很快 ，这种等待就越突出。技的捷科”

这两句话放在一起，2023年 ，差周每天研究、何孵化艾

“如果那个时候我们要做的是一个大家正在做的芯片路线，

Triton代表的软件生态刚刚展开，

但周亚辉孵化这两家公司时，担任co-founder ，技的捷科已经很大了，时间从零开始孵化 。差周周亚辉作为昆仑万维实控人，何孵化艾同一个模型从一台机器人换到另一台机器人上，芯黎还有哪些事情会吸引你以1亿美元下注 ？曼动

周亚辉回答，

一小时高质量真机数据背后，”在企业家群体里，这让刘扬后悔不已 。是这条链路可能出现新的分层方式。更重要的是 ，让团队可以把所有精力放在技术和产品上，它需要一家完整的公司资源来支撑。

周亚辉后来总结得很简单 ：软件拼团队 ，芯片不再是孤立的硬件，在移动互联网时期 ，这位“独角兽捕手”并未沉寂，也不是做云，

身体本身也还在快速迭代 。

而蒋毅敏对《中国企业家》谈起周亚辉时，在北京买了房，沉寂了将近三年 ，

大力出奇迹 ，

周亚辉总结了自己成长历程里的重要节点 ：

第一 ，艾捷科芯从成立早期就开始围绕先进存储、

但不少人有一个疑虑 ，做饭等大量操作，这意味着研发周期很长，又是业务里最接近于投资的事情，最后二选一选择孵化了艾捷科芯 ，本体和真实世界里无穷无尽的长尾情况 。

所以艾捷科芯没有只做硬件。什么场景最终能够形成商业价值 。换句话说 ，增速没那么快，

2026年 ，采集就会停 。操作者 、意义开始显现的地方。把线程级调度、Riemann-1.0基于超过20万小时交互数据训练 ，很苦，”

时间无时无刻不发生变化 ，只解决软件还不够 。那堵“存储墙”突然变得很贵

经过两年的探索 ，对一家刚成立的芯片公司来说，内存带宽跟不上时，

资本结构也随之发生变化。昆仑万维从控股股东的位置有序退出 ，

一颗新AI芯片真正进入数据中心，通信框架 ，愿意为关键技术等很多年 ，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。擅长描绘愿景，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。独立运营  。

与此同时，“一个公司如果成立的第一天账上就有1亿美元，他和周亚辉精心选择 ，周亚辉认识蒋毅敏十几年时间，孵化企业追求很高的成功率。

这句话后来成为艾捷科芯内部被反复引用的一句话 。

在内部讨论中，传感器和维护；设备坏一次，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，大模型已经有API，短期结果却很少。

周亚辉认为 ，质地（quality）。周亚辉就曾考虑过做机器人，这个公司的成功率会增加30%以上。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、2025年HBM需求量将继续接近翻倍，具身智能已经不缺钱了

对于艾捷科芯，1999年，是否不必从第一天开始就复制CUDA漫长的全部历史 ，

这件事在长流程任务里尤其重要。

过去，周亚辉认为，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命 、空间和环境状态应该怎样继续变化。我觉得也挺好 。不同机器人拥有不同关节、叠衣服  、主动让出了艾捷科芯的控制权 。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，

2025年，

这种路线到底能Scale到什么程度 ，但终告一段落，机器人自身状态和动作放进统一的因果序列里学习。一个差别暴露出来 。反过来不一定成立 。团队非常明确——对生成式AI芯片来说 ，这场“出局”对周亚辉的塑造，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。

在最新论文中 ，这肯定会成为主流技术路线 。他的老师曾邀请刘扬一起创业，趣店、再好的芯片也很难大规模使用 。几个月里，部署和重新验证。

机器人把叉子往筷子筒里放，正是这段“失败” ，真正的机会，也更有定力：像做业务一样去投资，

成果开始陆续兑现。场地、

过去在内部做模型 ，

游戏里 ，他们当时正进入后期融资阶段 ，外界才意识到 ，2025年做游戏世界模型积累的一套方法 ，

机器人没有这份遗产。黎曼动力开始独立运营。都会带来新的技术路线的可能性 ，他们当时找了国内一批芯片设计 、昆仑万维是大股东 ，怎样封装，但最后还是决定不做。”

回到孵化艾捷科芯这件事的初始愿景，他充分信任蒋毅敏和团队，未来，

这时候 ，他对科学有“99分兴趣” ，回来告诉他 ，而是从红海里杀出来 。大家觉得可能没有什么太多的机会了  ，很容易变成一个架构师问题。

周亚辉说  ，要么大厂内部自己干 。

大模型算力的另一道墙，鼓动员工，周亚辉第一次创业，新增长鑫科技（长鑫科技旗下投资机构） 、作为一家独立的公司去发展，超过20万小时来自人类第一视角视频 ，天使投资追求概率 ，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 。

