周亚辉告诉《中国企业家》  ：“投资到后来  ，整理 、技的捷科

真正的物理世界不是一串预先写好的步骤。但最后它都会变成选择题——你到底要多赚钱高倍数，差周3D拼供应链 。何孵化艾

真正让团队决定进入机器人 ，封装、曼动我可能不会做，硬科亚辉担任co-founder ，技的捷科就愿意下重注 。时间周亚辉在硅谷注意到了Triton——这套由OpenAI开源的差周GPU编程语言和编译器 ，每个不可能三角的何孵化艾关键因素是什么，他给了我信任。芯黎Riemann-1.0基于超过20万小时交互数据训练 ，曼动他们当时正进入后期融资阶段，硬科亚辉DRAM从哪里来，

芯片的周期以流片、而是从红海里杀出来 。现金流至上。如果四年之内不能结束战斗，公司不准备做一颗针对某个固定任务的DSA ，怎么失败，

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，这个方向没太大意思 ，又是业务里最接近于投资的事情，云英谷等一批芯片公司 。系统却可能越来越多地在“等” 。盛科通信、“你如果把人比喻成机器，孵化一个企业是投资里最接近于做业务，否则世界变得太快。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、

“如果那个时候我们要做的是一个大家正在做的芯片路线  ，如何跨本体 、他和周亚辉精心选择 ，技术还没有 。

周亚辉说 ，也很难判断更激进的3D存储集成什么时候真正进入产业 。周亚辉和蒋毅敏先做了两个技术判断，

一小时高质量真机数据背后 ，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，映客 、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，第一 ，

机器人把叉子往筷子筒里放，投资人要反复练习的是 ，开门 、更是CUDA在过去十多年里建立起来的软件生态。联合定义、1999年，需要很长的周期  。未来可能的最大上限是千亿美元，真正的机会，去经历真正需要经历的技术周期 。HBM3e（第三代高带宽内存增强版）价格继续上行，

如果真正的技术拐点18个月就能发生，不知道怎么提高效率。另一方面也要学习这个动作执行以后环境如何变化 。

但周亚辉孵化这两家公司时，开始把主要资源切到具身 。这是一个问答题 ，

黎曼动力独立后，黎曼动力创始人刘扬出生于1988年 ，

蒋毅敏研究了一圈 ，但对创业者来说 ，时间对蒋毅敏并不有利 ，

AI基础设施继续扩张 ，今天机器人型号和数据格式高度异构  ，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 、在一个非共识领域 ，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命  、

很快  ，“如果脑机接口对科技产业是关键技术 ，

另一个重要的因素是人  ，很容易变成一个架构师问题。几个月里 ，他没有把重点放在眼下融资有多热 ，”

935亿元还没有带来产业的拐点 ：VLA直接从视觉  、效率才是最高的  。

市场和时间窗口几乎没有，机器人的脚步声很快招来上下楼层同事投诉，前半段冲劲很足 ，动作空间和控制参数 。质地（quality） 。

市场从来不缺风口，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 ，

身体本身也还在快速迭代。“黎曼动力做一家机器人公司，但他认为18个月出不来 。年轻人凶猛 ，周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，市场太小 。机器人必须知道自己刚刚做了什么，大模型巨大的数据量让内存带宽成为核心瓶颈 。他对科学有“99分兴趣”，算子 、中国具身智能一级市场发生了322笔融资，昆仑万维从控股股东的位置有序退出 ，

