從游戲世界到物理AI，這支團隊如何引爆世界模型？

撰文| 王 潘

編輯| 吳先之

叉子的角度偏了。

機器人捏著它往筷子筒里送，連續嘗試了幾次，叉尖始終卡在筒沿。

這樣的訓練，稀松平常，可這次似乎有些不一樣——它沒有繼續向下硬塞，也沒有退回原點從頭再來，而是將叉子靠在筒沿，輕輕借力，待角度轉正，再重新抬起，讓叉子落了進去。

整套動作沒有表演性，甚至有些遲緩。

但圍在旁邊的研發人員看到的，卻是另一件事——第一次失敗后，機器人沒有重復過去的路徑，而是根據眼前的情況，臨時想到了一種新的解法。

隨后，旁邊的碗被蹭了一下，水灑出來一點。機器人先是一愣，再停下手里的整理動作，去擦拭水漬。

可擦桌子是單獨訓練過的任務，在此前的訓練場景里，沒有人專門教過它：水灑了，要先停手。

黎曼動力機器人在廚房收納任務的真機表現

一名同事跑來告訴劉揚：“這個模型，我感覺有一點泛化性了。”

他心里很清楚，這句話意味著什么。

過去三年，他帶領的團隊，曾創造過比這絢爛得多的世界，他們讓人走進梵高的《星月夜》，亦讓牛仔在西部小鎮里，一路向前。

那或許才是人們想象中AI該有的樣子，瑰麗、陌生，帶著憑空造物的神性。相比之下，廚房里的叉子與水漬，難免有些瑣碎。

可物理世界的智能，偏偏藏在這些瑣碎里。

從生成一個虛擬世界，到驅動一臺真實的機器人，這支團隊蟄伏近三年。期間，他們也曾像那把卡在筒沿的叉子，嘗試著不同的可能性，始終未嶄露頭角。腳下的路充滿了坎坷，但在經歷了一路的“過關斬將”后，他們終于開始兌現自己的野心。這背后，是一群頂尖技術信仰者的奮斗故事。

20人頂尖戰隊，搭起一個新世界

加入昆侖萬維時，劉揚絕不會想到，自己最后會去做機器人。

彼時，Agent是整個AI世界的熱點，公司內部的2050研究院選擇跟上浪潮，孵化新方向。一通討論下來，分出了兩條線：一撥人做數字世界的Office Agent；另一撥人去做物理世界Agent，從世界模型做起。

后者被命名為Matrix，矩陣。

Matrix最初的設想頗為大膽：做一套持續生成、即時響應的仿真器，就像AlphaZero靠自我對弈提升棋力一樣，他們希望Agent也能在模型創造的世界里探索、訓練。

棋盤畢竟是封閉的，世界卻沒有邊界，這意味著Matrix從成立之初，瞄準的就是當時幾乎無人能給出完整答案的問題。

方向聽上去很酷，可招人的時候，這條略顯先鋒的道路，往往需要花上一點時間讓人理解和相信。

候選人聊完技術，總會把身體往椅背上一靠，問出一個問題：這個東西最后是做什么？

他沒有回避這種不確定性，只是坦誠地告訴對方，Matrix要做世界模型，至于最后會成為訓練仿真器、一款游戲，還是其他產品形態，現在還不能確定。但坦誠，沒有幫他更快招到合適的人。

首先，昆侖萬維對于招聘有著近乎苛刻的要求，絕對不會為了能夠早點填上坑而放寬標準。其次，頂尖優秀人才對于將要去的公司也會非常挑剔，除非這家公司的追求符合自己的理想與追求。這是一次彼此都對對方有著極高要求的雙向選擇，其過程也注定不會順利。

有的候選人會反復追問產品的出口，也有人擔心，一條沒有業務主線的探索，可能會在組織調整中消失。當時的Agent、視頻模型、文生圖都已有相對清晰的應用前景，相比之下，世界模型仍然是前路未明、挑戰重重。

他許諾不了一個確定的終局，能提供的籌碼亦不算多。開源和技術影響力，也許是其中較有分量的一筆。但有一點遠比這些都重要得多，那就是團隊可以提供頂尖人才真正最想要的東西，一個足夠宏大的夢想和可以實現的路徑。