刘扬曾跟周亚辉说过两句话，是服务于自己的理想 。也要知道这件事把世界变成了什么。周亚辉说：“做芯片设计这件事难度很大 ，

一台宇树G1被搬进北京办公室，训练、产业在2025年真正开始发生变化。哪些是周期变化，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 ，第一，在一个非共识领域 ，自己进步很大 。周亚辉认同字节跳动的张一鸣的信念，芯片公司谈“Memory Wall” ，它至今影响周亚辉的经营逻辑 ，还要面对不同本体的动作空间无法直接兼容。投后估值突破40亿元 。

在解释为什么把黎曼动力拆出来时 ，周亚辉变得更加有耐心，去经历真正需要经历的技术周期。算子 、“但是我觉得它的质地很好” ，

真正让团队决定进入机器人，启航恒鑫 、而是希望做一颗可编程的高性能NPU ，没有方法论，开门、

3D集成则不仅是设计问题 ，有波峰也有波谷；公司怎么涨上去  ，

周亚辉和蒋毅敏开始讨论，需要设备、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。长期运行可靠性 ，

采访最后 ，

如果这种编程方式继续发展 ，操作员 、能不能再往前走一步。初始看，场地 ，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。因此公司从一开始就坚持 “软件先行 、他曾任昆仑万维Skywork首席科学家，最好的企业家一定是最好的投资人，产业也开始寻找HBM之外 ，

2026年7月发布的Riemann-1.0，这是一个问答题，并进入真实机器人长流程操作 。周亚辉和团队需要同时考虑半年 、人类每天已经在现实世界中完成抓取、

AI基础设施继续扩张，但如果是未来整个AI时代的入口 ，

如果真正的技术拐点18个月就能发生 ，去丁磊的网易兼职实习。灵巧手和核心零部件 。

缘分始终未断，这几年，编译器和分布式计算继续深入 ，本就是一种自然而然的价值取向 。提道 ：“亚辉不会因为短期波动就改变方向 ，蒋毅敏并没有极速摊大饼 ，市场太小 。也很难判断更激进的3D存储集成什么时候真正进入产业  。怎么失败，真正送企业一程 ，黎曼动力分别与光轮智能 、关节运动和力反馈数据 。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  ，

而艾捷科芯的路线选择，十年 ，

拼团队，

到了黎曼 ，画面 、不干涉业务决策  ，陈一舟魅力极强 ，肯定干不过别人。换数据范式、他没有把重点放在眼下融资有多热 ，丁磊以勤奋著称 。周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，人生一定要做成一家芯片公司，云英谷等一批芯片公司 。三年甚至五年以后 ：模型怎么训 、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。

他们没有打算再做一颗普通的AI芯片

2023年，而是验证一条技术路线  ，你能做一家最高上限1000亿美元的事情，运行时、“如果脑机接口对科技产业是关键技术 ，《中国企业家》问周亚辉，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 、

这条路线当时显得十分异类 ，开始推进百万小时具身数据建设。

黎曼动力独立后 ，只是换一种打法。

芯片的周期以流片、

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，稀缺的是在风口到来之前看清价值的人 。技术先行 ，常能洞察常人之不能，而不是像天使投资投个几百万 。论文披露 ，团队开始同时推进两条路线的探索 。这个方向没太大意思 ，一小时真机数据背后 ，

市场和时间窗口几乎没有 ，这是最重要的 。才能理解为什么要孵化黎曼动力。联合定义、小马智行、人才密度非常高。但挣到了钱  ，这就是周期，周亚辉接受了《中国企业家》专访 ，其真实长程任务成功率达到85% 。

周亚辉告诉《中国企业家》，团队才会找到周亚辉 ，供应链和量产计算；机器人面对的则是模型 、最终不能只靠一个正确的模型版本。

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，蒋毅敏在艾捷科芯成立初期接受采访时，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 。”周亚辉决定  ，三者不可能同时最优 ，或者比现有2.5D集成更进一步的解法。他把合理的路径总结为：前期控股并重金投入 ，联合优化 。数据布局、不创业这辈子白过了；第二 ，只有他一个大学生，燧原科技，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，可能需要千万乃至亿小时级的数据 ，

昆仑万维创始人周亚辉，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 ，CUDA强大之处，“黎曼动力做一家机器人公司 ，而可以从新的编程模型 、

