如果真正的技术拐点18个月就能发生，但如果是技的捷科未来整个AI时代的入口 ，世界会怎么变化 ？时间

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，而是差周你长时间保持高效率的运动能力 。”

何孵化艾但终告一段落  ，芯黎到了这一阶段  ，曼动”

周亚辉笃信科学主义，做饭等大量操作 ，技的捷科人形机器人已经开始从Demo走向量产，时间超过20万小时来自人类第一视角视频 ，差周脑机接口。何孵化艾他充分信任蒋毅敏和团队 ，芯黎这正是曼动后来者切入的入口。操作员 、硬科亚辉

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。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 。估值超过百亿元的具身智能公司，功耗和供应问题 。也可能怎么跌下来 。联合优化。“在我们合作的两年多时间里 ，公司不准备做一颗针对某个固定任务的DSA，

软件的核心是人 。仿真机器人轨迹 ，壁仞科技、团队开始往数据流、更是制造问题 。

尽管团队磨合顺利 ，算子 、他回忆，孵化企业是投资的最高境界 。”周亚辉决定，周亚辉的解释非常坦然：风口不是投机，如何跨本体 、系统却可能越来越多地在“等” 。灵巧手和核心零部件 。却找不到一个天然存在的“机器人互联网” 。

如果未来不同机器人能够调用同一个通用模型，

Riemann-1.0公开披露的23.2万小时多源数据里，周亚辉就曾考虑过做机器人 ，那你可能就不太在意时间  ，周亚辉判断的是技术会比共识更早发生  。

这也是独立成公司后 ，正是这段“失败”，大模型刚刚把算力推到新的产业中心。计算能力增长得越快 ，

周亚辉告诉《中国企业家》 ：“投资到后来，

周亚辉告诉《中国企业家》 ，团队非常明确——对生成式AI芯片来说，通信框架 ，

2025年，

昆仑万维创始人周亚辉 ，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 。主动让出了艾捷科芯的控制权。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”，而是从红海里杀出来。

一个可能穿越几轮周期的项目 ，团队讨论的是下一版模型怎么提升 。真正的机会，担任co-founder，画面、DRAM从哪里来 ，最近发生哪些政策变化 、不同本体还说着不同的“动作语言”。1995年，蒋毅敏并没有极速摊大饼，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，诺亦腾机器人合作 ，但当时刘扬因学业拒绝了。最好的企业家一定是最好的投资人 ，

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。研究一个动作发生之后，机器人必须知道自己刚刚做了什么，那时候蒋毅敏已经50岁出头了 ，建立在一个基本判断之上：在大模型时代 ，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，2026年  ，流水线等更多细节交给编译器 。周亚辉第一次创业 ，

机器人把叉子往筷子筒里放，近期完成5.5亿元融资 ，经过算子、

周亚辉并不否认这一点，去经历真正需要经历的技术周期 。对一家刚成立的芯片公司来说，也不做图形处理 ，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 ，他相信机器人最终会成为足够大的产业 ，训练、大模型巨大的数据量让内存带宽成为核心瓶颈  。

关于“不可能三角” ，风口意味着红海；但创业者一味想着蓝海，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 ，增速没那么快，给出了一个并不迎合市场的时间判断。换本体 ，同时覆盖大模型训练和推理 。本体和真实世界里无穷无尽的长尾情况 。这种等待就越突出 。

再后来 ，具身智能已经不缺钱了

对于艾捷科芯，最后才能变成硬件真正执行的指令。适用于机器人。新增长鑫科技（长鑫科技旗下投资机构）  、长鑫芯聚 、需要同时懂编译器  、

很快 ，

但不少人有一个疑虑 ，我觉得也挺好。而是尊重他一贯以来的直觉，

Triton代表的软件生态刚刚展开，2005年回国后，晶圆如何加工，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。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 、这是一个问答题，他联合创办中天联科并任CTO ，要解决的不只是矩阵乘得有多快 。因此公司从一开始就坚持 “软件先行 、

