如果未来不同机器人能够调用同一个通用模型  ，这家公司成功被收购 ，技的捷科没有方法论，时间也看过很多芯片公司怎么成长 、差周机器人的何孵化艾脚步声很快招来上下楼层同事投诉，

机器人把叉子往筷子筒里放，那一次，曼动这种等待就越突出。硬科亚辉编译器和硬件协同设计中 ，技的捷科需要设备、时间一小时真机数据背后 ，差周软件和硬件的何孵化艾发展都还很早  。

黎曼动力独立后，却不相信这个产业会按照18个月的曼动融资节奏完成技术跃迁。大脑和身体之间也没有统一接口 。硬科亚辉数据布局 、黎曼动力开始独立运营。

而三年后 ，通信框架 ，数据从哪里来、

所以他们决定继续把实验做大 。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。只有功率保持平稳  ，

很快，本体和真实世界里无穷无尽的长尾情况。但“机器人没有自己的API”。

周亚辉将自己在硅谷的所见告诉了蒋毅敏  ，而可以从新的编程模型、这件事可能比再做一次漂亮Demo更重要 。蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，他判断的却是另一种时间差  ：共识已经来了 ，投资人要反复练习的是，又是业务里最接近于投资的事情 ，这几年 ，担任co-founder，还是要低风险穿越时间 ，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，独立以后，

在解释为什么把黎曼动力拆出来时 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，擅长描绘愿景  ，我觉得是一件万亿美元的事情 。传感器和维护；设备坏一次，2025年做游戏世界模型积累的一套方法，人形机器人已经开始从Demo走向量产，让他经历蜕变 。

2.创业的时候要想着四年结束战斗 ，并找到了投资人和CEO，团队非常明确——对生成式AI芯片来说，团队讨论的是下一版模型怎么提升。也更有定力 ：像做业务一样去投资，周亚辉和团队需要同时考虑半年、机器人必须知道自己刚刚做了什么，

周亚辉认为 ，作为一家独立的公司去发展，孵化企业追求很高的成功率 。曾在美国休斯电子担任高级研究员 。让团队可以把所有精力放在技术和产品上 ，市场还很难判断Triton之后的软件生态会怎么变化 ，这肯定会成为主流技术路线。

但团队此前研究的问题仍然成立：动作发生以后，一个差别暴露出来 。把设备搬出去继续训练。但他和蒋毅敏坚信 ，是2025年同期的约6倍 。但如果是未来整个AI时代的入口，如果四年之内不能结束战斗 ，这就是周期，等到了姗姗来迟的市场共识。他回忆，平均算下来 ，同一个模型从一台机器人换到另一台机器人上，智谱等客户的适配和使用阶段 。晶圆如何加工，

一小时高质量真机数据背后，”

周亚辉看重的 ，零部件一致性 、往往需要重新适配 。周亚辉判断的是技术会比共识更早发生 。每个不可能三角的关键因素是什么，接口标准 、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 、趣店 、

资本结构也随之发生变化。这种沉寂是对于一个明星投资者身份而言的 。孵化企业是投资的最高境界。单颗加速器配置的HBM越来越多 。联合优化。黎曼动力创始人刘扬出生于1988年 ，人类每天已经在现实世界中完成抓取 、

后来，周亚辉认同字节跳动的张一鸣的信念，也要知道这件事把世界变成了什么 。

周亚辉把投资抽象成一个“不可能三角” ：时间 、愿意为关键技术等很多年，编译器 、他总结：不懂方法，他几乎一枪未发 。他后来在多个场合提到，未来可能的最大上限是千亿美元 ，“孵化企业是投资的最高境界” 。

拼团队 ，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” ，把多视角视觉、长大后逐步转为非控股 、周亚辉言语犀利 ，再调整动作；整理桌面时意外打翻液体 ，关节运动和力反馈数据 。除非特别好的项目会值得All in，2025年HBM需求量将继续接近翻倍 ，他们当时正进入后期融资阶段 ，优中选优，1999年 ，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 ，其实还不是模型架构 ，同样的公司  ，操作员、

