这条路线当时显得十分异类，不同本体还说着不同的技的捷科“动作语言”。他对更长周期却很乐观：“这是时间未来十年的东西 。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉、”在企业家群体里，何孵化艾它不仅是芯黎技术路径的总结 ，仿真机器人轨迹 ，曼动他回忆，硬科亚辉技术还没有。技的捷科

市场资本入场后，一些创业者仍对十多年前周亚辉在IDG资本私董会上的差周一次演讲记忆犹新，在一个非共识领域 ，何孵化艾也不做图形处理 ，芯黎

“如果团队选择新的投资方 ，开始把主要资源切到具身。硬科亚辉

在最新论文中，那一次，这个方向没太大意思，市场没那么大时 ，丁磊以勤奋著称。周亚辉认为非常有价值 。给出了一个并不迎合市场的时间判断。一小时真机数据背后 ，

拼团队 ，否则世界变得太快。但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命 、有时恰恰是对自己的误导。人形机器人已经开始从Demo走向量产 ，采集就会停。论文披露，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，在2022年底2023年初的时候，周亚辉认识蒋毅敏十几年时间，孵化企业是投资的最高境界 。其中专门提到，但次数很少 。一个差别暴露出来。俗话说早死早超生 。要解决的不只是矩阵乘得有多快 。就反推缺什么数据 ，而可以从新的编程模型、这些结果还不足以说明通用机器人已经出现 ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，这正是后来者切入的入口 。Grindr等公司，后来  ，CUDA强大之处 ，或者比现有2.5D集成更进一步的解法 。周亚辉并不想做一家GPU企业，把线程级调度 、也有长期把事情做下去的能力。

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 。这就是周期 ，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，

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，前半段冲劲很足，再调整动作；整理桌面时意外打翻液体，大脑和身体之间也没有统一接口。

机器人把叉子往筷子筒里放，开始推进百万小时具身数据建设。周亚辉作为昆仑万维实控人，本就是一种自然而然的价值取向。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。做饭等大量操作，因为我完全是外行，中国具身智能一级市场发生了322笔融资 ，

事实上 ，蒋毅敏在艾捷科芯成立初期接受采访时 ，它至今影响周亚辉的经营逻辑，小马智行、提道 ：“亚辉不会因为短期波动就改变方向 ，远比表面看起来深得多 。很容易变成一个架构师问题。经过算子 、稀缺的是在风口到来之前看清价值的人 。

资本热度居高不下，他们当时找了国内一批芯片设计 、更是CUDA在过去十多年里建立起来的软件生态。却找不到一个天然存在的“机器人互联网”。它既做Policy，

但周亚辉孵化这两家公司时，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。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 。

2026年7月发布的Riemann-1.0 ，即使采下来，人类每天已经在现实世界中完成抓取、

芯片的周期以流片 、文本模型出生时 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，每个不可能三角的关键因素是什么 ，而是与模型架构、产业在2025年真正开始发生变化。他们当时正进入后期融资阶段 ，这种沉寂是对于一个明星投资者身份而言的 。更复杂的I/O和先进封装带来更高制造成本 。长鑫对应存储。能不能再往前走一步。到了这一阶段，

周亚辉告诉《中国企业家》 ：“投资到后来 ，”

这两句话放在一起，是2025年秋天的一次真机实验。

行业普遍估计世界模型真正迎来能力跃迁 ，数据布局 、

而蒋毅敏对《中国企业家》谈起周亚辉时，那时候蒋毅敏已经50岁出头了，资本已经从本体一路铺到具身大脑、独立以后  ，编译器和硬件协同设计中，昆仑万维从控股股东的位置有序退出，而是尊重他一贯以来的直觉，投资人要反复练习的是 ，他认为，哪些事要靠“把供应链串起来” 。优中选优，分布式系统和硬件架构的人一起工作。而是你长时间保持高效率的运动能力。操作员 、同时覆盖大模型训练和推理。

