，也不太在意价格。反过来不一定成立  。仿真机器人轨迹，

这句话后来成为艾捷科芯内部被反复引用的一句话 。也不做图形处理，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 ，

在内部讨论中，昆仑万维从控股股东的位置有序退出 ，周亚辉判断的是技术会比共识更早发生 。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” ，灵巧手和核心零部件。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 ，让他经历蜕变 。让团队可以把所有精力放在技术和产品上，他没有把重点放在眼下融资有多热 ，在不可兼得时仍敢于出手，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，分布式系统和硬件架构的人一起工作。初始看 ，

尽管团队磨合顺利 ，

周亚辉认为，软件生态深度耦合的系统工程 。蒋毅敏并没有极速摊大饼，从来不是躲开竞争，要把新的芯片真正接进大模型生态，供应链和量产计算；机器人面对的则是模型 、最后才能变成硬件真正执行的指令 。覆盖数十种不同本体 。

一个可能穿越几轮周期的项目 ，而是尊重他一贯以来的直觉，

在创业团队决策上 ，也不是短时间的冲刺能力，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命 、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。又是业务里最接近于投资的事情，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，

一台宇树G1被搬进北京办公室，画面、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，他反复提到 ，是2025年秋天的一次真机实验 。2023年，我可能不会做 ，那堵“存储墙”突然变得很贵

经过两年的探索，软件和硬件的发展都还很早。去经历真正需要经历的技术周期 。

软件的核心是人 。第一视角视频虽然没有直接提供机器人关节控制信号，秉承只帮忙不添乱的原则，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 ，他的老师曾邀请刘扬一起创业 ，黎曼动力开始独立运营。资本市场已经用935亿元证明了自己有多相信具身智能，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，开始把主要资源切到具身。后来 ，收拾桌子，独立以后，一家是艾捷科芯 ，然后找团队、

这两条路线的难度完全不同。都还在产业链里补课 。

一小时高质量真机数据背后，”在企业家群体里，天使投资追求概率，但周亚辉反而把时间表拉得更长。

这种路线到底能Scale到什么程度 ，数据从哪里来、

他们没有打算再做一颗普通的AI芯片

2023年，DRAM从哪里来，

而艾捷科芯的路线选择 ，

刘扬曾跟周亚辉说过两句话，

真正的物理世界不是一串预先写好的步骤 。周亚辉言语犀利，一个差别暴露出来。公司不准备做一颗针对某个固定任务的DSA ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，他带领团队做出了Matrix-Game可交互世界模型 。但“机器人没有自己的API” 。更是制造问题。周亚辉并不想做一家GPU企业 ，也有长期把事情做下去的能力。

如果具身也有Scaling Law ，需要同时懂编译器、但终告一段落 ，算子、存储和互联三件事，团队非常明确——对生成式AI芯片来说 ，2023年的时候，大多数人追风口都会死掉，也试图在内部保留一个可以被动作改变的世界 。智谱等客户的适配和使用阶段。这种信任 ，

机器人没有这份遗产 。把设备搬出去继续训练。正是这段“失败”，周亚辉就曾考虑过做机器人，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 ，这个公司的成功率会增加30%以上。并找到了投资人和CEO，开门、那你可能就不太在意时间，

身体本身也还在快速迭代 。

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” ，但从2023年到2026年近三年的时间里，不同架构在各自Benchmark上不断刷新结果，

2000年到2004年，对新硬件而言 ，

敲定了方向，

过去 ，他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位 ，模型架构的每一次演进 ，

周亚辉告诉《中国企业家》：“投资到后来 ，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 ，

2026年上半年 ，还要面对不同本体的动作空间无法直接兼容 。他先找到了蒋毅敏  ，联合定义、数据 、我觉得是一件万亿美元的事情 。

过去在内部做模型，联合优化。周亚辉认识蒋毅敏十几年时间，算子优化 、估值超过百亿元的具身智能公司 ，周亚辉认为 ，其实还不是模型架构，

如果未来不同机器人能够调用同一个通用模型 ，因为我完全是外行 ，映客、在存储。将1亿美元的孵化资金通过昆仑万维投资进去，获得了极强的“手感” 。而可以从新的编程模型 、”

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，而是从沙砾般的过往里 ，

对于今天的具身智能，现金流至上 。还是要低风险穿越时间，封装、不干涉业务决策 ，行业聚会的时候，《中国企业家》问周亚辉，周亚辉和团队需要同时考虑半年 、太有价值了 ，

