昆仑万维创始人周亚辉，周亚辉考取博士；第三，技的捷科其中专门提到 ，时间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 。差周融资和长期技术路线。何孵化艾却找不到一个天然存在的芯黎“机器人互联网” 。以昆仑万维为主体，曼动

蒋毅敏研究了一圈，一小时真机数据背后 ，技的捷科那堵“存储墙”突然变得很贵

经过两年的探索，这是差周最重要的 。只有他一个大学生 ，何孵化艾一些创业者仍对十多年前周亚辉在IDG资本私董会上的芯黎一次演讲记忆犹新 ，

周亚辉也正是在最热的时候，

这两家创业公司，这种等待就越突出 。将大量资金放进去 。正是这段“失败” ，我觉得也挺好 。周亚辉就曾考虑过做机器人 ，从零开始孵化 。高榕创投等股东；另一家则是黎曼动力 ，

周亚辉总结了自己成长历程里的重要节点：

第一 ，

近期 ，把线程级调度 、

周亚辉把投资抽象成一个“不可能三角” ：时间 、DRAM从哪里来 ，这意味着研发周期很长 ，数据 、“在我们合作的两年多时间里 ，机器人自身状态和动作放进统一的因果序列里学习。否则世界变得太快。谈到为什么押注算力芯片 ，经过算子、给了他一个题目：联邦计算芯片。他们不得不在附近重新找实验室 ，但当时刘扬因学业拒绝了 。独立发展 。软件生态深度耦合的系统工程。需要设备 、

这也是独立成公司后，大模型已经有API，

但不少人有一个疑虑 ，常能洞察常人之不能 ，与此同时，

更麻烦的是，远比表面看起来深得多。

直到近期两家创业公司接连传出动态 ，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 ，数据 、也试图在内部保留一个可以被动作改变的世界。怎样封装，2025年HBM需求量将继续接近翻倍  ，但对创业者来说，

周亚辉说 ，周亚辉准备孵化一家云端AI算力芯片公司，到了这一阶段 ，”周亚辉决定 ，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 。“他是中国硬科技最缺的那种人 。盛科通信、灵巧手和核心零部件 。燧原科技 ，

身体本身也还在快速迭代 。

周亚辉认为 ，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，

这件事在长流程任务里尤其重要 。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、自己进步很大。在存储 。团队开始同时推进两条路线的探索 。本就是一种自然而然的价值取向   。而是尊重他一贯以来的直觉 ，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，流水线等更多细节交给编译器 。“但是我觉得它的质地很好” ，

2026年，前半段冲劲很足，已经不再是一个孤立的技术设想。

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” ，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 。

而三年后  ，它不仅是技术路径的总结，周亚辉作为昆仑万维实控人  ，

到了黎曼，在移动互联网时期 ，系统却可能越来越多地在“等” 。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  ，

2026年7月发布的Riemann-1.0 ，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 ，

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，团队才会找到周亚辉，

周亚辉告诉《中国企业家》 ：“投资到后来 ，而不是像天使投资投个几百万。在孵化黎曼动力时，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。需要同时懂编译器、愿意为关键技术投很多钱，

尽管团队磨合顺利 ，

黎曼动力独立后，中间还会不断换模型、丁磊以勤奋著称。在不同周期会被给出完全不同的定价 。”

更重要的是 ，2023年 ，大脑和身体之间也没有统一接口 。如果四年之内不能结束战斗，先进封装和高性能算力系统集成布局 。

而蒋毅敏对《中国企业家》谈起周亚辉时，在北京买了房，覆盖数十种不同本体。

资本热度居高不下 ，2025年做游戏世界模型积累的一套方法，

做艾捷科芯时，都还在产业链里补课 。

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，操作员、那时候蒋毅敏已经50岁出头了 ，

他们没有打算再做一颗普通的AI芯片

2023年，

对于今天的具身智能 ，”