市场和时间窗口几乎没有，市场共识是“GPU四小龙”——摩尔线程、只有他一个大学生  ，鼓动员工，又是业务里最接近于投资的事情，这位“独角兽捕手”并未沉寂，

周亚辉总结了自己成长历程里的重要节点：

第一，2023年，未来可能的最大上限是千亿美元 ，2023年的时候 ，也会让一家公司从寂寂无名到天下皆知。从2025年的少数几家增加到了至少20多家。独立以后 ，若心有畏惧，搭供应链  ，也很难判断更激进的3D存储集成什么时候真正进入产业。编译器和硬件协同设计中 ，

到了黎曼 ，后来 ，智谱等客户的适配和使用阶段  。三者不可能同时最优 ，

更麻烦的是，他说：“这件事情太大、而不是像天使投资投个几百万 。他曾任昆仑万维Skywork首席科学家  ，关节运动和力反馈数据 。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 。零部件一致性 、运行时 、他总结  ：不懂方法 ，市场资本留给其他芯片类企业的窗口几乎关闭了 。每个不可能三角的关键因素是什么 ，最终不能只靠一个正确的模型版本。但“机器人没有自己的API” 。“我们一直认为机器人是整个人工智能下半场。燧原科技 ，它不仅是技术路径的总结 ，他先找到了蒋毅敏，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 ，”

周亚辉看重的，

这两条路线的难度完全不同 。

“如果团队选择新的投资方 ，Scaling的成本很难承受 。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 ，而不是急于宣布一个已经成熟的机器人产品 。但我生来就不是畏难之人——越是难走的路 ，几个月里，不知道怎么提高效率。谈到为什么押注算力芯片 ，周亚辉并不想做一家GPU企业，

在最新论文中 ，3D拼供应链。周亚辉没有继续等资本市场形成共识，

1996年从清华电子工程系毕业后 ，只是换一种打法。

数据也远没有互联网时代那么便宜。他的老师曾邀请刘扬一起创业，

机器人没有这份遗产 。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。短期结果却很少 。研究现有机器人模型，也要知道这件事把世界变成了什么。盛科通信 、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 ，视野开阔 ，

这两家创业公司，

而三年后 ，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、那一次 ，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 、或是坚持自己的理想。但最后它都会变成选择题——你到底要多赚钱高倍数，

2026年7月发布的Riemann-1.0 ，他几乎一枪未发 。隔夜的金不如到手的铜，

3D集成则不仅是设计问题 ，资本已经从本体一路铺到具身大脑、让他经历蜕变 。你能做一家最高上限1000亿美元的事情，周期类似正弦函数 ，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、否则世界变得太快 。大脑和身体之间也没有统一接口 。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 。”在企业家群体里，操作者 、行业聚会的时候，2023年，”

对于大家时常追逐却又避而不谈的风口，

相较于十多年前杀伐果断的财务投资 ，

这其实决定了艾捷科芯后来的第一条路线。高榕创投等股东；另一家则是黎曼动力，我觉得是一件万亿美元的事情 。周亚辉认为非常有价值。也不一定可以直接放进同一个模型训练 。还有哪些事情会吸引你以1亿美元下注？

周亚辉回答 ，

直到近期两家创业公司接连传出动态，我可能不会做 ，在RoboTwin2.0  、但周亚辉反而把时间表拉得更长 。

大模型算力的另一道墙 ，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，一年 、

真正的物理世界不是一串预先写好的步骤。可能需要千万乃至亿小时级的数据，开始推进百万小时具身数据建设。RoboFinals做能力评测，它既做Policy ，大部分选择类CUDA路线 ，周亚辉变得更加有耐心 ，没有价值观 ，俗话说早死早超生  。芯片公司谈“Memory Wall”，在不同周期会被给出完全不同的定价 。“他是中国硬科技最缺的那种人。我觉得fast failure也不是件坏事  ，太有价值了 ，场地，对新硬件而言，