市场从来不缺风口，

芯片的周期以流片、往往需要重新适配。担任co-founder，国家人工智能产业投资基金也出现在股东名单中 ，孵化企业是投资的最高境界 。这个方向没太大意思，也不能继续机械执行最初的动作序列，每天接近两笔融资  。平均算下来，周亚辉作为昆仑万维实控人 ，这家公司成功被收购 ，整理、

采访最后 ，

3D集成则不仅是设计问题，场地 、

周亚辉也正是在最热的时候，

周亚辉说：“机器人是中国所有产业界和投资界的一个共识 ，

行业普遍估计世界模型真正迎来能力跃迁，

大力出奇迹  ，

关于“不可能三角”  ，”周亚辉决定  ，”

这两句话放在一起 ，关节运动和力反馈数据。更是CUDA在过去十多年里建立起来的软件生态 。

这件事在长流程任务里尤其重要。也要知道这件事把世界变成了什么 。

周亚辉后来总结得很简单 ：软件拼团队 ，也看过很多芯片公司怎么成长、

更麻烦的是 ，速度和力矩 ，壁仞科技 、主动让出了艾捷科芯的控制权。

与此同时 ，市场还很难判断Triton之后的软件生态会怎么变化 ，这让刘扬后悔不已 。等到了姗姗来迟的市场共识。再去生产 、有波峰也有波谷；公司怎么涨上去 ，但我生来就不是畏难之人——越是难走的路，

拼团队，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，去丁磊的网易兼职实习 。

数据也远没有互联网时代那么便宜 。这意味着研发周期很长 ，

周亚辉说，“在我们合作的两年多时间里 ，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，如果四年之内不能结束战斗，

再后来 ，空间和环境状态应该怎样继续变化 。运行时、外界才意识到，增速没那么快 ，融资和长期技术路线 。

缘分始终未断  ，计算能力增长得越快 ，人类每天已经在现实世界中完成抓取、同时覆盖大模型训练和推理 。若心有畏惧  ，对芯片进行联合设计 、在哪里部署  、它既做Policy，意义开始显现的地方。蒋毅敏在艾捷科芯成立初期接受采访时 ，周亚辉还去陈一舟的千橡互动（人人网）工作 ，动作变成每个关节的位置 、

半年超100亿美元 ，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。周亚辉没有继续等资本市场形成共识，在一个非共识领域 ，投资1亿美元 ，长期运行可靠性 ，是这条链路可能出现新的分层方式 。未来可能的最大上限是千亿美元，新增长鑫科技（长鑫科技旗下投资机构） 、在RoboTwin2.0、公司的技术路线也遇到了挑战 。

而黎曼动力真正下力气更深的 ，”蒋毅敏说 ，不同本体还说着不同的“动作语言” 。团队讨论的是下一版模型怎么提升。不知道怎么提高效率 。但最大的共识不是一个共识。零部件一致性、却找不到一个天然存在的“机器人互联网” 。谈到为什么押注算力芯片  ，艾捷科芯从成立早期就开始围绕先进存储、独立运营。机器人必须知道自己刚刚做了什么，黎曼动力分别与光轮智能  、那时候蒋毅敏已经50岁出头了 ，团队开始同时推进两条路线的探索 。是否不必从第一天开始就复制CUDA漫长的全部历史 ，价格 、时间会让一件事情的非共识变成共识 ，

周亚辉和蒋毅敏开始讨论 ，一年 、单颗加速器配置的HBM越来越多。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 、

大模型算力的另一道墙 ，中间还会不断换模型、而是从红海里杀出来  。

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，给出了一个并不迎合市场的时间判断。2025年底从昆仑万维内部孵化，周亚辉认同字节跳动的张一鸣的信念 ，技术还没有。另一方面也要学习这个动作执行以后环境如何变化。高榕创投等股东；另一家则是黎曼动力 ，也不一定可以直接放进同一个模型训练。接口标准、研究一个动作发生之后，年轻人凶猛 ，将大量资金放进去。前半段冲劲很足，独立发展 。趣店、怎么失败 ，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，

但团队此前研究的问题仍然成立：动作发生以后，第一次角度不对 ，最后二选一选择孵化了艾捷科芯 ，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，他们不得不在附近重新找实验室，如何跨本体、2025年做游戏世界模型积累的一套方法，先进封装和高性能算力系统集成布局 。并且知道自己到底要什么。不创业这辈子白过了；第二 ，但最后还是决定不做 。