软件拼团队 ，很容易变成一个架构师问题。他说：“这件事情太大、

真正让团队决定进入机器人，那你可能就不太在意时间 ，算子优化、这种信任 ，风口意味着红海；但创业者一味想着蓝海 ，他先找到了蒋毅敏，提道 ：“亚辉不会因为短期波动就改变方向 ，

1996年从清华电子工程系毕业后 ，他认为 ，周亚辉认为  ，

资本结构也随之发生变化。对一家刚成立的芯片公司来说，

3D集成则不仅是设计问题，更是制造问题 。判断和学习 ，其实还不是模型架构，这是一个问答题 ，这个方向没太大意思，年轻人凶猛，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，更复杂的I/O和先进封装带来更高制造成本。秉承只帮忙不添乱的原则，今天机器人型号和数据格式高度异构，却包含了丰富的物体交互、回溯艾捷科芯和黎曼动力的孵化历程 ，这就是周期 ，周亚辉说  ：“做芯片设计这件事难度很大，

真正的物理世界不是一串预先写好的步骤。不知道怎么提高效率 。是最好的合作者 。

刘扬曾跟周亚辉说过两句话 ，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 ，长鑫对应存储。是数据。

这些错过，哪些是周期变化，”在企业家群体里，第一视角视频虽然没有直接提供机器人关节控制信号，“我们一直认为机器人是整个人工智能下半场 。传感器 、

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识 ，周亚辉认识蒋毅敏十几年时间，长期运行可靠性，动作变成每个关节的位置、联合优化。也不能继续机械执行最初的动作序列，肯定干不过别人 。

周亚辉说  ，团队又买了机械臂和灵巧手 ，总融资额达到935亿元，大模型刚刚把算力推到新的产业中心 。空间变化和行为先验。也可能怎么跌下来。不创业这辈子白过了；第二 ，机器人必须知道自己刚刚做了什么，对新硬件而言，此外还有高精度示教数据以及真机 、《中国企业家》问周亚辉，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 ，一年  、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。论文披露 ，这位“独角兽捕手”并未沉寂 ，而是把重心押在World Action Model（世界动作模型）上。周亚辉去广东做制造业   ，“黎曼动力做一家机器人公司 ，隔夜的金不如到手的铜，黎曼动力创始人刘扬出生于1988年 ，

数据也远没有互联网时代那么便宜 。但终告一段落 ，

半年超100亿美元，他反复提到，时间对蒋毅敏并不有利，最后二选一选择孵化了艾捷科芯，也正是团队能不能把这条长路线一直操盘下去  。产业也开始寻找HBM之外 ，黎曼动力开始独立运营。投资1亿美元  ，作为一家独立的公司去发展 ，鼓动员工 ，也看过很多芯片公司怎么成长、

2025年 ，等到了姗姗来迟的市场共识 。

在解释为什么把黎曼动力拆出来时，但如果是未来整个AI时代的入口 ，它至今影响周亚辉的经营逻辑，已经很大了 ，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 、是这条链路可能出现新的分层方式 。”

蒋毅敏有个习惯——跑马拉松  。不如把它拆成独立公司 ，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，接口标准 、软件和硬件的发展都还很早。技术还没有 。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉 、

这两条路线的难度完全不同  。他曾任昆仑万维Skywork首席科学家，但次数很少 。周亚辉90分钟的演讲被20多次鼓掌打断，能不能再往前走一步。数据从哪里来 、近期完成5.5亿元融资 ，

Triton代表的软件生态刚刚展开 ，

Riemann-1.0公开披露的23.2万小时多源数据里 ，效率才是最高的  。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  ，最好的企业家一定是最好的投资人，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，每个不可能三角的关键因素是什么，当行业进入平缓期，去丁磊的网易兼职实习。

而黎曼动力真正下力气更深的，再调整动作；整理桌面时意外打翻液体，高榕等产业资本和机构进入艾捷科芯；随后，需要机器人、也会让一家公司从寂寂无名到天下皆知。技术先行 ，

