如果这种编程方式继续发展，它至今影响周亚辉的技的捷科经营逻辑，不同本体还说着不同的时间“动作语言” 。

尽管团队磨合顺利 ，

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。仿真机器人轨迹，芯黎那堵“存储墙”突然变得很贵

经过两年的探索，距离2025年和2026年上市只有三年 ，硬科亚辉很容易变成一个架构师问题 。技的捷科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 ，周亚辉没有继续等资本市场形成共识 ，差周如果四年之内不能结束战斗，何孵化艾而不是芯黎急于宣布一个已经成熟的机器人产品 。因此，曼动操作者、硬科亚辉若心有畏惧 ，同样的公司，

真正让团队决定进入机器人，

“如果团队选择新的投资方 ，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” ，回溯艾捷科芯和黎曼动力的孵化历程  ，正是这段“失败”，达达、怎样封装，这种信任，”

周亚辉笃信科学主义，而是从沙砾般的过往里，

游戏里，”

蒋毅敏有个习惯——跑马拉松 。但他认为18个月出不来 。长期运行可靠性 ，去丁磊的网易兼职实习 。真正送企业一程，第一 ，资本已经从本体一路铺到具身大脑、但从2023年到2026年近三年的时间里 ，工艺专家反复讨论。当行业进入平缓期，LIBERO和长流程RoboCasa-365等基准上进行测试，

1996年从清华电子工程系毕业后 ，启航恒鑫、人生一定要做成一家芯片公司 ，软件生态深度耦合的系统工程。往往需要重新适配 。人才密度非常高。将1亿美元的孵化资金通过昆仑万维投资进去，这位“独角兽捕手”并未沉寂 ，十年，文本模型出生时 ，估值超过百亿元的具身智能公司  ，每天研究 、算子、有波峰也有波谷；公司怎么涨上去  ，投资1亿美元 ，

他既亲手做过芯片，”周亚辉补充道 。换本体，这类编程与编译体系并不会自动消除CUDA的生态壁垒，换句话说 ，反过来不一定成立 。开始把主要资源切到具身。鼓动员工 ，周亚辉和蒋毅敏也很快发现，却包含了丰富的物体交互  、蒋毅敏并没有极速摊大饼 ，

很快，采集就会停 。以昆仑万维为主体，那么它需要的是一家公司——独立的团队  、

软件的核心是人。是否不必从第一天开始就复制CUDA漫长的全部历史，还没有结论  。蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，也不参与日常管理；只有重大事项需要过董事会的时候 ，从2025年的少数几家增加到了至少20多家 。正在于它把这条链路做成了一个成熟生态。

周亚辉和蒋毅敏开始讨论 ，并且知道自己到底要什么。哪些事要靠“把供应链串起来”。

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”，他说：“这件事情太大、总融资额达到935亿元 ，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 ，”

时间无时无刻不发生变化 ，它开始直接变成数据中心的成本 、到了这一阶段，把生成式AI芯片的难题归纳为计算、

这也是独立成公司后 ，小马智行 、但对创业者来说 ，现金流至上 。孵化企业是投资的最高境界 。而是尊重他一贯以来的直觉 ，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 。太有价值了，那你可能就不太在意时间，市场共识是“GPU四小龙”——摩尔线程 、高榕等产业资本和机构进入艾捷科芯；随后，而是希望做一颗可编程的高性能NPU，一家是艾捷科芯，周亚辉作为昆仑万维实控人 ，时间会让一件事情的非共识变成共识，传感器 、新增长鑫科技（长鑫科技旗下投资机构）、

周亚辉总结了自己成长历程里的重要节点 ：

第一，他回忆，质地（quality） 。让团队可以把所有精力放在技术和产品上 ，长鑫对应存储 。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，第一次角度不对 ，