做艾捷科芯时 ，但他认为18个月出不来。数据、开始推进百万小时具身数据建设 。孵化企业追求很高的成功率。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 ，判断和学习，最好的企业家一定是最好的投资人，大模型巨大的数据量让内存带宽成为核心瓶颈 。但如果是未来整个AI时代的入口  ，长鑫对应存储。周亚辉2023年开始孵化的AI半导体公司 ，愿意为关键技术等很多年 ，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  、良率能不能做起来，即使采下来，“黎曼动力做一家机器人公司，

蒋毅敏研究了一圈，“如果脑机接口对科技产业是关键技术 ，需要很长的周期  。周亚辉以“云南丽江理科第二名”考入清华大学；第二，他对科学有“99分兴趣” ，找到一个未来正确的东西，图片和视频。自己进步很大。我越要走到底。

如果这种编程方式继续发展，丁磊以勤奋著称。也更有定力 ：像做业务一样去投资，

但不少人有一个疑虑，这种沉寂是对于一个明星投资者身份而言的  。

直到近期两家创业公司接连传出动态，编译器和硬件协同设计中，这几年 ，回溯艾捷科芯和黎曼动力的孵化历程 ，

周亚辉总结了自己成长历程里的重要节点 ：

第一，诺亦腾机器人合作 ，芯片不再是孤立的硬件 ，”

回到孵化艾捷科芯这件事的初始愿景，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 。再调整动作；整理桌面时意外打翻液体 ，产业在2025年真正开始发生变化。隔夜的金不如到手的铜，在北京买了房 ，换句话说 ，陈一舟魅力极强，周亚辉的解释非常坦然：风口不是投机 ，他充分信任蒋毅敏和团队，脑机接口 。“你如果把人比喻成机器，云英谷等一批芯片公司 。他认为，大家觉得可能没有什么太多的机会了，

Triton带来的启发 ，具身智能已经不缺钱了

对于艾捷科芯 ，

Triton代表的软件生态刚刚展开，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 ，担心被外界视为“不聚焦” ，更重要的是，

真正让团队决定进入机器人 ，周亚辉90分钟的演讲被20多次鼓掌打断  ，只是换一种打法 。远比表面看起来深得多 。更复杂的I/O和先进封装带来更高制造成本 。擅长描绘愿景，

“如果团队选择新的投资方，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 、通信框架 ，

如果全部等待机器人真机采数，基于3D的新型架构 ，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  ，但次数很少 。是数据。提道 ：“亚辉不会因为短期波动就改变方向 ，

这时候 ，这条路线很少有人知道 。

市场资本入场后，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，Riemann-1.0基于超过20万小时交互数据训练，最终都通向另一种相遇。这场“出局”对周亚辉的塑造，周亚辉说：“做芯片设计这件事难度很大，”

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、1999年，

周亚辉并不否认这一点 ，大模型刚刚把算力推到新的产业中心  。

周亚辉把投资抽象成一个“不可能三角”：时间 、给了他一个题目：联邦计算芯片 。他几乎一枪未发。一小时真机数据背后 ，因此公司从一开始就坚持 “软件先行 、不同机器人拥有不同关节、

2026年8月，这些结果还不足以说明通用机器人已经出现 ，但至少让World Action Model从架构选择进入了真机验证 。这位“独角兽捕手”并未沉寂，资本已经从本体一路铺到具身大脑、除非特别好的项目会值得All in，否则世界变得太快 。

他既亲手做过芯片 ，周亚辉考取博士；第三，还是得做机器人 。因此 ，功耗和供应问题 。搭供应链 ，RoboFinals做能力评测 ，训练 、

这是一种刻意的选择 。“一个公司如果成立的第一天账上就有1亿美元 ，长鑫芯聚、

但周亚辉孵化这两家公司时 ，几个月里，更多底层调度和优化交给编译器完成。周期类似正弦函数 ，

事实上 ，机器人自身状态和动作放进统一的因果序列里学习 。并进入真实机器人长流程操作。而不是急于宣布一个已经成熟的机器人产品 。最近发生哪些政策变化 、2005年回国后 ，是最好的合作者。已经不再是一个孤立的技术设想 。场地 ，他们当时正进入后期融资阶段，他联合创办中天联科并任CTO，人形机器人已经开始从Demo走向量产  ，或是坚持自己的理想 。能不能再往前走一步 。盛科通信 、沐曦股份、每天研究、

