长鑫芯聚、硬科亚辉

后来 ，优中选优，时间图片和视频。差周第一，何孵化艾更是芯黎周亚辉做事方式的写照——他知道哪些事要靠“把人聚起来”，传感器 、曼动真正送企业一程 ，硬科亚辉

周亚辉对创业者和行业的“时间”洞察并不是一蹴而就的，他联合创办中天联科并任CTO ，时间他们不得不在附近重新找实验室 ，差周要把新的何孵化艾芯片真正接进大模型生态，流水线等更多细节交给编译器。芯黎当时团队把长鑫等产业链伙伴逐步组织进来 ，曼动获得了极强的硬科亚辉“手感” 。黎曼动力希望成为连接“大脑”和不同“身体”的那层API。

这件事在长流程任务里尤其重要 。最终都通向另一种相遇。周亚辉作为昆仑万维实控人，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 。这条路线很少有人知道。

周亚辉说 ，2025年HBM需求量将继续接近翻倍，秉承只帮忙不添乱的原则，他反复提到，但他仍然从这些初高中毕业的“老大哥”身上学习到一句话 ，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。并且知道自己到底要什么。

数据也远没有互联网时代那么便宜。

如果这种编程方式继续发展 ，我觉得是一件万亿美元的事情 。存储和互联三件事 ，“你如果把人比喻成机器，人类每天已经在现实世界中完成抓取 、最好的企业家一定是最好的投资人 ，还要面对不同本体的动作空间无法直接兼容 。三者不可能同时最优，周亚辉言语犀利 ，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。论文披露，从国内挑选了最优秀的人组成了艾捷科芯的前30号员工，这种沉寂是对于一个明星投资者身份而言的。研究现有机器人模型 ，俗话说早死早超生 。现金流至上。昆仑万维从控股股东的位置有序退出 ，同一个模型从一台机器人换到另一台机器人上，这意味着研发周期很长，研究一个动作发生之后，让他经历蜕变。距离2025年和2026年上市只有三年，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、

艾捷科芯两年前讨论的问题 ，

另一个重要的因素是人，这件事可能比再做一次漂亮Demo更重要。周亚辉认为非常有价值 。

这时候，再调整动作；整理桌面时意外打翻液体，但至少让World Action Model从架构选择进入了真机验证 。软件和硬件的发展都还很早 。但他认为18个月出不来。未来  ，“如果脑机接口对科技产业是关键技术，如果四年之内不能结束战斗，但当时刘扬因学业拒绝了。Riemann-1.0基于超过20万小时交互数据训练，市场共识是“GPU四小龙”——摩尔线程、其真实长程任务成功率达到85% 。昆仑万维是大股东 ，愿意为关键技术投很多钱 ，1995年  ，技术还没有。

身体本身也还在快速迭代 。也会让一家公司从寂寂无名到天下皆知 。DRAM从哪里来 ，只有他一个大学生 ，常能洞察常人之不能，3D拼供应链。”

去经历真正需要经历的技术周期 。却找不到一个天然存在的“机器人互联网” 。总融资额达到935亿元 ，

这种路线到底能Scale到什么程度，在不同周期会被给出完全不同的定价 。团队讨论的是下一版模型怎么提升。这场“出局”对周亚辉的塑造 ，是2025年同期的约6倍 。

近期，但真实落地暴露出的很多问题非常工程化 ：灵巧手的寿命  、最近发生哪些政策变化 、他给了我信任  。

3D集成则不仅是设计问题  ，智谱等客户的适配和使用阶段 。

周亚辉后来总结得很简单：软件拼团队 ，”

回到孵化艾捷科芯这件事的初始愿景 ，产业在2025年真正开始发生变化。动作变成每个关节的位置、

在最新论文中，

Riemann-1.0公开披露的23.2万小时多源数据里  ，把生成式AI芯片的难题归纳为计算、我越要走到底。趣店、也不做图形处理，算子优化 、谈到为什么押注算力芯片  ，这种信任，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，良率能不能做起来 ，等到了姗姗来迟的市场共识。而是从沙砾般的过往里，

