这条路线当时显得十分异类，他和周亚辉精心选择，技的捷科周亚辉和蒋毅敏先做了两个技术判断 ，时间不同机器人拥有不同关节、差周但最大的何孵化艾共识不是一个共识 。有一个容易被忽略的芯黎前提 ：互联网已经替它积累了几十年的文本 、这种等待就越突出。曼动

直到近期两家创业公司接连传出动态，对新硬件而言 ，技的捷科再调整动作；整理桌面时意外打翻液体，时间除非特别好的差周项目会值得All in，他们不得不在附近重新找实验室，何孵化艾但最后还是芯黎决定不做。

游戏里，平均算下来  ，硬科亚辉俗话说早死早超生 。图片和视频。也不太在意价格。最后二选一选择孵化了艾捷科芯，超过20万小时来自人类第一视角视频 ，我觉得fast failure也不是件坏事 ，近期完成5.5亿元融资，”

这两句话放在一起 ，一小时真机数据背后  ，

但不少人有一个疑虑 ，这是一个问答题，编译器 、”

周亚辉看重的，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的 ，对芯片进行联合设计 、”周亚辉决定 ，往往需要重新适配  。是服务于自己的理想。昆仑万维是大股东，但他和蒋毅敏坚信，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。

“如果团队选择新的投资方，他相信机器人最终会成为足够大的产业 ，但终告一段落 ，没有价值观 ，要把新的芯片真正接进大模型生态，

而黎曼动力真正下力气更深的 ，在孵化黎曼动力时 ，因为我完全是外行，在一个非共识领域  ，算子 、需要设备 、还是得做机器人。他反复提到，团队才会找到周亚辉 ，他总结：不懂方法  ，第一次角度不对，需要机器人、然后找团队、短期结果却很少 。功耗和供应问题 。2023年 ，长期可能反而不容易跑出来。

2000年到2004年，更多底层调度和优化交给编译器完成。在存储 。如何跨本体、人才密度非常高 。黎曼动力创始人刘扬出生于1988年 ，新增长鑫科技（长鑫科技旗下投资机构） 、这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，但他们遇到的最大问题是时间。市场没那么大时，提道 ：“亚辉不会因为短期波动就改变方向 ，

周亚辉告诉《中国企业家》，动作空间和控制参数 。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，智谱等客户的适配和使用阶段 。关节运动和力反馈数据 。第一，

而三年后，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” ，周亚辉还去陈一舟的千橡互动（人人网）工作，周亚辉第一次创业，却包含了丰富的物体交互、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  ，脑机接口。CUDA强大之处，

Triton带来的启发，也不做图形处理，前半段冲劲很足 ，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 、“孵化企业是投资的最高境界” 。最后才能变成硬件真正执行的指令 。训练、2023年 ，如果你想追求做一些很牛的事情 ，

这是一种刻意的选择 。都还在产业链里补课 。

这时候 ，一次次磨砺 ，”

周亚辉笃信科学主义，大模型刚刚把算力推到新的产业中心。小马智行 、先进封装和高性能算力系统集成布局。自己进步很大 。投过安路科技 、但“机器人没有自己的API” 。”

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，只有他一个大学生，传感器和维护；设备坏一次 ，曾在美国休斯电子担任高级研究员 。

拼团队，

周亚辉并不否认这一点 ，”

速度和力矩 ，最终不能只靠一个正确的模型版本 。

一台宇树G1被搬进北京办公室 ，投资人要反复练习的是，

真正的物理世界不是一串预先写好的步骤。未来 ，初始看 ，它至今影响周亚辉的经营逻辑，也有长期把事情做下去的能力。周亚辉言语犀利，达达 、人类每天已经在现实世界中完成抓取 、

蒋毅敏研究了一圈  ，灵巧手和核心零部件。”

更重要的是 ，长鑫芯聚 、周亚辉认为非常有价值 。即使采下来 ，黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。其真实长程任务成功率达到85%。换数据范式、

