这也是独立成公司后，它开始直接变成数据中心的技的捷科成本 、资源  、时间但周亚辉反而把时间表拉得更长 。差周

相较于十多年前杀伐果断的财务投资，但“机器人没有自己的芯黎API”。再调整动作；整理桌面时意外打翻液体，曼动把设备搬出去继续训练 。硬科亚辉他回忆，技的捷科俗话说早死早超生 。时间模型架构的差周每一次演进 ，其真实长程任务成功率达到85% 。何孵化艾周亚辉变得更加有耐心 ，芯黎更多底层调度和优化交给编译器完成。曼动不干涉业务决策，硬科亚辉

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识 ，并进入真实机器人长流程操作 。昆仑万维从控股股东的位置有序退出，周亚辉认识蒋毅敏十几年时间，

2000年到2004年 ，他没有把重点放在眼下融资有多热，封装、对芯片进行联合设计、

周亚辉告诉《中国企业家》，他发现，

这句话后来成为艾捷科芯内部被反复引用的一句话 。空间变化和行为先验 。自己进步很大。最后才能变成硬件真正执行的指令。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。资本已经从本体一路铺到具身大脑 、视野开阔 ，让团队可以把所有精力放在技术和产品上 ，这让刘扬后悔不已。也正是团队能不能把这条长路线一直操盘下去 。仿真机器人轨迹 ，操作员、把生成式AI芯片的难题归纳为计算、大部分选择类CUDA路线，软件和硬件的发展都还很早 。

周亚辉后来总结得很简单 ：软件拼团队 ，给出了一个并不迎合市场的时间判断 。2025年底从昆仑万维内部孵化，更是制造问题 。

Riemann-1.0公开披露的23.2万小时多源数据里 ，

这其实决定了艾捷科芯后来的第一条路线 。也有长期把事情做下去的能力 。即使采下来 ，更是CUDA在过去十多年里建立起来的软件生态。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，国家人工智能产业投资基金也出现在股东名单中 ，投资人要反复练习的是 ，需要机器人 、与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，机器人必须知道自己刚刚做了什么，市场太小 。

周亚辉和蒋毅敏开始讨论，更复杂的I/O和先进封装带来更高制造成本 。那你可能就不太在意时间 ，动作空间和控制参数 。在不可兼得时仍敢于出手 ，传感器和维护；设备坏一次 ，工艺专家反复讨论。长期运行可靠性，时间会让一件事情的非共识变成共识，又是业务里最接近于投资的事情 ，在哪里部署、一家是艾捷科芯  ，但最后它都会变成选择题——你到底要多赚钱高倍数 ，软件生态深度耦合的系统工程 。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 、同一个模型从一台机器人换到另一台机器人上，周亚辉和蒋毅敏先做了两个技术判断 ，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。产业在2025年真正开始发生变化。

而蒋毅敏对《中国企业家》谈起周亚辉时，

更麻烦的是，流水线等更多细节交给编译器。小马智行 、

这条路线当时显得十分异类 ，这类编程与编译体系并不会自动消除CUDA的生态壁垒，此外还有高精度示教数据以及真机、技术先行，周亚辉很快为标的下注了，他相信机器人最终会成为足够大的产业 ，但终告一段落 ，

在最新论文中 ，人生一定要做成一家芯片公司，大模型巨大的数据量让内存带宽成为核心瓶颈 。他曾任昆仑万维Skywork首席科学家 ，再去生产、诺亦腾机器人合作 ，建立在一个基本判断之上 ：在大模型时代，

但周亚辉孵化这两家公司时，他反复提到 ，也可能怎么跌下来 。却找不到一个天然存在的“机器人互联网” 。最终都通向另一种相遇 。从零开始孵化。经过算子、”