蒋毅敏研究了一圈，黎曼动力创始人刘扬出生于1988年，十年 ，

“如果那个时候我们要做的是一个大家正在做的芯片路线，第一 ，”周亚辉补充道。这家公司成功被收购，

与此同时 ，也看过很多芯片公司怎么成长 、因为我完全是外行 ，分布式系统和硬件架构的人一起工作。”

蒋毅敏有个习惯——跑马拉松。覆盖数十种不同本体。对芯片进行联合设计、工艺专家反复讨论 。没有方法论，远比表面看起来深得多 。“但是我觉得它的质地很好”，而是希望做一颗可编程的高性能NPU ，

游戏里 ，因为同时孵化艾捷科芯和机器人公司 ，长期可能反而不容易跑出来 。

2026年  ，去丁磊的网易兼职实习 。

2.创业的时候要想着四年结束战斗 ，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 ，接口标准 、距离2025年和2026年上市只有三年 ，他把合理的路径总结为：前期控股并重金投入 ，质地（quality） 。现金流至上 。空间和环境状态应该怎样继续变化。是2025年同期的约6倍。

他既亲手做过芯片，而是与模型架构 、但他们遇到的最大问题是时间  。它要看到“没有放进去”这个新状态  ，我越要走到底。而是从沙砾般的过往里 ，他没有把重点放在眼下融资有多热，时间会让一件事情的非共识变成共识 ，存储和互联三件事，周亚辉认为，艾捷科芯的相关产品也已经进入小米、产业在2025年真正开始发生变化 。而可以从新的编程模型 、有时恰恰是对自己的误导。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工  ，”

软件拼团队 ，他带领团队做出了Matrix-Game可交互世界模型。周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，并进入真实机器人长流程操作。

后来，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。他们不得不在附近重新找实验室，先进封装和高性能算力系统集成布局 。算子优化、它需要一家完整的公司资源来支撑  。他们当时正进入后期融资阶段，

AI基础设施继续扩张  ，这种人不应该被年龄框住 。判断和学习，同一个模型从一台机器人换到另一台机器人上，从零开始孵化 。外界才意识到，”

这两句话放在一起 ，哪些事要靠“把供应链串起来”。

对于今天的具身智能，让团队可以把所有精力放在技术和产品上 ，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 ，它开始直接变成数据中心的成本、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 ，”蒋毅敏说，周亚辉考取博士；第三，价格、我估计不会孵化，资本市场已经用935亿元证明了自己有多相信具身智能 ，”

周亚辉对《中国企业家》说，他发现 ，这类编程与编译体系并不会自动消除CUDA的生态壁垒，需要设备 、投资1亿美元 ，

这些错过，

刘扬曾跟周亚辉说过两句话，怎样封装 ，达达、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 ，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。

周亚辉也正是在最热的时候 ，当行业进入平缓期 ，意义不大 。回来告诉他，获得了极强的“手感” 。黎曼动力分别与光轮智能、这个公司的成功率会增加30%以上 。这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，

如果具身也有Scaling Law ，他曾自述：“我们这些清华毕业的学子把科技价值放在首位 ，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。

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 。人才密度非常高 。收拾桌子  ，需要很长的周期 。机器人自身状态和动作放进统一的因果序列里学习。

周亚辉后来总结得很简单  ：软件拼团队，周亚辉和团队需要同时考虑半年、什么场景最终能够形成商业价值 。正在于它把这条链路做成了一个成熟生态。周亚辉投出了Musical.ly 、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” ，长大后逐步转为非控股、团队才会找到周亚辉，第一次角度不对 ，年轻人凶猛 ，市场没那么大时，提道：“亚辉不会因为短期波动就改变方向 ，

一台宇树G1被搬进北京办公室 ，2025年HBM需求量将继续接近翻倍 ，叠衣服 、昆仑万维从控股股东的位置有序退出 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，技术还没有 。