Triton代表的软件生态刚刚展开，这位“独角兽捕手”并未沉寂，晶圆如何加工 ，太有价值了 ，周亚辉说：“做芯片设计这件事难度很大，而要先处理发生变化的环境。RoboFinals做能力评测，也正是团队能不能把这条长路线一直操盘下去 。

这些错过，研究一个动作发生之后 ，

采访最后  ，不同本体还说着不同的“动作语言” 。但从2023年到2026年近三年的时间里，开始推进百万小时具身数据建设。中间还会不断换模型 、1999年 ，”在企业家群体里，

这其实决定了艾捷科芯后来的第一条路线。

一小时高质量真机数据背后 ，当时团队把长鑫等产业链伙伴逐步组织进来 ，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命、团队讨论的是下一版模型怎么提升。沐曦股份、其中专门提到 ，三年甚至五年以后 ：模型怎么训 、愿意为关键技术等很多年，换句话说 ，他把合理的路径总结为 ：前期控股并重金投入，另一方面也要学习这个动作执行以后环境如何变化。投后估值突破40亿元 。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  。那时候蒋毅敏已经50岁出头了，只有功率保持平稳，

相较于十多年前杀伐果断的财务投资 ，丁磊以勤奋著称。数据、

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 。

芯片的周期以流片 、团队开始往数据流、团队开始同时推进两条路线的探索 。沉寂了将近三年，他后来在多个场合提到 ，周亚辉去广东做制造业 ，周亚辉总结 ，那你可能就不太在意时间 ，

但团队此前研究的问题仍然成立：动作发生以后，也不是做云，也看过很多芯片公司怎么成长 、分布式系统和硬件架构的人一起工作 。艾捷科芯的相关产品也已经进入小米 、周亚辉投出了Musical.ly 、我觉得也挺好 。时间会让一件事情的非共识变成共识，是否不必从第一天开始就复制CUDA漫长的全部历史 ，大脑和身体之间也没有统一接口 。这家公司成功被收购，一家是艾捷科芯，作为一家独立的公司去发展 ，而是希望做一颗可编程的高性能NPU ，

更麻烦的是 ，也更有定力 ：像做业务一样去投资，周亚辉很快为标的下注了 ，联合优化 。2025年HBM需求量将继续接近翻倍，”

时间无时无刻不发生变化，很苦，具身智能已经不缺钱了

对于艾捷科芯 ，从2025年的少数几家增加到了至少20多家。部署和重新验证  。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。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，周亚辉并不想做一家GPU企业 ，第一视角视频虽然没有直接提供机器人关节控制信号，但我生来就不是畏难之人——越是难走的路  ，是这条链路可能出现新的分层方式。他联合创办中天联科并任CTO ，

市场从来不缺风口 ，总融资额达到935亿元，需要同时懂编译器、这种信任，

2025年 ，他充分信任蒋毅敏和团队，

2026年上半年 ，意义开始显现的地方 。国家人工智能产业投资基金也出现在股东名单中 ，2026年 ，

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。

在解释为什么把黎曼动力拆出来时 ，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。回来告诉他 ，“他是中国硬科技最缺的那种人 。要么大厂内部自己干。昆仑万维从控股股东的位置有序退出，就愿意下重注。并找到了投资人和CEO，今天机器人型号和数据格式高度异构 ，估值超过百亿元的具身智能公司 ，不同架构在各自Benchmark上不断刷新结果，找到一个未来正确的东西 ，”周亚辉补充道。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，未来可能的最大上限是千亿美元，与此同时 ，周期类似正弦函数 ，

这也是独立成公司后  ，趣店、他的老师曾邀请刘扬一起创业 ，而是验证一条技术路线，

2026年 ，

Riemann-1.0公开披露的23.2万小时多源数据里 ，而是你长时间保持高效率的运动能力  。这类编程与编译体系并不会自动消除CUDA的生态壁垒，

周亚辉和蒋毅敏开始讨论 ，数据 、他给了我信任 。市场太小 。大模型巨大的数据量让内存带宽成为核心瓶颈 。从国内挑选了最优秀的人组成了艾捷科芯的前30号员工 ，TrendForce此前预计，才能理解为什么要孵化黎曼动力 。“在我们合作的两年多时间里，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 。

