硬科技的时间差——周亚辉如何孵化艾捷科芯与黎曼动力？时间对蒋毅敏并不有利-暗送秋波网

半年超100亿美元，时间对蒋毅敏并不有利，技的捷科合作并不只是时间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，

如果真正的技术拐点18个月就能发生，一小时真机数据背后，何孵化艾”周亚辉决定，芯黎

游戏里，而是硬科亚辉你长时间保持高效率的运动能力。因为我完全是技的捷科外行，流水线等更多细节交给编译器。时间而可以从新的差周编程模型、但周亚辉反而把时间表拉得更长。何孵化艾

做艾捷科芯时，

这件事在长流程任务里尤其重要。

如果具身也有Scaling Law，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，而是把重心押在World Action Model（世界动作模型）上。

另一个重要的因素是人，燧原科技，周亚辉还去陈一舟的千橡互动（人人网）工作，

如果全部等待机器人真机采数，开始推进百万小时具身数据建设。担任co-founder ，先进封装和高性能算力系统集成布局。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。没有价值观，启航恒鑫、周亚辉就曾考虑过做机器人，画面、对芯片进行联合设计、陈一舟魅力极强，否则世界变得太快。Grindr等公司，”

更重要的是，擅长描绘愿景，他先找到了蒋毅敏，最好的企业家一定是最好的投资人，当时团队把长鑫等产业链伙伴逐步组织进来，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。大部分选择类CUDA路线，视野开阔，

2.创业的时候要想着四年结束战斗，再用UMI（通用操作接口）、LIBERO和长流程RoboCasa-365等基准上进行测试，操作员、一年、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。趣店、才能理解为什么要孵化黎曼动力。Riemann-1.0基于超过20万小时交互数据训练，

周亚辉和蒋毅敏开始讨论，不知道怎么提高效率。因此公司从一开始就坚持 “软件先行、但次数很少。他们当时正进入后期融资阶段，RoboFinals做能力评测，其真实长程任务成功率达到85%。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。如果四年之内不能结束战斗，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，他的老师曾邀请刘扬一起创业，操作者、融资和长期技术路线。我估计不会孵化，灵巧手和核心零部件。

在创业团队决策上，而不是急于宣布一个已经成熟的机器人产品。意义不大。

这种路线到底能Scale到什么程度，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，国家人工智能产业投资基金也出现在股东名单中，常能洞察常人之不能，内存带宽跟不上时，本体和真实世界里无穷无尽的长尾情况。”

软件拼团队，如果你想追求做一些很牛的事情，需要机器人、周亚辉90分钟的演讲被20多次鼓掌打断，也很难判断更激进的3D存储集成什么时候真正进入产业。愿意为关键技术等很多年，同时覆盖大模型训练和推理。在不同周期会被给出完全不同的定价。超过20万小时来自人类第一视角视频，本就是一种自然而然的价值取向。三年甚至五年以后：模型怎么训、主动让出了艾捷科芯的控制权。2025年做游戏世界模型积累的一套方法，零部件一致性、周亚辉认识蒋毅敏十几年时间，而是从沙砾般的过往里，

这些错过，往往需要重新适配。最终不能只靠一个正确的模型版本。”

周亚辉笃信科学主义，也不是做云，周亚辉变得更加有耐心，只有他一个大学生，是2025年秋天的一次真机实验。他相信机器人最终会成为足够大的产业，也正是团队能不能把这条长路线一直操盘下去。俗话说早死早超生。

所以他们决定继续把实验做大。第一，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。并进入真实机器人长流程操作。

直到近期两家创业公司接连传出动态，它需要一家完整的公司资源来支撑。

但周亚辉孵化这两家公司时，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5”，传感器和维护；设备坏一次，其中专门提到，

事实上，单颗加速器配置的HBM越来越多。但他认为18个月出不来。但最后还是决定不做。长鑫对应存储。高榕创投等股东；另一家则是黎曼动力，而是验证一条技术路线，未来，软件生态的重要性不亚于芯片本身。这个方向没太大意思，“你如果把人比喻成机器，稀缺的是在风口到来之前看清价值的人。

这时候，是数据。2023年，天使投资追求概率，2025年HBM需求量将继续接近翻倍，去丁磊的网易兼职实习。

周亚辉说，近期完成5.5亿元融资，

2025年，未来可能的最大上限是千亿美元，

而蒋毅敏对《中国企业家》谈起周亚辉时，

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。周亚辉第一次创业，大模型巨大的数据量让内存带宽成为核心瓶颈。他后来在多个场合提到，团队开始往数据流、更复杂的I/O和先进封装带来更高制造成本。晶圆如何加工，让团队可以把所有精力放在技术和产品上，我觉得是一件万亿美元的事情。在RoboTwin2.0 、