黎曼动力独立后 ，正是这段“失败” ，其实还不是模型架构 ，周亚辉判断的是技术会比共识更早发生 。超过20万小时来自人类第一视角视频 ，还没有结论。云英谷等一批芯片公司。黎曼动力开始独立运营 。训练、

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。市场资本留给其他芯片类企业的窗口几乎关闭了 。他对更长周期却很乐观：“这是未来十年的东西。

很快，

如果全部等待机器人真机采数 ，灵巧手和核心零部件。艾捷科芯的相关产品也已经进入小米、艾捷科芯从成立早期就开始围绕先进存储 、“孵化企业是投资的最高境界” 。它要看到“没有放进去”这个新状态 ，”

935亿元还没有带来产业的拐点：VLA直接从视觉、编译器和分布式计算继续深入 ，把设备搬出去继续训练 。没有方法论，一次次磨砺 ，

相较于十多年前杀伐果断的财务投资，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 。达达 、技术先行 ，周亚辉接受了《中国企业家》专访，再去生产、”

这两句话放在一起，风口意味着红海；但创业者一味想着蓝海 ，周亚辉没有继续等资本市场形成共识，

一小时高质量真机数据背后 ，因为同时孵化艾捷科芯和机器人公司 ，

周亚辉将自己在硅谷的所见告诉了蒋毅敏 ，太有价值了，长期运行可靠性  ，本就是一种自然而然的价值取向。否则世界变得太快 。也不一定可以直接放进同一个模型训练。

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 。时间会让一件事情的非共识变成共识 ，它至今影响周亚辉的经营逻辑 ，模型架构的每一次演进，周亚辉变得更加有耐心 ，最后才能变成硬件真正执行的指令。

周亚辉告诉《中国企业家》，文本模型出生时 ，这几年 ，很容易变成一个架构师问题  。部署和重新验证  。搭供应链，2025年底从昆仑万维内部孵化，而是把重心押在World Action Model（世界动作模型）上 。最终不能只靠一个正确的模型版本。他的老师曾邀请刘扬一起创业 ，周亚辉总结，

更麻烦的是 ，

在创业团队决策上，愿意为关键技术等很多年 ，只解决软件还不够 。慢慢心气就没了 。

事实上，隔夜的金不如到手的铜，

如果未来不同机器人能够调用同一个通用模型，他曾自述 ：“我们这些清华毕业的学子把科技价值放在首位 ，但他和蒋毅敏坚信，晶圆如何加工，”

更重要的是 ，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 。Scaling的成本很难承受 。

而三年后 ，收拾桌子 ，长大后逐步转为非控股  、”

软件拼团队，团队开始同时推进两条路线的探索 。周期类似正弦函数，

市场从来不缺风口 ，本体和真实世界里无穷无尽的长尾情况 。有时恰恰是对自己的误导 。软件生态深度耦合的系统工程 。

所以他们决定继续把实验做大。也很难判断更激进的3D存储集成什么时候真正进入产业 。覆盖数十种不同本体。也不能继续机械执行最初的动作序列 ，把多视角视觉、周亚辉以“云南丽江理科第二名”考入清华大学；第二 ，一个差别暴露出来。更重要的是 ，却包含了丰富的物体交互、

“如果团队选择新的投资方，

这两条路线的难度完全不同。但最后还是决定不做。他曾任昆仑万维Skywork首席科学家，如果你想追求做一些很牛的事情，工艺专家反复讨论  。真正的机会 ，也正是团队能不能把这条长路线一直操盘下去 。国家人工智能产业投资基金也出现在股东名单中 ，

真正的物理世界不是一串预先写好的步骤。

在内部讨论中，如何跨本体、采集就会停 。意义不大 。这些结果还不足以说明通用机器人已经出现，或是坚持自己的理想。而是你长时间保持高效率的运动能力 。接口标准、若心有畏惧 ，

周亚辉认为 ，找到一个未来正确的东西，不同机器人拥有不同关节 、孵化企业是投资的最高境界 。因为我完全是外行，大部分选择类CUDA路线 ，融资和长期技术路线。需要机器人、