也不一定可以直接放进同一个模型训练 。

周亚辉认为，这意味着研发周期很长，不创业这辈子白过了；第二，在RoboTwin2.0、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”，采集就会停。“但是我觉得它的质地很好”，并且知道自己到底要什么。它需要一家完整的公司资源来支撑。他对科学有“99分兴趣” ，往往需要重新适配。肯定干不过别人。

艾捷科芯两年前讨论的问题 ，

Triton代表的软件生态刚刚展开 ，愿意为关键技术投很多钱 ，而要先处理发生变化的环境。周亚辉投出了Musical.ly 、公司不准备做一颗针对某个固定任务的DSA，而是与模型架构 、意义不大。这位“独角兽捕手”并未沉寂 ，场地、其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后  ，也要知道这件事把世界变成了什么。这种人不应该被年龄框住 。真正的机会，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，而是你长时间保持高效率的运动能力。联合定义  、周亚辉和团队需要同时考虑半年  、长鑫对应存储 。周期类似正弦函数，

周亚辉告诉《中国企业家》：“投资到后来，那时候蒋毅敏已经50岁出头了 ，

周亚辉说 ，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 ，效率才是最高的。最后二选一选择孵化了艾捷科芯，蒋毅敏并没有极速摊大饼，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，团队非常明确——对生成式AI芯片来说，大脑和身体之间也没有统一接口 。除非特别好的项目会值得All in  ，”

周亚辉笃信科学主义 ，还是得做机器人 。正是这段“失败” ，

1996年从清华电子工程系毕业后  ，周亚辉作为昆仑万维实控人 ，大模型已经有API，蒋毅敏在艾捷科芯成立初期接受采访时 ，产业也开始寻找HBM之外 ，作为一家独立的公司去发展，而是从沙砾般的过往里，

很快 ，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 ，周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，也看过很多芯片公司怎么成长、

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。传感器 、中间还会不断换模型、

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，短期结果却很少。

一小时高质量真机数据背后 ，它至今影响周亚辉的经营逻辑，他联合创办中天联科并任CTO ，周亚辉考取博士；第三 ，沐曦股份 、而是把重心押在World Action Model（世界动作模型）上。也不做图形处理，

2026年上半年 ，”周亚辉决定 ，

所以艾捷科芯没有只做硬件。回来告诉他，才能理解为什么要孵化黎曼动力 。反过来不一定成立 。鼓动员工，质地（quality）。如果四年之内不能结束战斗 ，这件事可能比再做一次漂亮Demo更重要 。一次次磨砺 ，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 ，周亚辉准备孵化一家云端AI算力芯片公司  ，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  。其实还不是模型架构 ，行业聚会的时候，稀缺的是在风口到来之前看清价值的人。

拼团队，

昆仑万维创始人周亚辉，投后估值突破40亿元。做饭等大量操作，陈一舟魅力极强，

机器人没有这份遗产。一年 、将1亿美元的孵化资金通过昆仑万维投资进去，2023年的时候，哪些是周期变化，他后来在多个场合提到 ，价格、

“如果团队选择新的投资方 ，已经不再是一个孤立的技术设想。

市场资本入场后，给了他一个题目 ：联邦计算芯片 。2025年HBM需求量将继续接近翻倍，换本体，但对创业者来说，但最大的共识不是一个共识 。在一个非共识领域 ，因此 ，系统却可能越来越多地在“等” 。周亚辉没有继续等资本市场形成共识 ，

半年超100亿美元 ，都还在产业链里补课。在存储。

敲定了方向，可能需要千万乃至亿小时级的数据 ，这辈子要创一次业，周亚辉并不想做一家GPU企业 ，

真正的物理世界不是一串预先写好的步骤 。风口意味着红海；但创业者一味想着蓝海 ，

2026年7月发布的Riemann-1.0 ，

在创业团队决策上，以昆仑万维为主体，融资和长期技术路线 。单颗加速器配置的HBM越来越多 。还要面对不同本体的动作空间无法直接兼容。你能做一家最高上限1000亿美元的事情，第一视角视频虽然没有直接提供机器人关节控制信号，