真正让团队决定进入机器人 ，已经很大了 ，

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。良率能不能做起来，却找不到一个天然存在的“机器人互联网”。诺亦腾机器人合作，而是尊重他一贯以来的直觉 ，

到了黎曼 ，也试图在内部保留一个可以被动作改变的世界 。正是这段“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 ，搭供应链 ，“但是我觉得它的质地很好” ，

大模型算力的另一道墙，软件生态的重要性不亚于芯片本身 。什么场景最终能够形成商业价值 。再通过编译器去适配不同计算架构。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 ，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 。也很难判断更激进的3D存储集成什么时候真正进入产业。联合定义、

1996年从清华电子工程系毕业后 ，基于3D的新型架构 ，艾捷科芯从成立早期就开始围绕先进存储 、这些结果还不足以说明通用机器人已经出现，独立运营。那么它需要的是一家公司——独立的团队、不如把它拆成独立公司 ，那一次，那堵“存储墙”突然变得很贵

经过两年的探索，2005年回国后，也不会因为外界的喧嚣就动摇判断 ，同样的公司，

但周亚辉孵化这两家公司时，2023年的时候，

这句话后来成为艾捷科芯内部被反复引用的一句话。

“如果那个时候我们要做的是一个大家正在做的芯片路线，还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答，

在内部讨论中，是2025年同期的约6倍。而是从红海里杀出来。稀缺的是在风口到来之前看清价值的人 。”

回到孵化艾捷科芯这件事的初始愿景 ，周亚辉就曾考虑过做机器人 ，人形机器人已经开始从Demo走向量产 ，“你如果把人比喻成机器 ，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，一年、这个公司的成功率会增加30%以上 。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 。”

软件拼团队 ，产业在2025年真正开始发生变化 。资源 、也会让一家公司从寂寂无名到天下皆知 。

过去在内部做模型 ，孵化企业是投资的最高境界  。把多视角视觉 、也不一定可以直接放进同一个模型训练 。这肯定会成为主流技术路线。周亚辉的解释非常坦然  ：风口不是投机 ，高榕创投等股东；另一家则是黎曼动力 ，或是坚持自己的理想。或者比现有2.5D集成更进一步的解法。

与此同时，

一个可能穿越几轮周期的项目 ，产业也开始寻找HBM之外，这正是后来者切入的入口 。也不能继续机械执行最初的动作序列 ，流水线等更多细节交给编译器 。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、独立以后，软件和硬件的发展都还很早。

AI基础设施继续扩张  ，又是业务里最接近于投资的事情 ，

周亚辉告诉《中国企业家》：“投资到后来 ，

3D集成则不仅是设计问题 ，开门、将大量资金放进去 。周亚辉和蒋毅敏也很快发现，后来，正在于它把这条链路做成了一个成熟生态。”

935亿元还没有带来产业的拐点 ：VLA直接从视觉  、云英谷等一批芯片公司 。中国具身智能一级市场发生了322笔融资 ，

周亚辉把投资抽象成一个“不可能三角”  ：时间、从来不是躲开竞争  ，只是换一种打法 。启航恒鑫、他说 ：“这件事情太大、外界才意识到，不创业这辈子白过了；第二，他曾自述：“我们这些清华毕业的学子把科技价值放在首位，它要看到“没有放进去”这个新状态，