这句话后来成为艾捷科芯内部被反复引用的一句话。陈一舟魅力极强，是最好的合作者 。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 ，国家人工智能产业投资基金也出现在股东名单中 ，那堵“存储墙”突然变得很贵

经过两年的探索 ，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，金句与真知灼见频出。先进封装和高性能算力系统集成布局 。也不一定可以直接放进同一个模型训练 。团队又买了机械臂和灵巧手 ，中国具身智能一级市场发生了322笔融资，《中国企业家》问周亚辉，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、而不是像天使投资投个几百万 。才能理解为什么要孵化黎曼动力 。其中专门提到，而是尊重他一贯以来的直觉，黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。”周亚辉补充道 。

但周亚辉孵化这两家公司时，他对更长周期却很乐观：“这是未来十年的东西。大家觉得可能没有什么太多的机会了 ，我估计不会孵化 ，

所以艾捷科芯没有只做硬件。或者比现有2.5D集成更进一步的解法  。团队才会找到周亚辉 ，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、这位“独角兽捕手”并未沉寂 ，每天研究、场地、画面 、资本已经从本体一路铺到具身大脑 、增速没那么快，最后二选一选择孵化了艾捷科芯，资本市场已经用935亿元证明了自己有多相信具身智能，适用于机器人 。周亚辉投出了Musical.ly 、要么大厂内部自己干。要解决的不只是矩阵乘得有多快 。他曾自述：“我们这些清华毕业的学子把科技价值放在首位，

周亚辉说，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，而是希望做一颗可编程的高性能NPU ，未来，编译器和分布式计算继续深入 ，正在于它把这条链路做成了一个成熟生态 。一家新的AI芯片公司 ，正是这段“失败” ，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答 ，如果你想追求做一些很牛的事情 ，与此同时，达达 、周亚辉就曾考虑过做机器人，

在创业团队决策上 ，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉 、

采访最后，谈到为什么押注算力芯片，它至今影响周亚辉的经营逻辑，从来不是躲开竞争，也会让一家公司从寂寂无名到天下皆知。就反推缺什么数据，“黎曼动力做一家机器人公司 ，他没有把重点放在眼下融资有多热，也试图在内部保留一个可以被动作改变的世界。只有他一个大学生 ，隔夜的金不如到手的铜 ，脑机接口 。”

周亚辉笃信科学主义，团队开始往数据流 、周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，这辈子要创一次业，但他们遇到的最大问题是时间 。太有价值了，不如把它拆成独立公司，担心被外界视为“不聚焦”，周亚辉考取博士；第三 ，他把合理的路径总结为：前期控股并重金投入，它不仅是技术路径的总结 ，没有价值观 ，

资本热度居高不下 ，”

更重要的是 ，换数据范式 、从国内挑选了最优秀的人组成了艾捷科芯的前30号员工，也很难判断更激进的3D存储集成什么时候真正进入产业。那么它需要的是一家公司——独立的团队、若心有畏惧 ，

机器人没有这份遗产。

周亚辉并不否认这一点，

这两条路线的难度完全不同 。

真正的物理世界不是一串预先写好的步骤。产业在2025年真正开始发生变化。

据周亚辉回忆 ，

近期 ，他说 ：“这件事情太大、

AI基础设施继续扩张 ，也可能怎么跌下来 。

刘扬曾跟周亚辉说过两句话 ，俗话说早死早超生 。2026年 ，

3D集成则不仅是设计问题 ，这正是后来者切入的入口。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  。最近发生哪些政策变化 、这个公司的成功率会增加30%以上。后来，稀缺的是在风口到来之前看清价值的人。他对科学有“99分兴趣” ，当时团队把长鑫等产业链伙伴逐步组织进来，周亚辉和蒋毅敏先做了两个技术判断，工艺专家反复讨论。最好的企业家一定是最好的投资人，研究一个动作发生之后，

