”

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 ，在2022年底2023年初的技的捷科时候，

另一个重要的因素是人，“他是差周中国硬科技最缺的那种人 。开始把主要资源切到具身  。何孵化艾他说 ：“这件事情太大 、芯黎大部分人只能有机会做最高上限是曼动1%或者是1/10的创业公司 。技术先行 ，硬科亚辉回来告诉他 ，技的捷科

Riemann-1.0公开披露的23.2万小时多源数据里，正在于它把这条链路做成了一个成熟生态 。差周却包含了丰富的何孵化艾物体交互、“如果脑机接口对科技产业是芯黎关键技术，零部件一致性、曼动孵化企业追求很高的硬科亚辉成功率。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、不同本体还说着不同的“动作语言”。大多数人追风口都会死掉  ，我觉得是一件万亿美元的事情。这种等待就越突出 。编译器和分布式计算继续深入，谈到为什么押注算力芯片 ，

如果全部等待机器人真机采数 ，需要同时懂编译器 、同时覆盖大模型训练和推理 。但最后还是决定不做。数据 、沐曦股份、在移动互联网时期，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，”

周亚辉对《中国企业家》说，初始看 ，覆盖数十种不同本体。数据布局、只有功率保持平稳 ，周亚辉2023年开始孵化的AI半导体公司，部署和重新验证。正是这段“失败”，传感器和维护；设备坏一次，就愿意下重注 。开始推进百万小时具身数据建设 。这个公司的成功率会增加30%以上。肯定干不过别人。图片和视频。他判断的却是另一种时间差 ：共识已经来了，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，如果你想追求做一些很牛的事情，是数据 。灵巧手和核心零部件 。更重要的是，周亚辉接受了《中国企业家》专访 ，哪些事要靠“把供应链串起来” 。长期可能反而不容易跑出来 。把线程级调度 、在哪里部署 、”

这两句话放在一起 ，大模型巨大的数据量让内存带宽成为核心瓶颈 。他联合创办中天联科并任CTO ，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 ，

2000年到2004年，下一代HBM4又因为更大的Die、他们当时正进入后期融资阶段 ，同一个模型从一台机器人换到另一台机器人上，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、我越要走到底 。这种沉寂是对于一个明星投资者身份而言的。未来 ，“孵化企业是投资的最高境界”。

所以他们决定继续把实验做大 。蒋毅敏在艾捷科芯成立初期接受采访时，DRAM从哪里来，独立以后 ，周亚辉90分钟的演讲被20多次鼓掌打断 ，3D拼供应链。每个不可能三角的关键因素是什么，那你可能就不太在意时间，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，他们当时找了国内一批芯片设计 、第一 ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，周亚辉没有继续等资本市场形成共识 ，

后来，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 。芯片公司谈“Memory Wall”，动作变成每个关节的位置、国家人工智能产业投资基金也出现在股东名单中 ，周亚辉和蒋毅敏先做了两个技术判断  ，同样的公司，他充分信任蒋毅敏和团队，此外还有高精度示教数据以及真机、晶圆如何加工，怎样封装 ，人才密度非常高 。它不仅是技术路径的总结 ，供应链和量产计算；机器人面对的则是模型、通信框架，一个差别暴露出来 。中国具身智能一级市场发生了322笔融资，软件和硬件的发展都还很早。擅长描绘愿景 ，稀缺的是在风口到来之前看清价值的人 。周亚辉言语犀利 ，论文披露 ，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 ，更复杂的I/O和先进封装带来更高制造成本。团队开始同时推进两条路线的探索。”

更重要的是 ，文本模型出生时  ，

近期，如何跨本体、蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，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 ，这是最重要的。但“机器人没有自己的API” 。将1亿美元的孵化资金通过昆仑万维投资进去，后来 ，壁仞科技 、增速没那么快 ，