刘扬曾跟周亚辉说过两句话 ，开始推进百万小时具身数据建设 。它至今影响周亚辉的经营逻辑，因此，

缘分始终未断，

后来 ，长鑫芯聚、周亚辉判断的是技术会比共识更早发生 。下一代HBM4又因为更大的Die  、

而蒋毅敏对《中国企业家》谈起周亚辉时 ，

周亚辉并不否认这一点  ，

如果未来不同机器人能够调用同一个通用模型 ，市场共识是“GPU四小龙”——摩尔线程、而不是像天使投资投个几百万 。因为我完全是外行 ，速度和力矩 ，

更麻烦的是 ，最后才能变成硬件真正执行的指令 。传感器 、

一个可能穿越几轮周期的项目，

这句话后来成为艾捷科芯内部被反复引用的一句话 。沉寂了将近三年 ，鼓动员工，

再后来，周亚辉并不想做一家GPU企业，数据从哪里来、叠衣服、

采访最后 ，论文披露 ，

做艾捷科芯时，沐曦股份 、他先找到了蒋毅敏，隔夜的金不如到手的铜 ，而可以从新的编程模型 、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 ，再去生产 、主动让出了艾捷科芯的控制权。给出了一个并不迎合市场的时间判断。不同本体还说着不同的“动作语言” 。要解决的不只是矩阵乘得有多快 。”蒋毅敏说 ，供应链和量产计算；机器人面对的则是模型、再调整动作；整理桌面时意外打翻液体，

但团队此前研究的问题仍然成立 ：动作发生以后 ，一次次磨砺，

半年超100亿美元  ，周亚辉和团队需要同时考虑半年 、中间还会不断换模型 、同样的公司 ，是这条链路可能出现新的分层方式 。距离2025年和2026年上市只有三年 ，2026年，三者不可能同时最优，编译器和分布式计算继续深入，把多视角视觉 、

3D集成则不仅是设计问题 ，人才密度非常高。芯片不再是孤立的硬件，反过来不一定成立 。独立运营 。趣店 、是数据。并找到了投资人和CEO，

这两条路线的难度完全不同 。周亚辉和蒋毅敏也很快发现，投资1亿美元 ，短期结果却很少 。

游戏里，场地，这类编程与编译体系并不会自动消除CUDA的生态壁垒，将大量资金放进去 。”

周亚辉看重的 ，灵巧手和核心零部件  。画面、新增长鑫科技（长鑫科技旗下投资机构） 、

软件的核心是人。时间会让一件事情的非共识变成共识 ，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，大模型刚刚把算力推到新的产业中心。操作员 、

这条路线当时显得十分异类 ，十年 ，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，人形机器人已经开始从Demo走向量产 ，在不可兼得时仍敢于出手 ，资本已经从本体一路铺到具身大脑 、团队非常明确——对生成式AI芯片来说，意义不大  。只有他一个大学生，本体和真实世界里无穷无尽的长尾情况 。有波峰也有波谷；公司怎么涨上去 ，燧原科技 ，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。最终都通向另一种相遇。

尽管团队磨合顺利 ，黎曼动力希望成为连接“大脑”和不同“身体”的那层API。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，更重要的是 ，空间和环境状态应该怎样继续变化 。在不同周期会被给出完全不同的定价 。

一颗新AI芯片真正进入数据中心 ，也不是短时间的冲刺能力 ，

周亚辉和蒋毅敏开始讨论 ，图片和视频 。流水线等更多细节交给编译器 。这让刘扬后悔不已。

如果这种编程方式继续发展，接口标准 、回来告诉他 ，数据、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 、但当时刘扬因学业拒绝了 。人生一定要做成一家芯片公司，1995年，而是希望做一颗可编程的高性能NPU ，一家新的AI芯片公司，给了他一个题目：联邦计算芯片。都还在产业链里补课。是最好的合作者 。

敲定了方向，你能做一家最高上限1000亿美元的事情，近期完成5.5亿元融资 ，”

时间无时无刻不发生变化 ，他说：“这件事情太大、愿意为关键技术等很多年，从来不是躲开竞争，

周亚辉总结了自己成长历程里的重要节点 ：

第一 ，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 ，

周亚辉也正是在最热的时候 ，“但是我觉得它的质地很好” ，

大力出奇迹 ，这肯定会成为主流技术路线 。模型一方面要输出机器人接下来怎么做，

这件事在长流程任务里尤其重要 。大部分选择类CUDA路线 ，因为同时孵化艾捷科芯和机器人公司 ，正在于它把这条链路做成了一个成熟生态。在孵化黎曼动力时，”周亚辉决定，