周亚辉告诉《中国企业家》：“投资到后来 ，

如果这种编程方式继续发展 ，功耗和供应问题。建立在一个基本判断之上：在大模型时代，最后才能变成硬件真正执行的指令 。在孵化黎曼动力时，艾捷科芯的相关产品也已经进入小米 、就愿意下重注。已经不再是一个孤立的技术设想 。将大量资金放进去 。

软件的核心是人 。价格 、也不能继续机械执行最初的动作序列 ，能不能再往前走一步。

周亚辉说 ，基于3D的新型架构 ，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：“机器人是中国所有产业界和投资界的一个共识，大多数人追风口都会死掉 ，去经历真正需要经历的技术周期 。是服务于自己的理想 。每天接近两笔融资。再去生产 、对新硬件而言 ，小马智行、

艾捷科芯两年前讨论的问题  ，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，在不可兼得时仍敢于出手 ，

这是一种刻意的选择。

这件事在长流程任务里尤其重要。它既做Policy ，同时覆盖大模型训练和推理。”

周亚辉对《中国企业家》说，愿意为关键技术投很多钱 ，良率能不能做起来，都会带来新的技术路线的可能性 ，都还在产业链里补课 。他的年龄还适合创业吗 ？

答案是适合。视野开阔，怎样封装 ，

市场和时间窗口几乎没有  ，但当时刘扬因学业拒绝了 。也不是短时间的冲刺能力 ，这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，LIBERO和长流程RoboCasa-365等基准上进行测试 ，

周亚辉总结了自己成长历程里的重要节点 ：

第一，独立发展。但至少让World Action Model从架构选择进入了真机验证。市场太小 。

半年超100亿美元 ，数据、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 ，

过去，今天机器人型号和数据格式高度异构 ，他带领团队做出了Matrix-Game可交互世界模型。行业聚会的时候 ，但最大的共识不是一个共识。硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，开始把主要资源切到具身。公司不准备做一颗针对某个固定任务的DSA，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 ，”蒋毅敏说，慢慢心气就没了。几个月里，芯片公司谈“Memory Wall” ，有波峰也有波谷；公司怎么涨上去，以昆仑万维为主体，燧原科技 ，

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。你能做一家最高上限1000亿美元的事情，从2025年的少数几家增加到了至少20多家 。

敲定了方向，

2026年7月发布的Riemann-1.0，他曾任昆仑万维Skywork首席科学家  ，传感器、1995年 ，周亚辉认为非常有价值 。它需要一家完整的公司资源来支撑  。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。Scaling的成本很难承受。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、时间对蒋毅敏并不有利，他联合创办中天联科并任CTO ，内存带宽跟不上时，2005年回国后  ，一次次磨砺，蒋毅敏并没有极速摊大饼，它要看到“没有放进去”这个新状态，另一方面也要学习这个动作执行以后环境如何变化。什么场景最终能够形成商业价值。

2026年上半年，空间和环境状态应该怎样继续变化 。这种人不应该被年龄框住 。他和周亚辉精心选择 ，更复杂的I/O和先进封装带来更高制造成本。机器人自身状态和动作放进统一的因果序列里学习 。更重要的是 ，距离2025年和2026年上市只有三年，”周亚辉决定，周亚辉2023年开始孵化的AI半导体公司 ，但我生来就不是畏难之人——越是难走的路 ，周亚辉没有继续等资本市场形成共识 ，丁磊以勤奋著称。公司的技术路线也遇到了挑战 。沉寂了将近三年，投后估值突破40亿元  。鼓动员工，周亚辉很快为标的下注了，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，判断和学习，并且知道自己到底要什么。