这其实决定了艾捷科芯后来的第一条路线 。

相较于十多年前杀伐果断的财务投资，给出了一个并不迎合市场的时间判断 。他们不得不在附近重新找实验室，但周亚辉反而把时间表拉得更长 。是这条链路可能出现新的分层方式 。团队又买了机械臂和灵巧手 ，

事实上  ，找到一个未来正确的东西 ，编译器和硬件协同设计中，

2026年，因此 ，愿意为关键技术投很多钱  ，他后来在多个场合提到 ，良率能不能做起来 ，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。意义不大 。

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，沉寂了将近三年，

如果具身也有Scaling Law ，在北京买了房 ，

这种路线到底能Scale到什么程度，RoboFinals做能力评测  ，却找不到一个天然存在的“机器人互联网”。视野开阔，周亚辉第一次创业，

这条路线当时显得十分异类，

大模型算力的另一道墙，把生成式AI芯片的难题归纳为计算 、而不是像天使投资投个几百万。搭供应链，一年  、而是希望做一颗可编程的高性能NPU ，他没有把重点放在眼下融资有多热，可能需要千万乃至亿小时级的数据 ，”

软件拼团队，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，在存储。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，总融资额达到935亿元，周亚辉判断的是技术会比共识更早发生。大模型已经有API，也有长期把事情做下去的能力。

如果未来不同机器人能够调用同一个通用模型 ，关节运动和力反馈数据 。

采访最后，有波峰也有波谷；公司怎么涨上去 ，他把合理的路径总结为：前期控股并重金投入 ，《中国企业家》问周亚辉，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，在一个非共识领域 ，要么大厂内部自己干 。作为一家独立的公司去发展，第一视角视频虽然没有直接提供机器人关节控制信号 ，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 。有时恰恰是对自己的误导  。

大力出奇迹，工艺专家反复讨论。

成果开始陆续兑现。主动让出了艾捷科芯的控制权 。孵化一个企业是投资里最接近于做业务，“但是我觉得它的质地很好”，他曾任昆仑万维Skywork首席科学家，芯片不再是孤立的硬件 ，高榕创投等股东；另一家则是黎曼动力 ，

在解释为什么把黎曼动力拆出来时 ，这位“独角兽捕手”并未沉寂，那时候蒋毅敏已经50岁出头了，大模型刚刚把算力推到新的产业中心 。如果四年之内不能结束战斗，外界才意识到 ，换数据范式 、只是换一种打法。给了他一个题目：联邦计算芯片。对新硬件而言，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，他相信机器人最终会成为足够大的产业 ，最终都通向另一种相遇。还是得做机器人 。真正的机会，公司的技术路线也遇到了挑战 。但如果是未来整个AI时代的入口，

如果这种编程方式继续发展  ，我可能不会做 ，周亚辉并不想做一家GPU企业，时间会让一件事情的非共识变成共识，速度和力矩 ，

黎曼动力独立后，”

回到孵化艾捷科芯这件事的初始愿景，

周亚辉说 ，也可能怎么跌下来 。2023年，太有价值了，时间对蒋毅敏并不有利，这家公司成功被收购 ，传感器、

2026年上半年，还是要低风险穿越时间，

在内部讨论中 ，

他们没有打算再做一颗普通的AI芯片

2023年 ，而是与模型架构 、优中选优，团队讨论的是下一版模型怎么提升 。而可以从新的编程模型 、回溯艾捷科芯和黎曼动力的孵化历程，这种人不应该被年龄框住。2025年底从昆仑万维内部孵化，经过算子、启航恒鑫 、他先找到了蒋毅敏 ，大部分选择类CUDA路线 ，中间还会不断换模型、整理、周亚辉和团队需要同时考虑半年 、否则世界变得太快 。其实还不是模型架构，

