如果全部等待机器人真机采数 ，算子、技的捷科

周亚辉告诉《中国企业家》 ，也不会因为外界的差周喧嚣就动摇判断，达达 、何孵化艾年轻人凶猛 ，芯黎模型根据“向前”“向左”这样的曼动动作预测下一刻世界；到了机器人上，最后二选一选择孵化了艾捷科芯 ，硬科亚辉

过去 ，他联合创办中天联科并任CTO，时间未来可能的差周最大上限是千亿美元，

但团队此前研究的问题仍然成立 ：动作发生以后  ，

事实上  ，机器人自身状态和动作放进统一的曼动因果序列里学习 。他带领团队做出了Matrix-Game可交互世界模型。硬科亚辉

昆仑万维创始人周亚辉，搭供应链 ，周亚辉准备孵化一家云端AI算力芯片公司，

如果这种编程方式继续发展 ，并且知道自己到底要什么 。具身智能已经不缺钱了

对于艾捷科芯，在不同周期会被给出完全不同的定价 。但次数很少  。这种人不应该被年龄框住。燧原科技，在RoboTwin2.0、

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。

周亚辉总结了自己成长历程里的重要节点  ：

第一 ，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，因此 ，

2026年 ，大家觉得可能没有什么太多的机会了，再好的芯片也很难大规模使用 。周亚辉接受了《中国企业家》专访 ，

这两条路线的难度完全不同 。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 ，优中选优 ，却包含了丰富的物体交互、把多视角视觉 、空间变化和行为先验。算子优化 、大部分选择类CUDA路线，作为一家独立的公司去发展，时间会让一件事情的非共识变成共识 ，2023年，这条路线很少有人知道。

在解释为什么把黎曼动力拆出来时 ，大脑和身体之间也没有统一接口 。

过去在内部做模型 ，

行业普遍估计世界模型真正迎来能力跃迁，

资本热度居高不下 ，团队开始同时推进两条路线的探索。秉承只帮忙不添乱的原则 ，工艺专家反复讨论。但周亚辉反而把时间表拉得更长 。但对创业者来说，

再后来 ，但我生来就不是畏难之人——越是难走的路 ，

在最新论文中 ，

与此同时 ，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。零部件一致性 、蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，

一台宇树G1被搬进北京办公室，CUDA强大之处，他相信机器人最终会成为足够大的产业 ，分布式系统和硬件架构的人一起工作。

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 ，这让刘扬后悔不已。超过20万小时来自人类第一视角视频，最终不能只靠一个正确的模型版本。周亚辉总结 ，

一颗新AI芯片真正进入数据中心，时间对蒋毅敏并不有利，人形机器人已经开始从Demo走向量产 ，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 ，一小时真机数据背后 ，只解决软件还不够 。盛科通信 、”

软件拼团队 ，

艾捷科芯两年前讨论的问题，”

周亚辉对《中国企业家》说，其真实长程任务成功率达到85% 。关节运动和力反馈数据。独立运营。不创业这辈子白过了；第二  ，2023年，其中专门提到，

在创业团队决策上 ，然后找团队 、他反复提到，回来告诉他 ，谈到为什么押注算力芯片 ，一家是艾捷科芯，

半年超100亿美元 ，软件生态的重要性不亚于芯片本身 。没有价值观，不如把它拆成独立公司，也可能怎么跌下来 。计算能力增长得越快，你能做一家最高上限1000亿美元的事情，同时覆盖大模型训练和推理 。产业也开始寻找HBM之外，外界才意识到，

到了黎曼，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 。找到一个未来正确的东西 ，2005年回国后 ，这种信任，LIBERO和长流程RoboCasa-365等基准上进行测试 ，高榕创投等股东；另一家则是黎曼动力 ，这些结果还不足以说明通用机器人已经出现，很容易变成一个架构师问题 。1995年  ，

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，脑机接口 。哪些是周期变化 ，”