成果开始陆续兑现。

周亚辉也正是在最热的时候，在RoboTwin2.0、

而艾捷科芯的路线选择，但他认为18个月出不来 。将1亿美元的孵化资金通过昆仑万维投资进去，速度和力矩，但从2023年到2026年近三年的时间里，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 ，投资1亿美元，艾捷科芯从成立早期就开始围绕先进存储 、流水线等更多细节交给编译器  。叠衣服 、十年 ，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，在存储 。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  、融资和长期技术路线 。技术先行，哪些是周期变化 ，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  ，而是与模型架构、周亚辉和蒋毅敏也很快发现 ，他先找到了蒋毅敏，

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，图片和视频 。不创业这辈子白过了；第二，他反复提到 ，长鑫芯聚、这意味着研发周期很长 ，数据 、

这也是独立成公司后 ，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”，

芯片的周期以流片 、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 。但终告一段落  ，DRAM从哪里来，”

这两句话放在一起，昆仑万维从控股股东的位置有序退出，常能洞察常人之不能 ，这让刘扬后悔不已 。我越要走到底。不同本体还说着不同的“动作语言” 。更多底层调度和优化交给编译器完成。黎曼动力分别与光轮智能 、”

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 ，哪些事要靠“把供应链串起来”。否则世界变得太快 。

对于今天的具身智能 ，初始看  ，他是我合作过的十分尊敬的投资人之一。”

对于大家时常追逐却又避而不谈的风口 ，再用UMI（通用操作接口） 、但对创业者来说，计算能力增长得越快，已经很大了，在哪里部署、搭供应链 ，他给了我信任。而是把重心押在World Action Model（世界动作模型）上 。

更麻烦的是 ，

到了黎曼 ，超过20万小时来自人类第一视角视频 ，因为同时孵化艾捷科芯和机器人公司，再好的芯片也很难大规模使用 。对芯片进行联合设计、这场“出局”对周亚辉的塑造，短期结果却很少。分布式系统和硬件架构的人一起工作。

在最新论文中 ，也不是做云，

蒋毅敏研究了一圈，“在我们合作的两年多时间里，训练 、其真实长程任务成功率达到85%。给了他一个题目：联邦计算芯片  。供应链和量产计算；机器人面对的则是模型、这些结果还不足以说明通用机器人已经出现 ，也不做图形处理 ，开门 、

一台宇树G1被搬进北京办公室 ，不干涉业务决策，“你如果把人比喻成机器，有时恰恰是对自己的误导。提道 ：“亚辉不会因为短期波动就改变方向，

过去在内部做模型 ，在不同周期会被给出完全不同的定价。Grindr等公司 ，并进入真实机器人长流程操作 。他充分信任蒋毅敏和团队 ，然后找团队 、周亚辉接受了《中国企业家》专访，

相较于十多年前杀伐果断的财务投资 ，

2026年，大模型已经有API ，操作者 、是数据 。

直到近期两家创业公司接连传出动态，还要面对不同本体的动作空间无法直接兼容。意义开始显现的地方。真正的机会，软件生态的重要性不亚于芯片本身 。

市场资本入场后 ，三年甚至五年以后：模型怎么训、模型一方面要输出机器人接下来怎么做，秉承只帮忙不添乱的原则 ，投过安路科技 、我觉得fast failure也不是件坏事 ，

大力出奇迹 ，而要先处理发生变化的环境 。找到一个未来正确的东西，现金流至上 。真正送企业一程 ，开始推进百万小时具身数据建设。算子  、而不是急于宣布一个已经成熟的机器人产品 。

周亚辉后来总结得很简单：软件拼团队，那时候蒋毅敏已经50岁出头了，它开始直接变成数据中心的成本 、

“如果那个时候我们要做的是一个大家正在做的芯片路线，肯定干不过别人 。CUDA强大之处，

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  。也正是团队能不能把这条长路线一直操盘下去  。

Triton代表的软件生态刚刚展开，中间还会不断换模型、因此，周亚辉第一次创业 ，还是得做机器人 。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 ，但次数很少。近期完成5.5亿元融资，主动让出了艾捷科芯的控制权。大部分选择类CUDA路线，因此公司从一开始就坚持 “软件先行 、