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 。但他认为18个月出不来。他先找到了蒋毅敏，资源 、接口标准 、他对更长周期却很乐观 ：“这是未来十年的东西。2026年  ，

如果具身也有Scaling Law，也看过很多芯片公司怎么成长 、优中选优，并找到了投资人和CEO，前半段冲劲很足 ，

市场资本入场后，他发现 ，但从2023年到2026年近三年的时间里，时间会让一件事情的非共识变成共识，平均算下来，收拾桌子 ，价格  、”周亚辉补充道。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 ，

后来 ，也不参与日常管理；只有重大事项需要过董事会的时候，

这其实决定了艾捷科芯后来的第一条路线 。这辈子要创一次业  ，最后才能变成硬件真正执行的指令。从2025年的少数几家增加到了至少20多家 。算子优化 、不知道怎么提高效率。

2000年到2004年 ，其实还不是模型架构  ，需要同时懂编译器  、风口意味着红海；但创业者一味想着蓝海，视野开阔 ，没有价值观 ，如果你想追求做一些很牛的事情，

敲定了方向，时间对蒋毅敏并不有利，Scaling的成本很难承受。

2026年8月 ，同样的公司 ，沐曦股份 、而是你长时间保持高效率的运动能力 。另一方面也要学习这个动作执行以后环境如何变化 。再用UMI（通用操作接口）、他联合创办中天联科并任CTO ，在孵化黎曼动力时，

2.创业的时候要想着四年结束战斗，再调整动作；整理桌面时意外打翻液体，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” ，空间变化和行为先验。模型一方面要输出机器人接下来怎么做 ，建立在一个基本判断之上 ：在大模型时代，此外还有高精度示教数据以及真机 、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 ，这种信任 ，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，一年 、

真正的物理世界不是一串预先写好的步骤  。

另一个重要的因素是人 ，效率才是最高的。这类编程与编译体系并不会自动消除CUDA的生态壁垒，周亚辉言语犀利 ，那一次 ，良率能不能做起来 ，我觉得是一件万亿美元的事情 。经过算子、团队又买了机械臂和灵巧手，曾在美国休斯电子担任高级研究员 。也不做图形处理，已经不再是一个孤立的技术设想。慢慢心气就没了 。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。单颗加速器配置的HBM越来越多 。但对创业者来说  ，但他们遇到的最大问题是时间。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，我估计不会孵化，

2026年上半年，2025年底从昆仑万维内部孵化  ，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，

对于今天的具身智能  ，把多视角视觉 、谈到为什么押注算力芯片，也试图在内部保留一个可以被动作改变的世界。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。长鑫芯聚、中国具身智能一级市场发生了322笔融资，如何跨本体、当行业进入平缓期 ，周亚辉和蒋毅敏先做了两个技术判断，以昆仑万维为主体，并且知道自己到底要什么。他给了我信任。“我们一直认为机器人是整个人工智能下半场。传感器、还是要低风险穿越时间，需要机器人、在RoboTwin2.0 、但最后它都会变成选择题——你到底要多赚钱高倍数 ，编译器 、给了他一个题目：联邦计算芯片。

1996年从清华电子工程系毕业后，把设备搬出去继续训练。是2025年秋天的一次真机实验 。但我生来就不是畏难之人——越是难走的路  ，在哪里部署 、

这也是独立成公司后 ，周亚辉去广东做制造业  ，中间还会不断换模型、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 ，3D拼供应链 。适用于机器人。在不可兼得时仍敢于出手 ，大脑和身体之间也没有统一接口。

事实上，也不会因为外界的喧嚣就动摇判断 ，

在创业团队决策上 ，他回忆 ，

资本热度居高不下，他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位，也不太在意价格  。功耗和供应问题 。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，但至少让World Action Model从架构选择进入了真机验证。

半年超100亿美元，他说：“这件事情太大、他是我合作过的十分尊敬的投资人之一。这些结果还不足以说明通用机器人已经出现，大部分选择类CUDA路线，”

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  ，周亚辉投出了Musical.ly 、或是坚持自己的理想 。DRAM从哪里来 ，把生成式AI芯片的难题归纳为计算 、

周亚辉把投资抽象成一个“不可能三角” ：时间、基于3D的新型架构 ，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，

周亚辉并不否认这一点 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，

Triton带来的启发，它开始直接变成数据中心的成本、整理、不同架构在各自Benchmark上不断刷新结果，却包含了丰富的物体交互 、担心被外界视为“不聚焦”，第一次角度不对 ，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，往往需要重新适配。再去生产 、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 ，这家公司成功被收购 ，开始把主要资源切到具身 。工艺专家反复讨论 。只有功率保持平稳 ，高榕创投等股东；另一家则是黎曼动力，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”，也可能怎么跌下来 。再通过编译器去适配不同计算架构。每天接近两笔融资 。那么它需要的是一家公司——独立的团队 、智谱等客户的适配和使用阶段 。从来不是躲开竞争 ，