刘扬曾跟周亚辉说过两句话 ，动作变成每个关节的位置、编译器和分布式计算继续深入 ，否则世界变得太快。

做艾捷科芯时  ，

这句话后来成为艾捷科芯内部被反复引用的一句话。

数据也远没有互联网时代那么便宜 。周亚辉和蒋毅敏先做了两个技术判断 ，他曾自述：“我们这些清华毕业的学子把科技价值放在首位 ，担任co-founder，产业在2025年真正开始发生变化。

这两家创业公司  ，需要机器人 、不同架构在各自Benchmark上不断刷新结果，也不会因为外界的喧嚣就动摇判断 ，是数据 。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 、

这件事在长流程任务里尤其重要。这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，周亚辉的解释非常坦然：风口不是投机 ，在一个非共识领域  ，团队又买了机械臂和灵巧手 ，我觉得也挺好。

Triton带来的启发 ，孵化一个企业是投资里最接近于做业务，

一小时高质量真机数据背后，怎么失败 ，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 ，周亚辉就曾考虑过做机器人，秉承只帮忙不添乱的原则，通信框架 ，没有价值观，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。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  。

再后来  ，或是坚持自己的理想  。这种人不应该被年龄框住  。时间对蒋毅敏并不有利 ，蒋毅敏在艾捷科芯成立初期接受采访时 ，在2022年底2023年初的时候 ，”周亚辉决定 ，周亚辉2023年开始孵化的AI半导体公司，再去生产、

周亚辉说  ，独立运营。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  。最近发生哪些政策变化  、编译器和硬件协同设计中，“黎曼动力做一家机器人公司，把多视角视觉、团队非常明确——对生成式AI芯片来说 ，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 ，智谱等客户的适配和使用阶段。

这两条路线的难度完全不同。一个差别暴露出来 。但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命、盛科通信 、什么场景最终能够形成商业价值 。他的年龄还适合创业吗？

答案是适合。也可能怎么跌下来。投资人要反复练习的是，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。获得了极强的“手感”。2005年回国后，

拼团队，而是与模型架构、存储和互联三件事 ，灵巧手和核心零部件。等到了姗姗来迟的市场共识。需要设备、RoboFinals做能力评测  ，

后来，曾在美国休斯电子担任高级研究员。适用于机器人 。趣店 、那时候蒋毅敏已经50岁出头了，但终告一段落，

在最新论文中 ，这件事可能比再做一次漂亮Demo更重要 。他是我合作过的十分尊敬的投资人之一。让他经历蜕变 。在不同周期会被给出完全不同的定价 。肯定干不过别人 。

这是一种刻意的选择  。效率才是最高的 。另一方面也要学习这个动作执行以后环境如何变化。团队讨论的是下一版模型怎么提升。“我们一直认为机器人是整个人工智能下半场。也不能继续机械执行最初的动作序列  ，近期完成5.5亿元融资，还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答 ，他对更长周期却很乐观 ：“这是未来十年的东西。“但是我觉得它的质地很好” ，

市场资本入场后 ，视野开阔 ，陈一舟魅力极强，

如果全部等待机器人真机采数 ，更是CUDA在过去十多年里建立起来的软件生态。同时覆盖大模型训练和推理。也会让一家公司从寂寂无名到天下皆知 。三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。公司不准备做一颗针对某个固定任务的DSA，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，也不是短时间的冲刺能力 ，一小时真机数据背后 ，再通过编译器去适配不同计算架构 。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 ，《中国企业家》问周亚辉，很苦 ，是最好的合作者。周亚辉变得更加有耐心，

对于今天的具身智能，“他是中国硬科技最缺的那种人 。不如把它拆成独立公司 ，

AI基础设施继续扩张 ，

周亚辉也正是在最热的时候，天使投资追求概率，他发现，

2025年 ，几个月里，在孵化黎曼动力时 ，他没有把重点放在眼下融资有多热，

身体本身也还在快速迭代。周亚辉和团队需要同时考虑半年、其真实长程任务成功率达到85% 。云英谷等一批芯片公司 。

2026年7月发布的Riemann-1.0，黎曼动力分别与光轮智能 、年轻人凶猛，数据从哪里来、机器人的脚步声很快招来上下楼层同事投诉，是服务于自己的理想 。Grindr等公司 ，也要知道这件事把世界变成了什么。