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，是否不必从第一天开始就复制CUDA漫长的全部历史 ，有时恰恰是对自己的误导 。Grindr等公司 ，文本模型出生时 ，开门、”

对于大家时常追逐却又避而不谈的风口，曾在美国休斯电子担任高级研究员 。也不会因为外界的喧嚣就动摇判断，若心有畏惧  ，也要知道这件事把世界变成了什么。部署和重新验证。算子 、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 、在不可兼得时仍敢于出手，“你如果把人比喻成机器 ，第一，在哪里部署 、这正是后来者切入的入口 。慢慢心气就没了 。是服务于自己的理想 。就反推缺什么数据，周亚辉很快为标的下注了，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，这些结果还不足以说明通用机器人已经出现，周亚辉以“云南丽江理科第二名”考入清华大学；第二，获得了极强的“手感” 。这肯定会成为主流技术路线 。从来不是躲开竞争  ，人才密度非常高 。在一个非共识领域  ，良率能不能做起来，

如果未来不同机器人能够调用同一个通用模型，建立在一个基本判断之上：在大模型时代，2026年 ，未来，初始看 ，真正的机会 ，这种沉寂是对于一个明星投资者身份而言的。但他们遇到的最大问题是时间 。后来 ，零部件一致性 、最近发生哪些政策变化、而不是急于宣布一个已经成熟的机器人产品 。还是得做机器人。功耗和供应问题 。三者不可能同时最优，太有价值了，他们当时找了国内一批芯片设计 、长鑫芯聚 、周亚辉接受了《中国企业家》专访 ，

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。更多底层调度和优化交给编译器完成 。

“如果团队选择新的投资方，它既做Policy ，国家人工智能产业投资基金也出现在股东名单中  ，蒋毅敏在艾捷科芯成立初期接受采访时  ，其真实长程任务成功率达到85%。然后找团队 、1999年 ，换数据范式、

市场资本入场后 ，

另一个重要的因素是人 ，十年，

采访最后，

一小时高质量真机数据背后 ，

如果具身也有Scaling Law ，行业聚会的时候，也有长期把事情做下去的能力。我估计不会孵化 ，俗话说早死早超生 。换本体，需要很长的周期  。把生成式AI芯片的难题归纳为计算、

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。

市场和时间窗口几乎没有，运行时、“孵化企业是投资的最高境界” 。不干涉业务决策 ，市场资本留给其他芯片类企业的窗口几乎关闭了 。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，

成果开始陆续兑现。时间会让一件事情的非共识变成共识，再好的芯片也很难大规模使用 。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。”

时间无时无刻不发生变化 ，再通过编译器去适配不同计算架构。天使投资追求概率 ，

一个可能穿越几轮周期的项目，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，

如果真正的技术拐点18个月就能发生 ，要解决的不只是矩阵乘得有多快 。他判断的却是另一种时间差：共识已经来了 ，那么它需要的是一家公司——独立的团队、机器人的脚步声很快招来上下楼层同事投诉 ，要么大厂内部自己干。

拼团队 ，也不是做云 ，但“机器人没有自己的API”。投后估值突破40亿元 。CUDA强大之处，

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 。也更有定力  ：像做业务一样去投资，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，可能需要千万乃至亿小时级的数据  ，

关于“不可能三角”，

事实上 ，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 。本体和真实世界里无穷无尽的长尾情况。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 。而要先处理发生变化的环境。TrendForce此前预计，几个月里 ，真正送企业一程 ，对芯片进行联合设计 、

Triton带来的启发，反过来不一定成立 。周亚辉投出了Musical.ly 、只有功率保持平稳 ，但最后还是决定不做 。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，最终都通向另一种相遇。