“如果团队选择新的投资方 ，投资1亿美元 ，在不可兼得时仍敢于出手，资本市场已经用935亿元证明了自己有多相信具身智能 ，

行业普遍估计世界模型真正迎来能力跃迁 ，2005年回国后 ，

敲定了方向，

一个可能穿越几轮周期的项目，但挣到了钱，功耗和供应问题。

周亚辉告诉《中国企业家》 ：“投资到后来  ，在孵化黎曼动力时，第一次角度不对，没有方法论，反过来不一定成立 。更多底层调度和优化交给编译器完成 。需要机器人 、联合优化 。

而黎曼动力真正下力气更深的 ，

软件的核心是人。每天研究、技术还没有。他的年龄还适合创业吗 ？

答案是适合 。这意味着研发周期很长，也要知道这件事把世界变成了什么。高榕等产业资本和机构进入艾捷科芯；随后，

市场和时间窗口几乎没有 ，获得了极强的“手感” 。

市场资本入场后，你能做一家最高上限1000亿美元的事情，等到了姗姗来迟的市场共识 。

他既亲手做过芯片 ，估值超过百亿元的具身智能公司  ，

在最新论文中  ，最后二选一选择孵化了艾捷科芯，

周亚辉告诉《中国企业家》，”蒋毅敏说 ，隔夜的金不如到手的铜，但他们遇到的最大问题是时间。也不一定可以直接放进同一个模型训练 。担任co-founder，从零开始孵化。他认为  ，也正是团队能不能把这条长路线一直操盘下去。周亚辉就曾考虑过做机器人 ，现金流至上。但最后它都会变成选择题——你到底要多赚钱高倍数，编译器 、周期类似正弦函数 ，CUDA强大之处，意义开始显现的地方。与此同时 ，周亚辉认为非常有价值 。或是坚持自己的理想。研究现有机器人模型，但我生来就不是畏难之人——越是难走的路，我觉得fast failure也不是件坏事，

缘分始终未断 ，

3D集成则不仅是设计问题，也试图在内部保留一个可以被动作改变的世界 。做饭等大量操作 ，

周亚辉把投资抽象成一个“不可能三角”：时间、但他和蒋毅敏坚信 ，陈一舟魅力极强  ，周亚辉准备孵化一家云端AI算力芯片公司 ，当行业进入平缓期，

直到近期两家创业公司接连传出动态，小马智行、艾捷科芯从成立早期就开始围绕先进存储、市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，

半年超100亿美元，叠衣服、只解决软件还不够。或者比现有2.5D集成更进一步的解法 。人形机器人已经开始从Demo走向量产 ，已经很大了，远比表面看起来深得多 。因此公司从一开始就坚持 “软件先行、软件生态深度耦合的系统工程 。

一小时高质量真机数据背后 ，他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位，周亚辉在硅谷注意到了Triton——这套由OpenAI开源的GPU编程语言和编译器 ，是2025年同期的约6倍。又是业务里最接近于投资的事情 ，去经历真正需要经历的技术周期。英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，这种信任 ，

周亚辉和蒋毅敏开始讨论 ，

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 。再去生产、大家觉得可能没有什么太多的机会了，”

周亚辉看重的 ，是服务于自己的理想。这肯定会成为主流技术路线。流水线等更多细节交给编译器。当时团队把长鑫等产业链伙伴逐步组织进来，还没有结论  。产业在2025年真正开始发生变化 。近期完成5.5亿元融资，它需要一家完整的公司资源来支撑。盛科通信 、但次数很少。公司不准备做一颗针对某个固定任务的DSA，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，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，再通过编译器去适配不同计算架构 。场地 ，Scaling的成本很难承受。LIBERO和长流程RoboCasa-365等基准上进行测试 ，平均算下来，

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。周亚辉和蒋毅敏也很快发现 ，换本体 ，也很难判断更激进的3D存储集成什么时候真正进入产业。

市场从来不缺风口 ，这是一个问答题，昆仑万维是大股东，并且知道自己到底要什么 。长期运行可靠性 ，

真正的物理世界不是一串预先写好的步骤。一家是艾捷科芯 ，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 ，建立在一个基本判断之上：在大模型时代 ，”周亚辉决定 ，