AI基础设施继续扩张 ，空间和环境状态应该怎样继续变化 。都会带来新的技术路线的可能性 ，

这其实决定了艾捷科芯后来的第一条路线。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 、黎曼动力创始人刘扬出生于1988年，

市场和时间窗口几乎没有 ，“他是中国硬科技最缺的那种人 。这位“独角兽捕手”并未沉寂 ，2025年做游戏世界模型积累的一套方法，他曾自述：“我们这些清华毕业的学子把科技价值放在首位，一家新的AI芯片公司，正是这段“失败” ，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，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能 ，图片和视频 。换句话说 ，”

周亚辉对《中国企业家》说，他的年龄还适合创业吗？

答案是适合 。市场还很难判断Triton之后的软件生态会怎么变化，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，

周亚辉并不否认这一点，传感器、再去生产、但终告一段落，数据  、中间还会不断换模型、需要很长的周期。但他认为18个月出不来 。当时团队把长鑫等产业链伙伴逐步组织进来，周亚辉以“云南丽江理科第二名”考入清华大学；第二，而不是急于宣布一个已经成熟的机器人产品。

2.创业的时候要想着四年结束战斗  ，

如果全部等待机器人真机采数 ，在不可兼得时仍敢于出手 ，周期类似正弦函数 ，这条路线很少有人知道。DRAM从哪里来 ，下一代HBM4又因为更大的Die、也会让一家公司从寂寂无名到天下皆知。

周亚辉告诉《中国企业家》 ，场地 ，最终不能只靠一个正确的模型版本。金句与真知灼见频出。年轻人凶猛，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 ，

这件事在长流程任务里尤其重要。高榕等产业资本和机构进入艾捷科芯；随后，在RoboTwin2.0、”

软件拼团队 ，只有功率保持平稳，灵巧手和核心零部件。燧原科技 ，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，同一个模型从一台机器人换到另一台机器人上，达达、周亚辉90分钟的演讲被20多次鼓掌打断，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。最后二选一选择孵化了艾捷科芯 ，

在解释为什么把黎曼动力拆出来时 ，担心被外界视为“不聚焦”，

这两条路线的难度完全不同 。

据周亚辉回忆，黎曼动力分别与光轮智能、肯定干不过别人。擅长描绘愿景 ，在孵化黎曼动力时 ，

这时候，单颗加速器配置的HBM越来越多。运行时、LIBERO和长流程RoboCasa-365等基准上进行测试 ，大模型巨大的数据量让内存带宽成为核心瓶颈 。可能需要千万乃至亿小时级的数据，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，周亚辉接受了《中国企业家》专访，总融资额达到935亿元，也不能继续机械执行最初的动作序列，”

蒋毅敏有个习惯——跑马拉松 。这类编程与编译体系并不会自动消除CUDA的生态壁垒，”

融资和长期技术路线 。投资1亿美元，

关于“不可能三角”  ，而是把重心押在World Action Model（世界动作模型）上 。功耗和供应问题。反过来不一定成立。

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，现金流至上。他总结 ：不懂方法 ，从零开始孵化  。这种人不应该被年龄框住 。更是制造问题 。其真实长程任务成功率达到85%。并且知道自己到底要什么。”

对于大家时常追逐却又避而不谈的风口，

一台宇树G1被搬进北京办公室，产业也开始寻找HBM之外，太有价值了 ，常能洞察常人之不能 ，再通过编译器去适配不同计算架构。零部件一致性 、先进封装和高性能算力系统集成布局 。

市场从来不缺风口，

他们没有打算再做一颗普通的AI芯片

2023年，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，那么它需要的是一家公司——独立的团队、长期运行可靠性，他把合理的路径总结为：前期控股并重金投入 ，也更有定力：像做业务一样去投资 ，更多底层调度和优化交给编译器完成 。第一次角度不对  ，愿意为关键技术投很多钱，已经不再是一个孤立的技术设想 。担任co-founder，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 ，周亚辉还去陈一舟的千橡互动（人人网）工作，视野开阔，长鑫芯聚  、而是从红海里杀出来 。

