李沐新选择：加入Aimotion，联合打造产业级世界模型
2026年的AI圈，世界模型毫无疑问是最火热却也最混沌的概念之一。杨立昆、李飞飞等学界泰斗纷纷下场，具身智能、机器人公司悉数跟进，仿佛世界模型的终点，注定是模拟物理规律、驱动实体机械。
但一个问题是，除了物理世界，商业规则、用户决策、业务因果这些构成消费闭环的商业世界，难道不是更需要一套专属的世界模型吗？
同样陷入尴尬的还有AI Agent。绝大多数落地产品仍停留在客服答疑、文案生成、表格整理的边缘环节，能深入销售、运营核心链路，自主完成长周期任务并直接创造营收的智能体，放眼全行业都寥寥无几。
这些真实的痛点，呈现出的问题不是说现在的模型能力不够，而是现在的AI还没有做好进入真实商业场景进行长期训练与验证的准备。
不过，近日总部位于硅谷的商业AI公司Aimotion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。与此同时，李沐仍将保留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，带来了一个明确的信号：商业AI真正的价值兑现期，要拉开序幕了。
李沐的新选择
在国内AI从业者圈层，李沐是公认的“技术实力派”代表。他本科毕业于上海交通大学，后获得卡内基梅隆大学计算机科学博士学位，曾在亚马逊AWS担任资深首席科学家，也是开源深度学习框架Apache MXNet的核心贡献者之一。
此外，李沐还是《
2023年，李沐与机器学习科学家Alex Smola等人共同创立Boson AI，开始探索大模型技术的研发与商业化。
我们可以很清楚的看到，从深度学习基础设施到大模型创业，再到此次产业级世界模型的探索，李沐的技术经历始终围绕一个方向：让AI从算法研究走向能够在真实环境中运行的智能系统。这恰恰是商业智能体从“能用”走向“好用”的核心瓶颈。
在李沐的公开分享里，他反复提到一个观点：AI下一阶段的发展核心，不是堆出更高的评测分数，而是深度落地复杂商业场景，充分释放下一代商业智能体的价值。
这次与Aimotion的深度联手，某种程度上正是他这一思路的延续：把底层模型的技术能力，真正注入到真实的产业业务流里，让智能体不只停留在Demo里，而是能直接创造商业收益。
Aimotion的底牌
事实上，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。
从其现有产品布局来看，Aimotion并不局限于单一的内容生成工具，而是围绕企业营销和销售流程搭建产品体系，打造了完整的Octo产品矩阵，涵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将汽车营销Know-how，转化为任意AI Agent都可调用的专业营销能力平台。这一布局也与汽车行业的业务特点密切相关。
汽车是一个极为特殊的垂直行业，客单价高、决策周期长，用户从产生购车兴趣，到了解车型、比较配置、预约试驾、沟通价格，再到最终成交，往往需要经历较长的决策周期。
对于品牌和经销商而言，销售人员不仅要持续跟进客户，还要及时理解需求变化，判断客户所处的决策阶段。不仅人力成本高企，效率天花板也非常明显，再加上传统营销自动化工具主要依靠预设规则完成客户分类、消息推送和线索分配，能够提升部分运营效率，却很难处理复杂的客户需求和动态变化的销售过程。
Aimotion瞄准的，正是这个行业级的效率痛点。目前Aimotion的业务已覆盖美洲、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，包含全球车型的详细规格参数、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在汽车场景容易出现幻觉、信息不准的行业通病。
正是因为有了这样扎实的场景与数据沉淀，Aimotion才有底气向更底层的技术突破进发，希望能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，恰恰是Boson AI与李沐团队最擅长的事。
商业AI的下一个胜负手
根据双方公布的合作方向，核心在于将融合Boson AI底层模型能力与Aimotion真实产业场景沉淀，打通基础技术与产业应用闭环，打造面向商业环境的产业级世界模型。
很多人对世界模型的认知，或许还停留在物理仿真层面：模拟真实世界的物理规则，让机器人在虚拟环境中训练，让游戏生成更真实的动态场景等等。
但Aimotion要做的与这种通用仿真类世界模型不同，其技术方向将对商业规则、客户决策逻辑、业务因果关系进行建模，实现场景推演、趋势预判与长周期任务规划，赋能AI Agent从被动问答升级为可自主执行复杂销售业务的智能主体，推动AI由营销辅助工具转变为创造实际收益的商业智能系统。
简单来说，就是世界模型希望让机器不仅能够理解眼前的信息，还能学习环境中的运行规律，预测不同动作可能产生的结果，并据此规划下一步行动。
以汽车销售为例，当消费者多次咨询某款车型，却迟迟没有预约试驾时，AI就会结合历史沟通、预算和产品偏好，判断客户真正的顾虑，并决定下一步应该采取什么行动。如果客户需求发生变化，系统还会及时调整原有计划，全程无需人工干预。
这就要求商业Agent具备的不只是自然语言交互能力，还包括业务状态理解、长期记忆、任务规划和执行反馈等能力。
所以真正的难点不只是让模型掌握更多行业知识，而是让它理解业务状态如何变化，以及不同决策可能带来什么结果。这也对行业数据、业务知识建模、长期记忆和任务规划提出了更高要求。
当然，产业级世界模型的完整闭环一旦跑通，这套技术能力完全可以复制到房产、金融、高端制造、B2B服务等更多高价值、长决策周期的行业，打开的将是万亿级的市场空间。
值得一提的是，Aimotion此前已完成由BAI Capital领投的A轮数千万美元融资，而随着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会迎来更多的关注与投入。
本文来自微信公众号“智能涌现”，36氪经授权发布。