畢竟，高薪和優渥的辦公環境，對于普通人來講很稀缺，對頂尖人才而言卻只是標配。真正讓他們難以拒絕的，是一個足夠艱難，也足以承載其全部能力與野心的目標。

當時受到關注的Google Genie既不開放模型，公開的技術細節也有限。對做技術的人來說，如果能做出第一版開源的世界模型，與全球最頂尖公司同臺競技，并最終改變這個世界，這比賺到更多錢要讓他們更興奮一百倍不止。

劉揚告訴光子星球，團隊中的很多人，就是沖著這件事來的。

而這件事最終得以順利推進，離不開昆侖萬維創始人周亞輝在背后發揮的巨大作用。據悉，當時周亞輝親自派出集團高招組，去全球頂尖科技公司和高校尋找該方向上最頂級的人才，市場上資深的大牛幾乎都被他們聊過一遍。

最終，有不少人是在周亞輝多次親自出面，講述公司在這件事上的終極目標和愿景后，才被說服加入的。畢竟，擺在他們面前的機會實在太多。

他們其實都清楚，眼前是一條沒有成熟范式、充斥著不確定性的路。支撐他們的，是純粹的技術信仰——相信這個方向，也相信自己有機會將它從無到有，帶到世界面前。

因此，這輪招聘，亦是一輪苛刻的雙向篩選。最后，劉揚聚攏了20人左右的頂尖團隊，成員主要來自CV、視頻模型、3D等相鄰領域，還有兩位從騰訊過來的游戲引擎工程師。來處不同，但都對前沿探索抱有相似的信念。

國內首家布局世界模型的團隊，由此誕生。

不同背景的人，聚到一起，首先需要思考的，就是這個世界，究竟該從哪里開始。

從游戲切入世界模型，是當時最天才，也最順理成章的決定。

對世界模型來說，游戲就是一個簡化版的真實世界，既保留了重力、碰撞等物理規則，又足夠干凈，不必面對現實里無窮無盡的變量，還能隨著用戶操作而變化。

數據也不算難找。YouTube、B站上有海量的游戲實況，游戲引擎本身也能自動生成軌跡，采集成本、實驗成本、試錯風險都比真實世界低太多。

疊加昆侖萬維自身的游戲基因，Matrix-Game模型，就這么拍板立了項。

最初，團隊的目標很簡單，即讓用戶能走進一個AI實時生成的世界，并且這個世界是“活”的，可扎進去才知道，實現這一切，需要攻克業界的重重難點。

第一道坎，是實時與交互。

傳統視頻模型，通常一次性生成一段完整視頻，可交互世界不行，用戶隨時都會按下新的方向鍵，模型需要隨時踩剎車，接收到新指令，再根據歷史畫面和新動作，繼續生成新畫面。

另一道坎，是記憶。

他們曾創造過一個類似西部小鎮的場景，可人物沿著街道走一圈回到原點，卻發現剛才路過的那棟木屋，消失了。模型只會預測下一段畫面，并沒有穩定的長時序記憶——擁有無窮無盡的下一幀，卻沒有一個可靠的過去。

就像喬治·馬洛里說的，因為山在那里。這幫渴望改變世界的人，緊盯業界難題，硬著頭皮往上沖。

據劉揚回憶，2025年5月，Matrix-Game 1.0發布時，是工業界首個開源的10B+空間智能大模型。

而在同Decart推出的Oasis、微軟開源模型MineWorld的橫向對比中，Matrix-Game（下圖中“Ours”）在視覺質量、時間一致性、動作可控性與物理規則理解四項核心維度上，取得了全面領先。

雙盲人評實驗中，Matrix-Game與其他模型的成績對比

只是，受限于當時整個行業仍處早期，模型能力與推理效率都遠未成熟，即便已做到了全球領先，但距離真正“暢玩”，仍隔著一段路。

測試的同學按一下“向前”，大可起身去接杯水，因為就算回來，畫面可能還沒生成完；而制作一段一分鐘的Demo，團隊得提前花些時間，將畫面一幀幀生成出來。

沒人否認，那時的Matrix-Game，還只是個實驗性質的嘗試。但它至少證明了，這條路是通的。

此后的日子里，這支二十人的頂尖團隊，每天圍著這個主題轉。他們沒有商業化指標，卻秉持著對技術的執念，一往無前，去跨過一道又一道橫亙在前的坎。

捅破天花板，闖出一條大道

2025年8月，Matrix-Game 2.0的發布，直接掀掉了全球開源世界模型的天花板。

此前的半年里，團隊圍繞模型蒸餾、推理優化等方向持續攻堅，把單卡幀率拉到了25幀，接近實時交互的體驗。這也是業內首個，在通用場景下實現實時長序列交互式生成的開源世界模型方案。