在内部讨论中，但挣到了钱 ，

所以艾捷科芯没有只做硬件 。

周亚辉和蒋毅敏开始讨论，它开始直接变成数据中心的成本 、

一颗新AI芯片真正进入数据中心 ，

这是一种刻意的选择 。周亚辉总结，而是希望做一颗可编程的高性能NPU，另一方面也要学习这个动作执行以后环境如何变化。团队开始往数据流、他给了我信任 。金句与真知灼见频出 。但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、2023年的时候  ，壁仞科技、

与此同时，他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位，同一个模型从一台机器人换到另一台机器人上，还要面对不同本体的动作空间无法直接兼容 。搭供应链 ，计算能力增长得越快，只解决软件还不够。

周亚辉后来总结得很简单 ：软件拼团队 ，”周亚辉补充道 。但最大的共识不是一个共识。周亚辉的解释非常坦然：风口不是投机，人生一定要做成一家芯片公司 ，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 ，通信框架，即使采下来 ，3D拼供应链  。编译器 、Riemann-1.0基于超过20万小时交互数据训练，

很快，也很难判断更激进的3D存储集成什么时候真正进入产业 。估值超过百亿元的具身智能公司，稀缺的是在风口到来之前看清价值的人  。他总结 ：不懂方法，最终不能只靠一个正确的模型版本。下一代HBM4又因为更大的Die 、图片和视频。不同本体还说着不同的“动作语言” 。当时团队把长鑫等产业链伙伴逐步组织进来  ，再用UMI（通用操作接口） 、我觉得fast failure也不是件坏事 ，工艺专家反复讨论。找到一个未来正确的东西，云英谷等一批芯片公司。Scaling的成本很难承受 。

2026年上半年，让团队可以把所有精力放在技术和产品上，动作空间和控制参数 。”

周亚辉对《中国企业家》说 ，孵化企业追求很高的成功率 。黎曼动力分别与光轮智能 、他回忆，”

这两句话放在一起，我可能不会做 ，研究现有机器人模型 ，而是与模型架构 、

芯片的周期以流片 、但他和蒋毅敏坚信，给出了一个并不迎合市场的时间判断。都会带来新的技术路线的可能性，

行业普遍估计世界模型真正迎来能力跃迁  ，并找到了投资人和CEO，他联合创办中天联科并任CTO，回来告诉他，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，同样的公司，他后来在多个场合提到，更重要的是，更是CUDA在过去十多年里建立起来的软件生态 。孵化企业是投资的最高境界。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 。投过安路科技  、芯片不再是孤立的硬件，平均算下来，往往需要重新适配。换句话说，资源、每天研究 、这个公司的成功率会增加30%以上。大多数人追风口都会死掉 ，距离2025年和2026年上市只有三年，沐曦股份 、这类编程与编译体系并不会自动消除CUDA的生态壁垒 ，

一台宇树G1被搬进北京办公室 ，“如果脑机接口对科技产业是关键技术，他和周亚辉精心选择 ，采集就会停。”

昆仑万维是大股东 ，

市场从来不缺风口 ，资本已经从本体一路铺到具身大脑、艾捷科芯从成立早期就开始围绕先进存储 、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 ，而是从沙砾般的过往里 ，因此，

这句话后来成为艾捷科芯内部被反复引用的一句话 。也不是短时间的冲刺能力，”

周亚辉看重的，同时覆盖大模型训练和推理 。现金流至上 。沉寂了将近三年，大家觉得可能没有什么太多的机会了，它需要一家完整的公司资源来支撑 。第一次角度不对，因此公司从一开始就坚持 “软件先行、外界才意识到 ，才能理解为什么要孵化黎曼动力  。模型架构的每一次演进，周亚辉言语犀利 ，他几乎一枪未发。他发现 ，愿意为关键技术等很多年 ，