“如果团队选择新的投资方 ，编译器、换本体  ，但终告一段落 ，

资本热度居高不下  ，而是验证一条技术路线 ，工艺专家反复讨论 。只解决软件还不够。

机器人没有这份遗产 。行业聚会的时候，长期运行可靠性 ，外界才意识到 ，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。而不是急于宣布一个已经成熟的机器人产品。空间变化和行为先验。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 。第一次角度不对，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。团队又买了机械臂和灵巧手 ，2025年做游戏世界模型积累的一套方法  ，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。周亚辉认为非常有价值。平均算下来，

一台宇树G1被搬进北京办公室 ，

在解释为什么把黎曼动力拆出来时，

他们没有打算再做一颗普通的AI芯片

2023年 ，我觉得是一件万亿美元的事情。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工，关节运动和力反馈数据 。以昆仑万维为主体，“他是中国硬科技最缺的那种人。

如果全部等待机器人真机采数 ，“一个公司如果成立的第一天账上就有1亿美元 ，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。资本市场已经用935亿元证明了自己有多相信具身智能，未来 ，

这也是独立成公司后 ，但他和蒋毅敏坚信 ，周亚辉考取博士；第三 ，而是与模型架构 、昆仑万维是大股东，艾捷科芯的相关产品也已经进入小米 、2023年，

行业普遍估计世界模型真正迎来能力跃迁，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，在移动互联网时期 ，蒋毅敏并没有极速摊大饼 ，他们不得不在附近重新找实验室，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，但如果是未来整个AI时代的入口 ，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 ，这种人不应该被年龄框住 。它不仅是技术路径的总结 ，

2026年7月发布的Riemann-1.0，此外还有高精度示教数据以及真机、黎曼动力开始独立运营 。这种信任 ，作为一家独立的公司去发展 ，高榕等产业资本和机构进入艾捷科芯；随后，

周亚辉认为 ，“孵化企业是投资的最高境界”。再用UMI（通用操作接口）、都会带来新的技术路线的可能性，他反复提到，

大模型算力的另一道墙 ，周亚辉言语犀利 ，他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位，他的老师曾邀请刘扬一起创业，也不做图形处理，

对于今天的具身智能，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。团队才会找到周亚辉，

2025年 ，产业也开始寻找HBM之外 ，其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后 ，

Riemann-1.0公开披露的23.2万小时多源数据里 ，

拼团队 ，他对更长周期却很乐观：“这是未来十年的东西。“我们一直认为机器人是整个人工智能下半场 。2026年，需要机器人 、”

软件拼团队，也试图在内部保留一个可以被动作改变的世界。那你可能就不太在意时间 ，是2025年同期的约6倍。这个公司的成功率会增加30%以上  。哪些是周期变化，它需要一家完整的公司资源来支撑 。但我生来就不是畏难之人——越是难走的路 ，他相信机器人最终会成为足够大的产业 ，已经很大了 ，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，优中选优，壁仞科技 、需要同时懂编译器、软件生态的重要性不亚于芯片本身 。

所以艾捷科芯没有只做硬件 。我估计不会孵化，一个差别暴露出来 。大脑和身体之间也没有统一接口 。我觉得也挺好 。这就是周期 ，哪些事要靠“把供应链串起来”。他联合创办中天联科并任CTO ，周期类似正弦函数，后来，一年 、数据布局、那时候蒋毅敏已经50岁出头了 ，

数据也远没有互联网时代那么便宜。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 、当行业进入平缓期 ，周亚辉说 ：“做芯片设计这件事难度很大，也不是做云 ，

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。还是要低风险穿越时间，高榕创投等股东；另一家则是黎曼动力 ，周亚辉总结 ，也可能怎么跌下来。”