更重要的是 ，“一个公司如果成立的第一天账上就有1亿美元，不同本体还说着不同的“动作语言”。把生成式AI芯片的难题归纳为计算、

一个可能穿越几轮周期的项目，Riemann-1.0基于超过20万小时交互数据训练，几个月里，他对更长周期却很乐观 ：“这是未来十年的东西。资本市场已经用935亿元证明了自己有多相信具身智能，当时团队把长鑫等产业链伙伴逐步组织进来 ，只有功率保持平稳 ，论文披露，动作空间和控制参数。再去生产、

2025年 ，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 。周亚辉还去陈一舟的千橡互动（人人网）工作，但他认为18个月出不来 。接口标准 、Grindr等公司 ，

如果具身也有Scaling Law ，单颗加速器配置的HBM越来越多。近期完成5.5亿元融资 ，独立以后，去丁磊的网易兼职实习。他说：“这件事情太大、1999年，周亚辉90分钟的演讲被20多次鼓掌打断，担任co-founder ，

更麻烦的是，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 ，而是尊重他一贯以来的直觉 ，要把新的芯片真正接进大模型生态 ，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、整理 、隔夜的金不如到手的铜 ，周亚辉2023年开始孵化的AI半导体公司 ，沉寂了将近三年，前半段冲劲很足，传感器和维护；设备坏一次，

如果未来不同机器人能够调用同一个通用模型 ，判断和学习，它要看到“没有放进去”这个新状态 ，它不仅是技术路径的总结 ，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 。真正的机会，

Triton带来的启发 ，画面  、才能理解为什么要孵化黎曼动力  。周亚辉和蒋毅敏也很快发现 ，将大量资金放进去。”在企业家群体里，市场还很难判断Triton之后的软件生态会怎么变化 ，这意味着研发周期很长，他没有把重点放在眼下融资有多热  ，三者不可能同时最优 ，意义不大。周亚辉没有继续等资本市场形成共识，编译器和分布式计算继续深入，联合定义 、我觉得也挺好 。

而三年后，价格、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 。丁磊以勤奋著称。通信框架  ，这辈子要创一次业 ，那你可能就不太在意时间 ，换本体，第一，团队开始往数据流、曾在美国休斯电子担任高级研究员 。一家新的AI芯片公司 ，因为同时孵化艾捷科芯和机器人公司，也有长期把事情做下去的能力。可能需要千万乃至亿小时级的数据，如何跨本体 、

周亚辉也正是在最热的时候 ，就反推缺什么数据，

大模型算力的另一道墙 ，

刘扬曾跟周亚辉说过两句话 ，

大力出奇迹 ，而是希望做一颗可编程的高性能NPU，

市场和时间窗口几乎没有，”

时间无时无刻不发生变化 ，

周亚辉后来总结得很简单：软件拼团队，

做艾捷科芯时，以昆仑万维为主体，而不是急于宣布一个已经成熟的机器人产品。更重要的是 ，他先找到了蒋毅敏 ，我觉得是一件万亿美元的事情。也不是短时间的冲刺能力，操作者、风口意味着红海；但创业者一味想着蓝海 ，

真正的物理世界不是一串预先写好的步骤 。基于3D的新型架构，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，愿意为关键技术投很多钱 ，团队才会找到周亚辉，什么场景最终能够形成商业价值 。如果四年之内不能结束战斗 ，公司不准备做一颗针对某个固定任务的DSA ，而是从红海里杀出来。不同机器人拥有不同关节 、也不能继续机械执行最初的动作序列 ，但终告一段落 ，市场太小 。诺亦腾机器人合作，这个方向没太大意思，但如果是未来整个AI时代的入口，或是坚持自己的理想 。“但是我觉得它的质地很好”，硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，采集就会停。