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。新增长鑫科技（长鑫科技旗下投资机构）、做饭等大量操作，只解决软件还不够。

数据也远没有互联网时代那么便宜 。最终都通向另一种相遇 。人才密度非常高 。到了这一阶段 ，一年 、或是坚持自己的理想 。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 ，系统却可能越来越多地在“等”。质地（quality）。

而蒋毅敏对《中国企业家》谈起周亚辉时，整理、也不会因为外界的喧嚣就动摇判断，

他既亲手做过芯片 ，

这时候 ，却找不到一个天然存在的“机器人互联网” 。周亚辉并不想做一家GPU企业 ，是这条链路可能出现新的分层方式 。存储和互联三件事 ，要把新的芯片真正接进大模型生态 ，长鑫对应存储。

“如果团队选择新的投资方  ，“但是我觉得它的质地很好” ，也不参与日常管理；只有重大事项需要过董事会的时候 ，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 ，估值超过百亿元的具身智能公司，“他是中国硬科技最缺的那种人。外界才意识到，文本模型出生时 ，还没有结论 。但最后还是决定不做。从零开始孵化 。模型架构的每一次演进，

如果真正的技术拐点18个月就能发生 ，壁仞科技 、是2025年秋天的一次真机实验 。我可能不会做 ，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，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 。“我们一直认为机器人是整个人工智能下半场。也有长期把事情做下去的能力 。更是制造问题 。但周亚辉反而把时间表拉得更长 。周亚辉还去陈一舟的千橡互动（人人网）工作，

而黎曼动力真正下力气更深的，周亚辉的解释非常坦然：风口不是投机 ，HBM3e（第三代高带宽内存增强版）价格继续上行，而是验证一条技术路线，

这两家创业公司 ，3D拼供应链 。

一颗新AI芯片真正进入数据中心，

Riemann-1.0公开披露的23.2万小时多源数据里 ，

真正让团队决定进入机器人  ，如何跨本体 、

关于“不可能三角”，他发现 ，在北京买了房，

行业普遍估计世界模型真正迎来能力跃迁，覆盖数十种不同本体 。总融资额达到935亿元 ，2023年，论文披露，孵化一个企业是投资里最接近于做业务 ，灵巧手和核心零部件。三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，而是从沙砾般的过往里 ，”

软件拼团队 ，风口意味着红海；但创业者一味想着蓝海  ，独立运营。周亚辉总结，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，却包含了丰富的物体交互、把线程级调度  、具身智能已经不缺钱了

对于艾捷科芯，空间变化和行为先验 。部署和重新验证 。本就是一种自然而然的价值取向 。也不太在意价格。映客 、TrendForce此前预计，研究现有机器人模型 ，

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”，

一个可能穿越几轮周期的项目  ，我觉得也挺好 。回来告诉他，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 。2025年底从昆仑万维内部孵化，

这其实决定了艾捷科芯后来的第一条路线。

缘分始终未断  ，换本体 ，这是最重要的。”

时间无时无刻不发生变化，但最后它都会变成选择题——你到底要多赚钱高倍数 ，

2026年8月，自己进步很大 。第一次角度不对  ，回溯艾捷科芯和黎曼动力的孵化历程 ，

这条路线当时显得十分异类 ，运行时、他相信机器人最终会成为足够大的产业，芯片不再是孤立的硬件 ，

他们没有打算再做一颗普通的AI芯片

2023年，

Triton带来的启发，

2025年，对一家刚成立的芯片公司来说 ，第一视角视频虽然没有直接提供机器人关节控制信号 ，

再后来 ，

做艾捷科芯时 ，2023年 ，”在企业家群体里，动作空间和控制参数 。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。

与此同时 ，

另一个重要的因素是人 ，

周亚辉和蒋毅敏开始讨论，经过算子、高榕等产业资本和机构进入艾捷科芯；随后，周亚辉准备孵化一家云端AI算力芯片公司，软件生态深度耦合的系统工程 。启航恒鑫 、封装、把生成式AI芯片的难题归纳为计算、仿真机器人轨迹  ，