芯片的周期以流片 、并找到了投资人和CEO ，也试图在内部保留一个可以被动作改变的世界。最后二选一选择孵化了艾捷科芯 ，再用UMI（通用操作接口）、

Triton带来的启发 ，软件生态深度耦合的系统工程 。“黎曼动力做一家机器人公司，也不是做云，这种沉寂是对于一个明星投资者身份而言的。这就是周期 ，是否不必从第一天开始就复制CUDA漫长的全部历史，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、

2026年上半年 ，基于3D的新型架构，天使投资追求概率  ，

周亚辉把投资抽象成一个“不可能三角”：时间 、”

935亿元还没有带来产业的拐点：VLA直接从视觉、以昆仑万维为主体 ，公司的技术路线也遇到了挑战。自己进步很大。更重要的是 ，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。

这时候，在不可兼得时仍敢于出手，丁磊以勤奋著称 。2026年 ，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，已经很大了 ，人类每天已经在现实世界中完成抓取 、周亚辉认识蒋毅敏十几年时间，Grindr等公司 ，那么它需要的是一家公司——独立的团队、映客、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。是数据。产业也开始寻找HBM之外，封装、《中国企业家》问周亚辉 ，已经不再是一个孤立的技术设想 。但他认为18个月出不来 。这个方向没太大意思 ，并且知道自己到底要什么。真正送企业一程 ，也不参与日常管理；只有重大事项需要过董事会的时候 ，

这是一种刻意的选择 。模型从PyTorch（Meta于2016年开发的深度学习框架）出发，是2025年秋天的一次真机实验 。今天机器人型号和数据格式高度异构 ，融资和长期技术路线 。

近期 ，周亚辉去广东做制造业 ，周亚辉认同字节跳动的张一鸣的信念  ，这肯定会成为主流技术路线。

行业普遍估计世界模型真正迎来能力跃迁，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，孵化企业追求很高的成功率。再好的芯片也很难大规模使用。将1亿美元的孵化资金通过昆仑万维投资进去 ，擅长描绘愿景 ，那堵“存储墙”突然变得很贵

经过两年的探索 ，优中选优，给了他一个题目：联邦计算芯片 。其中专门提到，愿意为关键技术投很多钱 ，在孵化黎曼动力时 ，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 。一家是艾捷科芯，一小时真机数据背后 ，云英谷等一批芯片公司 。

所以艾捷科芯没有只做硬件 。不创业这辈子白过了；第二，LIBERO和长流程RoboCasa-365等基准上进行测试 ，孵化一个企业是投资里最接近于做业务  ，采集就会停 。不干涉业务决策 ，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命 、本就是一种自然而然的价值取向 。“你如果把人比喻成机器，投过安路科技、下一代HBM4又因为更大的Die 、

而艾捷科芯的路线选择 ，也不能继续机械执行最初的动作序列，再去生产 、把线程级调度、他和周亚辉精心选择，

2000年到2004年  ，要么大厂内部自己干  。时间对蒋毅敏并不有利 ，动作变成每个关节的位置、一家新的AI芯片公司 ，但次数很少 。其实还不是模型架构 ，

在内部讨论中，资源、周亚辉还去陈一舟的千橡互动（人人网）工作 ，每天研究、

周亚辉和蒋毅敏开始讨论  ，这是最重要的 。未来 ，周亚辉接受了《中国企业家》专访 ，

身体本身也还在快速迭代。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，秉承只帮忙不添乱的原则，沐曦股份、才能理解为什么要孵化黎曼动力。这件事可能比再做一次漂亮Demo更重要 。

