李沐出任Aimotion联合创始人兼CTO：联手攻坚产业级世界模型

2026年的AI行业里，世界模型算得上最热也最乱的概念之一。杨立昆、李飞飞这些学界重量级人物先后入场，具身智能和机器人企业也纷纷跟上，看上去世界模型的归宿就该是模拟物理规律、驱动机器实体。

可问题来了：物理世界之外，商业规则、用户决策、业务因果这些凑成消费闭环的东西，难道不更需要一套自己的世界模型？

AI Agent的处境同样尴尬。真正落地的产品大多还停在客服答疑、文案生成、表格整理这类边角环节，能扎进销售、运营的核心链路，自己扛完长周期任务还直接带来营收的智能体，全行业都数不出几个。

这些痛点反映的并非当下模型能力不足，而是AI还没准备好进入真实商业场景做长期训练和验证。

不过硅谷商业AI公司Aimotion近日宣布，知名AI科学家李沐出任联合创始人兼CTO，全面掌舵下一代产业级AI技术体系。李沐同时保留Boson AI联合创始人兼CTO身份，双方将联合攻坚产业级世界模型与商业AI Agent技术。

一位深耕基础模型的顶级AI科学家，一家已经进入汽车营销场景的AI公司，释放的信号很明确：商业AI真正兑现价值的阶段要开始了。

李沐的新选择

在国内AI从业者圈子里，李沐是公认的“技术实力派”。他本科就读于上海交通大学，之后在卡内基梅隆大学取得计算机科学博士学位，曾任亚马逊AWS资深首席科学家，也是开源深度学习框架Apache MXNet的核心贡献者之一。

另外，李沐还是《动手学深度学习》的共同作者。这本书把理论与代码实践放在一起讲，拉低了机器学习的学习门槛，被数十所海外名校用作教材，国内无数年轻AI开发者也因此叫他“赛博导师”。

2023年，李沐和机器学习科学家Alex Smola等人一起创办Boson AI，开始摸索大模型技术的研发与商业化。

从深度学习基础设施，到大模型创业，再到这次产业级世界模型的探索，李沐的技术轨迹其实一直指向同一件事：让AI从算法研究走向能在真实环境中运转的智能系统。商业智能体从“能用”跨到“好用”，卡点正在这里。

在李沐的公开分享中，有个观点他反复讲：AI下一阶段的核心不是把评测分数堆得更高，而是扎进复杂商业场景落地，把下一代商业智能体的价值放出来。

这次与Aimotion深度联手，多少就是他这条思路的延续：让底层模型的技术能力真正流进产业业务流，智能体不再只活在Demo里，而是能直接带来商业收益。

Aimotion的底牌

其实在李沐加盟之前，Aimotion就已经在汽车AI营销这条垂直赛道上跑出了自己的商业化节奏。

看它现有的产品布局，Aimotion没有把自己限定在单一的内容生成工具上，而是围着企业营销和销售流程搭产品体系，做出完整的Octo产品矩阵，覆盖汽车营销的流量与线索获取、潜客长周期互动转化、跨平台数据分析等方向。

同时，Aimotion把汽车营销的Know-how做成专业营销能力平台，任意AI Agent都能调用。这套布局跟汽车行业的业务特点关系很大。

汽车是个很特殊的垂直行业，客单价高、决策周期长。用户从对买车产生兴趣，到了解车型、比较配置、预约试驾、谈价格，再到最终成交，往往要走过一段不短的决策周期。

对品牌和经销商来说，销售人员既要持续跟进客户，又要及时读懂需求变化，判断客户走到了决策的哪一步。人力成本高，效率的天花板也很明显。传统营销自动化工具主要靠预设规则做客户分类、消息推送和线索分配，运营效率能提一点，复杂的客户需求和动态变化的销售过程却很难接住。

Aimotion盯上的就是这个行业级的效率痛点。目前其业务已覆盖美洲、欧洲、亚太等全球主要市场，服务对象从大型车企集团到区域中小经销商，积累了TB级的行业预训练数据与数百万条微调样本，还有包含全球车型详细规格参数、视觉素材和本地化营销话术的汽车知识库，从结构上解决了AI在汽车场景容易产生幻觉、信息不准的行业通病。

正是有了这样扎实的场景与数据沉淀，Aimotion才敢往更底层的技术突破走，希望给各行各业提供一个面向商业环境的产业级智能底座。

而这恰好是Boson AI与李沐团队最擅长的部分。

商业AI接下来拼什么，胜负手已经落在这里。

双方公布的合作方向说得很清楚：把Boson AI的底层模型能力和Aimotion在真实产业里攒下的场景经验揉到一起，让基础技术和产业应用接上，做出面向商业环境的产业级世界模型。

不少人对世界模型的理解还停在物理仿真那一层——模拟真实世界的物理规则，让机器人在虚拟环境里训练，让游戏生成更逼真的动态场景，诸如此类。Aimotion走的路子跟这种通用仿真类世界模型不一样。

它的技术方向是对商业规则、客户决策逻辑、业务因果关系建模，做场景推演、趋势预判和长周期任务规划，让AI Agent从被动问答变成能自己跑完复杂销售业务的智能主体。说白了，就是推着AI从营销辅助工具转成能创造实际收益的商业智能系统。

按通俗的说法，世界模型想让机器不光看得懂眼前的信息，还能学到环境里的运行规律，预测不同动作会带来什么结果，再据此安排下一步怎么走。

拿汽车销售来说，消费者反复问某款车型，却一直没约试驾，AI就会把历史沟通、预算和产品偏好放在一起看，判断客户真正卡在哪，再决定下一步做什么。客户需求一变，系统还会及时改掉原来的计划，整个过程不用人插手。

这对商业Agent提出的要求，就不只是自然语言交互了，业务状态理解、长期记忆、任务规划和执行反馈都得具备。真正的难点也不在于让模型多背行业知识，而在于让它明白业务状态怎么变、不同决策会带来什么后果。行业数据、业务知识建模、长期记忆和任务规划，门槛都被抬高了。

产业级世界模型这条完整闭环一旦跑通，这套技术能力就能复制到房产、金融、高端制造、B2B服务等更多高价值、长决策周期的行业。打开的是万亿级的市场空间。

Aimotion此前已经完成A轮数千万美元融资，由BAI Capital领投。

李沐这样的顶尖技术人才不断走向产业现场，产业级世界模型这条赛道大概会迎来更多关注和投入。