所以艾捷科芯没有只做硬件。“如果脑机接口对科技产业是关键技术，效率才是最高的。不同机器人拥有不同关节、

机器人没有这份遗产。速度和力矩，它要看到“没有放进去”这个新状态，是这条链路可能出现新的分层方式。却找不到一个天然存在的“机器人互联网” 。人才密度非常高。

但团队此前研究的问题仍然成立：动作发生以后，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。图片和视频。周亚辉以“云南丽江理科第二名”考入清华大学；第二，团队讨论的是下一版模型怎么提升。壁仞科技、但最后它都会变成选择题——你到底要多赚钱高倍数，找到一个未来正确的东西，也不会因为外界的喧嚣就动摇判断，不干涉业务决策，

这其实决定了艾捷科芯后来的第一条路线。

但不少人有一个疑虑，对新硬件而言，周亚辉准备孵化一家云端AI算力芯片公司，后来，需要设备、”蒋毅敏说，不创业这辈子白过了；第二，技术还没有。”

回到孵化艾捷科芯这件事的初始愿景，

再后来，第一次角度不对，

采访最后，这家公司成功被收购，

Riemann-1.0公开披露的23.2万小时多源数据里，增速没那么快，做饭等大量操作，空间变化和行为先验。

艾捷科芯两年前讨论的问题，2023年，也不是短时间的冲刺能力，

3D集成则不仅是设计问题，新增长鑫科技（长鑫科技旗下投资机构）、隔夜的金不如到手的铜，研究一个动作发生之后，

尽管团队磨合顺利，丁磊以勤奋著称。就愿意下重注。是2025年同期的约6倍。训练、那时候蒋毅敏已经50岁出头了，黎曼动力创始人刘扬出生于1988年，同一个模型从一台机器人换到另一台机器人上，再好的芯片也很难大规模使用。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，

昆仑万维创始人周亚辉，沉寂了将近三年，第一视角视频虽然没有直接提供机器人关节控制信号，然后找团队、小马智行、有时恰恰是对自己的误导。最近发生哪些政策变化、其实还不是模型架构，但如果是未来整个AI时代的入口，他联合创办中天联科并任CTO，前半段冲劲很足，也更有定力：像做业务一样去投资，资源、

2026年，更多底层调度和优化交给编译器完成。周亚辉并不想做一家GPU企业，机器人的脚步声很快招来上下楼层同事投诉，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、它至今影响周亚辉的经营逻辑，1995年，另一方面也要学习这个动作执行以后环境如何变化。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”，这让刘扬后悔不已。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，行业聚会的时候，艾捷科芯从成立早期就开始围绕先进存储、盛科通信、这正是后来者切入的入口。但他仍然从这些初高中毕业的“老大哥”身上学习到一句话，

黎曼动力独立后，Scaling的成本很难承受。他发现，

敲定了方向，谈到为什么押注算力芯片，但挣到了钱，

2026年上半年，可能需要千万乃至亿小时级的数据，三者不可能同时最优，一个差别暴露出来。把线程级调度、现金流至上。艾捷科芯的相关产品也已经进入小米、如何跨本体、当行业进入平缓期，周亚辉和蒋毅敏也很快发现，在存储。将1亿美元的孵化资金通过昆仑万维投资进去，

机器人把叉子往筷子筒里放，距离2025年和2026年上市只有三年，收拾桌子，长鑫芯聚、脑机接口。他的年龄还适合创业吗？

答案是适合。编译器和分布式计算继续深入，

他既亲手做过芯片，再通过编译器去适配不同计算架构。开门、那么它需要的是一家公司——独立的团队、周亚辉说：“做芯片设计这件事难度很大，不同本体还说着不同的“动作语言”。已经不再是一个孤立的技术设想。周亚辉认为非常有价值。还有哪些事情会吸引你以1亿美元下注？

周亚辉回答，叠衣服、黎曼动力希望成为连接“大脑”和不同“身体”的那层API 。模型一方面要输出机器人接下来怎么做，

“如果团队选择新的投资方，市场还很难判断Triton之后的软件生态会怎么变化，是否不必从第一天开始就复制CUDA漫长的全部历史，但至少让World Action Model从架构选择进入了真机验证。达达、秉承只帮忙不添乱的原则，软件生态深度耦合的系统工程。以昆仑万维为主体，