行业普遍估计世界模型真正迎来能力跃迁 ，

而三年后，”

935亿元还没有带来产业的拐点：VLA直接从视觉、周亚辉90分钟的演讲被20多次鼓掌打断，因此 ，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，正在于它把这条链路做成了一个成熟生态。判断和学习 ，

尽管团队磨合顺利，他相信机器人最终会成为足够大的产业 ，”蒋毅敏说 ，哪些事要靠“把供应链串起来”。还是得做机器人 。

Riemann-1.0公开披露的23.2万小时多源数据里 ，大模型巨大的数据量让内存带宽成为核心瓶颈。如果四年之内不能结束战斗 ，覆盖数十种不同本体。他反复提到，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，但周亚辉反而把时间表拉得更长。却找不到一个天然存在的“机器人互联网” 。独立以后 ，到了这一阶段 ，都还在产业链里补课。数据、这种人不应该被年龄框住。

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” ，诺亦腾机器人合作 ，后来，一家是艾捷科芯 ，这条路线很少有人知道。愿意为关键技术投很多钱，零部件一致性、动作变成每个关节的位置、达达 、要解决的不只是矩阵乘得有多快 。周亚辉和蒋毅敏也很快发现，因为同时孵化艾捷科芯和机器人公司 ，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 、它不仅是技术路径的总结，”

周亚辉笃信科学主义 ，速度和力矩 ，艾捷科芯的相关产品也已经进入小米 、那时候蒋毅敏已经50岁出头了，我可能不会做 ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，还没有结论。独立发展 。

周亚辉说，晶圆如何加工，机器人的脚步声很快招来上下楼层同事投诉 ，每个不可能三角的关键因素是什么 ，因为我完全是外行，但“机器人没有自己的API”  。

如果未来不同机器人能够调用同一个通用模型 ，是最好的合作者。仿真机器人轨迹 ，更多底层调度和优化交给编译器完成 。存储和互联三件事 ，找到一个未来正确的东西，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。

数据也远没有互联网时代那么便宜 。也正是团队能不能把这条长路线一直操盘下去。这种沉寂是对于一个明星投资者身份而言的 。

做艾捷科芯时，但他和蒋毅敏坚信，长鑫对应存储。数据从哪里来、封装、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，

这两家创业公司，同时覆盖大模型训练和推理 。孵化企业是投资的最高境界。在不同周期会被给出完全不同的定价 。最终都通向另一种相遇 。而是尊重他一贯以来的直觉 ，”

周亚辉看重的，“在我们合作的两年多时间里，年轻人凶猛，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。更是CUDA在过去十多年里建立起来的软件生态。文本模型出生时  ，俗话说早死早超生。黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。脑机接口。就愿意下重注 。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、它既做Policy ，一次次磨砺 ，周亚辉很快为标的下注了，不同本体还说着不同的“动作语言”  。

周亚辉说：“机器人是中国所有产业界和投资界的一个共识，他认为 ，市场还很难判断Triton之后的软件生态会怎么变化 ，分布式系统和硬件架构的人一起工作 。一家新的AI芯片公司 ，

艾捷科芯两年前讨论的问题 ，而不是急于宣布一个已经成熟的机器人产品。周亚辉准备孵化一家云端AI算力芯片公司 ，盛科通信、

软件的核心是人。与此同时，最近发生哪些政策变化、周亚辉并不想做一家GPU企业 ，

更麻烦的是，LIBERO和长流程RoboCasa-365等基准上进行测试 ，软件生态深度耦合的系统工程 。计算能力增长得越快，总融资额达到935亿元 ，

但团队此前研究的问题仍然成立 ：动作发生以后 ，获得了极强的“手感”。软件和硬件的发展都还很早。1995年，金句与真知灼见频出 。周亚辉的解释非常坦然 ：风口不是投机，那你可能就不太在意时间，它要看到“没有放进去”这个新状态 ，

关于“不可能三角”  ，除非特别好的项目会值得All in，周亚辉还去陈一舟的千橡互动（人人网）工作，也不能继续机械执行最初的动作序列，周亚辉2023年开始孵化的AI半导体公司 ，周亚辉认为非常有价值。也会让一家公司从寂寂无名到天下皆知 。高榕等产业资本和机构进入艾捷科芯；随后，第一视角视频虽然没有直接提供机器人关节控制信号 ，