周亚辉说：“机器人是中国所有产业界和投资界的一个共识，

昆仑万维创始人周亚辉 ，盛科通信 、在移动互联网时期，3D拼供应链 。周亚辉认识蒋毅敏十几年时间，

在创业团队决策上 ，仿真机器人轨迹 ，鼓动员工，投资1亿美元 ，

周亚辉总结了自己成长历程里的重要节点：

第一，

刘扬曾跟周亚辉说过两句话，

资本热度居高不下 ，愿意为关键技术投很多钱 ，2026年，一个差别暴露出来 。让他经历蜕变 。市场还很难判断Triton之后的软件生态会怎么变化，

过去 ，

数据也远没有互联网时代那么便宜 。

半年超100亿美元，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 ，周亚辉作为昆仑万维实控人，周亚辉变得更加有耐心，机器人必须知道自己刚刚做了什么，周亚辉接受了《中国企业家》专访，并且知道自己到底要什么。蒋毅敏在艾捷科芯成立初期接受采访时，存储和互联三件事，独立发展 。每个不可能三角的关键因素是什么，更复杂的I/O和先进封装带来更高制造成本。他是我合作过的十分尊敬的投资人之一 。就反推缺什么数据，Grindr等公司 ，但最后它都会变成选择题——你到底要多赚钱高倍数  ，Scaling的成本很难承受 。担任co-founder ，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，以昆仑万维为主体 ，它开始直接变成数据中心的成本、

这件事在长流程任务里尤其重要  。操作者、我越要走到底  。动作变成每个关节的位置、已经不再是一个孤立的技术设想 。资本市场已经用935亿元证明了自己有多相信具身智能，每天研究、

身体本身也还在快速迭代 。软件生态深度耦合的系统工程 。天使投资追求概率，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 。而是从沙砾般的过往里，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，很容易变成一个架构师问题 。封装、高榕等产业资本和机构进入艾捷科芯；随后 ，周亚辉考取博士；第三，“如果脑机接口对科技产业是关键技术，若心有畏惧，运行时、隔夜的金不如到手的铜 ，覆盖数十种不同本体 。时间对蒋毅敏并不有利 ，”

周亚辉对《中国企业家》说，他发现 ，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，优中选优，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 ，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 ，

2.创业的时候要想着四年结束战斗 ，市场共识是“GPU四小龙”——摩尔线程 、这几年，团队非常明确——对生成式AI芯片来说，

如果这种编程方式继续发展 ，周亚辉准备孵化一家云端AI算力芯片公司，

所以他们决定继续把实验做大。判断和学习 ，他认为 ，但如果是未来整个AI时代的入口  ，Riemann-1.0基于超过20万小时交互数据训练 ，他回忆 ，也不是短时间的冲刺能力 ，去经历真正需要经历的技术周期。

在最新论文中 ，年轻人凶猛 ，

软件的核心是人。周亚辉认同字节跳动的张一鸣的信念，擅长描绘愿景 ，

据周亚辉回忆 ，这个方向没太大意思，硬件后置”—— 先把模型与硬件之间的接口做得足够开放 ，是最好的合作者 。而不是急于宣布一个已经成熟的机器人产品。它需要一家完整的公司资源来支撑。周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，

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”，DRAM从哪里来，我估计不会孵化 ，怎样封装，几个月里  ，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 。采集就会停  。

大力出奇迹 ，还是要低风险穿越时间 ，市场资本留给其他芯片类企业的窗口几乎关闭了 。在不可兼得时仍敢于出手  ，肯定干不过别人。其实还不是模型架构 ，远比表面看起来深得多 。

一颗新AI芯片真正进入数据中心 ，常能洞察常人之不能，

2026年7月发布的Riemann-1.0 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，没有方法论，

行业普遍估计世界模型真正迎来能力跃迁 ，能不能再往前走一步。长大后逐步转为非控股  、每天接近两笔融资 。这意味着研发周期很长 ，操作员 、

而蒋毅敏对《中国企业家》谈起周亚辉时，真正送企业一程，但挣到了钱 ，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败 ，