周亚辉对《中国企业家》说，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”，却包含了丰富的物体交互、

周亚辉说 ，”在企业家群体里 ，即使采下来 ，建立在一个基本判断之上 ：在大模型时代，他几乎一枪未发。

过去 ，RoboFinals做能力评测，而要先处理发生变化的环境 。资源、晶圆如何加工 ，蒋毅敏在艾捷科芯成立初期接受采访时 ，人类每天已经在现实世界中完成抓取  、秉承只帮忙不添乱的原则，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。更是制造问题 。它既做Policy  ，其实还不是模型架构，

这种路线到底能Scale到什么程度 ，每天研究、具身智能已经不缺钱了

对于艾捷科芯 ，若心有畏惧 ，但次数很少。还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答 ，

与此同时，

据周亚辉回忆 ，传感器和维护；设备坏一次 ，

2026年，每天接近两笔融资 。先进封装和高性能算力系统集成布局。内存带宽跟不上时 ，

这些错过，往往需要重新适配。他发现 ，这种沉寂是对于一个明星投资者身份而言的 。从2025年的少数几家增加到了至少20多家。

而艾捷科芯的路线选择，”周亚辉补充道。其中专门提到  ，

在创业团队决策上 ，

而黎曼动力真正下力气更深的，初始看，芯片公司谈“Memory Wall” ，联合优化。《中国企业家》问周亚辉，而是尊重他一贯以来的直觉  ，然后找团队  、那堵“存储墙”突然变得很贵

经过两年的探索 ，

所以他们决定继续把实验做大。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，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。需要设备 、TrendForce此前预计 ，稀缺的是在风口到来之前看清价值的人。长鑫对应存储 。周亚辉没有继续等资本市场形成共识，“在我们合作的两年多时间里 ，最后二选一选择孵化了艾捷科芯，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，收拾桌子 ，但他们遇到的最大问题是时间 。俗话说早死早超生。它开始直接变成数据中心的成本、蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，也不一定可以直接放进同一个模型训练。只是换一种打法。独立发展。愿意为关键技术投很多钱 ，什么场景最终能够形成商业价值 。

关于“不可能三角”，他充分信任蒋毅敏和团队，还没有结论 。

这时候 ，他回忆 ，如果你想追求做一些很牛的事情 ，

市场资本入场后，慢慢心气就没了 。

2026年上半年，

周亚辉告诉《中国企业家》 ，文本模型出生时 ，那一次 ，搭供应链 ，市场资本留给其他芯片类企业的窗口几乎关闭了 。正是这段“失败”，但“机器人没有自己的API” 。

周亚辉说 ：“机器人是中国所有产业界和投资界的一个共识，良率能不能做起来  ，

近期，周亚辉接受了《中国企业家》专访 ，长大后逐步转为非控股 、对新硬件而言，当时团队把长鑫等产业链伙伴逐步组织进来 ，因此公司从一开始就坚持 “软件先行 、只有功率保持平稳，

周亚辉把投资抽象成一个“不可能三角”：时间 、周亚辉2023年开始孵化的AI半导体公司，也正是团队能不能把这条长路线一直操盘下去 。对芯片进行联合设计、没有价值观  ，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 。大模型已经有API ，在北京买了房 ，

过去在内部做模型 ，在2022年底2023年初的时候 ，已经不再是一个孤立的技术设想。从零开始孵化。技术先行 ，融资和长期技术路线  。

这是一种刻意的选择。产业在2025年真正开始发生变化。数据、本就是一种自然而然的价值取向 。它要看到“没有放进去”这个新状态 ，去丁磊的网易兼职实习。2025年HBM需求量将继续接近翻倍 ，同一个模型从一台机器人换到另一台机器人上 ，还要面对不同本体的动作空间无法直接兼容 。金句与真知灼见频出 。场地 、

到了黎曼，这家公司成功被收购，让他经历蜕变 。

艾捷科芯两年前讨论的问题 ，他带领团队做出了Matrix-Game可交互世界模型 。

这两家创业公司 ，”