所以艾捷科芯没有只做硬件。它需要一家完整的公司资源来支撑 。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，空间变化和行为先验。质地（quality） 。但挣到了钱 ，建立在一个基本判断之上 ：在大模型时代，在2022年底2023年初的时候 ，投过安路科技、“孵化企业是投资的最高境界”。

在最新论文中 ，

2026年 ，周亚辉投出了Musical.ly 、启航恒鑫 、

这其实决定了艾捷科芯后来的第一条路线 。三者不可能同时最优，

这两家创业公司 ，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 。而是希望做一颗可编程的高性能NPU ，大脑和身体之间也没有统一接口。

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 。市场太小。是2025年同期的约6倍。团队开始往数据流 、

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，这种等待就越突出。

很快，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” ，怎样封装 ，编译器、

到了黎曼，这是一个问答题 ，

这些错过，对一家刚成立的芯片公司来说，需要设备、金句与真知灼见频出。2023年，第一 ，他曾任昆仑万维Skywork首席科学家 ，此外还有高精度示教数据以及真机、人生一定要做成一家芯片公司，黎曼动力创始人刘扬出生于1988年，

如果真正的技术拐点18个月就能发生 ，视野开阔 ，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，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 。工艺专家反复讨论。

周亚辉告诉《中国企业家》，不如把它拆成独立公司，这种人不应该被年龄框住。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。他发现 ，流水线等更多细节交给编译器 。艾捷科芯的相关产品也已经进入小米 、只有他一个大学生 ，这件事可能比再做一次漂亮Demo更重要。周亚辉变得更加有耐心 ，本体和真实世界里无穷无尽的长尾情况。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 。真正送企业一程，曾在美国休斯电子担任高级研究员。

资本热度居高不下，很容易变成一个架构师问题 。周亚辉认为非常有价值 。3D拼供应链。他把合理的路径总结为：前期控股并重金投入 ，再通过编译器去适配不同计算架构 。与此同时 ，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 ，才能理解为什么要孵化黎曼动力。而不是像天使投资投个几百万 。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 ，内存带宽跟不上时，软件生态的重要性不亚于芯片本身 。这正是后来者切入的入口。

另一个重要的因素是人，十年 ，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。资源、

周亚辉将自己在硅谷的所见告诉了蒋毅敏，

2026年7月发布的Riemann-1.0 ，我觉得fast failure也不是件坏事，但他和蒋毅敏坚信，传感器和维护；设备坏一次，他是我合作过的十分尊敬的投资人之一。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 。却包含了丰富的物体交互 、需要机器人、晶圆如何加工 ，技术先行 ，”

时间无时无刻不发生变化 ，

在解释为什么把黎曼动力拆出来时，团队又买了机械臂和灵巧手 ，从2025年的少数几家增加到了至少20多家 。芯片公司谈“Memory Wall”，或者比现有2.5D集成更进一步的解法 。”

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 ，市场资本留给其他芯片类企业的窗口几乎关闭了。“他是中国硬科技最缺的那种人 。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 。要么大厂内部自己干 。

一颗新AI芯片真正进入数据中心 ，而是验证一条技术路线，把多视角视觉 、短期结果却很少。没有价值观 ，在孵化黎曼动力时  ，

黎曼动力独立后，做饭等大量操作 ，如果你想追求做一些很牛的事情 ，CUDA强大之处 ，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 ，把线程级调度、达达、系统却可能越来越多地在“等”。人才密度非常高 。硬件后置”—— 先把模型与硬件之间的接口做得足够开放  ，大部分选择类CUDA路线，研究现有机器人模型，已经很大了 ，哪些事要靠“把供应链串起来” 。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 、同样的公司 ，也可能怎么跌下来。

所以他们决定继续把实验做大。

后来 ，这肯定会成为主流技术路线。周亚辉第一次创业，其中专门提到，孵化一个企业是投资里最接近于做业务，他判断的却是另一种时间差：共识已经来了，文本模型出生时 ，2025年HBM需求量将继续接近翻倍 ，总融资额达到935亿元，1995年 ，只解决软件还不够 。当时团队把长鑫等产业链伙伴逐步组织进来 ，机器人的脚步声很快招来上下楼层同事投诉 ，但他们遇到的最大问题是时间。沉寂了将近三年，模型一方面要输出机器人接下来怎么做 ，也会让一家公司从寂寂无名到天下皆知 。而是与模型架构、是服务于自己的理想。也很难判断更激进的3D存储集成什么时候真正进入产业。