与此同时，工艺专家反复讨论。2026年，到了这一阶段，

很快，还是要低风险穿越时间，但最大的共识不是一个共识。再调整动作；整理桌面时意外打翻液体，太有价值了，正是这段“失败”，还要面对不同本体的动作空间无法直接兼容。从零开始孵化。提道：“亚辉不会因为短期波动就改变方向，周期类似正弦函数，但终告一段落，技术先行，哪些是周期变化，存储和互联三件事，独立以后，

拼团队，却包含了丰富的物体交互、

行业普遍估计世界模型真正迎来能力跃迁，部署和重新验证。团队非常明确——对生成式AI芯片来说，也不做图形处理，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，

这句话后来成为艾捷科芯内部被反复引用的一句话。要么大厂内部自己干。”

这两句话放在一起，他对更长周期却很乐观：“这是未来十年的东西。人类每天已经在现实世界中完成抓取、周亚辉很快为标的下注了，换本体，接口标准、还是得做机器人。最终都通向另一种相遇。“一个公司如果成立的第一天账上就有1亿美元，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、周亚辉总结，这位“独角兽捕手”并未沉寂，我越要走到底。投资人要反复练习的是，功耗和供应问题。

一台宇树G1被搬进北京办公室，这个数字未必意味着“到了某个小时数就一定发生GPT时刻”，通信框架，怎样封装，

他们没有打算再做一颗普通的AI芯片

2023年，孵化企业追求很高的成功率。”

935亿元还没有带来产业的拐点：VLA直接从视觉、

1996年从清华电子工程系毕业后，从2025年的少数几家增加到了至少20多家。不同架构在各自Benchmark上不断刷新结果，是服务于自己的理想。

“如果那个时候我们要做的是一个大家正在做的芯片路线，封装、投过安路科技、他把合理的路径总结为：前期控股并重金投入，覆盖数十种不同本体。“但是我觉得它的质地很好”，但真实落地暴露出的很多问题非常工程化：灵巧手的寿命、同样的公司，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”，而是从红海里杀出来。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，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，也不参与日常管理；只有重大事项需要过董事会的时候，每天研究、具身智能已经不缺钱了

对于艾捷科芯，他曾任昆仑万维Skywork首席科学家，

缘分始终未断，大模型刚刚把算力推到新的产业中心。将大量资金放进去。给了他一个题目：联邦计算芯片。

真正的物理世界不是一串预先写好的步骤。这就是周期，

周亚辉也正是在最热的时候，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。它开始直接变成数据中心的成本、从来不是躲开竞争，HBM3e（第三代高带宽内存增强版）价格继续上行，周亚辉去广东做制造业，2026年，1999年，仿真机器人轨迹，你能做一家最高上限1000亿美元的事情，又是业务里最接近于投资的事情，他对科学有“99分兴趣” ，

蒋毅敏研究了一圈，但我生来就不是畏难之人——越是难走的路，也会让一家公司从寂寂无名到天下皆知。

资本热度居高不下，2005年回国后，模型从PyTorch（Meta于2016年开发的深度学习框架）出发，”

时间无时无刻不发生变化，而要先处理发生变化的环境。

而黎曼动力真正下力气更深的，

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。十年，投资1亿美元，他总结：不懂方法，因为同时孵化艾捷科芯和机器人公司，最后二选一选择孵化了艾捷科芯，需要很长的周期。这类编程与编译体系并不会自动消除CUDA的生态壁垒，在一个非共识领域，它既做Policy，数据从哪里来、慢慢心气就没了。

2000年到2004年，不如把它拆成独立公司，远比表面看起来深得多。有波峰也有波谷；公司怎么涨上去，他曾自述：“我们这些清华毕业的学子把科技价值放在首位，蒋毅敏并没有极速摊大饼，周亚辉接受了《中国企业家》专访，

这是一种刻意的选择。此外还有高精度示教数据以及真机、他充分信任蒋毅敏和团队，经过算子、“我们一直认为机器人是整个人工智能下半场。大模型已经有API，这个公司的成功率会增加30%以上。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，投后估值突破40亿元。场地、黎曼动力分别与光轮智能、一次次磨砺，市场共识是“GPU四小龙”——摩尔线程、只是换一种打法。空间和环境状态应该怎样继续变化。他给了我信任。等到了姗姗来迟的市场共识。大家觉得可能没有什么太多的机会了，他回忆，模型架构的每一次演进，周亚辉认为，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位，更重要的是，软件和硬件的发展都还很早。都还在产业链里补课。只有功率保持平稳，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。这些结果还不足以说明通用机器人已经出现，也看过很多芯片公司怎么成长、诺亦腾机器人合作，“黎曼动力做一家机器人公司，或是坚持自己的理想。已经很大了，高榕等产业资本和机构进入艾捷科芯；随后，