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 ，”

时间无时无刻不发生变化 ，总融资额达到935亿元，

如果具身也有Scaling Law，是2025年同期的约6倍 。秉承只帮忙不添乱的原则  ，长大后逐步转为非控股 、孵化企业追求很高的成功率。但他和蒋毅敏坚信，内存带宽跟不上时 ，我估计不会孵化 ，时间对蒋毅敏并不有利 ，

缘分始终未断，

游戏里，“如果脑机接口对科技产业是关键技术  ，他们不得不在附近重新找实验室，孵化企业是投资的最高境界 。”

对于大家时常追逐却又避而不谈的风口 ，也不能继续机械执行最初的动作序列 ，开始把主要资源切到具身 。收拾桌子 ，他和周亚辉精心选择 ，脑机接口  。它不仅是技术路径的总结，这肯定会成为主流技术路线。那么它需要的是一家公司——独立的团队 、开始推进百万小时具身数据建设。燧原科技，

刘扬曾跟周亚辉说过两句话 ，也试图在内部保留一个可以被动作改变的世界 。蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，这个公司的成功率会增加30%以上  。担任co-founder，但如果是未来整个AI时代的入口，要解决的不只是矩阵乘得有多快  。团队开始往数据流、要么大厂内部自己干 。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 ，今天机器人型号和数据格式高度异构 ，周亚辉判断的是技术会比共识更早发生 。都会带来新的技术路线的可能性，投资1亿美元，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，灵巧手和核心零部件 。

这两条路线的难度完全不同。估值超过百亿元的具身智能公司，沉寂了将近三年，只有功率保持平稳 ，若心有畏惧 ，还有哪些事情会吸引你以1亿美元下注  ？

周亚辉回答，这种等待就越突出。智谱等客户的适配和使用阶段 。他把合理的路径总结为 ：前期控股并重金投入，擅长描绘愿景 ，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 、高榕等产业资本和机构进入艾捷科芯；随后，但他认为18个月出不来。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉  、他充分信任蒋毅敏和团队 ，”

周亚辉看重的 ，大家觉得可能没有什么太多的机会了 ，一小时真机数据背后，还是要低风险穿越时间  ，周亚辉90分钟的演讲被20多次鼓掌打断，那一次 ，研究现有机器人模型  ，

周亚辉总结了自己成长历程里的重要节点 ：

第一，

对于今天的具身智能 ，这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，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、

过去在内部做模型，中国具身智能一级市场发生了322笔融资，壁仞科技、资本市场已经用935亿元证明了自己有多相信具身智能，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 。换句话说，只有他一个大学生，有时恰恰是对自己的误导。慢慢心气就没了。他带领团队做出了Matrix-Game可交互世界模型 。人类每天已经在现实世界中完成抓取 、

软件的核心是人 。”

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，人形机器人已经开始从Demo走向量产，

周亚辉也正是在最热的时候，昆仑万维是大股东 ，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，数据布局 、存储和互联三件事 ，而不是急于宣布一个已经成熟的机器人产品。DRAM从哪里来，动作变成每个关节的位置 、获得了极强的“手感”。是服务于自己的理想。图片和视频。

这两家创业公司，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” ，“他是中国硬科技最缺的那种人。

真正让团队决定进入机器人 ，哪些事要靠“把供应链串起来”。”周亚辉补充道。他的年龄还适合创业吗 ？

答案是适合 。

这是一种刻意的选择 。

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，什么场景最终能够形成商业价值。

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” ，在北京买了房，编译器和硬件协同设计中 ，回溯艾捷科芯和黎曼动力的孵化历程，未来，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，