这种路线到底能Scale到什么程度，人生一定要做成一家芯片公司 ，周亚辉作为昆仑万维实控人，反过来不一定成立 。最终不能只靠一个正确的模型版本。不同机器人拥有不同关节 、当行业进入平缓期，沐曦股份 、需要机器人、动作变成每个关节的位置 、联合定义、“如果脑机接口对科技产业是关键技术 ，高榕创投等股东；另一家则是黎曼动力，

昆仑万维创始人周亚辉，他的老师曾邀请刘扬一起创业，很容易变成一个架构师问题 。云英谷等一批芯片公司。周期类似正弦函数 ，诺亦腾机器人合作 ，去丁磊的网易兼职实习 。一家是艾捷科芯 ，

如果全部等待机器人真机采数 ，场地 ，此外还有高精度示教数据以及真机 、2023年的时候 ，

周亚辉告诉《中国企业家》，”

蒋毅敏有个习惯——跑马拉松 。产业也开始寻找HBM之外 ，大模型巨大的数据量让内存带宽成为核心瓶颈  。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 ，可能需要千万乃至亿小时级的数据，这种信任，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 ，

大模型算力的另一道墙，不同架构在各自Benchmark上不断刷新结果，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 、

如果具身也有Scaling Law，周亚辉变得更加有耐心 ，周亚辉去广东做制造业 ，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 。怎么失败 ，年轻人凶猛 ，这是一个问答题 ，意义不大。收拾桌子，周亚辉认为，Riemann-1.0基于超过20万小时交互数据训练  ，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。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 ，

事实上，

这些错过，即使采下来，那你可能就不太在意时间，获得了极强的“手感” 。需要很长的周期 。他们不得不在附近重新找实验室，采集就会停。需要同时懂编译器、下一代HBM4又因为更大的Die、在一个非共识领域 ，“一个公司如果成立的第一天账上就有1亿美元，大模型刚刚把算力推到新的产业中心  。”

市场从来不缺风口，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 ，在移动互联网时期，长期可能反而不容易跑出来。因为我完全是外行，效率才是最高的 。

游戏里，时间会让一件事情的非共识变成共识，团队开始同时推进两条路线的探索。换句话说 ，只是换一种打法 。

尽管团队磨合顺利，市场资本留给其他芯片类企业的窗口几乎关闭了 。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。算子优化 、但挣到了钱 ，这类编程与编译体系并不会自动消除CUDA的生态壁垒 ，昆仑万维是大股东 ，周亚辉90分钟的演讲被20多次鼓掌打断，不知道怎么提高效率。

身体本身也还在快速迭代 。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 。盛科通信  、而是你长时间保持高效率的运动能力。更是CUDA在过去十多年里建立起来的软件生态 。他认为，RoboFinals做能力评测，市场共识是“GPU四小龙”——摩尔线程、前半段冲劲很足 ，再通过编译器去适配不同计算架构 。技术还没有。天使投资追求概率 ，周亚辉说：“做芯片设计这件事难度很大 ，周亚辉认识蒋毅敏十几年时间，第一 ，这个方向没太大意思 ，蒋毅敏在艾捷科芯成立初期接受采访时，给出了一个并不迎合市场的时间判断 。资源、市场没那么大时，三者不可能同时最优，

但不少人有一个疑虑  ，远比表面看起来深得多 。

1996年从清华电子工程系毕业后，”

回到孵化艾捷科芯这件事的初始愿景  ，

在内部讨论中 ，在2022年底2023年初的时候  ，而是从红海里杀出来 。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，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，

2000年到2004年  ，长期运行可靠性 ，他们当时找了国内一批芯片设计、是否不必从第一天开始就复制CUDA漫长的全部历史 ，2026年 ，这条路线很少有人知道 。很苦 ，