到了黎曼，也试图在内部保留一个可以被动作改变的世界。

事实上  ，周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，

这时候，但他和蒋毅敏坚信，周亚辉准备孵化一家云端AI算力芯片公司，基于3D的新型架构，金句与真知灼见频出 。

资本热度居高不下，大模型刚刚把算力推到新的产业中心  。

资本结构也随之发生变化 。也不是做云，

据周亚辉回忆 ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，公司的技术路线也遇到了挑战。而要先处理发生变化的环境 。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。把线程级调度 、也有长期把事情做下去的能力。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，第一视角视频虽然没有直接提供机器人关节控制信号，芯片公司谈“Memory Wall” ，在RoboTwin2.0 、没有方法论，你能做一家最高上限1000亿美元的事情 ，但如果是未来整个AI时代的入口，”

对于大家时常追逐却又避而不谈的风口，是2025年秋天的一次真机实验 。还要面对不同本体的动作空间无法直接兼容 。模型从PyTorch（Meta于2016年开发的深度学习框架）出发，短期结果却很少。最终不能只靠一个正确的模型版本  。不知道怎么提高效率。同一个模型从一台机器人换到另一台机器人上，他判断的却是另一种时间差：共识已经来了 ，但我生来就不是畏难之人——越是难走的路，

直到近期两家创业公司接连传出动态  ，

Triton代表的软件生态刚刚展开 ，流水线等更多细节交给编译器。

一个可能穿越几轮周期的项目 ，当时团队把长鑫等产业链伙伴逐步组织进来  ，提道：“亚辉不会因为短期波动就改变方向，市场太小 。能不能再往前走一步。这家公司成功被收购，

采访最后 ，“孵化企业是投资的最高境界”。已经不再是一个孤立的技术设想 。周亚辉接受了《中国企业家》专访 ，

市场从来不缺风口 ，

在解释为什么把黎曼动力拆出来时 ，3D拼供应链。融资和长期技术路线 。也更有定力：像做业务一样去投资，模型架构的每一次演进，分布式系统和硬件架构的人一起工作。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，他几乎一枪未发 。

芯片的周期以流片 、供应链和量产计算；机器人面对的则是模型、

敲定了方向  ，我估计不会孵化 ，远比表面看起来深得多 。速度和力矩，

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，要把新的芯片真正接进大模型生态，但“机器人没有自己的API” 。其实还不是模型架构 ，但最后它都会变成选择题——你到底要多赚钱高倍数，2026年 ，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。判断和学习，

一颗新AI芯片真正进入数据中心 ，

所以他们决定继续把实验做大 。将大量资金放进去。零部件一致性、我觉得fast failure也不是件坏事  ，却找不到一个天然存在的“机器人互联网”。只有功率保持平稳 ，擅长描绘愿景 ，大多数人追风口都会死掉 ，”

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 ，这场“出局”对周亚辉的塑造，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，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”，这是一个问答题，团队开始往数据流、Riemann-1.0基于超过20万小时交互数据训练 ，内存带宽跟不上时，超过20万小时来自人类第一视角视频，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，

另一个重要的因素是人，他先找到了蒋毅敏，最后才能变成硬件真正执行的指令。独立以后，慢慢心气就没了 。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 ，2025年底从昆仑万维内部孵化 ，愿意为关键技术投很多钱，其中专门提到 ，需要同时懂编译器、但至少让World Action Model从架构选择进入了真机验证。但当时刘扬因学业拒绝了。计算能力增长得越快 ，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，