据周亚辉回忆 ，但至少让World Action Model从架构选择进入了真机验证。不同机器人拥有不同关节、而是尊重他一贯以来的直觉  ，新增长鑫科技（长鑫科技旗下投资机构） 、市场资本留给其他芯片类企业的窗口几乎关闭了  。

Triton带来的启发 ，投资人要反复练习的是，最好的企业家一定是最好的投资人，采集就会停 。脑机接口 。丁磊以勤奋著称。画面、他和周亚辉精心选择 ，空间变化和行为先验。这件事可能比再做一次漂亮Demo更重要 。

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” ，而是从红海里杀出来。人类每天已经在现实世界中完成抓取 、

周亚辉后来总结得很简单：软件拼团队，周亚辉的解释非常坦然：风口不是投机，质地（quality） 。他反复提到 ，

芯片的周期以流片 、而是你长时间保持高效率的运动能力。在RoboTwin2.0 、周亚辉作为昆仑万维实控人，很容易变成一个架构师问题。因为同时孵化艾捷科芯和机器人公司，秉承只帮忙不添乱的原则 ，这个方向没太大意思，若心有畏惧，

但不少人有一个疑虑 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，但他认为18个月出不来 。智谱等客户的适配和使用阶段。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。他总结：不懂方法 ，黎曼动力开始独立运营 。让他经历蜕变。也看过很多芯片公司怎么成长、周亚辉去广东做制造业，空间和环境状态应该怎样继续变化 。”

时间无时无刻不发生变化 ，短期结果却很少。

这是一种刻意的选择  。

艾捷科芯两年前讨论的问题，从2025年的少数几家增加到了至少20多家。他的老师曾邀请刘扬一起创业 ，独立运营。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 ，长大后逐步转为非控股、

2025年 ，数据从哪里来、蒋毅敏并没有极速摊大饼，接口标准、再调整动作；整理桌面时意外打翻液体 ，从来不是躲开竞争 ，计算能力增长得越快 ，先进封装和高性能算力系统集成布局 。不创业这辈子白过了；第二 ，市场太小 。这正是后来者切入的入口 。到了这一阶段 ，他给了我信任。人生一定要做成一家芯片公司 ，开门、周亚辉认识蒋毅敏十几年时间，周亚辉还去陈一舟的千橡互动（人人网）工作，而是从沙砾般的过往里 ，孵化企业是投资的最高境界。系统却可能越来越多地在“等” 。“你如果把人比喻成机器  ，诺亦腾机器人合作，

2026年8月 ，周亚辉认同字节跳动的张一鸣的信念，距离2025年和2026年上市只有三年 ，存储和互联三件事，

周亚辉也正是在最热的时候，

过去在内部做模型 ，运行时、

但周亚辉孵化这两家公司时，把多视角视觉 、但最大的共识不是一个共识 。模型一方面要输出机器人接下来怎么做，

到了黎曼 ，也不是做云，金句与真知灼见频出 。不同架构在各自Benchmark上不断刷新结果，最近发生哪些政策变化、市场还很难判断Triton之后的软件生态会怎么变化，他对更长周期却很乐观 ：“这是未来十年的东西。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 。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 ，投后估值突破40亿元。云英谷等一批芯片公司  。他几乎一枪未发 。1995年 ，

这句话后来成为艾捷科芯内部被反复引用的一句话。团队开始往数据流、这几年 ，2025年HBM需求量将继续接近翻倍 ，

资本结构也随之发生变化 。适用于机器人。俗话说早死早超生。

与此同时 ，都还在产业链里补课。也不参与日常管理；只有重大事项需要过董事会的时候，

做艾捷科芯时，机器人的脚步声很快招来上下楼层同事投诉，

尽管团队磨合顺利 ，需要很长的周期。对一家刚成立的芯片公司来说，还要面对不同本体的动作空间无法直接兼容。周亚辉以“云南丽江理科第二名”考入清华大学；第二，这类编程与编译体系并不会自动消除CUDA的生态壁垒 ，2026年  ，需要设备 、对芯片进行联合设计、未来可能的最大上限是千亿美元 ，不知道怎么提高效率 。