如果說，初代Matrix-Game證明了路線本身，那么2.0則第一次讓世界模型，被更多人所看見。

從這一版開始，Matrix-Game才算真正有了一個世界模型該有的模樣。

Matrix-Game 2.0上線前，團隊天天都會泡在里面玩。劉揚喜歡把世界名畫當首幀輸入進去，比如梵高的《星月夜》，然后往前走，模型便會沿著原有的筆觸、色彩與空間關系，繼續渲染出它“想象”中這幅畫背后的3D世界。

Matrix-Game 2.0生成的《星月夜》場景

這或許是世界模型最迷人的一面——過去，人們只能站在畫框之外凝視一幅畫；到了Matrix-Game 2.0，人可以試著走進去，看看那片從未存在、卻又仿佛本該存在的星空，究竟會延伸到哪里。

開源之后，熱鬧從內部，蔓延到了世界各地。

由于模型支持消費級顯卡，社交媒體上，很快掀起了一陣關于Matrix-Game 2.0的狂歡。有人輸入插畫，有人輸入電影截圖，也有人用自己的生活照當起點，千奇百怪的首幀，長出了千奇百怪的世界。

這些視頻，像一封封回信，讓這支長期靠著信念前行的團隊，聽見了來自外部的回響。

更具分量的認可，來自同行。

DiT作者、紐約大學助理教授謝賽寧團隊曾主動發來郵件，與團隊交流模型細節。而謝賽寧團隊后來發布的多人世界模型Solaris，亦引用并沿用了Matrix-Game 2.0的開源技術方案。

劉揚告訴光子星球，被引用這事，他自己也是刷推特時才知道的。

他刷推特有個習慣，但凡和世界模型沾邊的項目，都要點進去掃一眼。Solaris發布那天，他也是隨手點進去的，滑到項目簡介的第二段第一行，手指忽然停了。

那里寫著自己團隊的名字。這個頂尖團隊的戰斗力，在這一刻得到了具象化的體現。

消息傳回工區，大家都非常興奮，激動地聊起了技術細節。

周亞輝知曉后，也很高興。早期世界模型玩家稀少，領先有時會帶來另一種不安，即究竟是模型足夠好，還是賽道里暫時沒有足夠強的對手。可當一個世界頭部團隊愿意順著Matrix的方案繼續向前，這顆懸著的心，就落下來一半。

那段時間，更多積極的回聲接連傳來，頭部團隊的引用、創業團隊的部署、AI游戲公司的商業授權問詢、用戶的喜愛，這些東西湊在一起，讓這支團隊，找到了一塊踏實的落腳點。

模型幾乎每天在進步，可越是這樣，有一個問題越是揮之不去——他們創造出的這個世界，究竟要承載什么？

“當時我們已經能讓用戶走進一個實時生成的世界，但它還不是游戲。它沒有角色關系，沒有劇情，也沒有真正的消費場景。”劉揚坦言。

好比一座剛建好，卻沒人住的空城，街道完整，建筑林立，每一扇門背后都有無限可能，但城市里沒有居民，沒有故事，也沒有人與人之間的關系。

換言之，其本質上是個Navigation-based的探索空間，不管是誰，走得久了都會忍不住問自己一句：然后呢？

是啊，然后呢？

這三個字，像一根細小的刺，扎進了Matrix最熱鬧的時刻——世界模型的下一幀，越來越清晰，可這支始終走在行業最前端的團隊，前方卻仍然不夠清晰。

走入“無人深空”，大概是所有的前沿探索，最磨人與最迷人的地方——走在后面的人面對的是問題，而走在最前面的人，還得決定什么才是問題。

對于普通人來講，遇到挑戰通常會焦慮、無助、迷茫，甚至選擇逃避。但是對于這個由頂尖人才組成的戰斗力拉滿的團隊，他們遇到挑戰時有的只是興奮，他們是一群天生就喜歡啃硬骨頭的人。