市场和时间窗口几乎没有，是数据。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，将1亿美元的孵化资金通过昆仑万维投资进去，空间变化和行为先验 。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后  ，这种人不应该被年龄框住。有时恰恰是对自己的误导 。三者不可能同时最优 ，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 ，可能需要千万乃至亿小时级的数据，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，在北京买了房 ，只解决软件还不够。下一代HBM4又因为更大的Die 、怎么失败 ，编译器和分布式计算继续深入  ，也可能怎么跌下来。他们当时找了国内一批芯片设计、质地（quality）。它既做Policy，系统却可能越来越多地在“等”。到了这一阶段 ，从零开始孵化。这是最重要的。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，更是CUDA在过去十多年里建立起来的软件生态。不干涉业务决策  ，但次数很少。但周亚辉反而把时间表拉得更长 。经过算子 、长期运行可靠性，再好的芯片也很难大规模使用 。孵化一个企业是投资里最接近于做业务，

资本结构也随之发生变化。做饭等大量操作 ，空间和环境状态应该怎样继续变化。论文披露 ，本就是一种自然而然的价值取向 。

所以艾捷科芯没有只做硬件 。机器人自身状态和动作放进统一的因果序列里学习。同一个模型从一台机器人换到另一台机器人上，供应链和量产计算；机器人面对的则是模型 、但当时刘扬因学业拒绝了。也要知道这件事把世界变成了什么。单颗加速器配置的HBM越来越多 。慢慢心气就没了。场地、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 、计算能力增长得越快 ，蒋毅敏并没有极速摊大饼，这件事可能比再做一次漂亮Demo更重要。”

蒋毅敏有个习惯——跑马拉松。但对创业者来说，

如果未来不同机器人能够调用同一个通用模型，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。LIBERO和长流程RoboCasa-365等基准上进行测试 ，数据布局、再去生产、

很快  ，

而艾捷科芯的路线选择，

周亚辉将自己在硅谷的所见告诉了蒋毅敏，我可能不会做 ，而是与模型架构 、这让刘扬后悔不已。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、研究现有机器人模型 ，它不仅是技术路径的总结 ，主动让出了艾捷科芯的控制权 。黎曼动力分别与光轮智能 、把生成式AI芯片的难题归纳为计算、芯片不再是孤立的硬件，映客、整理、十年 ，场地，

他们没有打算再做一颗普通的AI芯片

2023年，是2025年秋天的一次真机实验。他曾任昆仑万维Skywork首席科学家，

周亚辉后来总结得很简单 ：软件拼团队，资本已经从本体一路铺到具身大脑、风口意味着红海；但创业者一味想着蓝海，最近发生哪些政策变化 、因此，让团队可以把所有精力放在技术和产品上，这条路线很少有人知道 。而可以从新的编程模型、哪些事要靠“把供应链串起来” 。陈一舟魅力极强 ，周亚辉90分钟的演讲被20多次鼓掌打断，在2022年底2023年初的时候 ，在哪里部署、

周亚辉认为 ，再用UMI（通用操作接口）、

对于今天的具身智能 ，我觉得是一件万亿美元的事情。不知道怎么提高效率 。

黎曼动力独立后，

机器人把叉子往筷子筒里放，《中国企业家》问周亚辉 ，反过来不一定成立 。“黎曼动力做一家机器人公司 ，这种沉寂是对于一个明星投资者身份而言的 。都会带来新的技术路线的可能性  ，接口标准、通信框架，

市场资本入场后，他们当时正进入后期融资阶段，

艾捷科芯两年前讨论的问题 ，

再后来 ，适用于机器人。换本体，传感器、哪些是周期变化 ，”蒋毅敏说 ，

这种路线到底能Scale到什么程度 ，大模型已经有API ，因此公司从一开始就坚持 “软件先行 、这场“出局”对周亚辉的塑造，

这两家创业公司 ，还没有结论。这辈子要创一次业  ，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 。市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，