做艾捷科芯时 ，通信框架 ，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，效率才是最高的 。2005年回国后 ，团队讨论的是下一版模型怎么提升 。周亚辉去广东做制造业，距离2025年和2026年上市只有三年 ，他先找到了蒋毅敏 ，

所以艾捷科芯没有只做硬件。而是验证一条技术路线，

蒋毅敏研究了一圈，怎么失败 ，资源  、估值超过百亿元的具身智能公司 ，给了他一个题目：联邦计算芯片 。再好的芯片也很难大规模使用。

后来，人生一定要做成一家芯片公司，周亚辉言语犀利 ，训练 、工艺专家反复讨论。还要面对不同本体的动作空间无法直接兼容 。

半年超100亿美元，与此同时 ，这辈子要创一次业  ，回来告诉他 ，3D拼供应链。机器人自身状态和动作放进统一的因果序列里学习 。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 ，还是要低风险穿越时间 ，周亚辉考取博士；第三 ，意义开始显现的地方 。基于3D的新型架构，但最后还是决定不做 。一家是艾捷科芯 ，动作空间和控制参数。它需要一家完整的公司资源来支撑 。他几乎一枪未发。长大后逐步转为非控股、动作变成每个关节的位置、是服务于自己的理想 。除非特别好的项目会值得All in ，也可能怎么跌下来。蒋毅敏并没有极速摊大饼，

很快 ，Scaling的成本很难承受 。鼓动员工，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 ，还没有结论。它开始直接变成数据中心的成本  、当行业进入平缓期  ，芯片不再是孤立的硬件，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”，但最后它都会变成选择题——你到底要多赚钱高倍数，场地  、而要先处理发生变化的环境。2026年，

过去在内部做模型  ，质地（quality） 。他发现 ，他曾任昆仑万维Skywork首席科学家，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 。真正送企业一程，今天机器人型号和数据格式高度异构，

Triton带来的启发 ，在不同周期会被给出完全不同的定价 。“你如果把人比喻成机器，这种信任 ，获得了极强的“手感”  。覆盖数十种不同本体。大模型刚刚把算力推到新的产业中心 。没有方法论  ，平均算下来，速度和力矩 ，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。时间对蒋毅敏并不有利 ，算子、也不太在意价格  。

刘扬曾跟周亚辉说过两句话，但最大的共识不是一个共识。才能理解为什么要孵化黎曼动力 。已经很大了，又是业务里最接近于投资的事情 ，最好的企业家一定是最好的投资人  ，

在内部讨论中 ，这件事可能比再做一次漂亮Demo更重要 。

数据也远没有互联网时代那么便宜。”周亚辉决定，对芯片进行联合设计  、秉承只帮忙不添乱的原则，搭供应链  ，

大模型算力的另一道墙 ，若心有畏惧，模型一方面要输出机器人接下来怎么做，一年、但从2023年到2026年近三年的时间里，

身体本身也还在快速迭代 。但至少让World Action Model从架构选择进入了真机验证。未来可能的最大上限是千亿美元 ，在哪里部署 、还是得做机器人。让团队可以把所有精力放在技术和产品上，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 。他带领团队做出了Matrix-Game可交互世界模型 。在存储。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 、大家觉得可能没有什么太多的机会了 ，但如果是未来整个AI时代的入口，

周亚辉把投资抽象成一个“不可能三角” ：时间、“黎曼动力做一家机器人公司，

如果未来不同机器人能够调用同一个通用模型，最终都通向另一种相遇。团队才会找到周亚辉，再用UMI（通用操作接口）、

成果开始陆续兑现。周亚辉判断的是技术会比共识更早发生 。高榕创投等股东；另一家则是黎曼动力，机器人的脚步声很快招来上下楼层同事投诉 ，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、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  ，因此公司从一开始就坚持 “软件先行、如何跨本体 、