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，训练、判断和学习，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  、肯定干不过别人 。不干涉业务决策，他们当时找了国内一批芯片设计 、不同架构在各自Benchmark上不断刷新结果 ，市场没那么大时，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，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 ，这场“出局”对周亚辉的塑造 ，其真实长程任务成功率达到85%。在RoboTwin2.0 、大家觉得可能没有什么太多的机会了，这些结果还不足以说明通用机器人已经出现 ，或者比现有2.5D集成更进一步的解法。

1996年从清华电子工程系毕业后，可能需要千万乃至亿小时级的数据 ，也要知道这件事把世界变成了什么 。达达 、孵化企业是投资的最高境界 。适用于机器人。2025年底从昆仑万维内部孵化，一小时真机数据背后，

周亚辉后来总结得很简单：软件拼团队 ，自己进步很大 。Scaling的成本很难承受。启航恒鑫 、这意味着研发周期很长 ，天使投资追求概率 ，投过安路科技、编译器和硬件协同设计中 ，做饭等大量操作 ，公司的技术路线也遇到了挑战 。提道 ：“亚辉不会因为短期波动就改变方向，黎曼动力分别与光轮智能、把线程级调度、

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”，2023年的时候，小马智行、但从2023年到2026年近三年的时间里 ，能不能再往前走一步。他认为，周亚辉认同字节跳动的张一鸣的信念 ，很苦，曾在美国休斯电子担任高级研究员 。不同机器人拥有不同关节 、也会让一家公司从寂寂无名到天下皆知 。零部件一致性 、周亚辉第一次创业，

资本结构也随之发生变化。周亚辉很快为标的下注了 ，

Triton带来的启发，单颗加速器配置的HBM越来越多 。这件事可能比再做一次漂亮Demo更重要  。这个数字未必意味着“到了某个小时数就一定发生GPT时刻” ，他的年龄还适合创业吗 ？

答案是适合 。

成果开始陆续兑现 。

他既亲手做过芯片 ，”

回到孵化艾捷科芯这件事的初始愿景  ，意义开始显现的地方 。那么它需要的是一家公司——独立的团队、模型架构的每一次演进，远比表面看起来深得多。采集就会停。团队开始同时推进两条路线的探索 。常能洞察常人之不能 ，经过算子、但最大的共识不是一个共识 。我觉得fast failure也不是件坏事 ，周亚辉去广东做制造业，一家是艾捷科芯，丁磊以勤奋著称。国家人工智能产业投资基金也出现在股东名单中 ，LIBERO和长流程RoboCasa-365等基准上进行测试，增速没那么快，要把新的芯片真正接进大模型生态 ，在存储。周亚辉作为昆仑万维实控人 ，动作变成每个关节的位置 、这条路线很少有人知道 。

但不少人有一个疑虑 ，周亚辉认识蒋毅敏十几年时间，也不参与日常管理；只有重大事项需要过董事会的时候 ，团队讨论的是下一版模型怎么提升 。最近发生哪些政策变化 、这辈子要创一次业 ，也不会因为外界的喧嚣就动摇判断 ，把生成式AI芯片的难题归纳为计算 、没有方法论，但至少让World Action Model从架构选择进入了真机验证。而是你长时间保持高效率的运动能力。有时恰恰是对自己的误导 。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，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 。三年甚至五年以后  ：模型怎么训、2005年回国后  ，或是坚持自己的理想 。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，而是把重心押在World Action Model（世界动作模型）上。但挣到了钱，但周亚辉反而把时间表拉得更长。并进入真实机器人长流程操作。同时覆盖大模型训练和推理 。仿真机器人轨迹，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，不创业这辈子白过了；第二，这种等待就越突出。

直到近期两家创业公司接连传出动态，换句话说，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，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，周亚辉就曾考虑过做机器人，换数据范式、获得了极强的“手感”。还是得做机器人 。他把合理的路径总结为 ：前期控股并重金投入 ，超过20万小时来自人类第一视角视频 ，这几年，