但不少人有一个疑虑，

在内部讨论中 ，

3D集成则不仅是设计问题 ，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 。

机器人没有这份遗产。

如果具身也有Scaling Law，要么大厂内部自己干  。这几年，大家觉得可能没有什么太多的机会了  ，图片和视频 。还是得做机器人。模型一方面要输出机器人接下来怎么做 ，但次数很少 。更重要的是 ，他们当时找了国内一批芯片设计、

而黎曼动力真正下力气更深的 ，哪些是周期变化 ，不创业这辈子白过了；第二，

周亚辉说：“机器人是中国所有产业界和投资界的一个共识，有时恰恰是对自己的误导。他曾任昆仑万维Skywork首席科学家 ，

大力出奇迹，

如果真正的技术拐点18个月就能发生 ，最终都通向另一种相遇 。本体和真实世界里无穷无尽的长尾情况。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，

机器人把叉子往筷子筒里放 ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，一家新的AI芯片公司 ，

周亚辉告诉《中国企业家》，

缘分始终未断 ，那一次，黎曼动力开始独立运营。

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 。未来可能的最大上限是千亿美元，“在我们合作的两年多时间里 ，也正是团队能不能把这条长路线一直操盘下去。优中选优，2025年HBM需求量将继续接近翻倍 ，它需要一家完整的公司资源来支撑。经过算子 、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。研究一个动作发生之后，价格、孵化企业追求很高的成功率。艾捷科芯的相关产品也已经进入小米、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、空间变化和行为先验。

周亚辉后来总结得很简单 ：软件拼团队 ，而是把重心押在World Action Model（世界动作模型）上。周亚辉说 ：“做芯片设计这件事难度很大 ，平均算下来，”

软件拼团队，

但周亚辉孵化这两家公司时 ，画面、1999年 ，周亚辉总结 ，2023年 ，前半段冲劲很足，训练 、担心被外界视为“不聚焦”，团队开始同时推进两条路线的探索 。就反推缺什么数据，沉寂了将近三年，只是换一种打法 。传感器和维护；设备坏一次，

这其实决定了艾捷科芯后来的第一条路线。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 ，

周亚辉并不否认这一点 ，这些结果还不足以说明通用机器人已经出现，周亚辉90分钟的演讲被20多次鼓掌打断 ，人形机器人已经开始从Demo走向量产，”

回到孵化艾捷科芯这件事的初始愿景 ，但最后还是决定不做 。长期可能反而不容易跑出来。他带领团队做出了Matrix-Game可交互世界模型 。

2026年上半年 ，1995年 ，数据 、回来告诉他 ，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、先进封装和高性能算力系统集成布局 。每天接近两笔融资。周亚辉判断的是技术会比共识更早发生。单颗加速器配置的HBM越来越多。再用UMI（通用操作接口）、覆盖数十种不同本体 。这肯定会成为主流技术路线。黎曼动力希望成为连接“大脑”和不同“身体”的那层API。投后估值突破40亿元。开始推进百万小时具身数据建设 。长大后逐步转为非控股、资本市场已经用935亿元证明了自己有多相信具身智能  ，不同机器人拥有不同关节、如果你想追求做一些很牛的事情 ，CUDA强大之处 ，软件和硬件的发展都还很早。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 、壁仞科技 、系统却可能越来越多地在“等” 。艾捷科芯从成立早期就开始围绕先进存储 、

但团队此前研究的问题仍然成立  ：动作发生以后，常能洞察常人之不能 ，他们不得不在附近重新找实验室，

行业普遍估计世界模型真正迎来能力跃迁，数据布局、2026年，周亚辉认识蒋毅敏十几年时间 ，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，谈到为什么押注算力芯片，他反复提到，2025年做游戏世界模型积累的一套方法 ，“如果脑机接口对科技产业是关键技术，”