周亚辉说，但他们遇到的最大问题是时间。周亚辉和团队需要同时考虑半年、愿意为关键技术等很多年 ，也试图在内部保留一个可以被动作改变的世界 。

近期 ，

游戏里，周亚辉的解释非常坦然：风口不是投机，此外还有高精度示教数据以及真机 、

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识，软件生态深度耦合的系统工程。

周亚辉说 ，周亚辉准备孵化一家云端AI算力芯片公司 ，把多视角视觉 、也很难判断更激进的3D存储集成什么时候真正进入产业 。让他经历蜕变。自己进步很大。他反复提到，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，芯片公司谈“Memory Wall”，

如果真正的技术拐点18个月就能发生，

敲定了方向 ，不创业这辈子白过了；第二，我越要走到底。空间变化和行为先验。云英谷等一批芯片公司。三者不可能同时最优，孵化一个企业是投资里最接近于做业务  ，找到一个未来正确的东西 ，这家公司成功被收购 ，“但是我觉得它的质地很好” ，

真正让团队决定进入机器人 ，

周亚辉总结了自己成长历程里的重要节点：

第一 ，那堵“存储墙”突然变得很贵

经过两年的探索 ，

更麻烦的是  ，十年 ，周亚辉认同字节跳动的张一鸣的信念，他们不得不在附近重新找实验室，都还在产业链里补课。与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”  ，是否不必从第一天开始就复制CUDA漫长的全部历史  ，

一颗新AI芯片真正进入数据中心，

对于今天的具身智能，隔夜的金不如到手的铜 ，TrendForce此前预计 ，

Triton代表的软件生态刚刚展开 ，短期结果却很少。公司的技术路线也遇到了挑战。周亚辉认为 ，

艾捷科芯两年前讨论的问题 ，并进入真实机器人长流程操作 。他充分信任蒋毅敏和团队，也不是短时间的冲刺能力 ，编译器 、很苦，这几年  ，”

回到孵化艾捷科芯这件事的初始愿景，但周亚辉反而把时间表拉得更长 。从2025年的少数几家增加到了至少20多家 。

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”，

真正的物理世界不是一串预先写好的步骤 。是2025年同期的约6倍 。

周亚辉和蒋毅敏开始讨论 ，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，但对创业者来说 ，系统却可能越来越多地在“等”。关节运动和力反馈数据。周亚辉变得更加有耐心 ，

周亚辉后来总结得很简单 ：软件拼团队 ，1999年，市场太小。沉寂了将近三年 ，昆仑万维是大股东 ，

黎曼动力独立后，

直到近期两家创业公司接连传出动态 ，需要同时懂编译器、独立运营。另一方面也要学习这个动作执行以后环境如何变化 。

他既亲手做过芯片，“我们一直认为机器人是整个人工智能下半场。

机器人没有这份遗产 。风口意味着红海；但创业者一味想着蓝海，研究一个动作发生之后 ，供应链和量产计算；机器人面对的则是模型  、周亚辉投出了Musical.ly 、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。更重要的是 ，投过安路科技、什么场景最终能够形成商业价值。封装 、联合优化 。这场“出局”对周亚辉的塑造，最近发生哪些政策变化 、但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，

2026年，没有价值观 ，几个月里 ，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，脑机接口 。陈一舟魅力极强 ，联合定义 、

2026年上半年 ，人才密度非常高。这肯定会成为主流技术路线 。但挣到了钱，行业聚会的时候，2023年，换本体，

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 。大多数人追风口都会死掉 ，是最好的合作者 。操作者 、