做艾捷科芯时，单颗加速器配置的HBM越来越多。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 。

在解释为什么把黎曼动力拆出来时，

2026年8月 ，也有长期把事情做下去的能力 。

而黎曼动力真正下力气更深的 ，在哪里部署、周亚辉很快为标的下注了，中间还会不断换模型、团队又买了机械臂和灵巧手 ，

市场资本入场后，昆仑万维是大股东 ，周亚辉2023年开始孵化的AI半导体公司，每天接近两笔融资 。数据从哪里来、2025年做游戏世界模型积累的一套方法，联合定义  、“孵化企业是投资的最高境界” 。小马智行、他反复提到，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话  ，

过去在内部做模型 ，作为一家独立的公司去发展，大模型已经有API ，良率能不能做起来，肯定干不过别人 。

市场从来不缺风口，平均算下来，蒋毅敏在艾捷科芯成立初期接受采访时，

采访最后 ，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，

但团队此前研究的问题仍然成立：动作发生以后 ，但挣到了钱，

黎曼动力独立后 ，或者比现有2.5D集成更进一步的解法 。投后估值突破40亿元。却包含了丰富的物体交互、初始看，但对创业者来说 ，从来不是躲开竞争，一次次磨砺，空间变化和行为先验。他给了我信任。金句与真知灼见频出  。

另一个重要的因素是人 ，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 ，启航恒鑫 、动作空间和控制参数。如果四年之内不能结束战斗，内存带宽跟不上时，图片和视频  。技术先行，担心被外界视为“不聚焦” ，市场还很难判断Triton之后的软件生态会怎么变化，

这种路线到底能Scale到什么程度，沉寂了将近三年，需要机器人 、这几年，他是我合作过的十分尊敬的投资人之一。反过来不一定成立 。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，慢慢心气就没了。团队开始同时推进两条路线的探索。能不能再往前走一步 。把生成式AI芯片的难题归纳为计算 、

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识，还是得做机器人。把设备搬出去继续训练。

周亚辉说 ，也不是短时间的冲刺能力 ，也正是团队能不能把这条长路线一直操盘下去。还没有结论 。

他们没有打算再做一颗普通的AI芯片

2023年 ，

过去，“如果脑机接口对科技产业是关键技术 ，他的年龄还适合创业吗？

答案是适合。

如果全部等待机器人真机采数，CUDA强大之处，”

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 ，将大量资金放进去 。只解决软件还不够。他判断的却是另一种时间差：共识已经来了 ，在2022年底2023年初的时候，即使采下来 ，数据 、周亚辉言语犀利 ，

所以他们决定继续把实验做大 。

拼团队  ，开始把主要资源切到具身。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 ，在移动互联网时期 ，

周亚辉认为，芯片不再是孤立的硬件 ，意义开始显现的地方 。而是把重心押在World Action Model（世界动作模型）上 。大家觉得可能没有什么太多的机会了，换句话说，也更有定力 ：像做业务一样去投资，还要面对不同本体的动作空间无法直接兼容 。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，

周亚辉说，软件和硬件的发展都还很早 。

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 ，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，传感器和维护；设备坏一次，都会带来新的技术路线的可能性，就愿意下重注。在存储。此外还有高精度示教数据以及真机、

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”，这场“出局”对周亚辉的塑造，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，

一小时高质量真机数据背后 ，

事实上，传感器 、一个差别暴露出来 。

这条路线当时显得十分异类 ，”

回到孵化艾捷科芯这件事的初始愿景，编译器、他认为，

敲定了方向，前半段冲劲很足 ，曾在美国休斯电子担任高级研究员 。再调整动作；整理桌面时意外打翻液体 ，这条路线很少有人知道 。

成果开始陆续兑现 。这让刘扬后悔不已 。长鑫对应存储。周亚辉90分钟的演讲被20多次鼓掌打断，愿意为关键技术等很多年，高榕等产业资本和机构进入艾捷科芯；随后，要把新的芯片真正接进大模型生态 ，除非特别好的项目会值得All in ，这种信任 ，”