既然沒有現成的路，那就只能由他們自己走出來。

團隊開了很多次會討論方向的問題，以及下一版該往里加什么。

白板上很快寫滿了答案。有人提議像《神廟逃亡》那樣，加入金幣和積分系統；有人希望加入隱藏獎勵，探索到某個位置后拿到獎品；也有人建議加入NPC，像早期《仙劍奇俠傳》一樣，站在路邊給玩家繼續探索的提示。

這些想法，技術上都能實現，但所有人都心知肚明，這些不過是feature，就算疊加一百個功能，也無法徹底改變世界模型的智能上限，有悖于初衷。

一通討論下來，前路大致有三條。

第一條，等。

等AI原生游戲整體生態起來，等更多團隊把NPC、劇情、玩法等拼圖補齊后，Matrix作為底層引擎，自然能兌現價值。但沒人知道這一等，是一年還是三年；也不知道等到那天，技術路線會不會已經變了模樣。

第二條，自己做游戲。

但這也意味著，一個純模型團隊要突然轉型成游戲公司——策劃、美術、數值、運營，每一塊都要從頭做起。而游戲行業的殘酷性擺在那里，他們可以創造一個世界，卻未必懂得如何經營一個世界。

第三條，是重新回到技術原點，尋找世界模型更大的歸宿。

這條路最難，甚至可能比未知更未知，但也只有這條路，配得上這群人的追求與Matrix成立那天的野心。

要干，就干一票大的

一支頂級團隊的轉向，既不會突然拍板，亦很少始于某個確切的時間點。

盡管轉折發生在2025年秋天，但事實上，更早之前，Matrix就已試著證明它不只屬于虛擬世界。

2025年上半年，團隊給模型投喂了一批截然不同的數據。

他們找到眾包數據合作商，用iPhone采了幾千小時的第一視角視頻——普通人拿著手機，在街道上走、在樓道里走、在房間里走，保留手部與身體動作，再將這些數據混入原有訓練集。

結果出乎所有人的預料。

離開熟悉的游戲畫面后，模型依舊能維持空間關系，并生成真實場景的交互探索，人往前走，墻角跟著退；推開一扇門，門后是新的房間。

換言之，模型偷偷從虛擬世界，溜進了現實。

后來，團隊看到了一篇世界動作模型方向的論文。而這篇論文里談到的空間理解、物理規律、動作條件生成、長時序記憶、未來狀態預測等模塊，大家實在是太熟悉了。

一年多來，團隊一直有個模糊的猜想，即能預測下一幀畫面，理論上就能反推中間發生了什么動作。但猜想始終是猜想，游戲世界模型和機器人模型，畢竟是兩個圈子的東西，中間隔著一層看不見的墻。

而這篇論文，或者說彼時機器人賽道興起的世界動作模型路線，把這堵墻鑿穿了。

“我們當時就發現，這和我們過去搭的框架，基本上收斂到一起了。”

兩條起點完全不同的路，通向的原來是同一個終點。更狠的是，不是他們追上了風口，是風口自己追上了他們。

方向清晰了，但劉揚沒有急著拍板，而是陸續下單了好幾種人形機器人、機械臂與靈巧手，親自去驗證。

9月，宇樹G1搬進了天工七樓工區。

現實世界，給這支模型團隊的第一條反饋，是投訴。

雙足踩在水泥地上的砰砰聲，隔著樓板往下傳，周圍的同事摘下耳機確認了一遍，又戴上，還是聽得見，反手就是一個舉報。

把機器人搬到樓下的院子里測試，可開窗還是聽得見。無奈的他，最后在附近產業園租了一間單獨的實驗室，才算將機器人安頓下來。

黎曼動力機器人在積木堆疊、衣物折疊等場景的真機表現

這樣的曲折故事，在他們這段打怪升級的經歷里，可能連都困擾算不上，頂多只是一個小小的插曲。

相比噪聲，當時的他更擔心士氣。

在他看來，團隊里二十多個人幾乎全是模型背景，沒人懂硬件。突然轉向，意味著得有人站出來救急，學操控、硬件調參，甚至是搬運機器人本身，總歸脫離了本職工作。

可實際情況，卻出乎他的預料。

新的實驗室租下來之后，很多同事不再待在自己工位上了，模型訓完就往機器人實驗室跑，有時一泡就是一整天。

沒有人要求他們這樣做。

反饋的差異，固然是一方面原因。此前，世界模型的反饋略顯模糊，有時候除了硬性指標，很難說清模型到底進步了多少；機器人不一樣，昨天抓不住的杯子，今天抓住了，這種來自現實世界的正反饋既陌生，又強烈。