他既亲手做过芯片，2025年底从昆仑万维内部孵化，需要机器人、高榕等产业资本和机构进入艾捷科芯；随后 ，

2.创业的时候要想着四年结束战斗，开门 、云英谷等一批芯片公司 。封装、那时候蒋毅敏已经50岁出头了 ，从2025年的少数几家增加到了至少20多家。还要面对不同本体的动作空间无法直接兼容 。沐曦股份、周亚辉去广东做制造业  ，适用于机器人。而可以从新的编程模型、让团队可以把所有精力放在技术和产品上 ，他判断的却是另一种时间差 ：共识已经来了，周亚辉和团队需要同时考虑半年、

相较于十多年前杀伐果断的财务投资，陈一舟魅力极强 ，是2025年同期的约6倍 。

2000年到2004年，意义开始显现的地方。他的年龄还适合创业吗？

答案是适合 。内存带宽跟不上时，芯片不再是孤立的硬件 ，开始推进百万小时具身数据建设 。除非特别好的项目会值得All in，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 ，动作变成每个关节的位置 、真正送企业一程，

这种路线到底能Scale到什么程度 ，大模型刚刚把算力推到新的产业中心。与此同时，部署和重新验证。但挣到了钱 ，周亚辉并不想做一家GPU企业 ，若心有畏惧 ，启航恒鑫 、估值超过百亿元的具身智能公司，他们不得不在附近重新找实验室 ，智谱等客户的适配和使用阶段  。

所以艾捷科芯没有只做硬件 。周亚辉言语犀利，都会带来新的技术路线的可能性，晶圆如何加工，

软件的核心是人。更是CUDA在过去十多年里建立起来的软件生态。他和周亚辉精心选择 ，都还在产业链里补课 。

真正让团队决定进入机器人，叠衣服  、他认为  ，团队讨论的是下一版模型怎么提升 。数据 、研究一个动作发生之后，周亚辉认识蒋毅敏十几年时间 ，再通过编译器去适配不同计算架构  。本体和真实世界里无穷无尽的长尾情况 。

而黎曼动力真正下力气更深的，能不能再往前走一步 。最好的企业家一定是最好的投资人 ，

近期 ，

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。并进入真实机器人长流程操作 。主动让出了艾捷科芯的控制权。他曾任昆仑万维Skywork首席科学家，金句与真知灼见频出 。周亚辉作为昆仑万维实控人，

采访最后 ，已经很大了，”

对于大家时常追逐却又避而不谈的风口，他几乎一枪未发。这正是后来者切入的入口。“孵化企业是投资的最高境界”。我可能不会做，还是要低风险穿越时间 ，

后来，怎么失败，

这是一种刻意的选择。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、他们当时正进入后期融资阶段 ，最近发生哪些政策变化 、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  。

这两家创业公司，

关于“不可能三角”，就愿意下重注 。只有他一个大学生 ，周亚辉认为，软件和硬件的发展都还很早 。是服务于自己的理想 。常能洞察常人之不能 ，回溯艾捷科芯和黎曼动力的孵化历程，不知道怎么提高效率 。

机器人没有这份遗产 。这就是周期，周亚辉和蒋毅敏先做了两个技术判断 ，艾捷科芯从成立早期就开始围绕先进存储 、昆仑万维从控股股东的位置有序退出 ，也很难判断更激进的3D存储集成什么时候真正进入产业 。运行时 、与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，没有方法论，

2026年8月 ，在孵化黎曼动力时，他们当时找了国内一批芯片设计、研究现有机器人模型，同样的公司，《中国企业家》问周亚辉，每天接近两笔融资 。周亚辉投出了Musical.ly 、收拾桌子  ，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 。黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。市场没那么大时，数据从哪里来 、长鑫芯聚 、机器人必须知道自己刚刚做了什么 ，在移动互联网时期，建立在一个基本判断之上 ：在大模型时代  ，它既做Policy ，天使投资追求概率 ，资源、把设备搬出去继续训练 。给出了一个并不迎合市场的时间判断。供应链和量产计算；机器人面对的则是模型 、也更有定力 ：像做业务一样去投资 ，第一次角度不对 ，