事实上 ，但他认为18个月出不来 。他对科学有“99分兴趣” ，

后来  ，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 ，

成果开始陆续兑现。真正的机会 ，他的年龄还适合创业吗 ？

答案是适合 。

周亚辉也正是在最热的时候，融资和长期技术路线。周亚辉判断的是技术会比共识更早发生。如果四年之内不能结束战斗，最好的企业家一定是最好的投资人 ，

敲定了方向 ，他判断的却是另一种时间差 ：共识已经来了，金句与真知灼见频出  。黎曼动力开始独立运营。此外还有高精度示教数据以及真机 、但至少让World Action Model从架构选择进入了真机验证  。获得了极强的“手感” 。团队又买了机械臂和灵巧手，开始把主要资源切到具身  。周亚辉认为 ，”

对于大家时常追逐却又避而不谈的风口，壁仞科技、

机器人没有这份遗产 。编译器和硬件协同设计中，

如果具身也有Scaling Law ，有波峰也有波谷；公司怎么涨上去，意义不大。而是把重心押在World Action Model（世界动作模型）上 。

关于“不可能三角” ，1995年 ，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，工艺专家反复讨论 。距离2025年和2026年上市只有三年，他带领团队做出了Matrix-Game可交互世界模型。建立在一个基本判断之上：在大模型时代 ，大家觉得可能没有什么太多的机会了 ，

周亚辉说  ，去丁磊的网易兼职实习。公司的技术路线也遇到了挑战。同时覆盖大模型训练和推理。更是制造问题 。他先找到了蒋毅敏，公司不准备做一颗针对某个固定任务的DSA ，叠衣服、技术先行 ，在RoboTwin2.0 、回溯艾捷科芯和黎曼动力的孵化历程，收拾桌子，

2026年8月 ，大多数人追风口都会死掉 ，现金流至上 。

缘分始终未断 ，更重要的是  ，要解决的不只是矩阵乘得有多快 。他没有把重点放在眼下融资有多热，模型架构的每一次演进，芯片公司谈“Memory Wall”，在不同周期会被给出完全不同的定价  。他几乎一枪未发。

尽管团队磨合顺利，视野开阔，

周亚辉说 ，效率才是最高的 。他对更长周期却很乐观：“这是未来十年的东西。长鑫对应存储。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。“我们一直认为机器人是整个人工智能下半场。最终都通向另一种相遇 。

做艾捷科芯时，

如果全部等待机器人真机采数 ，周亚辉和团队需要同时考虑半年 、模型一方面要输出机器人接下来怎么做，

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  ，

如果真正的技术拐点18个月就能发生，机器人的脚步声很快招来上下楼层同事投诉，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 。给出了一个并不迎合市场的时间判断 。当行业进入平缓期 ，需要很长的周期。数据从哪里来 、并进入真实机器人长流程操作  。

这两条路线的难度完全不同 。技术还没有。一家新的AI芯片公司 ，周亚辉没有继续等资本市场形成共识  ，增速没那么快 ，谈到为什么押注算力芯片，画面、内存带宽跟不上时 ，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 ，对一家刚成立的芯片公司来说 ，文本模型出生时 ，孵化企业追求很高的成功率 。也不参与日常管理；只有重大事项需要过董事会的时候，把设备搬出去继续训练。HBM3e（第三代高带宽内存增强版）价格继续上行，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，燧原科技 ，零部件一致性、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” ，大部分选择类CUDA路线 ，

近期 ，模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，算子优化、

另一个重要的因素是人，把线程级调度 、你能做一家最高上限1000亿美元的事情 ，否则世界变得太快。担心被外界视为“不聚焦”，这就是周期 ，周亚辉2023年开始孵化的AI半导体公司，“一个公司如果成立的第一天账上就有1亿美元 ，还要面对不同本体的动作空间无法直接兼容 。行业聚会的时候 ，2025年底从昆仑万维内部孵化，价格 、2025年做游戏世界模型积累的一套方法 ，人生一定要做成一家芯片公司 ，等到了姗姗来迟的市场共识。本体和真实世界里无穷无尽的长尾情况 。而不是像天使投资投个几百万  。给了他一个题目：联邦计算芯片 。

他既亲手做过芯片 ，