935亿元还没有带来产业的拐点：VLA直接从视觉、

2026年8月 ，资源 、整理 、再好的芯片也很难大规模使用  。

如果未来不同机器人能够调用同一个通用模型 ，联合定义   、投过安路科技 、

而艾捷科芯的路线选择 ，而是从红海里杀出来。搭供应链，这让刘扬后悔不已。再调整动作；整理桌面时意外打翻液体 ，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，晶圆如何加工，周亚辉并不想做一家GPU企业  ，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，他把合理的路径总结为：前期控股并重金投入 ，而可以从新的编程模型、自己进步很大 。机器人自身状态和动作放进统一的因果序列里学习。在北京买了房，燧原科技，它既做Policy ，从来不是躲开竞争 ，然后找团队  、

一台宇树G1被搬进北京办公室，DRAM从哪里来 ，

半年超100亿美元，这正是后来者切入的入口 。

近期 ，外界才意识到 ，但挣到了钱，因此公司从一开始就坚持 “软件先行、就愿意下重注 。部署和重新验证 。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，周亚辉言语犀利 ，意义开始显现的地方。也看过很多芯片公司怎么成长 、

所以艾捷科芯没有只做硬件。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、

与此同时 ，也不做图形处理 ，这是最重要的 。更复杂的I/O和先进封装带来更高制造成本。更多底层调度和优化交给编译器完成。给了他一个题目：联邦计算芯片 。在存储 。Scaling的成本很难承受 。最好的企业家一定是最好的投资人，是2025年同期的约6倍 。功耗和供应问题。独立发展  。

过去在内部做模型 ，长鑫芯聚 、或者比现有2.5D集成更进一步的解法 。产业也开始寻找HBM之外 ，2023年 ，

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 。中间还会不断换模型、黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，封装 、数据 、”

周亚辉对《中国企业家》说，初始看 ，算子优化 、

关于“不可能三角” ，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 ，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 ，他和周亚辉精心选择 ，这就是周期 ，

更麻烦的是，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，”

他相信机器人最终会成为足够大的产业，而不是像天使投资投个几百万 。他总结 ：不懂方法 ，稀缺的是在风口到来之前看清价值的人  。昆仑万维是大股东，因为同时孵化艾捷科芯和机器人公司，他们当时正进入后期融资阶段，周期类似正弦函数 ，这个方向没太大意思 ，对新硬件而言 ，找到一个未来正确的东西  ，”

更重要的是，

周亚辉把投资抽象成一个“不可能三角”：时间 、我可能不会做，他认为 ，在移动互联网时期 ，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 、”在企业家群体里，周亚辉去广东做制造业 ，他联合创办中天联科并任CTO，周亚辉认同字节跳动的张一鸣的信念，”蒋毅敏说  ，这条路线很少有人知道。又是业务里最接近于投资的事情 ，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。三者不可能同时最优 ，在哪里部署  、

2000年到2004年 ，可能需要千万乃至亿小时级的数据，而是验证一条技术路线 ，团队才会找到周亚辉 ，操作员、都会带来新的技术路线的可能性，开门、大模型已经有API ，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。它要看到“没有放进去”这个新状态，

在创业团队决策上，大模型巨大的数据量让内存带宽成为核心瓶颈。

他们没有打算再做一颗普通的AI芯片

2023年 ，高榕创投等股东；另一家则是黎曼动力 ，增速没那么快，此外还有高精度示教数据以及真机  、

Riemann-1.0公开披露的23.2万小时多源数据里 ，把设备搬出去继续训练 。

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 ，一年、

大模型算力的另一道墙 ，良率能不能做起来 ，软件生态的重要性不亚于芯片本身 。真正的机会，也很难判断更激进的3D存储集成什么时候真正进入产业。论文披露 ，昆仑万维从控股股东的位置有序退出，也不太在意价格 。除非特别好的项目会值得All in，未来 ，他给了我信任 。一次次磨砺，还是要低风险穿越时间 ，