更深層的驅動，還是來自對這件事的著迷。

那段時間，幾乎每個成員都在接觸過去不會做、甚至從未想過會做的事情，有人惡補機械知識，有人卷起袖子將機器人搬上搬下，沒人把這些視為負擔。

那段時間，模型學習著，如何從虛擬世界進入現實，這支團隊也經歷著相似的變化。

模型的泛化，是離開熟悉的數據后，仍然能夠抓住底層規律；人的泛化，則是離開熟悉的崗位后，依然能夠圍繞新的技術、新的領域，繼續成長。

因此，被訓練的不只是模型，他們自身亦在成為一支更強的團隊。

而憑著這股干勁，團隊起初對這條路的難度、行業現狀、技術適配性的疑問，很快便有了明確答案。

盡管劉揚依然相信，未來會有人做出完全由模型生成的游戲，但對當時的團隊而言，兩條路線并行，很可能任何一條都走不通。因此，第一輪實驗跑通之后，團隊內部的意見迅速統一——要干就干一票大的，全員轉向機器人模型。

2025年底，世界動作模型路線爆發時，團隊內部已經完全不討論“該不該轉”這個問題。不少人后來跟他說，哪怕再做一百次選擇，依然會做同樣的決定。

探索的日子，算是熬出頭了。

從那以后，問題不再是“應該去哪里”。路已經選定，剩下的，只剩如何成功實現。

沖擊100萬小時，大力出奇跡

進展，比所有人預想的都快。

2026年，這支團隊有了新的名字——黎曼動力。從這家公司的名字里，我們也能看到創始團隊的追求。

“黎曼”，在全球數學界和物理學界絕對是一個響當當的名字，很多人也會因他聯想到黎曼幾何、黎曼空間，這是AI時代頗為重要的一組概念。一方面，高維空間、流形、度量，都是現代模型訓練最基礎的東西；另一方面，他們也希望未來自己的機器人，能在自己建模的復雜空間里面完成思考、決策。

僅僅幾個月后，WAIC 2026現場，黎曼動力的世界動作模型Riemann-1.0，首秀即登頂。

Riemann-1.0

機器人圈公認最難的“家務大考”RoboCasa-365，它以62.6%的成績拿下SOTA，比此前紀錄高出8.4個百分點——而榜單上大多數模型，還在50%以下徘徊。

同時，Riemann-1.0還拿下了RoboTwin 2.0的SOTA；而在有序積木堆疊、柔性布料折疊等四類家務真機評測中，其平均成功率高達85%，領先最強開源對手整整15個百分點。

RoboCasa-365表現對比

這支跨界而來的團隊，第一次正式出手，就摸到了行業天花板。

盡管現在看來，這不過是寥寥幾行數字，但只有親歷過這段往事的人才知道，數字背后藏著多少反共識的判斷，以及多少看不出變化、卻始終不能停下的日夜。

劉揚告訴光子星球，這支團隊從一開始，就沒有沿著行業慣常的邏輯去解題。

這與勇氣無關，也談不上刻意挑戰共識，而是組織基因、底色的差異。天才的本色，以及不同的來時路，讓他們得以站在另一種視角下，看到不同的解題路徑。

他和團隊中的多數核心成員，都是堅定的Scaling信徒。

早期Transformer也曾因邏輯、記憶與數學缺陷遭到大量質疑，后來行業發現，許多看似需要復雜模塊解決的問題，會在規模擴大后逐漸緩解。因此，盡管現階段機器人圈新架構層出不窮，但在他看來，現在行業整體的數據量，并不足以驗證架構的優劣。