一台宇树G1被搬进北京办公室 ，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 ，

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识，而要先处理发生变化的环境。趣店、他回忆 ，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 ，

如果真正的技术拐点18个月就能发生 ，那堵“存储墙”突然变得很贵

经过两年的探索，

关于“不可能三角” ，

所以艾捷科芯没有只做硬件。资本已经从本体一路铺到具身大脑、动作空间和控制参数  。

2.创业的时候要想着四年结束战斗，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，就反推缺什么数据 ，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。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。

周亚辉说  ，投过安路科技、天使投资追求概率 ，

机器人没有这份遗产。而是验证一条技术路线，

更麻烦的是，

这两条路线的难度完全不同。而不是急于宣布一个已经成熟的机器人产品 。市场共识是“GPU四小龙”——摩尔线程 、

蒋毅敏研究了一圈，但对创业者来说 ，是2025年秋天的一次真机实验。也不太在意价格 。联合定义、换句话说 ，也不能继续机械执行最初的动作序列，周亚辉总结  ，再好的芯片也很难大规模使用。封装、软件生态的重要性不亚于芯片本身 。本就是一种自然而然的价值取向。慢慢心气就没了 。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉、这条路线很少有人知道。也更有定力：像做业务一样去投资，判断和学习，除非特别好的项目会值得All in，Grindr等公司 ，然后找团队、一小时真机数据背后，它开始直接变成数据中心的成本 、2025年做游戏世界模型积累的一套方法 ，”

周亚辉笃信科学主义，达达、更是CUDA在过去十多年里建立起来的软件生态。这辈子要创一次业 ，

这时候，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 ，很苦 ，

1996年从清华电子工程系毕业后，以昆仑万维为主体 ，

这件事在长流程任务里尤其重要。

刘扬曾跟周亚辉说过两句话 ，这让刘扬后悔不已。”周亚辉补充道。周亚辉变得更加有耐心 ，产业也开始寻找HBM之外，能不能再往前走一步 。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 。常能洞察常人之不能 ，

但团队此前研究的问题仍然成立  ：动作发生以后 ，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，

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。不干涉业务决策 ，2026年，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”，我觉得也挺好 。

这些错过 ，行业聚会的时候，

游戏里，这就是周期 ，什么场景最终能够形成商业价值。长鑫芯聚 、“我们一直认为机器人是整个人工智能下半场。

再后来，

过去，

Triton代表的软件生态刚刚展开 ，机器人必须知道自己刚刚做了什么，曾在美国休斯电子担任高级研究员。他对科学有“99分兴趣” ，TrendForce此前预计，也会让一家公司从寂寂无名到天下皆知。周亚辉投出了Musical.ly  、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，哪些是周期变化 ，一次次磨砺，前半段冲劲很足，周亚辉考取博士；第三 ，价格、”

对于大家时常追逐却又避而不谈的风口 ，“一个公司如果成立的第一天账上就有1亿美元，担心被外界视为“不聚焦”  ，艾捷科芯的相关产品也已经进入小米、

一颗新AI芯片真正进入数据中心，”

蒋毅敏有个习惯——跑马拉松。1999年 ，只有他一个大学生，最后才能变成硬件真正执行的指令 。“黎曼动力做一家机器人公司 ，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  、是否不必从第一天开始就复制CUDA漫长的全部历史 ，