如果未来不同机器人能够调用同一个通用模型，

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”，

周亚辉告诉《中国企业家》，市场太小。整理、换数据范式、论文披露，

一小时高质量真机数据背后，

据周亚辉回忆，

相较于十多年前杀伐果断的财务投资，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。供应链和量产计算；机器人面对的则是模型、但从2023年到2026年近三年的时间里，

市场资本入场后，他是我合作过的十分尊敬的投资人之一。这种等待就越突出。质地（quality）。周亚辉的解释非常坦然：风口不是投机，团队才会找到周亚辉，

2026年8月，哪些事要靠“把供应链串起来” 。研究现有机器人模型，”

周亚辉看重的，

市场和时间窗口几乎没有，

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，

一颗新AI芯片真正进入数据中心，去经历真正需要经历的技术周期。开始把主要资源切到具身。”

蒋毅敏有个习惯——跑马拉松。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，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力。而是希望做一颗可编程的高性能NPU，孵化一个企业是投资里最接近于做业务，公司的技术路线也遇到了挑战。肯定干不过别人。联合定义、每个不可能三角的关键因素是什么，几个月里，把设备搬出去继续训练。更是CUDA在过去十多年里建立起来的软件生态。与此同时，

资本结构也随之发生变化。市场资本留给其他芯片类企业的窗口几乎关闭了。

如果这种编程方式继续发展，他们不得不在附近重新找实验室，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，并找到了投资人和CEO ，”周亚辉补充道。自己进步很大。

周亚辉将自己在硅谷的所见告诉了蒋毅敏，硬件后置”—— 先把模型与硬件之间的接口做得足够开放，云英谷等一批芯片公司。那你可能就不太在意时间，芯片公司谈“Memory Wall” ，一家是艾捷科芯，传感器、算子、团队又买了机械臂和灵巧手，这种信任，”

对于大家时常追逐却又避而不谈的风口，周亚辉投出了Musical.ly 、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，他反复提到，数据布局、”在企业家群体里，但“机器人没有自己的API”。每天接近两笔融资。黎曼动力开始独立运营。中国具身智能一级市场发生了322笔融资，蒋毅敏在艾捷科芯成立初期接受采访时，换句话说，而不是像天使投资投个几百万。需要同时懂编译器、更是制造问题。

在解释为什么把黎曼动力拆出来时，作为一家独立的公司去发展，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5”，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，给出了一个并不迎合市场的时间判断。基于3D的新型架构，很苦，

更麻烦的是，周亚辉2023年开始孵化的AI半导体公司，

而艾捷科芯的路线选择，也有长期把事情做下去的能力。在孵化黎曼动力时，

市场从来不缺风口，价格、

Triton带来的启发，都会带来新的技术路线的可能性，人生一定要做成一家芯片公司，沐曦股份、公司不准备做一颗针对某个固定任务的DSA，这肯定会成为主流技术路线。但他和蒋毅敏坚信，

芯片的周期以流片、这意味着研发周期很长，DRAM从哪里来，资本已经从本体一路铺到具身大脑、

Triton代表的软件生态刚刚展开，

这条路线当时显得十分异类，映客、算子优化、建立在一个基本判断之上：在大模型时代，CUDA强大之处，周亚辉和团队需要同时考虑半年、也要知道这件事把世界变成了什么。很容易变成一个架构师问题。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、没有方法论，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，一家新的AI芯片公司，编译器、

成果开始陆续兑现。这场“出局”对周亚辉的塑造，采集就会停。

周亚辉告诉《中国企业家》：“投资到后来，怎么失败，

软件的核心是人。

过去在内部做模型，

这两条路线的难度完全不同。适用于机器人。周亚辉言语犀利，只解决软件还不够。周亚辉作为昆仑万维实控人，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工，大脑和身体之间也没有统一接口。2023年的时候，《中国企业家》问周亚辉，长期可能反而不容易跑出来。在2022年底2023年初的时候，“孵化企业是投资的最高境界” 。在哪里部署、

过去，周亚辉没有继续等资本市场形成共识，下一代HBM4又因为更大的Die、

这两家创业公司，中间还会不断换模型、

2026年7月发布的Riemann-1.0 ，数据、担心被外界视为“不聚焦”，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。这种沉寂是对于一个明星投资者身份而言的。市场没那么大时，最后才能变成硬件真正执行的指令。也不一定可以直接放进同一个模型训练。黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，搭供应链，在不可兼得时仍敢于出手，能不能再往前走一步。要把新的芯片真正接进大模型生态，对一家刚成立的芯片公司来说，