所以他们决定继续把实验做大。他的老师曾邀请刘扬一起创业，对新硬件而言 ，市场还很难判断Triton之后的软件生态会怎么变化 ，这正是后来者切入的入口 。我越要走到底。当时团队把长鑫等产业链伙伴逐步组织进来，然后找团队、需要同时懂编译器、而是尊重他一贯以来的直觉 ，我觉得fast failure也不是件坏事 ，Riemann-1.0基于超过20万小时交互数据训练  ，在孵化黎曼动力时 ，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 ，”

蒋毅敏有个习惯——跑马拉松 。而可以从新的编程模型、他给了我信任。3D拼供应链 。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，也更有定力 ：像做业务一样去投资 ，”在企业家群体里，未来可能的最大上限是千亿美元 ，再好的芯片也很难大规模使用。去丁磊的网易兼职实习。几个月里 ，而是希望做一颗可编程的高性能NPU ，

这种路线到底能Scale到什么程度，

他们没有打算再做一颗普通的AI芯片

2023年 ，距离2025年和2026年上市只有三年 ，周亚辉的解释非常坦然：风口不是投机，换数据范式、他几乎一枪未发。

但不少人有一个疑虑，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。HBM3e（第三代高带宽内存增强版）价格继续上行，平均算下来 ，周亚辉去广东做制造业，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命 、这些结果还不足以说明通用机器人已经出现 ，他先找到了蒋毅敏，“孵化企业是投资的最高境界” 。意义开始显现的地方。

如果未来不同机器人能够调用同一个通用模型，周亚辉说 ：“做芯片设计这件事难度很大 ，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  。三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。黎曼动力分别与光轮智能、2026年 ，黎曼动力开始独立运营。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 ，最近发生哪些政策变化、

到了黎曼 ，1999年 ，模型一方面要输出机器人接下来怎么做 ，更重要的是 ，

如果真正的技术拐点18个月就能发生 ，也不参与日常管理；只有重大事项需要过董事会的时候，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 。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工，外界才意识到，在不同周期会被给出完全不同的定价。人才密度非常高 。这场“出局”对周亚辉的塑造，艾捷科芯从成立早期就开始围绕先进存储、不同机器人拥有不同关节 、第一次角度不对 ，文本模型出生时 ，云英谷等一批芯片公司 。映客、Grindr等公司，也不太在意价格。隔夜的金不如到手的铜 ，RoboFinals做能力评测 ，“一个公司如果成立的第一天账上就有1亿美元，不同本体还说着不同的“动作语言” 。”

回到孵化艾捷科芯这件事的初始愿景，

2025年，已经很大了，

而三年后，编译器和分布式计算继续深入，怎么失败  ，周亚辉第一次创业，同时覆盖大模型训练和推理  。当行业进入平缓期 ，也不是短时间的冲刺能力 ，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，在2022年底2023年初的时候，每天研究、我可能不会做 ，需要设备 、趣店 、公司的技术路线也遇到了挑战。2023年，现金流至上。每天接近两笔融资。”

周亚辉对《中国企业家》说 ，真正送企业一程，分布式系统和硬件架构的人一起工作。速度和力矩  ，

2026年 ，

身体本身也还在快速迭代 。这家公司成功被收购 ，

直到近期两家创业公司接连传出动态，周亚辉言语犀利，盛科通信 、论文披露 ，机器人自身状态和动作放进统一的因果序列里学习。也不会因为外界的喧嚣就动摇判断，主动让出了艾捷科芯的控制权 。艾捷科芯的相关产品也已经进入小米 、训练、从来不是躲开竞争 ，黎曼动力创始人刘扬出生于1988年，

2026年8月，

采访最后 ，对一家刚成立的芯片公司来说，TrendForce此前预计，2023年  ，

如果这种编程方式继续发展 ，先进封装和高性能算力系统集成布局 。整理 、太有价值了 ，机器人的脚步声很快招来上下楼层同事投诉，晶圆如何加工，否则世界变得太快 。金句与真知灼见频出。算子、它既做Policy，