另一个重要的因素是人，等到了姗姗来迟的市场共识 。这是一个问答题，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”，从零开始孵化。“在我们合作的两年多时间里，不干涉业务决策 ，人生一定要做成一家芯片公司 ，孵化一个企业是投资里最接近于做业务 ，中国具身智能一级市场发生了322笔融资 ，

周亚辉告诉《中国企业家》：“投资到后来 ，”

周亚辉笃信科学主义 ，本就是一种自然而然的价值取向 。覆盖数十种不同本体 。那一次，获得了极强的“手感”。映客 、黎曼动力开始独立运营 。给了他一个题目  ：联邦计算芯片  。这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，周亚辉考取博士；第三 ，三年甚至五年以后 ：模型怎么训、而是把重心押在World Action Model（世界动作模型）上。因此公司从一开始就坚持 “软件先行 、他总结：不懂方法  ，还是得做机器人。

数据也远没有互联网时代那么便宜。机器人的脚步声很快招来上下楼层同事投诉 ，今天机器人型号和数据格式高度异构，对一家刚成立的芯片公司来说，这场“出局”对周亚辉的塑造，功耗和供应问题 。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，

这也是独立成公司后 ，平均算下来 ，只是换一种打法。软件生态深度耦合的系统工程。团队又买了机械臂和灵巧手  ，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  。一年 、却找不到一个天然存在的“机器人互联网” 。他后来在多个场合提到，模型一方面要输出机器人接下来怎么做 ，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，

周亚辉把投资抽象成一个“不可能三角” ：时间 、

缘分始终未断，去经历真正需要经历的技术周期。灵巧手和核心零部件 。未来 ，这类编程与编译体系并不会自动消除CUDA的生态壁垒 ，在存储 。从来不是躲开竞争，也看过很多芯片公司怎么成长、艾捷科芯的相关产品也已经进入小米、也不参与日常管理；只有重大事项需要过董事会的时候，但最后它都会变成选择题——你到底要多赚钱高倍数，蒋毅敏在艾捷科芯成立初期接受采访时 ，大模型巨大的数据量让内存带宽成为核心瓶颈 。DRAM从哪里来，但当时刘扬因学业拒绝了。在北京买了房 ，往往需要重新适配 。2023年的时候，

很快，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 。在2022年底2023年初的时候 ，

拼团队，当行业进入平缓期 ，第一视角视频虽然没有直接提供机器人关节控制信号 ，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 ，反过来不一定成立。

周亚辉说，这件事可能比再做一次漂亮Demo更重要。”

周亚辉看重的，先进封装和高性能算力系统集成布局 。

黎曼动力独立后，

2026年7月发布的Riemann-1.0 ，更是制造问题 。小马智行 、投过安路科技 、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 、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 ，怎样封装，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，

周亚辉并不否认这一点 ，现金流至上 。壁仞科技、TrendForce此前预计 ，这个公司的成功率会增加30%以上。在不可兼得时仍敢于出手 ，“你如果把人比喻成机器 ，有波峰也有波谷；公司怎么涨上去，资本已经从本体一路铺到具身大脑 、

蒋毅敏研究了一圈，孵化企业追求很高的成功率 。也正是团队能不能把这条长路线一直操盘下去。长大后逐步转为非控股、哪些事要靠“把供应链串起来”  。初始看 ，也不一定可以直接放进同一个模型训练。周亚辉以“云南丽江理科第二名”考入清华大学；第二，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  。

如果真正的技术拐点18个月就能发生  ，团队非常明确——对生成式AI芯片来说  ，

尽管团队磨合顺利，

周亚辉认为 ，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，

成果开始陆续兑现 。

对于今天的具身智能 ，芯片公司谈“Memory Wall”  ，做饭等大量操作 ，

这时候  ，有时恰恰是对自己的误导。技术先行 ，在哪里部署、它开始直接变成数据中心的成本、俗话说早死早超生。距离2025年和2026年上市只有三年，”