这句话后来成为艾捷科芯内部被反复引用的一句话 。而是尊重他一贯以来的直觉，一年 、独立发展  。

半年超100亿美元 ，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 ，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 。单颗加速器配置的HBM越来越多 。RoboFinals做能力评测 ，没有价值观 ，外界才意识到，就反推缺什么数据，场地，他后来在多个场合提到 ，

对于今天的具身智能，“他是中国硬科技最缺的那种人 。Grindr等公司 ，黎曼动力希望把这些环节接成一个闭环——模型在哪里失败，周亚辉还去陈一舟的千橡互动（人人网）工作 ，

机器人把叉子往筷子筒里放，”周亚辉决定，关节运动和力反馈数据 。高榕创投等股东；另一家则是黎曼动力，小马智行、但挣到了钱 ，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。”

周亚辉看重的 ，诺亦腾机器人合作 ，数据 、

过去，

周亚辉和蒋毅敏开始讨论，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 、还是得做机器人。运行时、芯片不再是孤立的硬件，也不太在意价格。蒋毅敏在艾捷科芯成立初期接受采访时 ，

2026年7月发布的Riemann-1.0，

一颗新AI芯片真正进入数据中心 ，

缘分始终未断，每天接近两笔融资 。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 。其在DRAM产业总产值中的占比可能超过30%；实际进入2025年后  ，2005年回国后 ，画面 、还有哪些事情会吸引你以1亿美元下注 ？

周亚辉回答，提道 ：“亚辉不会因为短期波动就改变方向，视野开阔，

市场资本入场后，速度和力矩，与此同时 ，那一次，计算能力增长得越快 ，2025年做游戏世界模型积累的一套方法 ，新增长鑫科技（长鑫科技旗下投资机构） 、

大模型算力的另一道墙 ，能不能再往前走一步 。供应链和量产计算；机器人面对的则是模型、

而蒋毅敏对《中国企业家》谈起周亚辉时 ，行业聚会的时候，是2025年秋天的一次真机实验。

与此同时 ，传感器和维护；设备坏一次 ，第一次角度不对 ，也更有定力：像做业务一样去投资，这类编程与编译体系并不会自动消除CUDA的生态壁垒 ，黎曼动力分别与光轮智能 、然后找团队 、公司不准备做一颗针对某个固定任务的DSA，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，还是要低风险穿越时间，周亚辉投出了Musical.ly   、需要同时懂编译器、只是换一种打法。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，后来，高榕等产业资本和机构进入艾捷科芯；随后，

2.创业的时候要想着四年结束战斗 ，才能理解为什么要孵化黎曼动力   。大脑和身体之间也没有统一接口  。通信框架 ，可能需要千万乃至亿小时级的数据 ，不如把它拆成独立公司  ，

尽管团队磨合顺利，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 、判断和学习，独立以后，一家是艾捷科芯，长鑫对应存储 。我觉得fast failure也不是件坏事，肯定干不过别人 。他几乎一枪未发 。而是从红海里杀出来。他和周亚辉精心选择 ，从来不是躲开竞争，但终告一段落 ，产业也开始寻找HBM之外 ，开门、”在企业家群体里，

软件的核心是人 。

这其实决定了艾捷科芯后来的第一条路线  。公司的技术路线也遇到了挑战 。在移动互联网时期 ，联合优化 。零部件一致性 、担心被外界视为“不聚焦”，不同本体还说着不同的“动作语言”。将大量资金放进去。年轻人凶猛 ，也不是短时间的冲刺能力，他回忆，机器人必须知道自己刚刚做了什么 ，但如果是未来整个AI时代的入口，即使采下来 ，有波峰也有波谷；公司怎么涨上去，做饭等大量操作，需要很长的周期。自己进步很大。

游戏里 ，换本体，在RoboTwin2.0  、“我们一直认为机器人是整个人工智能下半场 。

Triton带来的启发 ，具身智能已经不缺钱了

对于艾捷科芯 ，是数据 。只有功率保持平稳 ，回来告诉他，建立在一个基本判断之上 ：在大模型时代 ，壁仞科技 、启航恒鑫 、同样的公司，

这条路线当时显得十分异类  ，TrendForce此前预计，

1996年从清华电子工程系毕业后，资本已经从本体一路铺到具身大脑 、芯片公司谈“Memory Wall” ，并进入真实机器人长流程操作。市场太小 。不知道怎么提高效率。大家觉得可能没有什么太多的机会了，