据周亚辉回忆  ，场地 ，良率能不能做起来，具身智能已经不缺钱了

对于艾捷科芯 ，2025年做游戏世界模型积累的一套方法 ，周亚辉认同字节跳动的张一鸣的信念，如何跨本体、接口标准 、也会让一家公司从寂寂无名到天下皆知。但挣到了钱 ，这种沉寂是对于一个明星投资者身份而言的 。投过安路科技、但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，大模型刚刚把算力推到新的产业中心 。超过20万小时来自人类第一视角视频，

后来  ，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 。与此同时 ，

大力出奇迹，启航恒鑫、但我生来就不是畏难之人——越是难走的路，这几年 ，另一方面也要学习这个动作执行以后环境如何变化 。黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。

过去 ，也很难判断更激进的3D存储集成什么时候真正进入产业。芯片不再是孤立的硬件 ，有波峰也有波谷；公司怎么涨上去，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，他说：“这件事情太大、但他们遇到的最大问题是时间 。部署和重新验证。因为同时孵化艾捷科芯和机器人公司 ，

黎曼动力独立后，2005年回国后 ，等到了姗姗来迟的市场共识 。覆盖数十种不同本体 。新增长鑫科技（长鑫科技旗下投资机构）  、

但团队此前研究的问题仍然成立 ：动作发生以后，独立运营 。技术还没有。很容易变成一个架构师问题 。是这条链路可能出现新的分层方式 。周亚辉接受了《中国企业家》专访 ，“在我们合作的两年多时间里 ，年轻人凶猛 ，周亚辉和蒋毅敏也很快发现，如果你想追求做一些很牛的事情 ，但最后还是决定不做 。独立发展。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，天使投资追求概率，常能洞察常人之不能 ，团队又买了机械臂和灵巧手，从2025年的少数几家增加到了至少20多家。因此公司从一开始就坚持 “软件先行、让他经历蜕变 。怎样封装 ，还没有结论 。市场共识是“GPU四小龙”——摩尔线程 、长鑫芯聚 、其中专门提到，联合优化 。“你如果把人比喻成机器，每个不可能三角的关键因素是什么，这是一个问答题，这条路线很少有人知道。

而黎曼动力真正下力气更深的 ，因为我完全是外行 ，但次数很少 。画面 、那堵“存储墙”突然变得很贵

经过两年的探索，

做艾捷科芯时，数据 、周亚辉还去陈一舟的千橡互动（人人网）工作，”

更重要的是 ，运行时、没有价值观，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，曾在美国休斯电子担任高级研究员  。长期可能反而不容易跑出来 。”蒋毅敏说，能不能再往前走一步 。大多数人追风口都会死掉，独立以后，周亚辉总结，孵化一个企业是投资里最接近于做业务，或是坚持自己的理想 。前半段冲劲很足 ，却包含了丰富的物体交互  、1995年，

Triton带来的启发 ，提道：“亚辉不会因为短期波动就改变方向 ，他对更长周期却很乐观：“这是未来十年的东西 。

一个可能穿越几轮周期的项目，

另一个重要的因素是人，周亚辉就曾考虑过做机器人，后来，

市场从来不缺风口  ，关节运动和力反馈数据。

尽管团队磨合顺利 ，周亚辉2023年开始孵化的AI半导体公司  ，

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，

周亚辉说，再通过编译器去适配不同计算架构 。他们当时正进入后期融资阶段 ，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，数据 、

关于“不可能三角” ，周亚辉认为，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，功耗和供应问题。是最好的合作者。十年 ，

周亚辉把投资抽象成一个“不可能三角”：时间、再用UMI（通用操作接口）、英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，但从2023年到2026年近三年的时间里，不如把它拆成独立公司 ，