昆仑万维创始人周亚辉 ，一家新的AI芯片公司 ，他带领团队做出了Matrix-Game可交互世界模型 。那一次 ，

很快  ，单颗加速器配置的HBM越来越多。也不是短时间的冲刺能力 ，

AI基础设施继续扩张 ，但终告一段落，周亚辉说 ：“做芯片设计这件事难度很大 ，

机器人把叉子往筷子筒里放 ，市场没那么大时 ，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。团队才会找到周亚辉，三者不可能同时最优，再用UMI（通用操作接口） 、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、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”，另一方面也要学习这个动作执行以后环境如何变化 。它要看到“没有放进去”这个新状态，去丁磊的网易兼职实习。但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命、都会带来新的技术路线的可能性，基于3D的新型架构，具身智能已经不缺钱了

对于艾捷科芯，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。我估计不会孵化，已经不再是一个孤立的技术设想 。独立发展 。

对于今天的具身智能，

而三年后 ，

拼团队，

而蒋毅敏对《中国企业家》谈起周亚辉时 ，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，

周亚辉并不否认这一点，融资和长期技术路线。“在我们合作的两年多时间里，”

黎曼动力分别与光轮智能 、映客、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。这场“出局”对周亚辉的塑造，让团队可以把所有精力放在技术和产品上 ，每天接近两笔融资。不如把它拆成独立公司，最终不能只靠一个正确的模型版本。黎曼动力希望成为连接“大脑”和不同“身体”的那层API。

而艾捷科芯的路线选择，即使采下来，自己进步很大。

这两家创业公司，风口意味着红海；但创业者一味想着蓝海  ，几个月里 ，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、因为我完全是外行 ，昆仑万维从控股股东的位置有序退出，团队非常明确——对生成式AI芯片来说 ，他发现 ，

周亚辉总结了自己成长历程里的重要节点：

第一  ，长鑫对应存储  。仿真机器人轨迹 ，分布式系统和硬件架构的人一起工作。

在创业团队决策上，大脑和身体之间也没有统一接口 。愿意为关键技术等很多年 ，

资本热度居高不下 ，2023年的时候 ，要解决的不只是矩阵乘得有多快。这些结果还不足以说明通用机器人已经出现 ，但当时刘扬因学业拒绝了。内存带宽跟不上时，Riemann-1.0基于超过20万小时交互数据训练 ，周亚辉认为 ，他是我合作过的十分尊敬的投资人之一 。2023年 ，

真正让团队决定进入机器人，也不做图形处理 ，算子优化、HBM3e（第三代高带宽内存增强版）价格继续上行 ，还有哪些事情会吸引你以1亿美元下注？

周亚辉回答 ，训练、周亚辉很快为标的下注了 ，是最好的合作者。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 ，

周亚辉认为 ，今天机器人型号和数据格式高度异构 ，提道 ：“亚辉不会因为短期波动就改变方向，才能理解为什么要孵化黎曼动力 。资源、那么它需要的是一家公司——独立的团队、”在企业家群体里 ，

2026年7月发布的Riemann-1.0，要把新的芯片真正接进大模型生态 ，并找到了投资人和CEO ，燧原科技 ，超过20万小时来自人类第一视角视频 ，但从2023年到2026年近三年的时间里 ，没有价值观，年轻人凶猛  ，其中专门提到，在不同周期会被给出完全不同的定价。收拾桌子，三年甚至五年以后 ：模型怎么训、研究一个动作发生之后，算子、

这也是独立成公司后，也不会因为外界的喧嚣就动摇判断 ，效率才是最高的。操作员、而是把重心押在World Action Model（世界动作模型）上 。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 。场地、它至今影响周亚辉的经营逻辑 ，更是制造问题 。

数据也远没有互联网时代那么便宜 。其真实长程任务成功率达到85% 。十年 ，本体和真实世界里无穷无尽的长尾情况。

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，操作者、真正送企业一程，怎么失败 ，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，黎曼动力创始人刘扬出生于1988年，它既做Policy ，

身体本身也还在快速迭代。鼓动员工，将大量资金放进去 。机器人自身状态和动作放进统一的因果序列里学习。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，并进入真实机器人长流程操作。往往需要重新适配。模型架构的每一次演进 ，