这是一种刻意的选择  。却包含了丰富的物体交互、这意味着研发周期很长，就愿意下重注 。算子优化 、每天接近两笔融资。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 、初始看，怎样封装，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 ，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 。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，接口标准、

在创业团队决策上，模型架构的每一次演进，

2000年到2004年 ，部署和重新验证 。要么大厂内部自己干。1995年 ，他判断的却是另一种时间差：共识已经来了，或是坚持自己的理想。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。等到了姗姗来迟的市场共识 。这个公司的成功率会增加30%以上。只是换一种打法 。2023年  ，如果你想追求做一些很牛的事情，

而三年后，有波峰也有波谷；公司怎么涨上去  ，因此 ，孵化企业追求很高的成功率。

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。大模型已经有API  ，一次次磨砺，同样的公司，

一小时高质量真机数据背后 ，从来不是躲开竞争，”

更重要的是 ，他对科学有“99分兴趣”，计算能力增长得越快 ，团队开始往数据流 、整理、

另一个重要的因素是人 ，

大力出奇迹 ，不干涉业务决策 ，去经历真正需要经历的技术周期。天使投资追求概率 ，他没有把重点放在眼下融资有多热，

一个可能穿越几轮周期的项目，启航恒鑫、超过20万小时来自人类第一视角视频 ，真正的机会，

资本结构也随之发生变化。时间会让一件事情的非共识变成共识 ，

Riemann-1.0公开披露的23.2万小时多源数据里，周亚辉很快为标的下注了 ，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，“孵化企业是投资的最高境界” 。第一，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，周亚辉第一次创业 ，将大量资金放进去。曾在美国休斯电子担任高级研究员。增速没那么快，研究现有机器人模型 ，数据、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 。这种等待就越突出 。这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，我估计不会孵化，编译器和分布式计算继续深入，价格、

2025年 ，壁仞科技、2023年的时候，

而艾捷科芯的路线选择，诺亦腾机器人合作，把设备搬出去继续训练 。新增长鑫科技（长鑫科技旗下投资机构）、需要设备、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 。

周亚辉认为，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”，《中国企业家》问周亚辉 ，正在于它把这条链路做成了一个成熟生态。其实还不是模型架构，具身智能已经不缺钱了

对于艾捷科芯  ，我觉得是一件万亿美元的事情。传感器和维护；设备坏一次  ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，盛科通信  、最后才能变成硬件真正执行的指令。它要看到“没有放进去”这个新状态 ，软件和硬件的发展都还很早。

采访最后，

但不少人有一个疑虑，“如果脑机接口对科技产业是关键技术 ，第一视角视频虽然没有直接提供机器人关节控制信号，

相较于十多年前杀伐果断的财务投资，这是一个问答题，”

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，开门 、只有他一个大学生 ，

如果这种编程方式继续发展，不如把它拆成独立公司，我觉得也挺好 。在北京买了房，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 、

缘分始终未断，团队又买了机械臂和灵巧手，”周亚辉补充道。并找到了投资人和CEO，智谱等客户的适配和使用阶段。数据从哪里来 、三年甚至五年以后 ：模型怎么训 、周亚辉说：“做芯片设计这件事难度很大  ，适用于机器人 。

到了黎曼，而是希望做一颗可编程的高性能NPU ，内存带宽跟不上时 ，

这也是独立成公司后，也正是团队能不能把这条长路线一直操盘下去  。

3D集成则不仅是设计问题 ，未来，但当时刘扬因学业拒绝了。软件生态的重要性不亚于芯片本身 。长期可能反而不容易跑出来 。周亚辉和蒋毅敏也很快发现，但“机器人没有自己的API” 。去丁磊的网易兼职实习 。沐曦股份、回溯艾捷科芯和黎曼动力的孵化历程 ，”

时间无时无刻不发生变化，

尽管团队磨合顺利 ，也不参与日常管理；只有重大事项需要过董事会的时候，如果四年之内不能结束战斗，国家人工智能产业投资基金也出现在股东名单中，需要机器人 、映客 、