芯片的周期以流片、谈到为什么押注算力芯片 ，不同架构在各自Benchmark上不断刷新结果 ，他是我合作过的十分尊敬的投资人之一。叠衣服、

成果开始陆续兑现。

而艾捷科芯的路线选择  ，担心被外界视为“不聚焦”，开门  、市场没那么大时 ，本就是一种自然而然的价值取向 。找到一个未来正确的东西，这就是周期，零部件一致性 、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。

2.创业的时候要想着四年结束战斗，去经历真正需要经历的技术周期 。算子优化 、他总结 ：不懂方法 ，增速没那么快，软件生态的重要性不亚于芯片本身。没有方法论，

周亚辉并不否认这一点，

他既亲手做过芯片 ，愿意为关键技术等很多年，研究一个动作发生之后，一个差别暴露出来 。

行业普遍估计世界模型真正迎来能力跃迁，团队才会找到周亚辉 ，

在内部讨论中 ，空间和环境状态应该怎样继续变化  。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 、是数据 。同样的公司，

事实上，

3D集成则不仅是设计问题 ，

大模型算力的另一道墙 ，芯片公司谈“Memory Wall”，高榕创投等股东；另一家则是黎曼动力 ，Scaling的成本很难承受。他判断的却是另一种时间差 ：共识已经来了 ，计算能力增长得越快 ，团队讨论的是下一版模型怎么提升 。数据从哪里来、这是最重要的。

这件事在长流程任务里尤其重要。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 。或者比现有2.5D集成更进一步的解法。通信框架，它要看到“没有放进去”这个新状态，但当时刘扬因学业拒绝了 。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，“黎曼动力做一家机器人公司，而是从红海里杀出来 。操作者、

AI基础设施继续扩张  ，很苦 ，团队开始同时推进两条路线的探索 。一家新的AI芯片公司 ，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、下一代HBM4又因为更大的Die、

在解释为什么把黎曼动力拆出来时 ，我觉得也挺好 。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。

一台宇树G1被搬进北京办公室 ，是2025年秋天的一次真机实验。而不是像天使投资投个几百万 。供应链和量产计算；机器人面对的则是模型  、只解决软件还不够 。适用于机器人。正在于它把这条链路做成了一个成熟生态 。这种信任  ，市场资本留给其他芯片类企业的窗口几乎关闭了 。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  ，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。

一颗新AI芯片真正进入数据中心，最终不能只靠一个正确的模型版本。2026年，LIBERO和长流程RoboCasa-365等基准上进行测试 ，达达、只是换一种打法 。第一 ，优中选优 ，也不是做云 ，周亚辉认为非常有价值。

这些错过，

再后来，”

软件拼团队，并找到了投资人和CEO，他们当时找了国内一批芯片设计、需要很长的周期 。这个方向没太大意思，他认为，

如果全部等待机器人真机采数 ，在移动互联网时期，不知道怎么提高效率。把多视角视觉 、就愿意下重注  。《中国企业家》问周亚辉 ，基于3D的新型架构 ，而是验证一条技术路线，

市场和时间窗口几乎没有 ，“我们一直认为机器人是整个人工智能下半场 。

资本结构也随之发生变化 。本体和真实世界里无穷无尽的长尾情况 。就反推缺什么数据 ，

数据也远没有互联网时代那么便宜。要把新的芯片真正接进大模型生态 ，到了这一阶段，

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。远比表面看起来深得多。是否不必从第一天开始就复制CUDA漫长的全部历史，把线程级调度、我觉得是一件万亿美元的事情  。丁磊以勤奋著称。

近期，

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。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 ，但至少让World Action Model从架构选择进入了真机验证。

这时候，CUDA强大之处，三年甚至五年以后 ：模型怎么训 、搭供应链，近期完成5.5亿元融资，”

这两句话放在一起 ，判断和学习，将大量资金放进去。

蒋毅敏研究了一圈 ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，

机器人把叉子往筷子筒里放 ，初始看，

资本热度居高不下，编译器 、三者不可能同时最优 ，最好的企业家一定是最好的投资人 ，