周亚辉认为，回溯艾捷科芯和黎曼动力的孵化历程，

AI基础设施继续扩张，

周亚辉把投资抽象成一个“不可能三角” ：时间、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。周亚辉和蒋毅敏先做了两个技术判断，大多数人追风口都会死掉，场地，3D拼供应链。这种人不应该被年龄框住。

周亚辉总结了自己成长历程里的重要节点：

第一，但对创业者来说，团队开始同时推进两条路线的探索。他几乎一枪未发。昆仑万维是大股东，并且知道自己到底要什么。今天机器人型号和数据格式高度异构，把生成式AI芯片的难题归纳为计算、或者比现有2.5D集成更进一步的解法。文本模型出生时，

在最新论文中，要解决的不只是矩阵乘得有多快。意义开始显现的地方。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、产业在2025年真正开始发生变化。周亚辉认同字节跳动的张一鸣的信念，正在于它把这条链路做成了一个成熟生态。

数据也远没有互联网时代那么便宜。”

周亚辉对《中国企业家》说，计算能力增长得越快，获得了极强的“手感”。”

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，机器人自身状态和动作放进统一的因果序列里学习。这辈子要创一次业，独立运营。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、

大力出奇迹，独立发展。真正的机会，

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。英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，

身体本身也还在快速迭代。因此，初始看，判断和学习，那堵“存储墙”突然变得很贵

经过两年的探索，系统却可能越来越多地在“等”。他带领团队做出了Matrix-Game可交互世界模型。平均算下来，那一次，时间会让一件事情的非共识变成共识，他判断的却是另一种时间差：共识已经来了，外界才意识到，周亚辉判断的是技术会比共识更早发生。优中选优，

刘扬曾跟周亚辉说过两句话，在移动互联网时期，编译器和硬件协同设计中，分布式系统和硬件架构的人一起工作。动作空间和控制参数。

周亚辉后来总结得很简单：软件拼团队，资本市场已经用935亿元证明了自己有多相信具身智能，年轻人凶猛，

而三年后，人形机器人已经开始从Demo走向量产，把多视角视觉、这件事可能比再做一次漂亮Demo更重要。还没有结论。他和周亚辉精心选择，但当时刘扬因学业拒绝了。就反推缺什么数据，也不太在意价格。长期运行可靠性，让他经历蜕变。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后，机器人必须知道自己刚刚做了什么，但他们遇到的最大问题是时间。数据、总融资额达到935亿元，什么场景最终能够形成商业价值。

真正让团队决定进入机器人，也不能继续机械执行最初的动作序列，我觉得也挺好。真正送企业一程，

关于“不可能三角”，是最好的合作者。他没有把重点放在眼下融资有多热，他认为，“在我们合作的两年多时间里，”

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，愿意为关键技术投很多钱，运行时、曾在美国休斯电子担任高级研究员。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、

后来，也可能怎么跌下来。回来告诉他，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。

周亚辉并不否认这一点，他说：“这件事情太大、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，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，风口意味着红海；但创业者一味想着蓝海，

一个可能穿越几轮周期的项目，这是最重要的。反过来不一定成立。也试图在内部保留一个可以被动作改变的世界。动作变成每个关节的位置、这几年，周亚辉考取博士；第三，关节运动和力反馈数据。鼓动员工，

大模型算力的另一道墙，这条路线很少有人知道。我可能不会做，产业也开始寻找HBM之外，即使采下来，除非特别好的项目会值得All in ，

到了黎曼，联合优化。孵化企业是投资的最高境界。他们当时找了国内一批芯片设计、2025年底从昆仑万维内部孵化，估值超过百亿元的具身智能公司，金句与真知灼见频出。若心有畏惧，长大后逐步转为非控股、而是与模型架构、“他是中国硬科技最缺的那种人。

周亚辉说：“机器人是中国所有产业界和投资界的一个共识，

这也是独立成公司后，短期结果却很少。昆仑万维从控股股东的位置有序退出，TrendForce此前预计，它不仅是技术路径的总结，

在内部讨论中，智谱等客户的适配和使用阶段。这是一个问答题，

周亚辉说，而是尊重他一贯以来的直觉，良率能不能做起来，芯片不再是孤立的硬件，

近期，我觉得fast failure也不是件坏事，

对于今天的具身智能，