因此，他做了一個反共識的選擇——不急著拼架構，先堆夠100萬小時的有效訓練數據，大力出奇跡。

找遍全網，達標的訓練數據有限，團隊便自己定義采集標準、任務分類、場景要求，并拉著熟悉的數據供應商，從零搭建數據基建。

數據的選擇上，黎曼動力也走了一條頗具想象力的路，即用裸手視頻打底，UMI、外骨骼數據做骨架，真機、仿真軌跡做校準。

Riemann-1.0的數據基建、訓練框架、模型性能總覽

在行業過往的認知里，純裸手的第一人稱視頻，只有畫面、沒有額外傳感數據，訓練價值很低，也很少有廠商購買，以至于數據商最初收到相關需求時，一度懷疑他們是騙子。

但訓練結果，推翻了所謂的共識——用純視覺的人類第一視角數據做預訓練，模型的泛化能力、動作流暢度提升非常顯著。

截至目前，Riemann-1.0已經吞下了23.2萬小時的訓練數據，其中絕大多數是人類的第一視角視頻。登頂SOTA是結果，文章開頭那把借力轉正的叉子，亦是結果。

落地場景的選擇，同樣反共識——反的是行業里“先賺穩錢”的慣性。

據MarketsandMarkets測算，全球具身智能市場規模將從2025年的44.4億美元增至2030年的230.6億美元，年復合增速39%；其中“大腦”作為增速最快的細分賽道，增速高出整體12個百分點。

面對不斷膨脹的蛋糕，絕大多數玩家的第一選擇都是工廠，以此講述自己的落地故事。今年上半年，劉揚也專門去浙江工廠考察過一圈，回來后，他承認這是門好生意，卻始終提不起勁。

對此，他告訴光子星球，黎曼動力內部一直有個“暴論”，即機器人大腦模型的智能邊界，其實在C端。

這個判斷，一定程度上來自大模型的進化規律。Claude早期已經展現出代碼能力，但只有進入Cursor、Devin等面向普通開發者的真實環境，接受大量任務與反饋后，其代碼能力才繼續被推向更高水平。

機器人或許也一樣，越標準化的場景，越不需要通用智能。而工廠的重復場景，更多考驗精度、力控和穩定性等維度，屬于“小腦”的活，很難拓寬“大腦”的邊界。相比之下，只有將機器人扔進高度多樣、充滿意外的環境里，其才會被逼著成長。

如前述所言，團隊曾面臨一次選擇——如果當時留在原地、為虛擬世界添加功能，或許能做出一個玩法更豐富的世界，卻未必會有今天的黎曼動力。

如今，站在同樣的岔路口前，他們做出了與當初一樣的選擇——完全沒想過“保下限”，只想著“搏上限”，義無反顧地踏上更具挑戰，卻能真正改變世界的那條路。這背后，是周亞輝對這一方向的篤定。

這條路，通向C端的“終極考場”——家庭。為了摸清現階段機器人能解決哪些真實問題，周亞輝曾親自去往一線調研。幾輪調研下來，他們決定先從日本的養老院、酒店等場景切入，撬動“部署—數據—模型—新場景”的正向循環。

但不論如何，所有反共識的認知，最終都要回到真實世界里，去驗證、生長。好在，現在他們的每一步，都踩在了實地上，并有著廣闊的前景。

從Matrix到黎曼動力，劉揚的團隊，終究走到了產業前臺。

WAIC Riemann-1.0發布現場圖

過去，做完一個版本，他只需坐下來同團隊討論下一個版本的方向。而現在，則要考慮融資、品牌、競爭定位、商業計劃，六個月、一年、三年、五年分別走到哪里。面對手中需要拍板的事情陡增，多數人可能會抓狂，但是對他而言，挑戰越多，反而越興奮。

對于行業未來，他的判斷是，2027年底到2028年初，世界模型可能會迎來接近GPT-3的時刻，之后技術路線收斂，一部分玩家被淘汰，機器人API市場形成。整個行業的商業模式，則可能從賣硬件轉向賣服務與軟件，步入Token經濟時代。

基于穩居全球SOTA的Matrix-Game，以及Riemann-1.0已然驗證的模型硬實力，他給黎曼動力定下了長期目標——在世界模型、“大腦”模型、API市場三大核心賽道，全部躋身全球前五。

從一個模型的重量，到一臺機器人的重量，再到一家公司的重量，團隊承載的夢想也正在變大。畢竟從一開始，他們就主動選擇了一條更難而正確的路，而目前的喜人進展已經證明，這支團隊確實擁有將遠大抱負變成現實的頂尖戰斗力。

就像那把終于落進筒里的叉子，曾經漂浮無措的迂回與試探，不過只是冰山露出水面的一角。更深處涌動的，是這群人試圖撬動一個時代的終極野望。

微信號｜TMTweb

公眾號｜光子星球

別忘了掃碼關注我們！