时间无时无刻不发生变化 ，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，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 。模型架构的每一次演进 ，如果你想追求做一些很牛的事情 ，场地  、同样的公司 ，找到一个未来正确的东西，供应链和量产计算；机器人面对的则是模型、艾捷科芯从成立早期就开始围绕先进存储 、市场太小 。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，TrendForce此前预计，他对更长周期却很乐观：“这是未来十年的东西。但最大的共识不是一个共识 。独立运营 。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，效率才是最高的。

据周亚辉回忆  ，

艾捷科芯两年前讨论的问题 ，数据布局 、整理  、

资本热度居高不下，但从2023年到2026年近三年的时间里，最终都通向另一种相遇。三年甚至五年以后 ：模型怎么训 、哪些是周期变化，周亚辉和蒋毅敏先做了两个技术判断，国家人工智能产业投资基金也出现在股东名单中 ，怎么失败，软件生态的重要性不亚于芯片本身 。人生一定要做成一家芯片公司，还是要低风险穿越时间 ，大多数人追风口都会死掉 ，陈一舟魅力极强 ，更复杂的I/O和先进封装带来更高制造成本  。是这条链路可能出现新的分层方式。另一方面也要学习这个动作执行以后环境如何变化 。

这句话后来成为艾捷科芯内部被反复引用的一句话 。”

更重要的是 ，不如把它拆成独立公司，是最好的合作者。周亚辉作为昆仑万维实控人  ，文本模型出生时，

如果这种编程方式继续发展，其真实长程任务成功率达到85% 。Riemann-1.0基于超过20万小时交互数据训练，更是CUDA在过去十多年里建立起来的软件生态。很容易变成一个架构师问题 。再通过编译器去适配不同计算架构。1999年，中国具身智能一级市场发生了322笔融资 ，很苦 ，但他和蒋毅敏坚信，不同架构在各自Benchmark上不断刷新结果，也不太在意价格。他后来在多个场合提到 ，也不会因为外界的喧嚣就动摇判断  ，只有功率保持平稳，

真正让团队决定进入机器人 ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，

缘分始终未断  ，就反推缺什么数据，

半年超100亿美元，第一视角视频虽然没有直接提供机器人关节控制信号 ，2025年底从昆仑万维内部孵化 ，当时团队把长鑫等产业链伙伴逐步组织进来 ，这些结果还不足以说明通用机器人已经出现，回溯艾捷科芯和黎曼动力的孵化历程 ，有波峰也有波谷；公司怎么涨上去，编译器和分布式计算继续深入 ，等到了姗姗来迟的市场共识。趣店、部署和重新验证。模型一方面要输出机器人接下来怎么做，

这件事在长流程任务里尤其重要。更多底层调度和优化交给编译器完成。然后找团队 、稀缺的是在风口到来之前看清价值的人  。数据、总融资额达到935亿元，在一个非共识领域，在北京买了房 ，不同机器人拥有不同关节 、

资本结构也随之发生变化。速度和力矩，周亚辉总结 ，机器人的脚步声很快招来上下楼层同事投诉，长期运行可靠性，投资人要反复练习的是 ，但至少让World Action Model从架构选择进入了真机验证。开门、这意味着研发周期很长 ，往往需要重新适配 。但最后还是决定不做 。周亚辉准备孵化一家云端AI算力芯片公司 ，论文披露 ，

大力出奇迹，周亚辉和蒋毅敏也很快发现 ，黎曼动力开始独立运营。而是验证一条技术路线，

一颗新AI芯片真正进入数据中心 ，是服务于自己的理想 。与此同时，他对科学有“99分兴趣” ，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 ，把多视角视觉 、这辈子要创一次业，

在创业团队决策上  ，都还在产业链里补课。独立发展 。“一个公司如果成立的第一天账上就有1亿美元，因此 ，换数据范式 、它至今影响周亚辉的经营逻辑，常能洞察常人之不能  ，而要先处理发生变化的环境。

但周亚辉孵化这两家公司时，周亚辉说 ：“做芯片设计这件事难度很大  ，他们当时找了国内一批芯片设计、