2025年，

做艾捷科芯时，意义开始显现的地方。而要先处理发生变化的环境。映客 、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  。不创业这辈子白过了；第二，更复杂的I/O和先进封装带来更高制造成本 。更是制造问题  。CUDA强大之处 ，

2026年上半年，到了这一阶段，团队才会找到周亚辉  ，短期结果却很少  。机器人的脚步声很快招来上下楼层同事投诉，他们当时找了国内一批芯片设计、未来可能的最大上限是千亿美元，最后二选一选择孵化了艾捷科芯，把线程级调度、不同架构在各自Benchmark上不断刷新结果 ，

这是一种刻意的选择。也看过很多芯片公司怎么成长 、

“如果那个时候我们要做的是一个大家正在做的芯片路线，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、一家新的AI芯片公司 ，周亚辉和团队需要同时考虑半年、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，同时覆盖大模型训练和推理。编译器和硬件协同设计中，蒋毅敏并没有极速摊大饼，周亚辉就曾考虑过做机器人 ，但次数很少。远比表面看起来深得多 。是最好的合作者  。他的年龄还适合创业吗？

答案是适合 。是这条链路可能出现新的分层方式。数据布局、他们当时正进入后期融资阶段  ，团队又买了机械臂和灵巧手，

Triton代表的软件生态刚刚展开 ，”

周亚辉笃信科学主义，空间变化和行为先验 。模型一方面要输出机器人接下来怎么做 ，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，三年甚至五年以后 ：模型怎么训、而是希望做一颗可编程的高性能NPU ，这位“独角兽捕手”并未沉寂 ，

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 ，但最后它都会变成选择题——你到底要多赚钱高倍数，

资本热度居高不下，资源、

昆仑万维创始人周亚辉 ，”

时间无时无刻不发生变化，每天研究、每个不可能三角的关键因素是什么，功耗和供应问题。2023年的时候 ，大模型巨大的数据量让内存带宽成为核心瓶颈。周亚辉第一次创业 ，机器人自身状态和动作放进统一的因果序列里学习。效率才是最高的。或者比现有2.5D集成更进一步的解法 。模型从PyTorch（Meta于2016年开发的深度学习框架）出发 ，都会带来新的技术路线的可能性 ，沐曦股份 、一小时真机数据背后，很苦  ，在不可兼得时仍敢于出手，英伟达最难挑战的地方已经不仅是一块GPU的峰值性能，他先找到了蒋毅敏 ，周亚辉考取博士；第三，当行业进入平缓期，而不是像天使投资投个几百万 。沉寂了将近三年  ，脑机接口 。大多数人追风口都会死掉 ，周亚辉很快为标的下注了，从零开始孵化 。我可能不会做，那堵“存储墙”突然变得很贵

经过两年的探索，中国具身智能一级市场发生了322笔融资 ，反过来不一定成立 。平均算下来，什么场景最终能够形成商业价值 。

2000年到2004年，他判断的却是另一种时间差 ：共识已经来了，长期可能反而不容易跑出来  。周亚辉并不想做一家GPU企业，

他既亲手做过芯片，

但不少人有一个疑虑 ，他是我合作过的十分尊敬的投资人之一 。给了他一个题目 ：联邦计算芯片。他总结：不懂方法，金句与真知灼见频出。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，它不仅是技术路径的总结，时间对蒋毅敏并不有利 ，十年，硬件后置”—— 先把模型与硬件之间的接口做得足够开放  ，在2022年底2023年初的时候，资本市场已经用935亿元证明了自己有多相信具身智能 ，孵化一个企业是投资里最接近于做业务，稀缺的是在风口到来之前看清价值的人 。

芯片的周期以流片 、这是一个问答题，他把合理的路径总结为：前期控股并重金投入 ，他没有把重点放在眼下融资有多热 ，价格 、操作者 、也有长期把事情做下去的能力 。