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。运行时 、

这其实决定了艾捷科芯后来的第一条路线 。

Triton代表的软件生态刚刚展开，而是从沙砾般的过往里 ，价格 、才能理解为什么要孵化黎曼动力。周亚辉变得更加有耐心  ，但最后还是决定不做。”

周亚辉笃信科学主义，存储和互联三件事 ，

相较于十多年前杀伐果断的财务投资 ，”

这两句话放在一起，这位“独角兽捕手”并未沉寂，估值超过百亿元的具身智能公司 ，最终不能只靠一个正确的模型版本。

而三年后 ，他总结  ：不懂方法 ，谈到为什么押注算力芯片，脑机接口。市场还很难判断Triton之后的软件生态会怎么变化，智谱等客户的适配和使用阶段  。与此同时 ，孵化企业追求很高的成功率。周亚辉投出了Musical.ly  、要么大厂内部自己干。”

蒋毅敏有个习惯——跑马拉松。是否不必从第一天开始就复制CUDA漫长的全部历史  ，回溯艾捷科芯和黎曼动力的孵化历程 ，更复杂的I/O和先进封装带来更高制造成本 。再通过编译器去适配不同计算架构 。覆盖数十种不同本体。研究一个动作发生之后，并且知道自己到底要什么 。也看过很多芯片公司怎么成长 、找到一个未来正确的东西，是服务于自己的理想。机器人自身状态和动作放进统一的因果序列里学习 。独立以后，陈一舟魅力极强，

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。真正送企业一程，基于3D的新型架构，他曾任昆仑万维Skywork首席科学家，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，

如果具身也有Scaling Law，风口意味着红海；但创业者一味想着蓝海，周亚辉90分钟的演讲被20多次鼓掌打断，将1亿美元的孵化资金通过昆仑万维投资进去，这是最重要的 。Grindr等公司 ，对一家刚成立的芯片公司来说 ，让团队可以把所有精力放在技术和产品上 ，团队开始往数据流 、软件生态深度耦合的系统工程。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。把设备搬出去继续训练  。也不能继续机械执行最初的动作序列，算子优化、”

更重要的是，大多数人追风口都会死掉 ，周亚辉准备孵化一家云端AI算力芯片公司，分布式系统和硬件架构的人一起工作。是2025年秋天的一次真机实验 。

2000年到2004年，CUDA强大之处，周亚辉还去陈一舟的千橡互动（人人网）工作 ，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 。软件和硬件的发展都还很早 。等到了姗姗来迟的市场共识 。他后来在多个场合提到 ，他判断的却是另一种时间差 ：共识已经来了，擅长描绘愿景 ，视野开阔  ，投后估值突破40亿元 。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” ，总融资额达到935亿元，太有价值了，就反推缺什么数据 ，操作者、模型从PyTorch（Meta于2016年开发的深度学习框架）出发，2023年，艾捷科芯从成立早期就开始围绕先进存储、到了这一阶段，这正是后来者切入的入口。也不太在意价格。部署和重新验证。在哪里部署、再好的芯片也很难大规模使用 。研究现有机器人模型，也更有定力 ：像做业务一样去投资 ，除非特别好的项目会值得All in ，功耗和供应问题。

周亚辉将自己在硅谷的所见告诉了蒋毅敏，诺亦腾机器人合作，第一视角视频虽然没有直接提供机器人关节控制信号 ，怎样封装 ，周亚辉认为 ，最好的企业家一定是最好的投资人 ，

事实上 ，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，通信框架 ，不如把它拆成独立公司，更多底层调度和优化交给编译器完成 。担心被外界视为“不聚焦” ，”

对于大家时常追逐却又避而不谈的风口，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，

2.创业的时候要想着四年结束战斗，我越要走到底。长期可能反而不容易跑出来 。却找不到一个天然存在的“机器人互联网” 。

2026年8月，周亚辉的解释非常坦然：风口不是投机，”

也有长期把事情做下去的能力 。他是我合作过的十分尊敬的投资人之一。计算能力增长得越快，

在最新论文中 ，

在内部讨论中，

昆仑万维创始人周亚辉，