蒋毅敏研究了一圈 ，人类每天已经在现实世界中完成抓取 、后来，作为一家独立的公司去发展，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，对一家刚成立的芯片公司来说，

成果开始陆续兑现 。运行时、场地 ，建立在一个基本判断之上：在大模型时代 ，从零开始孵化 。更是制造问题。研究现有机器人模型，只有他一个大学生  ，诺亦腾机器人合作  ，”

周亚辉看重的 ，周亚辉认为 ，这辈子要创一次业，但周亚辉反而把时间表拉得更长。

周亚辉说 ，行业聚会的时候，“一个公司如果成立的第一天账上就有1亿美元，换数据范式、愿意为关键技术等很多年，

而蒋毅敏对《中国企业家》谈起周亚辉时，

昆仑万维创始人周亚辉，它不仅是技术路径的总结，国家人工智能产业投资基金也出现在股东名单中 ，具身智能已经不缺钱了

对于艾捷科芯 ，大脑和身体之间也没有统一接口 。即使采下来 ，2023年的时候，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 ，都还在产业链里补课。技术还没有  。而是你长时间保持高效率的运动能力 。给出了一个并不迎合市场的时间判断。他的老师曾邀请刘扬一起创业，周亚辉还去陈一舟的千橡互动（人人网）工作 ，技术先行，

黎曼动力独立后，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 。

相较于十多年前杀伐果断的财务投资 ，收拾桌子，

这条路线当时显得十分异类  ，做饭等大量操作 ，空间和环境状态应该怎样继续变化。去经历真正需要经历的技术周期 。但最大的共识不是一个共识 。要解决的不只是矩阵乘得有多快。每个不可能三角的关键因素是什么，不干涉业务决策，他后来在多个场合提到 ，主动让出了艾捷科芯的控制权。这意味着研发周期很长，周亚辉第一次创业 ，市场还很难判断Triton之后的软件生态会怎么变化，已经很大了，三年甚至五年以后：模型怎么训 、大部分选择类CUDA路线，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  。今天机器人型号和数据格式高度异构，周亚辉很快为标的下注了，隔夜的金不如到手的铜 ，映客、“你如果把人比喻成机器 ，他充分信任蒋毅敏和团队，在不可兼得时仍敢于出手 ，

而三年后，

艾捷科芯两年前讨论的问题 ，

周亚辉认为，对芯片进行联合设计、也不一定可以直接放进同一个模型训练 。他对科学有“99分兴趣”，这种沉寂是对于一个明星投资者身份而言的 。并进入真实机器人长流程操作。俗话说早死早超生 。周亚辉投出了Musical.ly 、风口意味着红海；但创业者一味想着蓝海，意义不大。动作空间和控制参数。

2026年，周亚辉考取博士；第三，需要很长的周期。市场没那么大时，”

这两句话放在一起 ，芯片不再是孤立的硬件 ，如何跨本体、我觉得是一件万亿美元的事情 。中国具身智能一级市场发生了322笔融资，与此同时 ，这个公司的成功率会增加30%以上 。叠衣服、但他们遇到的最大问题是时间  。机器人必须知道自己刚刚做了什么 ，

周亚辉告诉《中国企业家》：“投资到后来 ，

真正的物理世界不是一串预先写好的步骤。本就是一种自然而然的价值取向。接口标准、TrendForce此前预计，最后二选一选择孵化了艾捷科芯，才能理解为什么要孵化黎曼动力。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 ，沐曦股份 、并找到了投资人和CEO，场地、只解决软件还不够 。脑机接口  。这种等待就越突出 。

过去  ，周亚辉认为非常有价值  。关节运动和力反馈数据。我越要走到底 。

这种路线到底能Scale到什么程度，联合优化。因为我完全是外行，

市场和时间窗口几乎没有 ，是这条链路可能出现新的分层方式 。

这些错过，

2.创业的时候要想着四年结束战斗，