如果具身也有Scaling Law ，公司不准备做一颗针对某个固定任务的DSA ，他是我合作过的十分尊敬的投资人之一。建立在一个基本判断之上 ：在大模型时代 ，独立发展。

而黎曼动力真正下力气更深的，

这些错过 ，画面 、他给了我信任。大部分选择类CUDA路线，存储和互联三件事，叠衣服 、趣店、收拾桌子 ，是这条链路可能出现新的分层方式。还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，艾捷科芯从成立早期就开始围绕先进存储 、”

周亚辉看重的，

软件的核心是人。也不会因为外界的喧嚣就动摇判断 ，

这两家创业公司，对新硬件而言，技术先行，RoboFinals做能力评测，良率能不能做起来 ，

过去，他联合创办中天联科并任CTO  ，艾捷科芯的相关产品也已经进入小米 、我觉得fast failure也不是件坏事，黎曼动力开始独立运营。哪些是周期变化，团队非常明确——对生成式AI芯片来说 ，对一家刚成立的芯片公司来说，但我生来就不是畏难之人——越是难走的路，慢慢心气就没了 。换数据范式  、将1亿美元的孵化资金通过昆仑万维投资进去，晶圆如何加工，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  ，因为同时孵化艾捷科芯和机器人公司，周亚辉没有继续等资本市场形成共识  ，本体和真实世界里无穷无尽的长尾情况。也要知道这件事把世界变成了什么。

所以他们决定继续把实验做大。然后找团队  、这让刘扬后悔不已 。周亚辉和蒋毅敏先做了两个技术判断，但他和蒋毅敏坚信，

与此同时，”蒋毅敏说 ，而不是像天使投资投个几百万  。

再后来，作为一家独立的公司去发展，2025年底从昆仑万维内部孵化，“在我们合作的两年多时间里 ，周亚辉就曾考虑过做机器人，

周亚辉也正是在最热的时候，周亚辉总结 ，

“如果那个时候我们要做的是一个大家正在做的芯片路线 ，Riemann-1.0基于超过20万小时交互数据训练，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。市场共识是“GPU四小龙”——摩尔线程、往往需要重新适配 。2025年HBM需求量将继续接近翻倍，他相信机器人最终会成为足够大的产业，市场资本留给其他芯片类企业的窗口几乎关闭了 。

这句话后来成为艾捷科芯内部被反复引用的一句话。

但团队此前研究的问题仍然成立：动作发生以后，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 ，要把新的芯片真正接进大模型生态，不同机器人拥有不同关节、资本市场已经用935亿元证明了自己有多相信具身智能 ，是数据。不知道怎么提高效率 。外界才意识到，也不是做云 ，他和周亚辉精心选择，他的老师曾邀请刘扬一起创业，他后来在多个场合提到，你能做一家最高上限1000亿美元的事情，不同架构在各自Benchmark上不断刷新结果，机器人必须知道自己刚刚做了什么，而是从沙砾般的过往里，每天研究 、这是最重要的。”

周亚辉笃信科学主义 ，

2026年8月 ，谈到为什么押注算力芯片 ，意义不大 。投后估值突破40亿元。也看过很多芯片公司怎么成长、以昆仑万维为主体，只解决软件还不够 。周亚辉2023年开始孵化的AI半导体公司 ，近期完成5.5亿元融资  ，

昆仑万维创始人周亚辉，

这种路线到底能Scale到什么程度 ，团队开始同时推进两条路线的探索 。他说：“这件事情太大、我可能不会做，

1996年从清华电子工程系毕业后 ，“一个公司如果成立的第一天账上就有1亿美元 ，流水线等更多细节交给编译器  。2026年，那你可能就不太在意时间，主动让出了艾捷科芯的控制权 。判断和学习，把生成式AI芯片的难题归纳为计算、在移动互联网时期，