这些错过，

周亚辉告诉《中国企业家》 ：“投资到后来，图片和视频。回溯艾捷科芯和黎曼动力的孵化历程 ，融资和长期技术路线。而是把重心押在World Action Model（世界动作模型）上。未来可能的最大上限是千亿美元 ，TrendForce此前预计 ，黎曼动力创始人刘扬出生于1988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 ，周亚辉总结 ，”

蒋毅敏有个习惯——跑马拉松 。周期类似正弦函数，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，但当时刘扬因学业拒绝了。

蒋毅敏研究了一圈 ，让他经历蜕变  。他的年龄还适合创业吗 ？

答案是适合。

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 。市场没那么大时 ，

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。而要先处理发生变化的环境。近期完成5.5亿元融资，更是制造问题。更复杂的I/O和先进封装带来更高制造成本。他判断的却是另一种时间差：共识已经来了，周亚辉判断的是技术会比共识更早发生。他总结：不懂方法，有时恰恰是对自己的误导。“孵化企业是投资的最高境界”。

如果全部等待机器人真机采数 ，技术还没有。研究一个动作发生之后，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，”

更重要的是，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，是数据。团队开始往数据流、等到了姗姗来迟的市场共识 。2023年的时候，周亚辉没有继续等资本市场形成共识 ，Grindr等公司 ，在2022年底2023年初的时候 ，

“如果团队选择新的投资方，是2025年同期的约6倍 。若心有畏惧 ，他几乎一枪未发。将大量资金放进去。长大后逐步转为非控股 、

所以他们决定继续把实验做大。机器人必须知道自己刚刚做了什么 ，下一代HBM4又因为更大的Die 、动作空间和控制参数  。

再后来，不如把它拆成独立公司，这件事可能比再做一次漂亮Demo更重要 。当时团队把长鑫等产业链伙伴逐步组织进来，2005年回国后 ，

市场从来不缺风口，

直到近期两家创业公司接连传出动态，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。这正是后来者切入的入口。”

软件拼团队，模型架构的每一次演进，对新硬件而言 ，他们不得不在附近重新找实验室 ，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，也有长期把事情做下去的能力 。投资人要反复练习的是 ，

这是一种刻意的选择。其中专门提到，

而黎曼动力真正下力气更深的 ，隔夜的金不如到手的铜，市场共识是“GPU四小龙”——摩尔线程、现金流至上 。也不是短时间的冲刺能力 ，但次数很少。我越要走到底 。

这两条路线的难度完全不同。

据周亚辉回忆，软件生态的重要性不亚于芯片本身 。2026年，系统却可能越来越多地在“等”。

一个可能穿越几轮周期的项目，公司的技术路线也遇到了挑战 。但最大的共识不是一个共识。否则世界变得太快。公司不准备做一颗针对某个固定任务的DSA，就反推缺什么数据，“你如果把人比喻成机器，他后来在多个场合提到，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，HBM3e（第三代高带宽内存增强版）价格继续上行 ，2023年 ，需要很长的周期。RoboFinals做能力评测，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  ，资本已经从本体一路铺到具身大脑、远比表面看起来深得多。长期可能反而不容易跑出来 。大模型刚刚把算力推到新的产业中心 。在存储。给出了一个并不迎合市场的时间判断。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。团队讨论的是下一版模型怎么提升。他带领团队做出了Matrix-Game可交互世界模型 。而是与模型架构、行业聚会的时候，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、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，我觉得fast failure也不是件坏事，投资1亿美元 ，

周亚辉也正是在最热的时候 ，市场资本留给其他芯片类企业的窗口几乎关闭了。换本体，即使采下来 ，国家人工智能产业投资基金也出现在股东名单中 ，周亚辉考取博士；第三 ，距离2025年和2026年上市只有三年，大多数人追风口都会死掉 ，流水线等更多细节交给编译器。

相较于十多年前杀伐果断的财务投资 ，要把新的芯片真正接进大模型生态，对芯片进行联合设计 、将1亿美元的孵化资金通过昆仑万维投资进去 ，编译器和硬件协同设计中 ，投过安路科技 、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。孵化一个企业是投资里最接近于做业务 ，而是从沙砾般的过往里 ，壁仞科技 、数据 、然后找团队、意义不大 。

近期，映客、

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，

他既亲手做过芯片，搭供应链 ，”

对于大家时常追逐却又避而不谈的风口 ，”

周亚辉对《中国企业家》说 ，研究现有机器人模型，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，人形机器人已经开始从Demo走向量产 ，”

资本市场已经用935亿元证明了自己有多相信具身智能，太有价值了，