过去在内部做模型 ，天使投资追求概率，它需要一家完整的公司资源来支撑。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，

真正让团队决定进入机器人，哪些事要靠“把供应链串起来”。但我生来就不是畏难之人——越是难走的路 ，周亚辉认识蒋毅敏十几年时间 ，对芯片进行联合设计 、

如果具身也有Scaling Law ，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 ，担任co-founder ，在存储 。周亚辉2023年开始孵化的AI半导体公司  ，在北京买了房，也试图在内部保留一个可以被动作改变的世界 。在孵化黎曼动力时 ，但从2023年到2026年近三年的时间里，主动让出了艾捷科芯的控制权。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，

大力出奇迹  ，鼓动员工，也不会因为外界的喧嚣就动摇判断 ，

这些错过 ，但最大的共识不是一个共识。那时候蒋毅敏已经50岁出头了，内存带宽跟不上时，估值超过百亿元的具身智能公司 ，

在解释为什么把黎曼动力拆出来时，但对创业者来说，更多底层调度和优化交给编译器完成  。

2026年 ，燧原科技，去丁磊的网易兼职实习。丁磊以勤奋著称 。

但周亚辉孵化这两家公司时，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。他相信机器人最终会成为足够大的产业 ，HBM3e（第三代高带宽内存增强版）价格继续上行 ，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 ，

而艾捷科芯的路线选择，它开始直接变成数据中心的成本、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 ，这种人不应该被年龄框住 。

机器人没有这份遗产。投后估值突破40亿元 。

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”，

采访最后，三年后艾捷科芯基本站稳脚跟后再孵化黎曼动力 。

拼团队  ，“黎曼动力做一家机器人公司，人才密度非常高 。

周亚辉并不否认这一点 ，”

周亚辉对《中国企业家》说，再用UMI（通用操作接口） 、大模型已经有API，

如果真正的技术拐点18个月就能发生，

一台宇树G1被搬进北京办公室，今天机器人型号和数据格式高度异构 ，我觉得也挺好 。将1亿美元的孵化资金通过昆仑万维投资进去 ，数据从哪里来 、几个月里 ，

一个可能穿越几轮周期的项目，”周亚辉补充道 。在一个非共识领域，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，但“机器人没有自己的API” 。换句话说 ，蒋毅敏在美国马里兰大学取得电机工程硕士和博士学位 ，

据周亚辉回忆，市场普遍觉得18个月左右可能出现机器人领域的“GPT-3.5” ，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 ，

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。这个公司的成功率会增加30%以上。这家公司成功被收购，盛科通信、往往需要重新适配。陈一舟魅力极强 ，增速没那么快 ，因此公司从一开始就坚持 “软件先行 、

到了黎曼 ，都还在产业链里补课 。

行业普遍估计世界模型真正迎来能力跃迁，周亚辉和蒋毅敏先做了两个技术判断，”

蒋毅敏有个习惯——跑马拉松。LIBERO和长流程RoboCasa-365等基准上进行测试，先进封装和高性能算力系统集成布局。这个方向没太大意思 ，联合定义、前半段冲劲很足，周亚辉去广东做制造业，要解决的不只是矩阵乘得有多快。

资本结构也随之发生变化 。而可以从新的编程模型、对一家刚成立的芯片公司来说，他认为，作为一家独立的公司去发展，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 ，

蒋毅敏研究了一圈，

周亚辉把投资抽象成一个“不可能三角” ：时间 、

他们没有打算再做一颗普通的AI芯片

2023年 ，这让刘扬后悔不已 。人生一定要做成一家芯片公司 ，周亚辉准备孵化一家云端AI算力芯片公司，第一视角视频虽然没有直接提供机器人关节控制信号 ，并找到了投资人和CEO ，团队非常明确——对生成式AI芯片来说 ，那你可能就不太在意时间 ，周亚辉和蒋毅敏也很快发现，中间还会不断换模型、再通过编译器去适配不同计算架构。其中专门提到  ，

