李沐出任Aimotion联合创始人兼CTO，联手打造产业级世界模型

2026年的AI行业里，世界模型算得上最热、也最让人看不清楚的概念之一。杨立昆、李飞飞这些学界重量级人物先后入局，做具身智能和机器人的公司也纷纷跟上，似乎世界模型最终就是要去模拟物理规律、驱动实体机械。可换个角度想，物理世界之外，商业规则、用户决策、业务因果这些撑起消费闭环的东西，不更需要一套专门的世界模型吗？

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、写文案、整理表格这类边缘活上。能扎进销售、运营的核心链路，自己跑完长周期任务、直接带来营收的智能体，全行业找不出几个。

这些痛点摆出来，说明的不是眼下模型能力不行，而是AI还没准备好进入真实商业场景，去做长期的训练和验证。

不过近日，总部在硅谷的商业AI公司Aimotion宣布，知名AI科学家李沐担任联合创始人兼CTO，全面负责下一代产业级AI技术体系。他同时保留Boson AI联合创始人兼CTO的身份，两边将一起攻坚产业级世界模型和商业AI Agent技术。

一位深耕基础模型的顶级AI科学家，加上一家已经进入汽车营销场景的AI公司，传出的信号很明确：商业AI真正兑现价值的时候，要开始了。

李沐的新选择

在国内AI从业者圈子里，李沐被公认为“技术实力派”的代表。他本科读的是上海交通大学，之后在卡内基梅隆大学拿到计算机科学博士学位，在亚马逊AWS做过资深首席科学家，也是开源深度学习框架Apache MXNet的核心贡献者之一。

他还是《动手学深度学习》的共同作者。这本书把理论和代码实践放在一起讲，拉低了机器学习的学习门槛，被数十所海外名校选作教材，国内无数年轻AI开发者因此叫他“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，再到这回探索产业级世界模型，李沐的技术经历一直围着一个方向转：让AI从算法研究走向能在真实环境里跑起来的智能系统。商业智能体从“能用”变成“好用”，卡就卡在这里。

在李沐的公开分享中，他反复讲一个观点：AI下一阶段的核心不是把评测分数堆得更高，而是深度落地复杂的商业场景，把下一代商业智能体的价值充分释放出来。

这次和Aimotion深度联手，某种程度上就是他这条思路的延续：把底层模型的技术能力真正注入产业业务流，让智能体不再只活在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，做出了完整的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。

它还把汽车营销的Know-how变成专业营销能力平台，任何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，用户从起了购车兴趣，到了解车型、比较配置、预约试驾、沟通价格，再到最后成交，往往要经历很长一段决策周期。

对品牌和经销商来说，销售人员既要持续跟进客户，又要及时摸清需求变化，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，能提升一部分运营效率，复杂的客户需求和动态变化的销售过程却很难处理。

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，沉淀了TB级的行业预训练数据与数百万条微调样本，还有一个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。

有了这样扎实的场景与数据沉淀，Aimotion才有底气往更底层的技术突破走，希望给各行各业带来一个面向商业环境的产业级智能底座。

而这正是Boson AI和李沐团队最擅长的事。

商业AI的下一个胜负手

双方公布的合作方向是：把Boson AI的底层模型能力和Aimotion的真实产业场景沉淀融到一起，打通基础技术与产业应用的闭环，打造面向商业环境的产业级世界模型。

说到世界模型，不少人脑子里浮现的还是物理仿真那一套：把现实世界的物理规则搬进虚拟环境，让机器人在里面训练，或者让游戏里的动态场景更逼真。

不过Aimotion走的是另一条路。它要建模的对象是商业规则、客户决策逻辑和业务因果关系，在此基础上做场景推演、趋势预判和长周期任务规划。按Aimotion的说法，这能让AI Agent从被动问答变成可以自主执行复杂销售业务的智能主体，AI也由此从营销辅助工具转为创造实际收益的商业智能系统，与通用仿真类世界模型并不相同。

说白了，世界模型想做到的是：机器不光能看懂眼前的信息，还能学会环境里的运行规律，推演不同动作会带来什么结果，再据此安排下一步怎么走。

汽车销售是个现成的例子。消费者反复咨询某款车型，却一直没约试驾，AI会翻出历史沟通记录，结合预算和产品偏好，判断客户真正卡在哪，再决定下一步做什么动作。客户需求一旦变化，系统会及时调整原有计划，全程不用人工介入。

这就意味着，商业Agent光有自然语言交互还不够，还得具备业务状态理解、长期记忆、任务规划和执行反馈这些能力。

真正的难点也在这里：让模型多装一些行业知识只是表面，关键是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，要求都随之抬高。

产业级世界模型的完整闭环一旦跑通，这套技术能力可以复制到房产、金融、高端制造、B2B服务等更多高价值、长决策周期的行业。对应的，是万亿级的市场空间。

Aimotion此前已完成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持续走向产业现场，产业级世界模型这条赛道也会迎来更多关注与投入。