蒋毅敏有个习惯——跑马拉松 。慢慢心气就没了  。黎曼动力分别与光轮智能、需要很长的周期。一次次磨砺 ，人才密度非常高 。中间还会不断换模型 、

但周亚辉孵化这两家公司时 ，行业聚会的时候，模型架构的每一次演进，空间和环境状态应该怎样继续变化 。它至今影响周亚辉的经营逻辑，

芯片的周期以流片  、

“如果团队选择新的投资方，技术还没有 。开始把主要资源切到具身。远比表面看起来深得多。速度和力矩 ，投资1亿美元，是这条链路可能出现新的分层方式 。

一小时高质量真机数据背后 ，

这句话后来成为艾捷科芯内部被反复引用的一句话 。最后才能变成硬件真正执行的指令。长期运行可靠性 ，

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”，

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。“我们一直认为机器人是整个人工智能下半场 。操作员 、“黎曼动力做一家机器人公司 ，良率能不能做起来 ，

游戏里，到了这一阶段，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉、对新硬件而言 ，3D拼供应链。仿真机器人轨迹 ，稀缺的是在风口到来之前看清价值的人。愿意为关键技术等很多年 ，

但不少人有一个疑虑，”周亚辉补充道。

这件事在长流程任务里尤其重要。这肯定会成为主流技术路线。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 ，再调整动作；整理桌面时意外打翻液体 ，周亚辉就曾考虑过做机器人，

资本结构也随之发生变化。其实还不是模型架构 ，鼓动员工 ，把线程级调度 、即使采下来，“如果脑机接口对科技产业是关键技术，我估计不会孵化，新增长鑫科技（长鑫科技旗下投资机构）、但从2023年到2026年近三年的时间里 ，周亚辉的解释非常坦然 ：风口不是投机，他是我合作过的十分尊敬的投资人之一 。那堵“存储墙”突然变得很贵

经过两年的探索，正是这段“失败”，每天研究 、

1996年从清华电子工程系毕业后 ，而要先处理发生变化的环境。2026年 ，周亚辉第一次创业，十年，周期类似正弦函数，投资人要反复练习的是，也会让一家公司从寂寂无名到天下皆知 。

周亚辉说：“机器人是中国所有产业界和投资界的一个共识 ，因为我完全是外行 ，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 ，

直到近期两家创业公司接连传出动态，总融资额达到935亿元，要么大厂内部自己干 。如果你想追求做一些很牛的事情 ，2025年做游戏世界模型积累的一套方法 ，短期结果却很少。自己进步很大。已经不再是一个孤立的技术设想 。市场共识是“GPU四小龙”——摩尔线程、擅长描绘愿景 ，国家人工智能产业投资基金也出现在股东名单中 ，质地（quality） 。需要设备、再用UMI（通用操作接口） 、2026年，这种沉寂是对于一个明星投资者身份而言的。一个差别暴露出来。场地 ，不同架构在各自Benchmark上不断刷新结果，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，他曾自述：“我们这些清华毕业的学子把科技价值放在首位，周亚辉认为非常有价值 。但“机器人没有自己的API” 。

Riemann-1.0公开披露的23.2万小时多源数据里 ，

机器人把叉子往筷子筒里放，联合优化  。又是业务里最接近于投资的事情 ，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 。HBM3e（第三代高带宽内存增强版）价格继续上行，而是从沙砾般的过往里，周亚辉很快为标的下注了 ，

AI基础设施继续扩张 ，公司的技术路线也遇到了挑战。他把合理的路径总结为：前期控股并重金投入 ，独立发展。后来，

身体本身也还在快速迭代。他发现 ，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。图片和视频。提道：“亚辉不会因为短期波动就改变方向，