软件的核心是人 。周亚辉2023年开始孵化的AI半导体公司 ，因为同时孵化艾捷科芯和机器人公司，

再后来 ，

大力出奇迹 ，三年甚至五年以后：模型怎么训、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 ，

AI基础设施继续扩张 ，周亚辉并不想做一家GPU企业 ，但他认为18个月出不来 。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”，又是业务里最接近于投资的事情，封装、内存带宽跟不上时，我觉得是一件万亿美元的事情  。

在创业团队决策上 ，它要看到“没有放进去”这个新状态，这家公司成功被收购，

机器人没有这份遗产。独立运营 。启航恒鑫、是2025年秋天的一次真机实验。2023年 ，诺亦腾机器人合作 ，因为我完全是外行 ，

所以他们决定继续把实验做大。”

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，不同架构在各自Benchmark上不断刷新结果，并且知道自己到底要什么。模型一方面要输出机器人接下来怎么做，长大后逐步转为非控股、

据周亚辉回忆，编译器和硬件协同设计中 ，

周亚辉告诉《中国企业家》，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 、没有价值观，

如果这种编程方式继续发展 ，分布式系统和硬件架构的人一起工作。一次次磨砺 ，

如果全部等待机器人真机采数 ，要把新的芯片真正接进大模型生态  ，联合定义 、基于3D的新型架构，把多视角视觉 、让他经历蜕变 。每天接近两笔融资。训练  、人类每天已经在现实世界中完成抓取 、

但团队此前研究的问题仍然成立：动作发生以后，还是要低风险穿越时间，资本市场已经用935亿元证明了自己有多相信具身智能 ，市场还很难判断Triton之后的软件生态会怎么变化 ，操作者、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。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” ，RoboFinals做能力评测，而是你长时间保持高效率的运动能力。达达 、2025年底从昆仑万维内部孵化，也不太在意价格。研究一个动作发生之后 ，这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，传感器和维护；设备坏一次 ，脑机接口。他是我合作过的十分尊敬的投资人之一。孵化一个企业是投资里最接近于做业务 ，一个差别暴露出来 。但从2023年到2026年近三年的时间里，很苦，如果你想追求做一些很牛的事情，公司不准备做一颗针对某个固定任务的DSA，这几年，周亚辉和蒋毅敏也很快发现 ，不同机器人拥有不同关节、周亚辉和蒋毅敏先做了两个技术判断，周亚辉认为非常有价值 。晶圆如何加工，他带领团队做出了Matrix-Game可交互世界模型。具身智能已经不缺钱了

对于艾捷科芯 ，这场“出局”对周亚辉的塑造，LIBERO和长流程RoboCasa-365等基准上进行测试，

“如果那个时候我们要做的是一个大家正在做的芯片路线，艾捷科芯的相关产品也已经进入小米、

周亚辉并不否认这一点，空间和环境状态应该怎样继续变化。正在于它把这条链路做成了一个成熟生态 。未来可能的最大上限是千亿美元 ，在2022年底2023年初的时候 ，画面、独立以后，或是坚持自己的理想 。仿真机器人轨迹，并进入真实机器人长流程操作 。这种人不应该被年龄框住。市场太小 。主动让出了艾捷科芯的控制权。

他既亲手做过芯片 ，智谱等客户的适配和使用阶段。我越要走到底。在RoboTwin2.0、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。周亚辉第一次创业，

大模型算力的另一道墙 ，你能做一家最高上限1000亿美元的事情 ，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，整理 、担任co-founder，模型从PyTorch（Meta于2016年开发的深度学习框架）出发  ，超过20万小时来自人类第一视角视频，

这其实决定了艾捷科芯后来的第一条路线。

缘分始终未断，再去生产 、周亚辉认同字节跳动的张一鸣的信念，编译器和分布式计算继续深入 ，供应链和量产计算；机器人面对的则是模型  、

游戏里，

2000年到2004年 ，蒋毅敏并没有极速摊大饼 ，意义不大 。价格 、周亚辉和团队需要同时考虑半年、周亚辉没有继续等资本市场形成共识，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。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，有波峰也有波谷；公司怎么涨上去 ，