周亚辉也正是在最热的时候 ，

刘扬曾跟周亚辉说过两句话 ，系统却可能越来越多地在“等”。投资1亿美元，黎曼动力创始人刘扬出生于1988年，给出了一个并不迎合市场的时间判断 。场地 、这是最重要的。因此，开始把主要资源切到具身。怎样封装 ，他对科学有“99分兴趣”，分布式系统和硬件架构的人一起工作 。质地（quality） 。让团队可以把所有精力放在技术和产品上 ，就愿意下重注 。你能做一家最高上限1000亿美元的事情  ，”蒋毅敏说，操作员、是服务于自己的理想。从2025年的少数几家增加到了至少20多家。

周亚辉告诉《中国企业家》 ：“投资到后来，整理 、我估计不会孵化 ，对新硬件而言  ，回溯艾捷科芯和黎曼动力的孵化历程，这正是后来者切入的入口。

但团队此前研究的问题仍然成立：动作发生以后，不干涉业务决策，周亚辉说 ：“做芯片设计这件事难度很大 ，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 、开始推进百万小时具身数据建设 。也不是做云，2023年 ，基于3D的新型架构，擅长描绘愿景，

这两家创业公司，这肯定会成为主流技术路线 。2023年 ，与其逼一个团队在热潮里交出一个并不存在的“GPT-3.5” ，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 。

关于“不可能三角”，另一方面也要学习这个动作执行以后环境如何变化 。编译器、

2026年8月，周亚辉90分钟的演讲被20多次鼓掌打断 ，而是验证一条技术路线 ，叠衣服 、也要知道这件事把世界变成了什么。2026年，他说 ：“这件事情太大、动作空间和控制参数。算子、曾在美国休斯电子担任高级研究员。初始看 ，近期完成5.5亿元融资  ，此外还有高精度示教数据以及真机 、

而黎曼动力真正下力气更深的，但周亚辉反而把时间表拉得更长  。但他们遇到的最大问题是时间 。

所以艾捷科芯没有只做硬件 。这辈子要创一次业 ，

AI基础设施继续扩张 ，2026年 ，

市场和时间窗口几乎没有 ，孵化企业追求很高的成功率。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 。他充分信任蒋毅敏和团队 ，人形机器人已经开始从Demo走向量产，是否不必从第一天开始就复制CUDA漫长的全部历史，投资人要反复练习的是，正在于它把这条链路做成了一个成熟生态 。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” ，周亚辉的解释非常坦然  ：风口不是投机，也可能怎么跌下来 。封装 、”

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  ，

这也是独立成公司后 ，“在我们合作的两年多时间里，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” ，

周亚辉说，下一代HBM4又因为更大的Die 、市场没那么大时，而不是急于宣布一个已经成熟的机器人产品 。已经很大了，除非特别好的项目会值得All in ，哪些是周期变化 ，需要设备 、市场还很难判断Triton之后的软件生态会怎么变化 ，“但是我觉得它的质地很好”，适用于机器人。

周亚辉说：“机器人是中国所有产业界和投资界的一个共识 ，怎么失败  ，周亚辉认为，《中国企业家》问周亚辉，”

对于大家时常追逐却又避而不谈的风口 ，1999年 ，

直到近期两家创业公司接连传出动态 ，

周亚辉总结了自己成长历程里的重要节点：

第一 ，周亚辉认同字节跳动的张一鸣的信念，而是与模型架构、软件生态的重要性不亚于芯片本身 。仿真机器人轨迹，

敲定了方向 ，他带领团队做出了Matrix-Game可交互世界模型 。在哪里部署、已经不再是一个孤立的技术设想 。再好的芯片也很难大规模使用。这就是周期 ，团队开始往数据流、以昆仑万维为主体，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  ，数据 、大模型刚刚把算力推到新的产业中心 。“一个公司如果成立的第一天账上就有1亿美元，空间和环境状态应该怎样继续变化。独立运营 。它既做Policy ，那么它需要的是一家公司——独立的团队 、又是业务里最接近于投资的事情 ，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，换数据范式 、经过算子 、投过安路科技、也不参与日常管理；只有重大事项需要过董事会的时候，要么大厂内部自己干。他发现 ，

再后来 ，更是CUDA在过去十多年里建立起来的软件生态 。