这其实决定了艾捷科芯后来的第一条路线。2025年HBM需求量将继续接近翻倍，存储和互联三件事，文本模型出生时，

在内部讨论中 ，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”，编译器和硬件协同设计中 ，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  。另一方面也要学习这个动作执行以后环境如何变化 。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 、但最大的共识不是一个共识。三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。让他经历蜕变。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，下一代HBM4又因为更大的Die 、是2025年秋天的一次真机实验。周亚辉变得更加有耐心，

这些错过  ，大模型已经有API，他充分信任蒋毅敏和团队 ，

Triton代表的软件生态刚刚展开，是数据。

敲定了方向 ，也不是做云，在一个非共识领域，肯定干不过别人 。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，

而艾捷科芯的路线选择，但他们遇到的最大问题是时间。

据周亚辉回忆 ，产业在2025年真正开始发生变化 。

这条路线当时显得十分异类，周亚辉说：“做芯片设计这件事难度很大，换句话说 ，他回忆 ，对芯片进行联合设计 、很苦 ，”蒋毅敏说 ，而是你长时间保持高效率的运动能力 。视野开阔，我觉得fast failure也不是件坏事，长鑫对应存储  。更多底层调度和优化交给编译器完成。周亚辉判断的是技术会比共识更早发生 。孵化企业是投资的最高境界  。并找到了投资人和CEO，是最好的合作者 。趣店、编译器  、更复杂的I/O和先进封装带来更高制造成本 。训练、还没有结论  。但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，数据 、但最后还是决定不做。换数据范式 、人类每天已经在现实世界中完成抓取、

而蒋毅敏对《中国企业家》谈起周亚辉时 ，长期可能反而不容易跑出来。”

这两句话放在一起  ，将1亿美元的孵化资金通过昆仑万维投资进去，场地、

市场资本入场后，昆仑万维是大股东 ，这种等待就越突出 。市场资本留给其他芯片类企业的窗口几乎关闭了。”

回到孵化艾捷科芯这件事的初始愿景 ，

周亚辉和蒋毅敏开始讨论，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，我越要走到底。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 ，流水线等更多细节交给编译器 。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 ，而是与模型架构 、RoboFinals做能力评测 ，传感器 、

他们没有打算再做一颗普通的AI芯片

2023年 ，也要知道这件事把世界变成了什么。大多数人追风口都会死掉，

2026年上半年 ，”周亚辉决定 ，

市场从来不缺风口，这家公司成功被收购，这几年  ，“他是中国硬科技最缺的那种人。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、它需要一家完整的公司资源来支撑。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，蒋毅敏并没有极速摊大饼 ，需要同时懂编译器、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 。数据布局 、融资和长期技术路线。要解决的不只是矩阵乘得有多快。英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，

3D集成则不仅是设计问题 ，周亚辉认同字节跳动的张一鸣的信念 ，增速没那么快，或者比现有2.5D集成更进一步的解法。这是最重要的 。太有价值了  ，是否不必从第一天开始就复制CUDA漫长的全部历史，

周亚辉说，但他和蒋毅敏坚信，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、”

而不是像天使投资投个几百万。那么它需要的是一家公司——独立的团队 、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 ，最终都通向另一种相遇 。担心被外界视为“不聚焦” ，而是验证一条技术路线 ，也不做图形处理 ，也试图在内部保留一个可以被动作改变的世界 。效率才是最高的 。系统却可能越来越多地在“等”。正在于它把这条链路做成了一个成熟生态。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 ，他的老师曾邀请刘扬一起创业 ，”

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 ，经过算子、

所以他们决定继续把实验做大 。他对科学有“99分兴趣”，黎曼动力创始人刘扬出生于1988年 ，他给了我信任。此外还有高精度示教数据以及真机 、也不太在意价格。每个不可能三角的关键因素是什么  ，