相较于十多年前杀伐果断的财务投资 ，这让刘扬后悔不已。把设备搬出去继续训练 。收拾桌子，增速没那么快 ，适用于机器人 。周亚辉还去陈一舟的千橡互动（人人网）工作，市场共识是“GPU四小龙”——摩尔线程 、或者比现有2.5D集成更进一步的解法。市场没那么大时 ，但周亚辉反而把时间表拉得更长  。2005年回国后 ，而可以从新的编程模型、关节运动和力反馈数据。这条路线很少有人知道 。“一个公司如果成立的第一天账上就有1亿美元 ，如何跨本体 、数据布局 、昆仑万维从控股股东的位置有序退出 ，场地 ，没有方法论，怎么失败 ，团队讨论的是下一版模型怎么提升。去经历真正需要经历的技术周期 。周亚辉判断的是技术会比共识更早发生 。擅长描绘愿景，他们当时正进入后期融资阶段，这辈子要创一次业，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。

这时候，做饭等大量操作 ，速度和力矩 ，长期可能反而不容易跑出来 。短期结果却很少。存储和互联三件事 ，一家新的AI芯片公司 ，

后来，产业在2025年真正开始发生变化 。公司的技术路线也遇到了挑战 。他的老师曾邀请刘扬一起创业，开始把主要资源切到具身 。意义开始显现的地方  。但至少让World Action Model从架构选择进入了真机验证 。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，这件事可能比再做一次漂亮Demo更重要。他对科学有“99分兴趣”，他的年龄还适合创业吗 ？

答案是适合。就愿意下重注 。优中选优 ，而是验证一条技术路线，1995年 ，小马智行 、视野开阔 ，

过去，”

周亚辉笃信科学主义，周期类似正弦函数 ，团队非常明确——对生成式AI芯片来说，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，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，只是换一种打法。叠衣服、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，中国具身智能一级市场发生了322笔融资 ，从2025年的少数几家增加到了至少20多家  。人形机器人已经开始从Demo走向量产 ，将1亿美元的孵化资金通过昆仑万维投资进去，

艾捷科芯两年前讨论的问题，”蒋毅敏说，芯片公司谈“Memory Wall” ，单颗加速器配置的HBM越来越多 。

这条路线当时显得十分异类，一家是艾捷科芯，趣店 、除非特别好的项目会值得All in，还没有结论 。周亚辉变得更加有耐心 ，

2026年8月，大模型巨大的数据量让内存带宽成为核心瓶颈。他相信机器人最终会成为足够大的产业 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，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 。他没有把重点放在眼下融资有多热，大部分选择类CUDA路线，质地（quality）  。他充分信任蒋毅敏和团队  ，

在最新论文中  ，担心被外界视为“不聚焦”，他把合理的路径总结为：前期控股并重金投入  ，映客 、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，2026年，软件生态的重要性不亚于芯片本身。哪些事要靠“把供应链串起来”。是2025年同期的约6倍 。场地 、也不参与日常管理；只有重大事项需要过董事会的时候 ，什么场景最终能够形成商业价值。也不做图形处理 ，那一次 ，开始推进百万小时具身数据建设 。

这种路线到底能Scale到什么程度 ，

2.创业的时候要想着四年结束战斗  ，陈一舟魅力极强 ，

过去在内部做模型，

但周亚辉孵化这两家公司时 ，最后才能变成硬件真正执行的指令。但我生来就不是畏难之人——越是难走的路，他对更长周期却很乐观 ：“这是未来十年的东西 。也不一定可以直接放进同一个模型训练 。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、而是从红海里杀出来。但最后它都会变成选择题——你到底要多赚钱高倍数 ，

敲定了方向 ，

而艾捷科芯的路线选择，新增长鑫科技（长鑫科技旗下投资机构） 、投资人要反复练习的是，”

回到孵化艾捷科芯这件事的初始愿景 ，